english version
Vitrine de la RDC
« Les opinions exprimées dans ce travail sont propres à leur auteur et n’engagent ni l’Université Protestante au Congo ni la direction dudit travail »
EPIGRAPHE
« Le coût d’une chose mesure ce à quoi on renonce pour l’obtenir ».
(Mankiw & Taylor, 2013)
DEDICACE
A mes parents : Jules MAKALAKA, merci de m’avoir transmis l’esprit d’entreprise ; et Monique MATONE, merci de m’avoir appris l’amour des chiffres.
Et à tous les passionnés de la Finance.
REMERCIEMENTS
|
C |
que je ne pourrai oublier de remercier. e mémoire est le fruit des efforts fournis et des sacrifices consentis par plusieurs personnes
Mes remerciements s’adressent d’abord à Dieu, créateur de toutes choses, pour son souffle et tous ses innombrables bienfaits.
Aussi, je remercie mon Directeur de mémoire, le Professeur Jesse LISASI d’avoir accepté de m’encadrer dans la conception et l’élaboration de ce travail, et aussi pour le dévouement manifesté malgré toutes ses nombreuses occupations.
Je me dois de remercier plus particulièrement mes parents : Mon père, Jules MAKALAKA et ma mère Monique MATONE BESHENGA pour tous les conseils, pour tous les encouragements et pour tous les incommensurables sacrifices consentis pour toute ma formation ; je me rappelle encore de la fameuse phrase : « Aristide, tu es obligé d’aimer les mathématiques ».
Je saisis l’occasion pour remercier mes frères : Ali D’JEMO MOLO et Doudou MANDJINGO ainsi que mes sœurs : Francine KAMUANA, Marie-Paulette MAKALAKA et Estelle MAKALAKA pour leur assistance matérielle, financière et scientifique, assistance sans laquelle je ne pourrai arriver au bout de ce travail scientifique.
Je pense en même temps à remercier Monsieur le Professeur Toussaint TSHILOMBO pour m’avoir préparé à la soutenance de mémoire ; Monsieur Patrick KIANZUAKU (Auditeur Interne IMA WORLDHEALTH) pour la lecture et la correction dudit travail ; Monsieur Arnold KEBA (Auditeur Interne BCDC) et Monsieur Thierry NKUMU (Expert-Comptable) pour leur encadrement professionnel ; Monsieur Raphael MABAYA, Monsieur Elysé UVOYA et Monsieur LOGAS, (Assistant UNIKIN) pour leur encadrement dans les analyses économétriques.
J’adresse également mes remerciements au Professeur Henry MUAYILA pour avoir dispensé les cours de Sondage et méthodologie de recherche scientifique sous le logiciel STATA et le Professeur Jean-Pierre BOSONGA pour le cours d’économétrie sous le logiciel Eviews. Leurs supports pédagogiques ont été la boussole de ce mémoire.
Je pense également à tous mes amis du Collège Saint Joseph Elikya ; tous les membres de la CEKAUPC ; tous mes condisciples de L2 Economie appliquée à la Finance, Banque & Assurance ; et tous mes collaborateurs de SAPHIR ANALYTIC.
Enfin, que tous ceux qui, de loin ou de près, ont participé à la réalisation de ce travail trouvent ici l’expression de ma sincère gratitude.
RESUME
|
P |
banques commerciales en RDC : Certains auteurs ont utilisé le modèle linéaire de (Bourke, lusieurs travaux antérieurs ont été réalisés afin d’analyser la performance financière des
1989) pour identifier les déterminants internes et externes pouvant expliquer la rentabilité des banques ; d’autres ont utilisé le modèle de Dupont pour comparer la rentabilité financière des banques. Notre étude s’inspire des travaux précédents en tenant compte des limites liées à la taille d’échantillon des banques mais également, en apportant une analyse économétrique quant à l’application du modèle de Dupont.
L’objectif principal de l’étude est d’identifier la variable la plus significative du modèle de Dupont pouvant expliquer le fait que les banques locales soient plus rentables que les banques étrangères exerçant en République Démocratique du Congo.
L’approche économétrique utilisée réside en une analyse de données de panel sur une période allant de 2010 à 2017, nous avons utilisé un modèle à effet aléatoire pour estimer les paramètres de quatre banques locales et dix banques étrangères par la méthode des moindres carrés généralisés (MCG).
Les résultats de l’étude ont montré qu’il existe une relation de causalité, positive et significative entre le ratio de taux de marge nette et la rentabilité financière de toutes les banques commerciales en RDC. Par ailleurs, le ratio de rotation des actifs est non significatif pour toutes les banques et le coefficient de fonds propres qui mesure l’endettement est en relation de causalité négative avec la rentabilité financière des banques étrangères.
En définitive, nous avons prouvé que les banques locales sont plus rentables car non seulement qu’elles ont des taux de marge nette très élevés mais aussi, elles arrivent à mieux gérer l’endettement. Ce qui n’est pas le cas pour les banques étrangères.
TABLE DE MATIERE
CHAPITRE 1 : CADRE THEORIQUE ET EMPIRIQUE SUR LA RENTABILITE FINANCIERE D’UNE BANQUE 7
1. Approche économétrique des déterminants de la rentabilité des banques européennes . 19
3. Mesure de la performance des banques dans les pays en développement : le cas de ....... 21
l’UEMOA (Union Economique Et Monétaire Ouest Africaine) (Kablan , 2007)........................ 21
4. La rentabilité des banques et ses déterminants: Cas du Maroc ( Mansouri & Afroukh , 2009). 22
5. Déterminants de la rentabilité des banques commerciales en République Démocratique 22
du Congo : Une analyse économétrique en données de panel (Koli, 2013)............................ 22
6. Déterminants de la Rentabilité Financière des Banques Commerciales en République ..... 23
Démocratique Du Congo de 2005 à 2015 : Etude économétrique (Uvoya, 2015).................... 23
Etude comparative du niveau de rentabilité économique et financière : Cas de l’ECOBANK et 24
CHAPITRE 3 : DISCUSSIONS SUR LES RESULTATS ET RECOMMANDATIONS.............................. 50
LISTE DES TABLEAUX
Tableau 1 : Présentation et prédiction des signes des variables ......................................................... 30
Tableau 2 : Tests de Racine Unitaire sur le panel des banques locales (Auteur) ............................... 31
Tableau 3 : Tests de Racine Unitaire sur le panel des banques étrangères (Auteur) ........................ 32
Tableau 4 : Test d'homogénéité sur le panel des banques locales (Auteur) ..................................... 34
Tableau 5 : Test d'homogénéité sur le panel des banques étrangères (Auteur) .............................. 34
Tableau 6 : Description des variables des banques locales (Auteur) ................................................. 35
Tableau 7 : Description des variables des banques étrangères (Auteur) ........................................... 36
Tableau 8 : Résumé des analyses descriptives des banques commerciales (Auteur) ...................... 38
Tableau 9 : Coefficients de corrélation pour les variables des banques locales (Auteur) ................ 40
Tableau 10 : Coefficients de corrélation pour les variables exogènes des banques locales
(Auteur) ................................................................................................................................................. 41
Tableau 11 : Coefficients de corrélation pour les variables des banques locales (Auteur) ................ 41
Tableau 12 : Coefficients de corrélation pour les variables exogènes des banques étrangères
(Auteur) ................................................................................................................................................. 42
Tableau 13 : Modèle à effet fixe et aléatoire sur les banques locales (Auteur à partir de Eviews 9) 44
Tableau 14 : Test de Haussman sur le panel des banques locales ...................................................... 45
Tableau 15 : Modèle à effet fixe et aléatoire sur les banques étrangères (Auteur à partir de Eviews
9) ............................................................................................................................................................ 46
Tableau 16 : Résultats d'estimation du panel des banques locales .................................................... 49
Tableau 17 : Résultats d'estimation du panel des banques étrangères ............................................. 51
LISTE DES FIGURES
Figure 1 : Les flux de capitaux au sein d'un système financier .............................................................. 7
Figure 2 : Premier niveau de décomposition du modèle de Dupont_ (St-Cyr, Pinsonneault, & Allard,
1997) ....................................................................................................................................................... 13
Figure 3 : Evolution de la ROE des banques locales de 2010 à 2017 (Auteur) .................................... 36
Figure 4 : Evolution de la ROE des banques étrangères de 2010 à 2017 (Auteur) .............................. 37
Figure 5 : Courbes de ROE des banques commerciales congolaises (Auteur) .................................. 38
|
ANALYSE DE LA PERFORMANCE FINANCIERE DES BANQUES COMMERCIALES EN RDC |
|
|
INTRODUCTION GENERALE
1. Mise en contexte
La finance s'intéresse aux décisions financières des acteurs de la microéconomie : D'une part, les ménages reçoivent un revenu, financent leurs dépenses et peuvent dégager une épargne. Et d’autre part, il y a des entreprises qui identifient dans quelle activité elles vont s’implanter, comment doivent-elles financer leurs projets d’investissement et à quels coûts. Mais également, comment pensent-elles gérer l’exploitation (Merton & Zvie, Finance, 2010).
Selon la théorie keynésienne, l'épargne équivaut à l'investissement[1]. Les ménages peuvent alors utiliser rationnellement leurs épargnes pour acquérir d'autres actifs pouvant accroître leur niveau de richesse.
Le diagramme de flux circulaires représente les ménages comme étant les détenteurs des facteurs de production. Donc, ils peuvent placer leurs épargnes pour investir en devenant propriétaire d'une entreprise. Mais il faudrait également tenir compte d'un de dix principes de l'économie : " Le coût d'une chose mesure ce à quoi on renonce pour l'obtenir." (Mankiw & Taylor, 2013)
Face à plusieurs alternatives, les ménages prennent des risques en acceptant de placer leurs épargnes sous forme des actions, ils renoncent donc à l'acquisition d'autres actifs financiers et doivent être rémunérés non seulement en fonction de ce à quoi ils renoncent, mais également en fonction du risque qu'ils supportent.
Cette rémunération exigée par les ménages détenteurs des actions (actionnaires), se mesure par le coût d’opportunité du capital qui est le taux de rentabilité attendue offert par des investissements équivalents dans les marchés financiers. L’équivalence signifie la possibilité de réaliser un investissement alternatif avec des flux de trésorerie correspondants en termes de risque et de rentabilité. (Lisasi, 2017)
Le taux de rentabilité exigé devient un objectif financier général fixé par les détenteurs des actions ; c’est-à-dire, tout actionnaire souhaite que l’entreprise mette en œuvre des projets créateurs de valeur ou de richesse. (Berk & DeMarzo, 2014)
Une entreprise qui arrive à atteindre cet objectif à une date bien déterminée et un délai bien connu, est considérée comme étant efficace ; en d’autres termes, elle a été performante. Dans un système capitaliste, cette performance est essentiellement une performance financière mesurée principalement par la rentabilité des capitaux propres (Rentabilité financière ou Return On Equity, ROE). (Windolf, 2019)[2]. Et si nous considérons un objectif comme étant une cible visée dans un jeu de fléchettes, l’idéal serait que la fléchette arrive à sa cible ; mais plusieurs facteurs pourraient l’écarter de cette dernière.
La performance, mesurée par la rentabilité financière, est une variable qui dépend des plusieurs facteurs ou déterminants tant internes qu’externes à l’entreprise ; c’est ainsi que plusieurs modèles ont été proposés par plusieurs auteurs afin de comprendre les facteurs qui écartent l’entreprise de son principal objectif financier.
Dans le secteur bancaire, les déterminants internes sont qualifiés des variables managériales et les informations émanent des documents comptables de la banque tels que les états financiers. Quant aux déterminants externes, ils sont liés à son microenvironnement et macro environnement. Abdelaziz RO-UABAH (2006),
Plusieurs travaux ont été menés pour analyser les déterminants tant internes qu’externes de la rentabilité des banques :
Brahim Mansouri et Saïd Afroukh (2009) ont eu à mener une étude sur les déterminants de la rentabilité des banques marocaines. Au niveau des variables managériales, les résultats de l’étude démontrent que la rentabilité de l’actif (ROA) des banques marocaines est affectée : négativement par les charges générales des banques ; négativement par le niveau de fonds propres ; positivement par le volume des crédits distribués ; et négativement par la taille de la banque. Au niveau des variables externes, la croissance économique et l’inflation influent positivement sur la rentabilité de l’actif.
Houssam Bouzgarrou et Seifallah Sassi (2010) ont identifié dans leur article, les déterminants internes de la rentabilité bancaire qui différencient les banques domestiques des banques étrangères en France. L’étude a été menée sur un échantillon de 171 banques commerciales françaises dont 104 banques domestiques et 67 banques étrangères observées sur une période allant de 2000 à 2007. Les auteurs ont utilisé un modèle dynamique sur les données en panel avec la méthode des moments généralisés en système, ils ont prouvé que les banques domestiques françaises avaient une rentabilité financière plus élevée que les banques étrangères opérant en France ; et que cette différence s’explique par l’effet de l’endettement.
Cousin, S. (2011) étudie dans son mémoire les facteurs qui expliquent la performance[3] des banques françaises en période de crise. L’analyse a porté sur un échantillon de 153 banques sur une période de 2007 à 2009. Les résultats de son étude démontrent que les variables liquidités et qualité de crédit sont les variables importantes qui contribuent positivement à la performance des banques avant et pendant la crise. Les résultats ont également prouvé que les banques qui affichaient des meilleures performances sont celles qui étaient de petite taille, avec un ratio de liquidité faible et une petite part de marché.
En RDC, nous pouvons citer quatre études récemment menées : Koli, R. (2013) a analysé les déterminants de six banques commerciales de 2006 à 2012. En utilisant le modèle linéaire de BOURKE (1989) sur des données de panel, il conclut que la taille d’une banque, les capitaux propres et la politique d’octroi de crédit impactent négativement la rentabilité économique (ROA) des banques congolaises.
Uvoya, E. (2017), a identifié les déterminants de la rentabilité financière des banques commerciales en République Démocratique du Congo, l’étude a été menée sur des données de panel avec un échantillon de trois banques pendant une période de dix ans (2005 à 2015). Il ressort de cette étude que le volume de crédit, le taux de croissance du PIB, le taux d’inflation, le ratio crédit/Dépôt, le total actif et la ROE décalée influent positivement sur la ROE des banques commerciales. Et le coefficient d’exploitation, le coefficient de fonds propres et le volume de dépôt impact négativement la ROE des banques.
Mbuyi, R. (2018), a eu à mener une étude comparative de la rentabilité économique (ROA) entre deux banques commerciales en République Démocratique du Congo : La Banque Commerciale du Congo (BCDC) et la Rawbank de 2009 à 2013. Les résultats de son étude prouvent que les rentabilités économiques moyennes de ces deux banques ont été très faible ; respectivement de
1.8% et 1%. Par conséquent, les rentabilités ne sont pas significativement différentes car l’écart entre les deux moyennes est de 0.8%.
Kapinga, S. (2018) a eu à comparer de 2010 à 2013 la rentabilité financière de l’ECOBANK et de la TMB par le modèle théorique de Dupont. Apres analyse, la rentabilité financière de deux banques a eu à évoluer progressivement. Au niveau de l’ECOBANK, cette performance s’explique principalement par la marge nette et la rotation d’actif. Pour la TMB, le niveau de performance a surtout été influencé par le levier financier.
Contrairement aux travaux cités ci-dessus, dans le cadre de notre recherche, nous allons essentiellement nous focaliser sur l’étude des facteurs internes de la performance financière des banques par le modèle théorique de Dupont qui analyse globalement la performance financière d’une entreprise mesurée par la rentabilité financière (ROE) à partir de trois variables exogènes : La profitabilité mesurée par le taux de marge commerciale ou la rentabilité commerciale ; la gestion efficace des actifs mesurée par le taux de rotation des actifs ; et le niveau d’endettement mesurée par le coefficient de fonds propres.
En se référant également aux limites des travaux précédents liées à la taille de l’échantillon représentatif des banques commerciales en RDC, notre étude portera sur des données de panel composées de 14 banques sur une période allant de 2010 à 2017.
2. Problématique
L’économie étant guidée par une main invisible, comme le soulignait Adam Smith : Chaque agent économique, et principalement les entreprises qui dans la poursuite de leurs intérêts individuels de création de valeur, sont guidées par une main invisible qui les conduit à contribuer à l'intérêt général de toute une société.
Vous conviendrez donc avec nous qu’une entreprise qui tourne à la déconfiture ou qui crée moins de valeur pour ses actionnaires est un problème majeur à résoudre car cela influencera tout un secteur ou toute une économie dans son ensemble.
En ce qui concerne le secteur bancaire, selon le rapport de la Fédération Bancaire Française (FBF) publié en 2014, la rentabilité moyenne du secteur bancaire français était de 5,9%. Le secteur bancaire américain et le secteur bancaire européen présentaient respectivement une rentabilité financière moyenne de 8,1% et 3,3% en 2014. Selon le rapport numéro 15/263 du Fonds Monétaire International (FMI), la rentabilité sectorielle moyenne du secteur bancaire congolais en 2012 et 2013 s’élevait respectivement à 27,8% et 28,4%. Avec une rentabilité moyenne estimée à 23,4% en 2014. Une étude récemment menée par le cabinet Deloitte[4] publiée en 2017 sur la situation du secteur bancaire en République Démocratique du Congo en 2016 relève une faible rentabilité financière du secteur de 1% comparée à celle des banques de l’Union Economique et Monétaire Ouest-Afrique (UEMOA) qui s’élève à 8,6%. Et une rentabilité de l’actif de 0.1%. Une faible rentabilité du secteur indique donc une faible création de valeur pour les apporteurs des capitaux.
Ces chiffres prouvent que le secteur bancaire congolais a connu un recul. Néanmoins, on remarque que les banques locales semblent être plus performantes et que la chute du secteur est surtout causée par les banques étrangères exerçant en RDC.
Et selon le rapport publié par Deloitte, ce taux très faible émane des résultats déficitaires réalisés par plusieurs banques en 2016. Les facteurs externes ayant occasionné cette faible rentabilité financière du secteur sont : Les incertitudes politiques, l’environnement économique détérioré avec la baisse des cours des matières premières et une dépréciation de la monnaie.
Rappelons que l’une de décisions financières des entreprises est liée à la gestion de l'exploitation. Donc, à l’interne de l’entreprise, les cadres dirigeants, sont censés avoir la maîtrise de certains indicateurs ayant un impact sur la rentabilité financière.
Au regard des problèmes constatés sur la situation actuelle du secteur bancaire congolais et compte tenu du fait que toutes les banques évoluent dans un environnement commun, la question centrale que l’on se pose est celle de savoir quel est le facteur interne partant du modèle théorique de Dupont qui a le plus influé sur la rentabilité financière des banques commerciales en RDC et qui différencie les banques locales des étrangères exerçant en RDC ?
De ce fait, notre problème de recherche s'articule autour des questions suivantes :
§ Pouvons-nous établir une relation significative de cause à effet entre la profitabilité des banques commerciales congolaises et leurs performances financières ?
§ L’efficacité dans la gestion des actifs explique-t-elle significativement l’amélioration de la performance financière des banques commerciales congolaises ?
§ Le niveau d’endettement des banques commerciales en RDC que l’on mesure par le coefficient de fonds propres contribue-t-il de manière significative à l’explication de leurs performances financières ?
3. Hypothèses
En réponse aux interrogations qui guident notre étude, nous retenons ce qui suit :
§ La profitabilité de vente des banques commerciales congolaises, mesurée par le taux de marge nette impacterait positivement sur leurs performances financières respectives et par conséquent, sur la performance de l’ensemble du secteur :
Au regard du taux de marge nette renseignant sur la rentabilité des ventes d’une entreprise, c’està-dire, le bénéfice réalisé par l’entreprise sur une unité monétaire de vente qui, par ailleurs selon l’équation de Dupont, tout gestionnaire devra veiller à ce que cet indicateur soit le plus élevé possible pour inciter à coup sûr l’augmentation de la rentabilité des actionnaires.
§ L’efficacité dans la gestion des actifs des banques commerciales congolaises influerait positivement sur leurs performances financières :
Au vu des diverses ressources utilisées par les entreprises pour financer leurs actifs à long terme et à court terme ; si bien qu’il s’avère plus intéressant de savoir comment gérer ces actifs financés afin d’améliorer la rentabilité des actionnaires. Car, la gestion efficace des actifs induit à la capacité de réaliser un niveau de vente très élevé par rapport aux investissements de l’entreprise. En définitive, toute augmentation de cet indicateur mesuré par le coefficient de rotation des actifs devra normalement entrainer une amélioration de la rentabilité financière.
§ Le recours à l’endettement pourrait contribuer significativement à l’explication de la performance financière des banques commerciales :
Plusieurs théories et études empiriques ont démontré que le recours à l’endettement peut dans certains cas améliorer la rentabilité financière de l’entreprise endettée. C’est en effet, l’effet de levier.
Dans le cas d’une banque, dont la mission classique est de recevoir des dépôts des clients pour octroyer des crédits (actifs), plutôt qu’en utiliser ses fonds propres pour y parvenir, le recours à l’endettement améliorerait la rentabilité des banques commerciales.
4. Mode de vérification des hypothèses
Les données ont été collectées à partir des documents comptables de synthèse des banques. Nous nous sommes particulièrement servi des bilans et des comptes de profit et perte des exercices comptables de 2010 à 2017 pour extraire les informations relatives aux variables retenues dans notre modèle.
Pour vérifier nos hypothèses, nos données ont été traitées sous une approche quantitative. Nous avons eu à recourir aux analyses statistiques suivantes :
§ L’analyse uni variée afin de décrire chaque variable retenue dans notre modèle ;
§ L’analyse bi variée pour vérifier l’existence d’un lien significatif entre les variables ;
§ L’analyse multi variée pour étudier une relation de causalité et mesurer la contribution de chaque variable exogène dans l’explication de notre variable endogène. Nous avons utilisé un modèle à effet aléatoire pour estimer les paramètres de quatre banques locales et dix banques étrangères par la méthode des moindres carrés généralisés (MCG).
5. Délimitation du sujet
Notre étude porte sur quatorze banques commerciales regroupées en deux panels (Panel des banques locales et le panel des banques étrangères) connue sur huit périodes (t=8), soit un total de 32 observations pour les banques locales et 80 observations pour les banques étrangères.
6. Objectifs de recherche
D’une manière générale, le présent travail cherche à mesurer le niveau d’importance de chaque variable contenue dans le modèle théorique de Dupont pour évaluer la performance financière d’une entreprise ; et précisément celle d’une banque commerciale.
Afin de pouvoir vérifier l’atteinte de notre objectif général, nous pouvons le décortiquer en objectifs opérationnels suivants :
§ Comprendre d’une manière exhaustive le modèle théorique de Dupont ainsi que les spécificités de l’analyse financière d’une banque avant de pouvoir spécifier le modèle mathématique et économétrique ;
§ Identifier la variable la plus significative qui explique mieux les variations de la rentabilité financière des banques commerciales congolaises ;
§ Identifier la variable qui différencie les banques locales des banques étrangères exerçant en RDC.
7. Ossature du travail
En vue de pouvoir atteindre nos objectifs, hormis l’introduction et la conclusion, notre travail se subdivise en trois principaux chapitres :
§ CHAPITRE 1 : CADRE THEORIQUE ET EMPIRIQUE SUR LA RENTABILITE FINANCIERE D’UNE
BANQUE
1. Bases théoriques
2. Discussions empiriques sur la rentabilité des banques
3. Etude de cas
§ CHAPITRE 2 : ANALYSE FACTUELLE DE LA RENTABILITE FINANCIERE DES BANQUES COMMERCIALES EN RDC
1. Brève présentation des banques commerciales en RDC.
2. Approche méthodologique et spécification du modèle économétrique
3. Analyse économétrique de la rentabilité financière des banques commerciales en RDC (Modèle de Dupont).
§ CHAPITRE 3 : DISCUSSIONS SUR LES RESULTATS ET RECOMMANDATIONS
1. Présentation et interprétation des résultats
2. Implications théoriques et empiriques
3. Recommandations
CHAPITRE 1 : CADRE THEORIQUE ET EMPIRIQUE SUR LA RENTABILITE FINANCIERE D’UNE BANQUE
Ce chapitre se subdivise en trois points : le premier présente les bases théoriques sur la rentabilité d’une entreprise et en particulier, celle d’une banque, le deuxième point procède à une analyse des travaux empiriques et le dernier est consacré à quelques études de cas.
I. Bases théoriques
Nous commençons d’abord par présenter les notions théoriques liées au système financier et à l’intermédiation bancaire afin de mieux comprendre le business model d’une banque ; ensuite nous allons étudier la rentabilité financière et sa décomposition (Modèle de Dupont) en comparant une entreprise classique à une banque et enfin, nous discuterons d’une manière non exhaustive sur quelques normes prudentielles de gestion des banques commerciales en RDC.
1.1. Système financier et Intermédiation financière
Le système financier comprend l’ensemble d’institutions financières qui permettent aux agents économiques de prendre les meilleures décisions financières. On peut citer les banques, les compagnies d’assurance, les fonds collectifs d’investissement et les autres intermédiaires financiers. (Merton & Zvie, Finance, 2010).
Selon (Mankiw & Taylor, 2013), le système financier représente l’ensemble des institutions économiques qui autorisent la rencontre entre l’épargne d’un individu et le besoin de financement de l’investissement d’un autre individu. En d’autres termes, il s’agit de la rencontre entre les agents dégageant d’une part une capacité de financement (ACF) et d’autre part, les agents qui ont besoin de financement (ABF).
Le système financier est composé de l’ensemble des marchés, des instruments et des institutions qui permettent aux agents de financer leurs déficits au moyen des surplus d’autres agents. Il y a deux modalités possibles pour mettre en contact les ACF avec les ABF : La Finance directe où les ABF obtiennent directement des capitaux de la part des ACF en leur vendant sur le marché financier des titres de créances ou de propriété et la Finance indirecte où les ABF (Emprunteurs) s’adressent aux institutions financières ; appelées, intermédiaires financiers afin d’obtenir des fonds provenant des ACF (Préteurs). (Kabuya, 2015, p. 4).
Figure 1 : Les flux de capitaux au sein d'un système financier_ Mishkin, F. (2004).
Les intermédiaires financiers représentent les institutions financières par le biais desquelles les épargnants peuvent fournir des fonds de manière indirecte aux emprunteurs. (Mankiw & Taylor, 2013, p. 713)
(Kabuya, 2015) distingue trois catégories d’intermédiaires financiers :
1. Les institutions de dépôts où on retrouve principalement les banques ;
2. Les établissements d’épargne contractuelle comme les compagnies d’assurance vie ;
3. Les entreprises d’investissement, telles que les sociétés de bourse.
Les banques sont donc des intermédiaires financiers ayant deux fonctions spécifiques : D’une part, la fonction d’intermédiation de dépôts (Collecte des dépôts et octroi des crédits), et d’autre part, la gestion du système de paiement. (Aliango, 2017)
1.2. Généralités sur les banques
Une banque est une firme qui cherche à maximiser son profit en développant principalement les activités suivantes : Activités de crédit ; activités de collecte des dépôts ; activités de trésorerie ; activités de gestion du portefeuille des titres. (Kabuya, 2015)
Les recettes les plus importantes qu’elle réalise proviennent de la différence entre les intérêts
perçus sur les crédits accordés et sur les titres détenus et les intérêts versés sur les dépôts et titres émis. Pour mieux comprendre les activités financières d’une banque, nous présentons deux principaux états financiers : Bilan et comptes de profit et perte.
§ Bilan d’une banque
D’une manière générale, le bilan présente à l’actif l’utilisation des capitaux d’une entreprise ; classés par ordre croissant de liquidité et au passif, l’origine de ces capitaux classés par ordre croissant d’exigibilité. (Bezbakh & Gherardi, 2008)
Dans une banque, le classement des postes est l’inverse, et on retrouve plusieurs autres activités dites activités « Hors bilan ».
a. Les principaux postes de l’actif :
Crédit à la clientèle : constitue une créance pour la banque et génère un revenu (Intérêt reçus) ; l’instruction n°14 de la Banque Centrale du Congo prévoit une norme relative au risque qui défend les banques à octroyer le crédit représentant au moins 25% des fonds propres de base (Tiers-one) à un seul débiteur.
Portefeuille des titres : ensemble des titres financiers détenus par la banque. Selon la règlementation bancaire congolaise (Instruction n°14 de la Banque Centrale du Congo), il existe une norme relative à la limitation de participation.
Créances sur les établissements de crédit : sont le reflet de l’activité interbancaire. Elles permettent aux banques de rééquilibrer leurs positions en termes de devises ou d’échéances. (Aliango, 2017)
Immobilisations : ensemble d’actifs acquis pour la banque pour une utilisation supérieure à un an.
b. Les principaux postes du passif :
Dette envers la clientèle : ensemble de dépôt du public (Dépôt à terme, dépôt à vue, etc.) Dette envers les établissements de crédit : dette contractée par la banque avec les autres établissements de crédit.
Dette subordonnée : Sont des emprunts ayant un certain nombre d’avantages en terme d’échéance et de taux. Selon l’instruction n°14 de la BCC, les dettes subordonnées peuvent être intégrées dans les fonds propres qu’à hauteur de 50%.
Fonds propres prudentiels : composés des fonds propres de base (Tiers-one) et des fonds propres complémentaires (Tiers-two).
§ Comptes de profit et perte d’une banque
Nous présentons la détermination du résultat dans une banque à partir des soldes intermédiaires de gestion en se référant au Guide Comptable des Etablissements de crédit du Congo (GCEC-IFRS).
Intérêt nets (Marge d’intermédiation) : différence entre les intérêts perçus et les intérêts payés par la banque.
Produit Net Bancaire : généralement assimilé au chiffre d’affaires d’une banque. (Kabuya, 2015). Il s’agit de la marge d’intermédiation corrigée par les commissions, des produits et charges sur opérations bancaires diverses.
Résultat d’exploitation : il s’agit du Produit Net Bancaire diminué des frais généraux (Charges du personnel, dotations aux amortissements et autres charges d’exploitation).
Résultat avant impôt : c’est le résultat d’exploitation corrigé des activités extraordinaires. Résultat Net : est le résultat avant impôt corrigé de l’impôt sur les sociétés.
1.3. Notions sur la rentabilité d’une entreprise classique et d’une institution bancaire
Les trois principales dimensions financières d’une entreprise sont la rentabilité, la liquidité et la structure financière. Alors que la structure financière et la liquidité s’apprécient en générale par référence au bilan, la rentabilité s’analyse dans le cadre de la formation du résultat.
La rentabilité correspond au rapport d’un résultat par les moyens mis en œuvre pour sa réalisation.
(Bellalah, 2004)
1.3.1. Rentabilité commerciale
(Bellalah, 2004) La rentabilité commerciale est souvent mesurée en rapportant l’excèdent brut d’exploitation (EBE) ou le résultat net au montant du chiffre d’affaires hors taxe. Les deux ratios utilisés sont :
Ce ratio dépend du degré d’intégration verticale de l’entreprise et donc de son cycle de production. C’est un indicateur de la performance de l’entreprise au niveau de sa capacité à secréter des flux de trésorerie. Il permet également d’apprécier les performances industrielles et commerciales de l’entreprise.
Il s’agit du ratio de marge nette après déduction des charges financières et fiscales. Il indique tout simplement le taux de marge sur chiffre d’affaire.
Selon (St-Cyr, Pinsonneault, & Allard, 1997), ce ratio signifie que sur 1 unité monétaire de chiffre d’affaire réalisée, on génère un bénéfice de x%. Donc, le gestionnaire d’une entreprise a comme objectifs de veiller à ce que ce ratio soit le plus élevé possible ; d’identifier les véritables causes de sa variation ; de connaitre les variables sur lesquelles il peut exercer contrôle et prendre des actions ou mesures à mettre en œuvre pour obtenir un taux de marge élevé.
Etant donné que l’on considère que le Produit Net Bancaire est le chiffre d’affaire d’une banque, notre équation (2) dans le cadre d’une banque devient :
Mesure la capacité de la banque à pouvoir maitriser les frais généraux car la banque peut certes réaliser un PNB très élevé ; mais si elle n’est pas efficiente ; cette création de valeur sera étouffée par des charges fixes et cela peut se manifester à travers un coefficient d’exploitation (CIR) qui mesure la proportion des gains bancaires absorbés par les charges d’exploitation ; plus ce coefficient est faible, plus la banque est rentable. Le coefficient moyen du secteur bancaire congolais s’élevait à 79% en 2016 et à 77% en 2015. (Deloitte Services, 2017)
1.3.2. Rentabilité économique (Return On Asset, ROA)
Berk.J et DeMarzo.P (2014) ont au départ parlé du calcul de la rentabilité de l'actif (Résultat net + charges financières) / Actif total) qui doit intégrer les charges d'intérêts au numérateur car les actifs au dénominateur ont été financés par dette et capitaux propres. Ce ratio de rentabilité de l'actif est influencé par le besoin en fond de roulement (BFR) dans le cas où une augmentation égale des créances clients et des dettes fournisseurs ; cela, augmente la taille de l'actif et réduit donc la rentabilité de l'actif. Alors, pour éviter ce problème, il est possible de calculer la rentabilité économique qui est le rapport entre le résultat d'exploitation après impôt et l'actif économique. Selon Grandguillot, B (2001), la rentabilité économique mesure la capacité de l'entreprise à rentabiliser les fonds apportés par les associés et les prêteurs. Elle mesure l'attitude d'une entreprise à travers son actif total.
Mertron.R. et Bovie.Z (2010) décomposent la rentabilité économique en un produit de deux ratios
: d'une part la marge d'exploitation ou la rentabilité commerciale et d'autre part la rotation de l'actif
Où, RN = Résultat net et CAHT = Chiffre d’affaires hors taxe.
(St-Cyr, Pinsonneault, & Allard, 1997) Le deuxième ratio est appelé « Ratio de rotation d’actif » ; il mesure l’efficacité de la gestion des actifs d’une entreprise ; il représente le niveau de vente réalisée à partir de l’investissement dans les actifs. Ce ratio diffère également d’un secteur à un autre et selon ces auteurs, il existe un phénomène de compensation entre le ratio de marge et le ratio de rotation d’actif. On se poserait certainement la question de savoir comment expliquer le fait que malgré les taux de marge faibles dans le secteur alimentaire ou de commerce en détail, on retrouve quand même des investisseurs dans ces secteurs. Cela s’explique par le phénomène de compensation ; ces investisseurs compensent cette faible rentabilité de ventes par un effet « Volume ». Etant donné que le volume de vente est très élevé par rapport aux actifs, ces entreprises arrivent à réaliser des ratios de rotation d’actif très élevés par rapport aux entreprises du secteur industriel ou de mines qui réalisent des ratios de rotation d’actif faibles à cause de leur niveau important d’actif.
1.3.3. Rentabilité financière (Return on Equity, ROE)
Selon Krhouz. (2007), la rentabilité financière permet d'apprécier le taux d'investissement par le capital à risque. Elle est mesurée par le rapport entre le résultat et les fonds propres. Plus le résultat est positif et élevé, plus la rentabilité financière est bonne. Toutes choses restant égales par ailleurs. Pour Lochard (1998), la rentabilité financière fait partie des facteurs de décisions des banquiers en face de demande d'emprunts ou de crédits. Il est utilisé par les directions au niveau d'une synthèse pour étayer un rapport ou une communication tant au personnel qu'aux actionnaires. Il peut mettre en compétition les différents centres de rentabilité ou filiales d'un groupe.
Berk.J et DeMarzo.P (2014) la rentabilité financière se calcule comme suit :
Selon ces auteurs, un ratio de rentabilité élevé signifie que l'entreprise parvient à offrir une rentabilité élevée à ses actionnaires.
1.3.4. Décomposition de la rentabilité financière : Modèle de Dupont
§ Historique du modèle[5]
Le modèle de Dupont tire ses origines de la dénomination sociale de la société Dupont de Nemours, une entreprise de l’industrie chimique américaine. Le modèle a été conçu dans les années soixante par F. Donaldson Brown, un ingénieur électricien qui plus tard a rejoint le département financier de la société Dupont.
Quelques années après, la société Dupont acheta 23% des actions de General Motors Corp. dont la gestion revient à F. Donaldson Brown. Ce qui, plus tard a donné naissance à un modèle de diagnostic financier utilisé dans toutes les grandes entreprises américaines.
§ Présentation du modèle
(St-Cyr, Pinsonneault, & Allard, 1997) Le modèle de Dupont permet d’évaluer globalement la performance financière d’une entreprise mesurée par le ratio de rentabilité financière (ROE) à l’aide de trois variables : La profitabilité ou la rentabilité des ventes ; l’efficacité dans la gestion des actifs et le levier financier que l’on mesure respectivement par les ratios suivants :
Dans une banque, le modèle se présente comme suit :
é𝑠𝑢𝑙𝑡𝑎𝑡 𝑃𝑟𝑜𝑑𝑢𝑖𝑡 𝐴𝑐𝑡𝑖𝑓𝑠
§ Premier niveau de décomposition
Le premier ratio est le taux de marge nette ; autrement appelé, rentabilité commerciale. Il s’agit du premier facteur explicatif de la rentabilité financière. (St-Cyr, Pinsonneault, & Allard, 1997)
Le deuxième ratio correspond au taux de rotation des actifs ; il mesure la capacité de l’entreprise à transformer son actif économique en chiffre d’affaires. (Laure, 2013). C’est le deuxième facteur explicatif de la rentabilité financière et représente la quantité d’une unité monétaire de vente que peut générer chaque unité monétaire investie dans les actifs de l’entreprise. (St-Cyr, Pinsonneault, & Allard, 1997).
Le troisième ratio est appelé levier financier, il s’agit de la proportion des actifs de l’entreprise qui est financée par ses propriétaires. Il mesure donc le niveau d’endettement d’une entreprise. (StCyr, Pinsonneault, & Allard, 1997). Un ratio de levier très élevé signifie que l’endettement est très élevé car les actifs sont financés en une proportion faible des fonds propres. Ceteris paribus, toute augmentation de ce ratio entrainera un effet de levier ; donc une amélioration de la rentabilité financière suite au recours à l’endettement. D’après ces auteurs, ce ratio est intimement lié au ratio de marge et impacte négativement sur ce dernier car lorsqu’il augmente, donc, la dette qui augmente, cela entraine une augmentation des charges financières qui par la suite, baissera le résultat net et le ratio de marge. Le ratio de levier peut donc mesurer le niveau d’insolvabilité d’une
entreprise.
Pour une banque, un ratio de levier très élevé signifie qu’une grande partie des actifs (crédits), a été financé par les dépôts des clients. Selon la réglementation de Bâle III, les banques sont obligées de respecter un niveau minimum du ratio de levier pour éviter de s’exposer à des risques d’insolvabilité.
Ce ratio mesure la part des capitaux propres dans le financement des opérations de crédits et d’investissement d’une part, et d’autre part, la capacité de la banque à amortir ses pertes éventuelles tout en protégeant les dépôts de sa clientèle. Les capitaux détenus par les banques constituent donc une source supplémentaire de financement, et que les banques les mieux capitalisées et qui sont les moins risquées, ont facilement accès au fond de financement sur les marchés. (Abderazek, 2010)
La première décomposition du modèle de Dupont se résume sur la figure ci-dessous :
Figure 2 : Premier niveau de décomposition du modèle de Dupont_ (St-Cyr, Pinsonneault, & Allard, 1997)
L’avoir dont il est question ici est l’avoir des actionnaires ; en d’autres termes, il s’agit des fonds propres. Il sied de noter que le modèle de Dupont ne concerne pas seulement les actionnaires mais aussi, les autres bailleurs de fonds de l’entreprise. Cela s’explique par l’équation suivante :
𝑅𝑂𝐴 × 𝐿𝑒𝑣𝑖𝑒𝑟 𝑓𝑖𝑛𝑎𝑛𝑐𝑖𝑒𝑟 = 𝑅𝑂𝐸
Ou 
§ Deuxième niveau de décomposition
a. Le ratio de marge nette : Profitabilité ou rentabilité de vente
La variabilité de ce ratio dépend des facteurs : ventes, les coûts variables et les coûts fixes. Et peut prendre des valeurs différentes en fonction de chaque secteur. (St-Cyr, Pinsonneault, & Allard, 1997). Nous pouvons alors décomposer le ratio de marge comme suit :
où,
p.q = Chiffre d’affaires ;
Cv = Coûts variables ;
Cf = Coûts fixes ;
(p.q)-Cv = Marge sur coûts variables
Le ratio de taux de marge est influencé positivement par le chiffre d’affaires, négativement par les coûts variables et coûts fixes. Selon (St-Cyr, Pinsonneault, & Allard, 1997), le gestionnaire contrôle difficilement le prix de vente, la quantité de vente et coûts variables.
Les coûts variables et le prix à fixer peuvent être influencés par le pouvoir de négociation du fournisseur ; quant aux quantités vendues, elles peuvent être influencées par le marché (Comportement des consommateurs ou intensité concurrentielle).
Pour mieux comprendre les variations du ratio de marge, il faudrait analyser la détermination du résultat qui se décompose en trois :
(1) Analyse de la marge d’exploitation : rapport entre le résultat d’exploitation (EBE) et le niveau de vente. Ce ratio inclut tous les postes de la détermination du résultat à l’exception des frais financiers et des charges d’impôt sur le résultat.
Pour mieux comprendre la variabilité de ce ratio, il est important d’examiner l’évolution des charges d’exploitation par le ratio suivant :
Dans une banque, on parle du coefficient d’exploitation (CIR) qui se calcule comme suit :
Ce ratio est un indicateur de rentabilité qui mesure la proportion du PNB absorbé par les charges d’exploitation (Deloitte Services, 2017) ; il traduit donc le niveau d’efficience dans une banque. Plus ce ratio est faible, plus une banque est rentable.
(2) Analyse des charges financières : permet d’examiner l’importance que représente les charges financières par rapport aux ventes. Il se calcule comme suit :
L’augmentation de ce ratio est conditionnée soit par l’augmentation du taux d’intérêt ; soit par l’augmentation du niveau d’endettement.
Pour mieux comprendre sa variabilité, il est important d’examiner le ratio du levier (Coefficient de fonds propres) car ce dernier a un impact sur le taux de marge nette.
(3) Analyse des charges fiscales (Impôts sur le bénéfice des sociétés) : Etant donné que l’impôt a un impact sur le taux de marge nette, il sera examiné à partir du ratio du taux effectif d’imposition qui se calcule par la formule suivante :
b. Ratio de rotation des actifs : Efficacité dans la gestion des actifs
L’efficacité dans la gestion des actifs vient compléter la rentabilité des ventes dans la mesure où une entreprise qui réalise un ratio de marge nette élevée peut avoir une rentabilité financière faible si elle utilise trop d’actifs pour réaliser les bénéfices. (St-Cyr, Pinsonneault, & Allard, 1997)
Pour mieux examiner ce ratio, il faut le décomposer en deux :
(1) Efficacité de la gestion des actifs à court terme : Concerne surtout les actifs du bas de bilan pour une entreprise classique et du haut de bilan pour une banque.
L’efficacité de la gestion des actifs à court terme peut se mesurer par les trois ratios suivants : Le premier est le ratio de rotation de la liquidité qui est le rapport entre le chiffre d’affaires et la liquidité moyenne ou en fin de période ou encore le rapport entre la liquidité et le total des actifs :
Le deuxième est le ratio de rotation des créances clients, rapport entre le chiffre d’affaires et les créances clients.
Un ratio élevé signifie que l’entreprise arrive à recouvrer ses créances ; on parle de gestion restrictive ; si par contre, il est faible, cela peut être dû à une mauvaise politique de recouvrement des créances de l’entreprise ; soit causé par la présence des clients douteux ou litigieux.
Dans une banque, ce ratio peut se calculer comme suit :
Selon (St-Cyr, Pinsonneault, & Allard, 1997), Il est également possible de mesurer la gestion du crédit en calculant le délai que prennent les clients pour rembourser les sommes dues. Ce délai varie d’un secteur à un autre, dans l’industrie de l’alimentation, il peut être très faible voire nul car les clients achètent au comptant ; mais pour une banque, il peut être très élevé à cause des échéances de remboursement très longues.
Le troisième ratio de la gestion des actifs à court terme est la rotation des stocks : La détention d’un stock de marchandises trop élevé influe négativement sur la rentabilité d’une entreprise car elle aura à supporter des charges d’entreposage et de manutention.
Une gestion trop serrée (Ratio élevé) peut également occasionner une rupture de stock. (St-Cyr, Pinsonneault, & Allard, 1997). Il se calcule comme suit :
Si la détention de stock est élevée au niveau des actifs, le ratio sera faible ceteris paribus ; et si le niveau de stock baisse, le ratio sera élevé donc, l’entreprise peut s’exposer à un risque de rupture de stock.
(2) Efficacité de la gestion des actifs à long terme : Concerne les actifs les moins liquides que ça soit dans une entreprise classique tout comme dans une banque. On peut le mesurer par le ratio de rotation des immobilisations qui est la capacité d’une entreprise à réaliser un chiffre d’affaires très élevé en fonction des investissements à long terme. Selon (Mulamba & Amana, 2019), la rotation des investissements est le nombre de fois que les investissements d’une entité sont couverts par le montant des ventes de celle-ci.
Il faut toutefois faire attention sur le résultat de ce ratio car il peut conduire à des interprétations erronées : D’une part, l’augmentation du chiffre d’affaires n’est pas forcement conditionnée par les investissements et étant donné que les actifs sont acquis pour plusieurs années, le ratio serait faible pour les premières années car les actifs ne seront pas utilisés à pleine capacité. D’autre part, ce ratio peut être élevé si les immobilisations ne sont pas renouvelées. (St-Cyr, Pinsonneault, & Allard, 1997).
c. Ratio de levier financier : Gestion de la dette et le risque d’insolvabilité
Le recours à l’endettement présente plusieurs avantages sur la rentabilité d’une entreprise ; on parle d’effet de levier. Mais peut également détériorer la rentabilité ; on dit que l’entreprise a réalisé des effets de massue. (Merton & Zvie, Finance, 2010).
Selon (Ross, 1977) et (Jensen, 1986), l’endettement peut avoir un effet positif sur la performance de la firme puisqu’il va être considéré comme étant un moyen de pression sur les dirigeants. (Altman, 1968) montre que l’excès de l’endettement est générateur de faillite, de coûts directs et indirects. (Myers, 1977) à son tour, confirme également ce que (Altman, 1968) a dit précédemmen t et ajoute que le recours à l’endettement devrait entrainer une politique d’investissement sous-o ptimale et donc une moins bonne performance.
Pour mieux comprendre l’incidence de l’endettement sur la rentabilité financière, (Modigliani & Miller, 1958) expliquent l’effet de levier à partir de l’équation suivante :
représente le différentiel du levier financier ;
est
le bras du levier financier
est
l’effet de levier
Le recours à l’endettement augmentera la rentabilité financière si et seulement si le coût de la dette est inférieur à la rentabilité de l’actif ; au cas contraire, l’entreprise ne doit pas s’endetter car elle connaitra un effet de massue (Merton & Zvie, Finance, 2010)
Les principaux risques liés à l’endettement sont : Le risque financier lié au coût de la dette et le risque d’insolvabilité qui est la probabilité qu’une entreprise soit incapable d’honorer ses engagements financiers. (St-Cyr, Pinsonneault, & Allard, 1997).
Dans le cas d’une institution bancaire, étant donné que les dépôts des clients sont considérés comme une source de financement des crédits (Intermédiation bancaire) ; cette activité peut exposer la banque aux risques de liquidité ; cela arrive surtout lorsque les clients retirent leurs dépôts ; mais également, au risque d’insolvabilité.
Il faut noter également qu’une banque qui n’est pas en mesure d’honorer immédiatement ou dans un délai raisonnable les chèques qui lui sont présentés au guichet ou en compensation, est exposée au risque de réputation (Mpereboye & Nzoimbengene, 2015).
C’est ainsi que l’activité bancaire est règlementée pour atténuer tous les risques auxquels les banques sont exposées ; excepté ceux présentés ci-dessus. Au point suivant, nous présentons la règlementation bancaire dans le cas de la République Démocratique du Congo.
1.4. Gestion des normes prudentielles en RDC
Pour définir un cadre commun de référence bancaire et promouvoir la stabilité de la sécurité du système financier, hormis le contrôle sur pièces qui est un contrôle à posteriori, les autorités de réglementation et de régulation, comme la Banque Centrale du Congo, édictent des normes prudentielles qui s’appliquent aux banques commerciales, et mènent des actions de supervision préventives, c'est-à-dire destinées à éviter la crise. (Mpereboye & Nzoimbengene, 2015).
Les normes prudentielles en RDC sont reprises dans l’instruction n°14 de la Banque Centrale du Congo. Les principales normes sont :
§ Norme sur le capital minimum : le capital minimum exigé aux banques commerciales congolaises était à l’équivalent de 10 millions $ jusqu’au 31 décembre 2018. Actuellement, le capital minimum a été relevé à 30 millions $ et sera à 50 millions $ en 2020. Selon l’article 3 de l’instruction n°14, modification n°7 ; le respect de cette norme est apprécié à partir des fonds propres de base (Tiers-one).
§ Norme sur les fonds propres prudentiels : cet indicateur est la somme entre les fonds propres de base (Tiers-one) et les fonds propres complémentaires (Tiers-two) ; diminuée des créances subordonnées sur les personnes apparentées. Les tiers-one sont constitués de : Capital social, les primes d’émissions ou fusion ; les provisions pour reconstitution du capital ; toutes les réserves ; report créditeur/débiteur ; fonds en instance d’incorporation au capital social ; résultat créditeur/débiteur en attente d’approbation et actionnaire restant dû. Les tiers-two sont constitués des écarts de réévaluation ; des dettes subordonnées ; provisions générales et subvention non affectée.
𝐹𝑜𝑛𝑑𝑠 𝑝𝑟𝑜𝑝𝑟𝑒𝑠 𝑝𝑟𝑢𝑑𝑒𝑛𝑡𝑖𝑒𝑙𝑠 = 𝑇𝑖𝑒𝑟𝑠 𝑜𝑛𝑒 + 𝑇𝑖𝑒𝑟𝑠 𝑡𝑤𝑜
§ Norme sur la solvabilité : Selon l’article 12 de l’instruction n°14, modification n°5, les banques doivent respecter en permanence un ratio de solvabilité d’au moins égale à 10%. (Rapport entre les fonds propres prudentiels et l’ensemble des risques bancaires pondérés (Ensemble d’actifs affecté d’un coefficient en fonction de l’intensité du risque de crédit ou de marché).
§ Norme relative à la division des risques : Cette norme freine l’élan commercial des banques car elle limite la prise des risques excessifs lors de l’octroi des crédits. Selon l’article 21 de l’instruction n°14, les banques sont obligées de respecter un rapport entre la somme des grands risques et les fonds propres prudentiels ≤ 800%. On parle de grand risque lorsqu’un crédit représente au moins 10% des fonds propres prudentiels. Selon cette norme, les banques ne peuvent pas octroyer à un seul individu un crédit représentant plus de 25% de fonds propres de base.
§ Norme sur la surveillance de la position de change : la position de change est la différence entre les avoirs et engagements libellés en monnaie étrangère. Si les avoirs excèdent les engagements, la position est dite longue. Etant donné que les fluctuations du taux de change ont des effets sur la banque, la BCC prend en compte le risque lié à la position de change. Selon l’article 25 de l’instruction n°14, modification n°5, le rapport entre la position de change et les fonds propres prudentiels doit strictement être inférieur à 5%.
§ Norme relative à la liquidité : La crise de
liquidité d’une seule banque peut créer une crise systémique. D’où, il est
important pour toutes les banques de respecter chaque mois un rapport entre les
disponibles et les exigibles 
.
§ Norme relative au ratio de levier : Selon l’article 42 de l’instruction 14, modification n°7, les banques sont tenues à respecter un ratio de levier minimum de 5% ; rapport entre les fonds propres de base (Tiers-one) et les actifs diminués des éléments déduits lors de la détermination des Tiers-one et des éléments de hors bilan assortis des facteurs de conversion en équivalent-crédit (FCEC).
§ Norme relative à la transformation à moyen et long terme : cette norme est appréciée à partir du coefficient de fonds propres et ressources permanentes :
§ Norme relative à la limitation de participation : cette norme s’apprécie en fonction d’une participation individuelle et d’une participation globale. Une participation est considérée que lorsqu’elle procure à la banque au moins 10% de vote.
II. Discussions empiriques sur la rentabilité des banques
Nous présentons quelques travaux empiriques déjà menés sur la rentabilité des banques en mettant en exergue les contributions et limites de chaque étude et en comparant les résultats afin de mieux positionner notre recherche.
Les deux premières études analysent les déterminants de la rentabilité des banques en dehors de l’Afrique ; ensuite, nous présentons deux autres études menées dans le contexte africain : l’une, analyse les déterminants de la profitabilité des banques dans l’Union Economique et Monétaire Ouest Africaine (UEMOA) et l’autre, analyse la rentabilité des banques marocaines.
Enfin, nous allons clore nos discussions empiriques en présentant deux études menées en République Démocratique du Congo.
1. Approche économétrique des déterminants de la rentabilité des banques européennes
(Yao, 2005)
Dans son article, Yao, K.(2005) analyse la rentabilité des banques dans six pays européens (28 banques allemandes ; 21 banques belges ; 19 banques françaises ;32 banques luxembourgeoises ; 14 banques anglaises ; et 22 banques suisses) entre 1994 et 1997. L’objectif de l’étude était de montrer comment les caractéristiques des banques et l'environnement financier affectent la rentabilité des banques européennes.
L’auteur a utilisé un modèle à effet fixe en adaptant la formulation linéaire de Bourke (1989) avec une structure de la matrice variance covariance des erreurs sans corrélation et Homoscédasticité. Trois variables ont été expliquées : le rendement des capitaux (ROE), le rendement des actifs (ROA) et le rendement de la valeur ajoutée par rapport au total des actifs (Bénéfice avant impôts + Charges personnel + provisions sur pertes / Total actif). Les variables exogènes retenues dans le modèle sont : le frais du personnel (Frais du personnel/Total actif) ; le ratio de liquidité (Caisse + dépôts bancaires+ valeurs mobilières/Total actif et le ratio du capital (Capital + réserve/ Total actif). Quant aux variables exogènes externes, il y a le ratio de concentration : il s’agit de la part des actifs des dix plus grandes banques par rapport au total des actifs ; la propriété des banques par le gouvernement ; le taux d’intérêt ; la structure de marché ; l’inflation et le PIB.
Son étude a abouti aux résultats suivants :
§ L'augmentation des frais de personnel améliore la rentabilité des banques européennes car, lorsqu'il est bien rémunéré, le personnel a tendance à se consacrer plus à son travail ; ce qui accroît sa productivité
§ Le taux d'intérêt nominal long terme sur obligations influence positivement et significativement le niveau de la marge dégagée par l'industrie bancaire et sur la rentabilité ;
§ L'implication de l'Etat en tant qu'actionnaire semble être négativement corrélée avec la rentabilité des banques ;
§ Le ratio de liquidité est négativement corrélé avec la rentabilité. Car les liquidités détenues par les banques ont généralement un coût. Ces résultats ont été identiques à ceux de Molyneux et Thornton (1992) mais sont en désaccord avec ceux de Bourke (1989) qui trouvait une relation positive statistiquement significative ;
§ Il existe une relation positive et significative entre la rentabilité et les ratios de capital. Bourke (1989) ; Molyneux et Thornton (1992) ont eu à trouver les mêmes résultats.
La contribution de l’auteur est l’ajout d’un autre indicateur de mesure de la performance des banques ; il s’agit du rendement de la valeur ajoutée par rapport au total des actifs (Bénéfice avant impôts + Charges personnel + provisions sur pertes / Total actif).
2. Analyse des déterminants de la rentabilité des banques commerciales
saoudiennes (Abderazek, 2010)
L’objectif poursuivi par l’étude était d’analyser le lien entre d’une part, la rentabilité (Variable endogène) mesurée par la ROE, ROA et MIN (Marge d’intérêt net) et d’autre part, les facteurs internes et externes au système bancaire saoudiens.
L’étude a porté sur un panel cylindré de dix banques commerciales sur une période allant de 1999 à 2007. Les paramètres ont été estimés à partir d’un modèle à effet individuel fixe et à partir de la méthode de moindre carré ; son étude a abouti aux résultats suivants :
§ La variable adéquation du capital est positive et significative au seuil de 1% pour les 3 cas. Ces résultats sont conformes aux prédictions de l’auteur et sont identiques aux résultats trouvés par (Yao, 2005)
§ Le signe du ratio allocation des dépôts est positif et significatif au seuil de 1% pour ROA et 5% pour ROE cela implique que les banques saoudiennes financent une grande partie de leur actif productif par des dépôts sans recourir à des ressources externes coûteuses ;
§ Le coefficient net d’exploitation indique une relation inverse et significative au seuil de 1% avec ROA et ROE ;
§ La taille de la banque a une relation positive et significative au seuil de 5 % avec ROA et 1% avec MIN ;
§ Il y a une relation inverse et significative au seuil de 1% entre le ratio de liquidité et la rentabilité mesurée par la marge d’intérêt net (MIN). Les banques les plus liquides détiennent un niveau de capital et de risque très élevé.
§ Le risque de crédit n’est pas significatif pour les banques saoudiennes ; car elles arrivent facilement à recouvrer leurs créances ;
§ Il existe un lien significatif entre le taux de croissance de l’économie mesuré par le PIB et le niveau de rentabilité des banques ;
§ Concernant, les croissances du taux d’inflation et du taux interbancaire, l’étude a montré que leur effet est faible et non significatif sur la rentabilité des banques saoudiennes.
Dans son article, Abderazek S.(2010) mesure la rentabilité des banques à l’aide de trois differentes variables endogènes : ROA, ROE et MIN tout en utilisant les mêmes variables exogènes (Déterminants internes et externes) pour chaque variable endogène. L’avantage que cette approche présente est d’identifier le modèle le plus significatif ; dans le cas de son étude, le modèle avec la ROA comme variable endogène a une meilleure qualité d’ajustement car le coefficient de détermination est de 75,4% ; contrairement aux modèles ROE et MIN, qui présentent des coefficients de détermination respetivement de 68% et 51%.
Partant de l’équation : 𝑅𝑂𝐸 = 𝑅𝑂𝐴 × 𝐿𝑒𝑣𝑖𝑒𝑟 𝑓𝑖𝑛𝑎𝑛𝑐𝑖𝑒𝑟, dans son article, l’auteur a tenu compte du ratio de levier à travers l’adéquation du capital qui est un facteur qui influe sur la ROE. Un ratio de levier financier très élevé pour une banque pourrait l’exposer à un risque d’insolvabilité car le financement des opérations de crédit se fait plus avec les dépôts plutôt qu’avec les fonds propres de la banque. Toutefois, étant donné que la ROA et le ratio de levier entrent dans le calcul de la détermination de la ROE, nous pensons qu’il est préférable de se limiter à estimer un seul modèle avec la ROE comme variable endogène.
Concernant le modèle avec comme variable endogène, la marge d’intérêt net (MIN), qui mesure les revenus nets dégagés par rapport aux actifs productifs (crédits et titres). Nous pensons que cette variable qui est considerée par l’auteur comme étant endogène, peut également être une variable exogène qui explique la ROE car ce ratio est proche du ratio de rotation d’actif ; donc, la capacité à transformer rapidement les crédits octroyés en intérêt reçu par la banque.
3. Mesure de la performance des banques dans les pays en développement : le cas de
l’UEMOA (Union Economique Et Monétaire Ouest Africaine) (Kablan , 2007)
L’un des objectifs poursuivis par l’étude était celui d’identifier les facteurs spécifiques aux banques de l’UEMOA qui influent sur leur efficacité après la restructuration du système bancaire survenue de 1993 à 1996. L’étude a été menée sur un échantillon de 35 banques des pays suivants : Bénin, Burkina Faso, Côte d’ivoire, Mali, Sénégal et Togo.
L’auteur a prouvé que l’efficacité-coût des banques est impactée positivement et significativement par la part des capitaux propres dans l’actif total. Ce résultat a également été trouvé par (Allen et Rai,1996) ; (Yao, 2005) et (Abderazek, 2010).
Une analyse plus détaillée (par groupe de banques) a également démontré que les banques locales à capitaux privés sont les plus efficientes suivies par les banques étrangères, puis des banques étatiques qui présentent les degrés d’efficacité-coût et technique les plus faibles.
L’auteur a fini par proposer principalement deux recommandations : La première permettra aux banques de réaliser des économies d’échelle. L’auteur propose que les autorités mettent en œuvre des mesures (notamment la promotion d’une bancarisation plus importante au sein des populations des pays de l’UEMOA) permettant aux banques par le biais des économies d’échelle d’incorporer de manière effective les changements technologiques. La mise en place des guichets automatiques par exemple rendrait certains services bancaires plus accessibles aux clients et donc aurait un impact plus important sur la performance des banques.
Etant donné que la Fintech bouleverse actuellement le business model des banques, l’apport de l’auteur permettra non seulement aux banques de s’insérer aux changements de l’environnement technologique afin de maintenir leurs performances, mais aussi, à baisser certains coûts à l’interne afin d’être efficient.
La deuxième recommandation concerne la gestion interne des banques ; l’auteur recommande à ce que l’autorité monétaire veille à la santé financière des banques de la zone et particulièrement à leur capacité à financer leurs actifs immobilisés par leurs fonds propres. A cette recommandation, nous pouvons insister surtout sur le financement des actifs circulants ; que l’on peut considérer dans le cadre d’une banque comme étant des crédits octroyés. Il sera donc important que les autorités limitent la prise de risque excessif en utilisant les fonds du public pour financer les crédits.
4. La rentabilité des banques et ses déterminants: Cas du Maroc ( Mansouri & Afroukh , 2009)
Son étude explique la performance financière (mesurée par les rendements sur actifs et les marges d’intérêt) de 5 banques marocaines sur une période allant de 1993 à 2006 à partir des variables organisationnelles, macro-financières et macro-économiques. L’auteur est principalement parti des hypothèses suivantes :
Il suppose que plus les charges d’exploitation bancaire augmentent plus la rentabilité se dégrade et, de ce fait, une meilleure gestion des charges peut aboutir à des niveaux très élevés de performance ; Le ratio du capital est supposé alors avoir un effet positif sur la performance bancaire.
En utilisant le modèle linéaire de (Bourke, 1989) avec un modèle à effet individuel sur des données de panel, l’auteur a abouti aux résultats ci-après :
§ La rentabilité des actifs (ROA), est affectée négativement par les charges générales, ce qui fait que les banques marocaines puissent respecter un ratio de coefficient d’exploitation qui ne dépasse pas 70% ;
§ Il existe une relation négative entre la rentabilité et le niveau des capitaux propres. Selon l’auteur, la règlementation prudentielle influe sur la rentabilité car elle impose aux banques un niveau minimum de couverture des emplois par des ressources stables ; Ces résultats sont conformes aux études de (Abderazek, 2010) ; (Yao, 2005) et (Kablan , 2007). La seule différence est au niveau de la mesure des fonds propres. Les trois précédents auteurs ont utilisé un ratio de fonds propres (Actif/Fonds propres) ; en effet, toute augmentation des fonds propres ; réduira le ratio et baissera la rentabilité.
§ Le volume des crédits distribués est favorable à la profitabilité des banques ; § Il existe une relation négative entre la taille des banques et leurs rentabilités.
Contrairement aux autres études, l’auteur utilise une dimension temporelle assez grande, soit de quatorze périodes ; ce qui permet de mieux observer la tendance des variables dans le temps. Il va plus loin en élargissant l’échantillon à 240 observations grâce à une opération de trimestrialisation des données.
L’une des limites de son étude est de prendre en compte que la rentabilité de l’actif et la marge d’intérêt comme variables de mesure de la performance financière des banques. Une fois de plus, rappelons que ces variables sont incluses dans la rentabilité financière. Donc, il sera plus intéressant d’étudier un indicateur qui englobe toutes les parties prenantes d’une entreprise, plus particulièrement les actionnaires.
5. Déterminants de la rentabilité des banques commerciales en République Démocratique
du Congo : Une analyse économétrique en données de panel (Koli, 2013)
L’auteur étudie la performance financière de six banques congolaises (De 2006 à 2012) mesurée essentiellement par le rendement de l’actif (ROA). En utilisant la formulation linéaire de (Bourke, 1989), il spécifie son modèle en utilisant les variables exogènes suivantes : Taille de la banque ; ratio des capitaux propres ; ratio crédits accordés ; Taux d’inflation ; PIB par habitants ; ratio de la taille du secteur bancaire et le ratio de la concentration bancaire.
Les résultats de son étude ont prouvé qu’au niveau des variables managériales, la taille de la banque, capitaux propres, crédit, impactaient négativement la rentabilité des banques congolaises. Quant aux variables externes, la croissance économique et l’inflation influaient positivement sur la rentabilité de l’actif (ROA) ; la taille du secteur bancaire et la concentration bancaire affectaient négativement la rentabilité de l’actif (ROA) des banques.
La faible taille de l’échantillon est une limite de son étude car les données longitudinales exigent une grande base pour mieux comprendre le comportement global des individus statistiques.
6. Déterminants de la Rentabilité Financière des Banques Commerciales en République
Démocratique Du Congo de 2005 à 2015 : Etude économétrique (Uvoya, 2015)
Son étude est proche de celle menée par (Koli, 2013). Les deux auteurs poursuivaient le même objectif principal, celui d’identifier les facteurs explicatifs de la performance financière des banques en RDC et ont utilisé la même démarche méthodologique (Spécification linéaire de Bourke avec un modèle à effet individuel) mais avec quelques différences au niveau des variables. (Uvoya, 2015) mesure la performance des banques avec la rentabilité financière (ROE) qui est expliquée à partir des variables exogènes suivantes : Rentabilité financière retardée, Total actif, coefficient de fonds propres, coefficient d’exploitation, volume crédit, volume dépôt, ratio crédit/Dépôt, taux d’inflation, taux de croissance du PIB.
Son analyse portait sur trois banques commerciales (BCDC, RAWBANK et TMB) de 2005 à 2015 ; soit 33 observations. Il a abouti aux résultats suivants :
§ Le volume de crédit, le taux de croissance du PIB, le taux d’inflation, le ratio crédit/Dépôt, le total actif et la ROE décalée influent positivement sur la ROE des banques commerciales. Les résultats sur la variable crédit diffèrent de ceux trouvés par (Koli, 2013).
§ Le coefficient d’exploitation, les coefficients de fonds propres et le volume de dépôt impact négativement la ROE des banques.
L’une des contributions de l’auteur est le fait de mesurer la performance financière des banques par la rentabilité financière (ROE) car cet indicateur présente l’avantage de prendre en considération les points de vue de toutes les parties prenantes d’une entreprise ; l’auteur prend également en compte la rentabilité financière retardée (ROEt-1) qui capte la persistance de la rentabilité financière des banques.
La limite de son étude est au niveau de la taille de l’échantillon ; l’auteur a analysé que trois individus statistiques pendant 11 périodes. Et pourtant, l’analyse de données de panel exige un grand nombre d’observations surtout au niveau de la dimension individuelle afin de mieux capter l’homogénéité ou l’hétérogénéité des données.
III. Etudes de cas
Nous avons pris le cas de deux études menées en RDC où les auteurs ont eu à appliquer le modèle de Dupont pour mesurer la performance financière des banques commerciales :
Etude comparative du niveau de rentabilité économique et financière : Cas de l’ECOBANK et TMB
(Kapinga, 2018) & Cas de RAWBANK et BCDC (Mbuyi, 2018)
Les deux études poursuivaient principalement deux objectifs : Le premier consistait à vérifier l’une des propositions de Modigliani. et Miller, M. : « La rentabilité économique des entreprises évoluant dans un secteur concurrentiel ne devrait pas être très différente d’une entreprise à l’autre du fait qu’elles sont toutes soumises aux mêmes facteurs de risque opérationnel, mais leurs performances commerciales peuvent les différencier en fonction de leurs tailles et de leurs positionnements sur le marché » ; le deuxième , cherchait à comparer la rentabilité financière de deux banques commerciales à partir du modèle de Dupont.
(Kapinga, 2018) a eu à comparer de 2010 à 2013 la rentabilité financière de l’ECOBANK et de la TMB par le modèle théorique de Dupont. (Mbuyi, 2018) compare la rentabilité de RAWBANK et celle de BCDC de 2009 à 2013.
Apres analyse, les auteurs ont abouti aux résultats suivants : (Kapinga, 2018) a prouvé que la rentabilité financière de deux banques a eu à évoluer progressivement. Au niveau de l’ECOBANK, cette performance s’explique principalement par la marge nette et la rotation d’actif. Pour la TMB, le niveau de performance a surtout été influencé par le levier financier.
Les résultats de (Mbuyi, 2018) ont prouvé que les rentabilités économiques de BCDC et RAWBANK sont restées faibles durant la période sous étude. Soit une moyenne de 1,8% et 1% respectivement. L’écart entre les deux moyennes n’est pas significatif car, il est de 0,8%. Néanmoins, les deux banques ont eu à réaliser des rentabilités financières élevées. Les résultats de (Mbuyi, 2018) ont également prouvé que les deux banques avaient des taux de rentabilité commerciale différente car chaque banque met en œuvre des stratégies commerciales différentes.
Le fait de vérifier la théorie de Modigliani.F et Miller, M. en utilisant le modèle de Dupont est une contribution de ces études. Mais au niveau de l’approche méthodologique ; les auteurs se sont limité à valider leurs hypothèses qu’avec des méthodes purement descriptives sans étudier l’existence d’un lien significatif ou une relation de causalité entre les variables.
Compte tenu des contributions ainsi que des limites des travaux empiriques présentés ci-dessus, notre recherche va tenter de modéliser l’équation de Dupont afin de mesurer les impacts de chaque variable sur la performance financière (mesurée par la rentabilité financière, ROE) de quatorze banques commerciales sur huit exercices.
|
L |
rentabilité financière et à sa décomposition (Modèle Dupont) ; présenter et discuter sur les e chapitre premier poursuivait trois objectifs : Poser toutes les bases théoriques liées à la
travaux empiriques proches de l’objet de notre recherche et enfin, présenter un cas concret
de l’utilisation du modèle de Dupont dans une banque.
Pour atteindre ces objectifs, le chapitre s’est subdivisé en trois points :
Le premier, intitulé « Bases théoriques » a permis de poser les jalons afin de mieux comprendre l’activité d’une banque commerciale ainsi que le diagnostic financier avec le modèle de Dupont ;
Le deuxième point, intitulé « Discussions empiriques sur la rentabilité des banques » a permis d’identifier les contributions ainsi que des limites de tous les travaux empiriques présentés afin de mieux justifier l’orientation de notre recherche ;
Le troisième point, intitulé « Etudes de cas » a permis de clarifier le positionnement de notre recherche en prenant deux études menées en RDC.
« Une confrontation permanente entre théorie et expérience est une condition nécessaire à l’expression de la créativité », Joliot-Curie,P. C’est sur base de cette citation que nous allons passer au chapitre 2 où il sera question d’appliquer toutes ces théories dans quatorze banques commerciales congolaises regroupées en banques locales et banques étrangères.
CHAPITRE 2 : ANALYSE FACTUELLE DE LA RENTABILITE FINANCIERE DES BANQUES COMMERCIALES EN RDC
Ce chapitre a pour objectif de vérifier l’application du modèle de Dupont dans les banques afin d’identifier la variable la plus significative pouvant expliquer la variabilité de la rentabilité financière. Il se subdivise en trois points : le premier point présente brièvement les 14 banques commerciales ; le deuxième, élucide la démarche méthodologique et la spécification du modèle économétrique ; le troisième point, présente et interprète les principaux résultats des différents tests statistiques.
I. Brève présentation des banques commerciales en RDC
Notre étude porte sur 14 banques commerciales (dont 4 banques locales et 10 banques étrangères) sur une population totale de 17[6] banques en République Démocratique du Congo. Nous présentons pour chaque banque, un aperçu historique ainsi que quelques indicateurs de performance financière[7] :
A. Présentation des banques locales
|
B |
sociale de la Banque du Congo Belge et à son siège social à Kinshasa (RDC). Société anque Commerciale au Congo (BCDC) a été créée le 11 janvier 1909 sous la dénomination
Anonyme dont la structure de l’actionnariat se résume comme suit : Etat Congolais (25,53%) ; George Arthur FORREST et sa famille (66%) ; autres actionnaires (7,94%). La BCDC avait un effectif du personnel de 526 agents au 31 décembre 2013. L’exercice 2017 s’est clôturé avec un bénéfice net d’environ 8 302 326 USD (1$=1591CDF) ; un total bilan de 706 278 441 USD ; des fonds propres de 73 096 166 USD et in fine, une rentabilité financière de 11%. Le rapport d’étude sur le secteur bancaire publié par Deloitte en 2017, classe la banque parmi les meilleures banques en part de marché, soit 16% (PNB) et 15% (Crédits octroyés).
Rawbank : Créée en 2002 en République Démocratique du Congo sous la forme juridique d’une société anonyme par le groupe Rawji. En 2015, la banque avait un effectif du personnel de 1373 agents. Elle cible des segments de clientèle jeune et s’intéresse aux PME. Actuellement, la société est leader du marché en 2016 avec une part de 19% (PNB) et 21% (Crédits octroyés) ; classée N°1 pour la plupart des indicateurs de performance financières (Total Bilan, Mobilisation de dépôts, Fonds propres). Toutefois, la banque affiche des rentabilités financières faibles par rapport aux concurrents.
|
S |
Actuellement, elle dispose de plusieurs agences à Kinshasa, Matadi, Lubumbashi, Kolwezi, OFIBANQUE débute ses activités le 1er janvier 2010 avec une seule agence à Kinshasa.
Mbuji-Mayi, et Goma. A travers ses activités de « Retail Banking », elle offre toute une gamme de produits financiers traditionnels (Dépôts, crédits et moyen de paiement) adaptés aux besoins de sa clientèle de particuliers, professions libérales, ONG et PME/PMI. Lors de trois premiers exercices comptables, SOFIBANQUE a eu à réaliser des pertes. De 2013 à 2017, elle fait partie des banques les plus rentables en RDC avec des ROE à deux chiffres.
Trust Merchant Bank (TMB) : Créée en 2004 par Robert Lely dont le siège social est à Lubumbashi. Elle s’appuie sur un réseau de plus de 90 agences et guichets repartis sur 31 villes dans 20 des 26 provinces de la RDC. L’exercice 2017 se clôture avec un bénéfice net d’environ 7 761 449 USD ; un total bilan de 648 943 013 USD et une rentabilité financière de 10%. Il y a déjà une décennie que TMB ne cesse de réaliser des ROE positifs. En 2014, elle a eu à atteindre une ROE de 18%.
B. Présentation des banques étrangères
Access Bank est une banque du Nigéria, créée en 1989 dont le siège social est à Lagos. Elle a commencé ses activités en RDC et son siège social est situé à Kinshasa. La banque est soumise à la législation bancaire applicable en RDC. Ces huit dernières années se caractérisent par des chiffres assez rouges. Access Bank RDC clôture l’exercice comptable 2017 avec une perte nette d’environ 549 702 USD.
AfrilandFirst Bank : est une banque universelle camerounaise créée en 1987 dont le siège social est situé à Yaoundé. Elle a des filiales en Guinée équatoriale, Liberia, Sud-Soudan, Sao Tomé-et-Principe, Benin et Zambie. La toute première agence en RDC a ouvert ses portes en 2006. De 2010 à 2017, la banque a eu à réaliser en moyenne, une rentabilité financière de 6%. L’exercice 2017 s’est clôturé avec un bénéfice net d’environ 3 564 546 USD.
Bank Of Africa (BOA) est une banque sénégalaise créée en 1982 dont le siège social est à Dakar. Coté au BRVM. Depuis 2010, BOA est majoritairement détenue par BMCE BANK (Banque Marocaine du Commerce Extérieur. En RDC, elle a eu à commencer ses activités depuis le 2 avril 2010 sous forme de société anonyme. Elle compte actuellement un réseau de 16 agences dont 9 à Kinshasa et 7 autres en province. En moyenne, de 2010 à 2017, la banque a réalisé une ROE négatif de 10%.
BGFI Bank : Créée en 1971 sous forme d’une succursale de Paribas Gabon à Libreville. En 1996, elle devient la Banque Gabonaise et Française Internationale. Elle commence ses activités en RDC depuis 2010 ; la banque emploie 122 personnes en 2013 et compte 7 agences en RDC. Depuis 2011,
BGFI réalise en RDC des ROE à deux chiffres ; sauf en 2014 où elle a réalisé une ROE de 2%.
Néanmoins, elle fait partie des banques panafricaines les plus rentables car la ROE moyenne de 2010 à 2017 est de 14%.
|
E |
d’Afrique de l’ouest, central et de l’est. Elle commence ses activités en 2008 en RDC cobank : Créée en 1985 dont le siège social est à Lomé (Togo). Elle est présente dans 36 pays
(Kinshasa). Ecobank RDC a été rentable de 2010 à 2015. Mais les deux derniers exercices se clôturent avec des rentabilités négatives. En 2017, elle a eu à réaliser une perte nette d’environ 7 812 755 USD.
FBN Bank (BIC) : est une filiale de First Bank of Nigeria Limited. Elle commence ses activités en RDC en 1994 sous la raison sociale de Banque Internationale de Crédit (BIC) jusqu’à septembre 2014. De 2010 à 2015, FBN réalisait des ROE à 2 chiffres. En 2016 et 2017, elle a eu à réaliser des résultats négatifs.
Procrédit Bank Congo (Equity) : est une banque créée au Kenya (Nairobi) . Elle opère en RDC depuis 2005 ; jusqu’à septembre 2015 elle portait la dénomination sociale de Procrédit Bank Congo, ancien actionnaire majoritaire). De 2010 à 2017, elle a eu à realiser en moyenne, une rentabilité financière de 4,7%.
Byblos Bank est une banque libanaise créée en 1963 à Beyrouth au Liban. Au 31 décembre 2018, elle exploite 88 succursales au Liban. Durant les 6 derniers exercices (2010 à 2015), Byblos Bank a été moins rentables avec une ROE de -2%
Citigroup est en RDC depuis 1971 ; elle est la première banque internationale à ouvrir ses portes dans le pays. En moyenne, elle a une rentabilité financière de 3,3% de l’exercice 2010 à 2017.
Standard Bank a été créée en 1862 par John Paterson dont le siège social est à Johannesburg (Afrique du sud). Elle est détenue à 20,1% par la Industrial and Commercial Bank of China et à 11,9% par le fonds de gestion des pensions du secteur public sud-africain. Elle opère en RDC depuis 1992 à la suite de l’acquisition d’ANZ Grindlays Zaïre qui existait depuis 1973.
II. Approche méthodologique et spécification du modèle économétrique
1. Sources des données
Les données utilisées dans notre analyse empirique ont été collectées à partir des états financiers certifiés de quatorze banques commerciales en RDC. Nous nous sommes principalement servi des bilans et des comptes de profit et pertes pour ressortir et calculer les différents ratios se trouvant dans notre modèle.
Afin de pouvoir mieux identifier la variable la plus significative du modèle de Dupont, nous avons opté pour une représentation des données à double dimension : individuelle (i) avec 14 banques (10 banques locales et 4 banques étrangères) et temporelle (t) sur une période allant de 2010 à 2017.
2. Présentation et spécification du modèle de Dupont (1960)
§ Référence à la théorie
« La réalisation des travaux économétriques doit nécessairement prendre comme point de départ une théorie économique, puisqu’elle suggère le type de relation à vérifier sur base des données réelles observées. » (Bosonga, 2017, p.10)
C’est ainsi que nous commençons par présenter l’équation de base du modèle de Dupont qui est la relation d’identité suivante :
=
Rentabilité commerciale ; 
=
Rotation de l’actif ;
=
Coefficient de fonds propres.
Dans le cadre d’une banque, le modèle se présente comme suit :
RN = Résultat Net ; PNB = Produit Net Bancaire ; FP = Fonds propres.
|
Code |
Concepts |
Description |
Mesure |
Type de variable |
Signe attendu |
|
ROE |
Performance financière |
Capacité à rémunérer les détenteurs des capitaux (Actionnaires) |
Rentabilité financière |
Endogène/ Quantitative |
|
|
RCOM |
Profitabilité |
Capacité à réaliser des profits élevés grâce à la maitrise des coûts (Efficience) |
Taux de marge nette |
Exogène/ Quantitative |
+ |
|
ROT |
Gestion efficace des actifs |
Capacité à réaliser un chiffre d’affaires (PNB) élevé en fonction des actifs. |
Coefficient de rotation des actifs |
Exogène/ Quantitative |
+ |
|
CFP |
Niveau d’endettement |
Capacité à améliorer la rentabilité suite à une augmentation du niveau d’endettement (Effet de levier). |
Coefficient de fonds propres |
Exogène/ Quantitative |
+ |
Tableau 1 : Présentation et prédiction des signes des variables (Auteur)
§ Spécification du modèle mathématique
Partant du modèle théorique présenté ci-dessus, la spécification mathématique se présente comme suit :
Pour des raisons de simplification, nous posons :
= RCOM,
rentabilité commerciale ; 
=
ROT, rotation de l’actif ;
= CFP,
Coefficient de fonds propres.
Nous modifions donc le modèle (3) :
§ Spécification du modèle économétrique
Compte tenu des limites liées au caractère déterministe d’une relation mathématique, nous allons introduire le terme d’erreur (ε) pour transformer le modèle déterministe en modèle aléatoire. Notre modèle (3) devient :
=
Rentabilité financière (Return on Equity) observée pour la banque i à l’instant
t ; 
Est le
terme constant ;
est le
vecteur des variables exogènes : 
, 
et
est le
vecteur des coefficients des variables 
,
et 
;
Est le
terme d’erreur, qui prend en comptes le reste des variables négligées dans le
modèle.
III. Analyse économétrique de la rentabilité financière des banques commerciales en RDC (Modèle de Dupont)
Dans cette section, nous commencerons d’abord par vérifier la stationnarité des séries ; ensuite, nous allons identifier la structure de nos panels ; et enfin, nous allons procéder par les analyses univariées, bi-variées et multi-variées conformément à l’approche méthodologique retenue.
1. Test de stationnarité[8]
Avant le traitement d’une série chronologique, il convient d’en étudier les caractéristiques stochastiques (Son espérance et sa variance). Si ces dernières se trouvent modifiées dans le temps, la série chronologique est considérée comme non stationnaire ; dans le cas d’un processus stochastique invariant, la série temporelle est alors stationnaire. (Bourbonnais, 2015, p.239).
Lorsque nous sommes face à un panel, la différence essentielle réside dans le problème d’hétérogénéité du modèle qui ne se pose pas dans le contexte des séries temporelles. (Hurlin & Mignon, 2006,p.3).
Les tests les plus utilisés pour vérifier la stationnarité des séries en panel sont : Levin – Lin – Chu (2002), Im – Pesaran – Shin (2003), Harris – Tzavalis (1999), ADF (Augmented Dickey-Fuller). Dans les tableaux ci-dessous, nous présentons les statistiques de chaque test ainsi que leurs p-value respectives sachant que tous les tests partent de l’hypothèse nulle selon laquelle les séries contiennent une racine unitaire (Non-Stationnaire). Nous accepterons l’hypothèse nulle si les pvalue d’au moins trois tests sont supérieurs au seuil conventionnel de 5%.
|
|
|
Test de Racine Unitaire_Panel des banques locales |
|
|||
|
Variables |
ADF |
PP |
Levin-Lin-Chu |
Im-Pesaran-Shin |
Harris-Tzavalis |
Conclusion |
|
Roe |
6,693 (0.570) |
6,693 (0.623) |
-2,210 (0,013) |
0,174 (0,569) |
0,472 (0,122) |
Non-Stationnaire |
|
Rcom |
9,490 (0,303) |
13,087 (0,109) |
-2,375 (0,008) |
-0,309 (0,378) |
0,0243 (0,001) |
Non-Stationnaire |
|
Rot |
3,374 (0,908) |
3,640 (0,888) |
-0,587 (0,278) |
0,941 (0,826) |
0,460 (0,108) |
Non-Stationnaire |
|
Cfp |
8,858 (0,354) |
6,264 (0,617) |
-1,662 (0,048) |
0,212 (0,584) |
0,55 (0,242) |
Non-Stationnaire |
Tableau 2 : Tests de Racine Unitaire sur le panel des banques locales (Auteur)
Les résultats des tests de stationnarité sur le panel des banques locales révèlent que toutes les variables contiennent une racine unitaire ; c’est-à-dire que les caractéristiques des séries varient dans le temps.
|
Test de Racine Unitaire_Panel des banques étrangères |
|
|||||
|
Variables |
ADF |
PP |
Levin-Lin-Chu |
Im-Pesaran-Shin |
Harris-Tzavalis |
Conclusion |
|
Roe |
38,00 (0,088) |
63,121 (0,000) |
-6,295 (0,000) |
-1,646 (0,049) |
0,073 (0,000) |
Stationnaire |
|
Rcom |
34,344 (0,024) |
93,373 (0,000) |
2,717 (0,996) |
-1,161 (0,122) |
0,050 (0,000) |
Stationnaire |
|
Rot |
35,535 (0,017) |
47,898 (0,000) |
-5,049 (0,000) |
-1,564 (0,058) |
0,225 (0,000) |
Stationnaire |
|
Cfp |
18,552 (0,551) |
18,330 (0,566) |
-1,511 (0,065) |
0,885 (0,812) |
0,779 (0,858) |
Non-Stationnaire |
Tableau 3 : Tests de Racine Unitaire sur le panel des banques étrangères (Auteur)
Contrairement aux banques locales, juste la variable (cfp) est non-stationnaire.
2. Test d’homogénéité de Hsiao (1986)
En fonction de la spécification économétrique de notre modèle, nos données peuvent prendre quatre formes possibles (Bourbonnais R. , 2015) :
Homogénéité totale où les constantes 𝜶𝟎𝒊 et les coefficients 𝜷𝒊 sont les mêmes pour toutes les onze banques. (𝛼0𝑖 = 𝛼0 ) et (𝛽𝑖 = 𝛽). Si cette hypothèse est validée, la structure de panel est acceptée et nos paramètres seront estimés avec le MCO (Modèle Pooled) ou MCG en fonction de la structure de la matrice des variances et covariances des erreurs)
Hétérogénéité totale où les constantes 𝜶𝟎𝒊 et les coefficients 𝜷𝒊 sont différents pour toutes les valeurs des banques. . (𝛼0𝑖 ≠ 𝛼0 ) et (𝛽𝑖 ≠ 𝛽). Cela signifie que chaque banque évolue avec un comportement assez particulier. Donc, la structure de panel sera rejetée et le modèle sera estimé équation par équation (une équation par banque).
Hétérogénéité des coefficients des variables explicatives et homogénéité des termes constants ; (𝛼0𝑖 = 𝛼0) et (𝛽𝑖 ≠ 𝛽). Ce cas est similaire au précédant ; donc la structure de panel sera rejetée.
Hétérogénéité des termes constants et homogénéité des coefficients des variables explicatives (𝛼0𝑖 ≠ 𝛼0) et (𝛽𝑖 = 𝛽). Le panel aura la structure d’un modèle à effets individuels. Les études menées sur la rentabilité des banques par (Yao, 2005) ; (Molyneux & Thornton, 1992) ; (Abderazek, 2010) ; (Koli, 2013) ; (Uvoya, 2015) ont estimé les paramètres avec un modèle à effet individuel.
Nous allons vérifier la structure de nos panels en suivant la procédure séquentielle de Hsiao (1986). Trois tests seront effectués pour valider nos hypothèses nulles en utilisant la statistique de Fisher9 :
𝑺𝑪𝑹𝒄𝟏 est la somme des carrés des résidus du modèle contraint sous l’hypothèse nulle ; estimé à partir de MCO ;
SCR est la somme des carrés des résidus du modèle non contraint. Il s’agit de la somme des carrés des résidus des modèles estimés sur les t observations de chaque équation individuelle.
9 Tous les calculs seront effectués automatiquement à l’aide des programmes complémentaires des logiciels Eviews 9 et Stat 13.
10 Il s’agit du F calculé pour le test 1 de Hsiao
(𝒊 − 𝟏)(𝒌 + 𝟏) est le degré de liberté du numérateur ; avec i nombre d’individus et k nombre des variables exogènes. On note ddln
[𝒊 × 𝒕 − 𝒊(𝒌 + 𝟏)] est le degré de liberté du dénominateur ; avec i nombre d’individus et k nombre des variables exogènes. On note ddld.
𝑺𝑪𝑹𝒄𝟐 est la somme des carrés des résidus du modèle contraint sous l’hypothèse nulle ; estimé à partir du modèle à effets fixes individuels ;
SCR est la somme des carrés des résidus du modèle non contraint.
(𝒊 − 𝟏) × 𝒌 est le degré de liberté du numérateur ; avec i nombre d’individus et k nombre des variables exogènes. On note ddln
[𝒊 × 𝒕 − 𝒊(𝒌 + 𝟏)] est le degré de liberté du dénominateur ; avec i nombre d’individus et k nombre des variables exogènes. On note ddld.
Si la valeur de F2 > 𝐹𝑑𝑑𝑙𝑛𝛼 ;𝑑𝑑𝑙𝑑 , on rejette l’hypothèse nulle du Test2 de Hsiao.
𝑺𝑪𝑹𝒄𝟐 est la somme des carrés des résidus du modèle contraint sous l’hypothèse nulle du Test 2 ;
𝑺𝑪𝑹𝒄𝟏 est la somme des carrés des résidus du modèle contraint sous l’hypothèse nulle du Test 1.
(𝒊 − 𝟏) est le degré de liberté du numérateur ; avec i nombre d’individus. On note ddln
[𝒊 × (𝒕 − 𝒊) − 𝒌] est le degré de liberté du dénominateur ; avec i nombre d’individus et k nombre des variables exogènes. On note ddld.
Si la valeur de F3 > 𝐹𝑑𝑑𝑙𝑛𝛼 ;𝑑𝑑𝑙𝑑 , on rejette l’hypothèse nulle du Test2 de Hsiao.
2.1. Tests d’homogénéité sur le Panel des banques locales
La condition sine qua non pour calculer les statistiques de Fisher est que les variables (K + 1) soient inferieures à la dimension temporelles (t). Pour notre étude, K=4+1 < t=8. Donc, nous pouvons calculer les statistiques de Fisher ainsi que leurs p-value respectives.14
11 Il s’agit de la valeur lue dans la table de Fisher aux degrés de liberté ddln=V1 et ddld=V2 avec un seuil de significativité de 5%. Si F1 > 𝐹𝑑𝑑𝑙𝑛𝛼 ;𝑑𝑑𝑙𝑑 on rejette l’hypothèse nulle.
12 Si au Test 1, l’hypothèse nulle a été acceptée, il ne sera plus important de calculer encore F2 puisque la structure de Panel sera déjà connue (Homogénéité totale).
13 Si au Test 2, l’hypothèse nulle a été rejetée, il ne sera plus important de calculer encore F3 puisque la structure de Panel sera déjà connue (Hétérogénéité totale).
14 Les valeurs des F et p-values ont été calculées à partir des logiciels Stata 13 et Eviews 9.
|
Test d’homogénéité |
Statistique de Fisher & p-value |
Conclusion
|
Modèle à utiliser |
|
Test 1 H0 : (𝛼0𝑖 = 𝛼0 ) et (𝛽𝑖 = 𝛽) ∀𝑖 |
F1 = 6,19048 𝑭𝟎𝟏𝟐.𝟎𝟓;𝟏𝟔 = 2,42 p-value = 0,00053373 |
H0 rejetée ; Donc, les constantes sont différentes |
Passer au Test 2 |
|
Test 2 H0 : (𝛽𝑖 = 𝛽) ∀𝑖 |
F2 = 7,7387273 𝑭𝟎𝟗.;𝟎𝟓𝟏𝟔 = 2,54 p-value = 0,00022972 |
Ho rejetée ; Hétérogénéité totale |
Estimation équation par équation |
|
Test 3 H0 : (𝛼0𝑖 = 𝛼0) ∀𝑖 |
|
|
|
Tableau 4 : Test d'homogénéité sur le panel des banques locales (Auteur)
Le test 1 part de l’hypothèse selon laquelle le panel
a des coefficients et des constantes homogènes pour toutes les banques i ;
étant donné que F1 > 
et que
la p-value (0,00053373) associée à la statistique de Fisher du Test1 est
inférieure au seuil conventionnel de 5%, nous rejetons l’hypothèse nulle
d’homogénéité des constantes. Ce qui nous pousse à vérifier si au moins les
coefficients sont homogènes afin d’avoir un modèle à effet individuel ; au
test2, nous rejetons une fois de plus notre hypothèse nulle car F2 > 
et
p-value (0,00022972) < 5%. Donc, sur base de ces résultats, nous pouvons
conclure que notre base de données a une structure de panel totalement
Hétérogène. Il faut donc, estimer les paramètres équation par équation pour
chaque banque. (Bourbonnais R. , 2015)
2.2. Tests d’homogénéité sur le Panel des banques étrangères
Vérifions à présent si on peut avoir une structure de panel homogène au niveau des banques panafricaines. En respectant la condition que K+1 > t, les statiques de Fisher et leurs p-value se présentent comme suit :
|
Test d’homogénéité |
Statistique de Fisher & p-value |
Conclusion
|
Modèle à utiliser |
|
Test 1 H0 : (𝛼0𝑖 = 𝛼0 ) et (𝛽𝑖 = 𝛽) ∀𝑖 |
F1 = 5.711917679284085 p-value = 0.0000025 |
H0 rejetée ; Donc, les constantes sont différentes |
Passer au Test 2 |
|
Test 2 H0 : (𝛽𝑖 = 𝛽) ∀𝑖 |
F2 = 5.64232417174344 p-value = 0.0000056 |
Ho rejetée ; Hétérogénéité totale |
Estimation équation par équation |
|
Test 3 H0 : (𝛼0𝑖 = 𝛼0) ∀𝑖 |
|
|
|
Tableau 5 : Test d'homogénéité sur le panel des banques étrangères (Auteur)
Les p-values des statistiques de Fisher 1 et Fisher 2 sont respectivement de 0.0000025 et 0.0000056 < au seuil conventionnel de 5%. Toutes les valeurs de F-calculé sont également supérieures aux F-tabulaire. Nous rejetons les hypothèses nulles de deux premiers tests. Donc, nous confirmons la présence d’hétérogénéité totale des banques étrangères.
3. Analyse uni variée
Il sera question sur ce point de procéder à une analyse descriptive de nos variables et de tester certaines hypothèses sur la distribution des données : Test de normalité
3.1. Descriptions des variables[9]
§ Panel des banques locales
|
Variable
|
Obs Mean Std. Dev. Min Max |
|
roe |
32 .0993837 .0887715 -.0740391 .2421724 |
|
rcom |
32 .0477525 .3414426 -1.365688 .438101 |
|
rot |
32 .1031775 .0397379 .0350293 .2100217 |
|
cfp |
32 7.849213 3.164507 1.262065 12.13798 |
Tableau 6 : Description des variables des banques locales (Auteur)
La ROE moyenne des banques commerciales locales de 2010 à 2017 est de 9,9% avec une déviation standard de 8,87%. La ROE la moins élevée est de -7,4% et a été réalisée par SOFIBANQUE en 2011. La ROE la plus élevée est de 24,21% toujours réalisée par SOFIBANQUE en 2016. Il faut noter que la banque a débuté ses activités le 1er janvier 2010 avec une seule agence à Kinshasa, ce qui justifie donc le fait que ses premières années soient caractérisées par des ROE négatives dues aux résultats déficitaires. Depuis 2013, SOFIBANQUE a élargi son réseau et dispose de plusieurs agences à Kinshasa, Matadi, Lubumbashi, Kolwezi, Mbuji-Mayi, et Goma. On remarque alors une amélioration du PNB. Ce qui fait que SOFIBANQUE soit la banque la plus rentable de 2013 à 2017. (Voir figure 3)
Le taux de marge (rcom) moyen est très faible et s’élève à 4,77% ; le minimum est de -136,56% réalisé par SOFIBANQUE en 2010 et le maximum, de 43,81% réalisé encore une fois par SOFIBANQUE en 2016. Ces chiffres s’expliquent encore une fois par le fait que la banque ait développé son réseau d’agences en RDC.
Le coefficient de rotation des actifs (rot) moyen est de 0,1 ; le minimum est de 0,03 réalisé par SOFIBANQUE en 2010 et le maximum est de 0,21 réalisé par SOFIBANQUE en 2017. Les banques semblent avoir des coefficients de rotation des actifs faibles à cause de la nature de leurs activités qui leur oblige à recouvrer des créances à long terme.
Le coefficient des fonds propres (cfp) moyen est de 7,84 avec un écart-type de 3,16 ; le minimum s’élève à 1,26 réalisé par SOFIBANQUE en 2011 et le maximum est de 12.14 réalisé par la BCDC en 2015. La BCDC est la banque ayant atteint le niveau d’endettement le plus élevé.
De part ces statistiques, SOFIBANQUE semble avoir des rentabilités très élevées par rapport aux autres banques locales.
Figure 3 : Evolution de la ROE des banques locales de 2010 à 2017 (Auteur)
En observant le graphique ci-dessus, on constate que les courbes de ROE des banques ont des évolutions assez différentes. Une banque semble avoir des rentabilités plus ou moins stables ; c’est le cas de RAWBANK ; tandis que d’autres, semblent être plus volatiles. Les actionnaires d’une banque telle que TRUST MERCHANT BANK ou SOFIBANQUE peuvent anticiper des grandes fluctuations dans la performance financière de leur entreprise.
On remarque également que les banques locales ont eu à réaliser des rentabilités financières positives de 2010 à 2017. SOFIBANQUE était moins rentable de 2010 à 2012 mais la plus rentable de 2013 à 2017.
§ Panel des banques étrangères
|
Variable |
Obs Mean Std. Dev. Min Max |
|
roe |
80 -.0210539 .2141509 -.9898075 .2524416 |
|
rcom |
80 -.2265967 1.419023 -10.39744 .7836087 |
|
rot |
80 .1058075 .033462 .0031055 .175278 |
|
cfp |
80 6.965758 4.240309 1.37478 24.69865 |
Tableau 7 : Description des variables des banques étrangères (Auteur)
La ROE moyenne des banques étrangères est de -2% avec un écart-type de 21,4%. La rentabilité la plus faible, soit de -98,98% a été réalisée par ACCES BANK en 2013 à cause d’un résultat net déficitaire d’environ -5 255 500 USD (1$ = 925,5 CDF) et la plus élevée est de 25,24% réalisée par BGFI en 2015 car depuis 2013, la banque a eu à développer un réseau de 7 agences en RDC ce qui a fait grimper rapidement son PNB et a amélioré la rentabilité.
Le taux de marge nette (rcom) moyen est de -22,66% avec une déviation de 141,9%. Le minimum s’élève à -1039,7% réalisé par BGFI en 2010 causé par une perte nette d’environ 1 397 472 USD (1$=910) mais également à cause d’un faible niveau de PNB car la banque venait à peine de commencer ses activités en RDC et le maximum est de 78,36% réalisé par BGFI en 2012.
Le coefficient de rotation des actifs (rot) moyen s’élève à 0,105 qui est légèrement plus faible que de celui des banques les plus locales. Le coefficient minimum est de 0,0031 réalisé par BGFI en 2010 et le maximum est de 0,175 réalisé par ACCESS BANK en 2010.
Le coefficient des fonds propres (cdf) moyen est de 6,96 ; il est légèrement inférieur des banques locales (7,85). La banque étrangère ayant le niveau d’endettement le plus faible est BYBLOS BANK en 2011 avec un coefficient des fonds propres de 1,37. Le coefficient maximum est de 24,70 réalisé par FBN BANK en 2017 et il sied de noter que la banque a clôturé son exercice comptable avec une perte nette d’environ -5 254 855 $ et une ROE de -36%. Il semble donc que la FBN ne profite pas suffisamment des effets de l’endettement.
Figure 4 : Evolution de la ROE des banques étrangères de 2010 à 2017 (Auteur)
De visu, on peut constater à partir du graphique ci-dessus que les banques étrangères ont des courbes de ROE évoluant à la zone négative ou proche de zéro. Elles sont donc moins rentables que les banques locales. Une seule banque semble se distinguer des autres avec des rentabilités financières plus élevées, il s’agit de BGFI.
FBN BANK avait une courbe de ROE plus ou moins stable de 2010 à 2015 ; mais on remarque des grandes fluctuations en 2016 et 2017.
§ Courbes de ROE des banques commerciales congolaises de 2010 à 2017
Figure 5 : Courbes de ROE des banques commerciales congolaises (Auteur)
En observant les courbes de taux de rentabilité financière des banques commerciales congolaises, nous remarquons que les banques locales semblent être plus rentables et moins volatiles que les banques étrangères.
Nous discuterons des facteurs pouvant expliquer les différences des rentabilités des banques commerciales congolaises lors de l’analyse multi variée. Néanmoins, les analyses descriptives peuvent se résumer comme suit :
|
Catégories |
|
|
|
|
|
|
|
Banques locales |
3.9% |
5% |
0.10318 |
1.2% |
7.84921 |
13% |
|
Banques étrangères |
-1.8% |
-23% |
0.10581 |
-0.3% |
6.96576 |
14% |
|
Moyenne du secteur |
-5% |
-6% |
0.1020 |
-0.61% |
4.93832 |
9% |
Tableau 8 : Résumé des analyses descriptives des banques commerciales (Auteur)
En observant le tableau 8, on remarque clairement qu’en moyenne, les banques locales ont une rentabilité financière plus élevée que les banques étrangères.
Les banques locales semblent avoir des ROE élevées puisque leurs taux de marge nette (RCOM) sont également élevés. Le même constat peut se faire au niveau des autres banques.
Par ailleurs, les coefficients de rotation des actifs (rot) ainsi que les coefficients de fonds propres (cfp) semblent être les mêmes pour les deux catégories des banques.
A partir de ces statistiques, nous pouvons vérifier certaines normes sectorielles si elles existent ou cas contraire, procéder par un benchmark pour avoir des modèles de référence.
En décomposant le ratio de taux de marge, on remarque que son niveau est conditionné par le résultat net obtenu à la fin de l’exercice comptable. Donc, il peut mesurer la capacité d’une banque à pouvoir maitriser l’ensemble des charges tel que dit au chapitre 1 ; et plus particulièrement, les charges d’exploitation car elle peut certes réaliser un produit net bancaire (PNB) très élevé ; mais si elle n’est pas efficiente, cette création de valeur sera étouffée par des charges fixes ou variables et cela peut se manifester à travers un coefficient d’exploitation (CIR) très élevé. Par conséquent, nous pouvons établir un lien entre le ratio de taux de marge nette et le coefficient d’exploitation des banques. Un taux de marge nette élevée se traduira donc par un coefficient d’exploitation faible.
Selon les normes sectorielles, le coefficient d’exploitation doit être compris entre 60 et 70%.
Concernant le coefficient de rotation des actifs, nous pouvons nous servir de la moyenne du secteur comme modèle de référence, soit de 0,1. Si une banque a une rotation des actifs < 0,1, cela signifie qu’elle a une gestion inefficace des actifs et risque de réaliser une rentabilité financière faible.
Nous avons calculé l’inverse de la moyenne du coefficient de fonds propres juste pour vérifier si globalement les banques commerciales en RDC respectent la norme relative au ratio de levier financier. Les résultats des analyses descriptives nous prouvent donc que globalement, les banques respectent la norme car le ratio moyen est > à 5%.
3.2. Test de normalité des variables
Avant de passer à l’analyse bi variée, il est important de vérifier si toutes nos variables sont distribuées normalement. Etant donné que nos panels sont tous, hétérogènes, il sera préférable de vérifier pour chaque banque.
Pour des petits échantillons, généralement inférieurs à 30 observations, il est recommandé d’utiliser le test de Shapiro-Wilk (Bosonga, 2017). Pour le cas de notre étude, chaque banque est observée pendant 8 exercices comptables. Donc, nous allons utiliser le Test de Shapiro et Wilk (1965) avec comme hypothèse nulle : Les distributions de l’échantillon suivent la loi normale. La statistique de test (W) est calculée par la formule :
aj = Les coefficients fournis par la table de coefficient de Shapiro dj = x (n-i+1) - xi
xi = série ordonnée selon l’ordre croissant x (n-i+1) = série ordonnée selon l’ordre décroissant 𝑥̅ = moyenne de la série.
[10]Au niveau des banques locales, les résultats des tests de normalité nous renseignent que :
§ BCDC et TMB ont toutes, des variables qui sont distribuées normalement ;
§ Toutes les variables de RAWBANK suivent la loi normale sauf la variable cfp (Coefficient de fonds propres) ;
§ Pour SOFIBANQUE, les variables rot (Coefficient de rotation des actifs) et cfp (Coefficient de fonds propres) suivent une loi normale ; mais roe (Rentabilité financière) et rcom (Taux de marge) sont anormalement distribuées ;
Les tests de Shapiro et Wilk (1965) nous renseigne qu’au niveau des banques étrangères :
§ Toutes les variables de AFRILAND DFIRST BANK suivent une loi gaussienne § PROCREDIT et BGFI, ont des variables gaussiennes sauf rcom.
§ Toutes les variables de FBN ne sont pas gaussiennes ;
§ Les variables de ACCESS BANK et ECOBANK suivent une loi normale sauf la variable cfp ;
§ Toutes les variables de BOA sont distribuées normalement sauf rcom ;
§ Toutes les variables de STANDARD BANK et CITIGROUP suivent une loi gaussienne ;
§ Pour BYBLOS, la roe et rcom ne sont pas distribuées normalement ; juste les variables rot et cfp qui sont normales.
4. Analyse bi variée
En fonction de la description de chaque variable, nous allons à présent vérifier l’existence, le sens et l’intensité d’un lien entre la variable endogène (roe) et chaque variable exogène (rcom, rot et cfp). Etant donné que toutes nos variables sont quantitatives, nous allons utiliser principalement deux tests en fonction de la nature de la distribution : Test de corrélation de Bravais-Pearson (1896) pour les variables distribuées normalement et le Test de corrélation des rangs de Spearman (1904) pour les distributions non gaussiennes.
Les résultats de cette analyse bi variée, peuvent nous permettre d’effleurer la vérification de nos hypothèses de recherche.
4.1. Test de corrélation des variables
Les coefficients de corrélation simple sont calculés et présentés pour chaque banque sur les tableaux ci-dessous en fonction du type de la distribution de la variable.
Nous présentons également les coefficients de corrélation entre les variables explicatives afin d’observer s’il pourrait avoir un risque de multicolinéarité.
La significativité d’un coefficient est au seuil conventionnel de 5% ; les coefficients de corrélation significatifs sont représentés par *. S’il est écrit en rouge suivi d’un * cela représente un risque de multicolinéarité entre les variables exogènes.
§ Coefficients de corrélation pour les variables des banques locales
|
|
|
Corrélation (y et xi) |
|
|
|||
|
Banques |
ρ(roe,rcom) |
Test |
ρ(roe,rot) |
Test |
ρ(roe,cfp) |
Test |
|
|
1 |
BCDC |
0.8699* |
Pearson |
0.4803 |
Pearson |
-0.2436 |
Pearson |
|
2 |
RAWBANK |
0.9967* |
Pearson |
0.5199 |
Pearson |
-0.6667 |
Spearman |
|
3 |
SOFIBANQUE |
0.9286* |
Spearman |
0.2143 |
Spearman |
0.8333* |
Spearman |
|
4 |
TMB |
0.9873* |
Pearson |
0.9621* |
Pearson |
0.6056 |
Pearson |
Tableau 9 : Coefficients de corrélation pour les variables des banques locales (Auteur)
La variable rcom (Taux de marge nette) est fortement, positivement et significativement correlée avec la rentabilité financière pour toutes les banques locales.
Nous remarquons l’existence des correlations positives entre le coefficient de rotation des actifs et la rentabilité financiere de chaque banque ; mais cette relation n’est significative que pour TRUST MERCHAN BANK.
En ce qui concerne le coefficient de fonds propres, il est negativement correlé avec la rentabilité financiere de BCDC et RAWBANK mais non significatif ; positivement, fortement et significativement correlé avec la rentabilité financière de SOFIBANQUE.
Nous avons toutefois identifié des fortes correlations significatives entre les variables explicatives :
|
|
Corrélation des variables exogènes |
|||
|
Banques |
ρ (rcom,cfp) |
ρ (rcom,rot) |
ρ (rot,cfp) |
|
|
1 |
BCDC |
-0.5751 |
0.0607 |
0.1467 |
|
2 |
RAWBANK |
-0.6667 |
0.5113 |
-0.7619* |
|
3 |
SOFIBANQUE |
0.7381* |
0.0952 |
0.5714 |
|
4 |
TMB |
0.5691 |
0.9450* |
0.61 |
Tableau 10 : Coefficients de corrélation pour les variables exogènes des banques locales (Auteur)
Une relation négative et significative entre le coefficient de rotation des actifs et le coefficient de fonds propres auprès de RAWBANK ; une corrélation positive ente le taux de marge et le coefficient de fonds propres auprès de SOFIBANQUE et une forte corrélation positive et significative entre le taux de marge nette et la rotation des actifs auprès de TMB.
§ Coefficients de corrélation pour les variables des banques étrangères
|
|
Corrélation (y et xi) |
|
|||||
|
Banques |
ρ(roe,rcom) |
Test |
ρ(roe,rot) |
Test |
ρ(roe,cfp) |
Test |
|
|
1 |
ACCESS |
0.9396* |
Pearson |
0.0071 |
Pearson |
-0.5952 |
Spearman |
|
2 |
AFRILAND |
0.9077* |
Pearson |
-0.3582 |
Pearson |
0.7907* |
Pearson |
|
3 |
BGFI |
0.7381* |
Spearman |
0.4669 |
Pearson |
0.1855 |
Pearson |
|
4 |
BOA |
0.8333* |
Spearman |
0.5876 |
Pearson |
0.3189 |
Pearson |
|
5 |
ECOBANK |
0.9895* |
Pearson |
0.6987* |
Pearson |
-0.5476 |
Spearman |
|
6 |
FBN |
0.9524* |
Spearman |
0.4048 |
Spearman |
-0.3571 |
Spearman |
|
7 |
PROCREDIT |
0.7857* |
Spearman |
0.3955 |
Pearson |
0.2775 |
Pearson |
|
8 |
BYBLOS |
1* |
Spearman |
0.4524 |
Spearman |
-0.1429 |
Spearman |
|
9 |
CITIGROUP |
0.9297* |
Pearson |
0.5102 |
Pearson |
0.704* |
Pearson |
|
10 |
STANDARD |
0.9621* |
Pearson |
0.6688 |
Pearson |
-0.2381 |
Pearson |
Tableau 11 : Coefficients de corrélation pour les variables des banques étrangères (Auteur)
La variable rcom (Taux de marge nette) est fortement, positivement et significativement correlée avec la rentabilité financière pour toutes les banques étrangères (Panafricaines et internationales).
Le coefficient de corrélation du coefficient de rotation des actifs n’est pas significatif pour toutes les banques étrangères sauf pour ECOBANK ;
Le coefficient de fonds propres est posivement et significativement lié qu’à la rentabilité financière de AFRILAND FIRST BANK et CITIGROUP. Les autres coefficients de correlation ne sont pas statistiquement significatifs.
Les coefficients de corrélation des variables explicatives des banques étrangères se presentent comme suit :
|
|
Corrélation des variables exogènes |
|||
|
Banques |
ρ (rcom,cfp) |
ρ (rcom,rot) |
ρ (rot,cfp) |
|
|
1 |
ACCESS |
-0.5 |
-0.029 |
-0.7857* |
|
2 |
AFRILAND |
0.5147 |
-0.5051 |
-0.3749 |
|
3 |
BGFI |
-0.19 |
-0.1429 |
0.7888* |
|
4 |
BOA |
0.5952 |
0.9524* |
0.7 |
|
5 |
ECOBANK |
-0.5952 |
0.6492 |
-0.5476 |
|
6 |
FBN |
-0.5238 |
0.5476 |
-0.8333* |
|
7 |
PROCREDIT |
-0.4048 |
0.1905 |
0.2775 |
|
8 |
BYBLOS |
-0.1429 |
0.4524 |
0.0238 |
|
9 |
CITIGROUP |
0.8017* |
0.674 |
0.4105 |
|
10 |
STANDARD |
-0.0182 |
0.6791 |
-0.4397 |
Tableau 12 : Coefficients de corrélation pour les variables exogènes des banques étrangères (Auteur)
Le risque de multicolinearité peut se presenter entre les variables : Rotation des actifs et coefficient de fonds propres de ACCESS BANK et BGFI; Taux de marge nette et rotation des actifs de BOA ; et rotation des actif et coefficient de fonds propres de FBN BANK. Taux de marge nette et coefficients de fonds propres de CITIGROUP.
Sur base des résultats des analyses bi variées, nous avons donc remarqué que le taux de marge nette (Rentabilité commerciale ou rentabilité des ventes) est la seule variable correlée positivement et significativement avec la rentabilité financière pour toutes les quatorse banques commerciales sous étude. Nous pouvons déjà vérifier notre toute première hypothèse selon laquelle il existerait une relation positive entre le taux de marge et la rentabilité financière des banques commerciales. Le point suivant examinera de manière exhaustive les variables afin d’identifier des relations de causalité.
5. Analyse multi variée
Lors de l’analyse bi variée, nous avons remarqué du point de vue statistique que le taux de marge nette était la variable la plus corrélée avec la rentabilité financière pour toutes les banques commerciales sous étude.
Etant donné que la corrélation n’est pas forcement causalité, nous allons vérifier s’il existe une relation de cause à effet pouvant expliquer significativement la variabilité de la rentabilité financière des banques commerciales en RDC.
Rappelons que nos panels sont totalement hétérogènes (Voir Résultats des Tests de Hsiao) et selon la théorie économétrique, il est recommandé de procéder par des estimations équation par équation. (Bourbonnais R. , 2015) en estimant les paramètres en fonction de chaque individu statistique.
Cependant, nous avons identifié la présence d’une multicolinéarité entre les variables explicatives dans 8 banques[11] . Un effet masque est une forte menace pour l’atteinte de notre objectif de recherche (Identification de la variable la plus significative partant du modèle de Dupont). L’un des remèdes proposé par la littérature économétrique est de combiner les séries en coupes transversales et séries temporelles ; donc, opter pour l’estimation en panel. (Bosonga, 2017). Donc, pour ces raisons, nous allons revenir à une estimation en panel mais en supposant que les deux panels des banques sont partiellement homogènes ; c’est-à-dire que seuls les coefficients sont les mêmes ; et que la seule différence réside au niveau des constantes. Il s’agit donc d’un modèle à effet individuel.
Avec (
) et (
) 
de tous
les deux panels (Panel des banques locales et Panel des banques étrangères).
Pour identifier la variable la plus significative à partir du modèle théorique de Dupont, nous allons estimer pour chaque panel des banques, un modèle à effet fixe ; un modèle à effet aléatoire, le test de spécification de Hausman ainsi que les tests post-estimations pour s’assurer que les hypothèses stochastiques et structurelles suivantes sont respectées :
; Le
vecteur des résidus est normalement distribué
; la
variance de l’erreur est constante pour tous les exercices comptables et pour
toutes les banques : Homoscédasticité.
; il
existe une absence d’autocorrélation des erreurs d’un exercice à un autre.
;
L’erreur n’est pas corrélée avec les variables explicatives. C’est l’hypothèse
d’endogénéité de la variable 
.
(Bosonga, 2017) n > k+1 ; le nombre d’observations est supérieur au nombre
des paramètres à estimer.
5.1. Banques locales
5.1.1. Estimation du modèle à effet fixe et aléatoire
|
|
Modèle individuel à effet fixe |
|
||
|
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
DRCOM |
0.077648 |
0.017915 |
4.334196 |
0.0003 |
|
DROT |
1.024405 |
0.605476 |
1.691899 |
0.1055 |
|
DCFP |
0.01624 |
0.014848 |
1.093735 |
0.2865 |
|
C |
-0.005666 |
0.01288 |
-0.439898 |
0.6645 |
|
|
Effects Specification |
|
||
|
|
Cross-section fixed (dummy variables) |
|
||
|
R-squared |
0.530763 |
Mean dependent var |
0.005597 |
|
|
Adjusted R-squared |
0.396695 |
S.D. dependent var |
0.081619 |
|
|
S.E. of regression |
0.063396 |
Akaike info criterion |
-2.466521 |
|
|
Sum squared resid |
0.0844 |
Schwarz criterion |
-2.13347 |
|
|
Log likelihood |
41.53129 |
Hannan-Quinn criter. |
-2.364704 |
|
|
F-statistic |
3.958915 |
Durbin-Watson stat |
2.116339 |
|
|
Prob(F-statistic) |
0.00836 |
|
|
|
|
|
Modèle individuel à effet aléatoire |
|
||
|
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
C |
-0.004914 |
0.012637 |
-0.388878 |
0.7008 |
|
DRCOM |
0.075442 |
0.016119 |
4.680429 |
0.0001 |
|
DROT |
0.934179 |
0.511008 |
1.828111 |
0.08 |
|
DCFP |
0.014662 |
0.013959 |
1.05039 |
0.304 |
|
|
Effects Specification |
|
||
|
|
|
S.D. |
Rho |
|
|
Cross-section random |
|
0.000000 |
0 |
|
|
Idiosyncratic random |
|
0.063396 |
1 |
|
|
|
Weighted Statistics |
|
||
|
R-squared |
0.520907 |
Mean dependent var |
0.005597 |
|
|
Adjusted R-squared |
0.461021 |
S.D. dependent var |
0.081619 |
|
|
S.E. of regression |
0.059921 |
Sum squared resid |
0.086172 |
|
|
F-statistic |
8.698236 |
Durbin-Watson stat |
2.072908 |
|
|
Prob(F-statistic) |
0.00044 |
|
|
|
|
|
Unweighted Statistics |
|
||
|
R-squared |
0.520907 |
Mean dependent var |
0.005597 |
|
|
Sum squared resid |
0.086172 |
Durbin-Watson stat |
2.072908 |
|
Tableau 13 : Modèle à effet fixe et aléatoire sur les banques locales (Auteur à partir de Eviews 9)
Les résultats d’estimation montrent que les coefficients associés à la rotation des actifs (drot) et au coefficient de fonds propres (dcfp) ne sont pas statistiquement significatifs car leurs p-value > 5% pour les deux modèles à effet individuel. La seule variable ayant un effet significatif sur la rentabilité financière des banques locales est la rentabilité des ventes (drcom) car p-value < au seuil de 1%.
Les coefficients de détermination ajusté semblent être faibles pour les modèles à effet fixe et aléatoire ; soit respectivement de 39,66% et 46,10% ce qui traduit donc une faible qualité d’ajustement. Néanmoins, les deux modèles sont globalement significatifs car Prob (F-stat) < à 1%.
5.1.2. Tests post-estimations sur données de panel
§ Test de Hausman (1978)
Dans un modèle de régression sur les données de panel, le test de Hausman permet de vérifier si les coefficients des modèles à effets fixes et aléatoires sont statistiquement différents.
H0 : 𝛽𝐹 − 𝛽𝐴 = 0 il n’y a pas de différence entre le modèle à effet fixe et le modèle à effet aléatoire). Le modèle à effet aléatoire est approprié (Méthode de moindre carré généralisé)
H1 : 𝛽𝐹 − 𝛽𝐴 ≠ 0 Il existe une différence significative entre le modèle à effet fixe et le modèle aléatoire). Le modèle à effet fixe est approprié (Méthode de moindre carré ordinaire). Si la p-value est supérieure au seuil conventionnel de 5%, on accepte l’hypothèse nulle.
|
Correlated Random Effects - Hausman Test |
|
|||
|
Equation: Untitled |
|
|||
|
Test cross-section random effects |
|
|||
|
Test Summary |
Chi-Sq. Statistic |
Chi-Sq. d.f. |
Prob. |
|
|
Cross-section random |
0.441063 |
3 |
0.9316 |
|
|
Cross-section random effects test comparisons: |
|
|||
|
Variable |
Fixed |
Random |
Var(Diff.) |
Prob. |
|
DRCOM |
0.077648 |
0.075442 |
0.000061 |
0.7778 |
|
DROT |
1.024405 |
0.934179 |
0.105473 |
0.7812 |
|
DCFP |
0.01624 |
0.014662 |
0.000026 |
0.7553 |
|
Tableau 14 : Test de Haussman sur le panel des banques locales |
|
|||
Les résultats de ce test montrent que le modèle à effet aléatoire est plus efficace car la p-value est supérieure au seuil conventionnel de 5%.
§ Test de Jarque-Bera (Normalité des résidus)
Le test de Jarque-Bera part de l’hypothèse nulle selon laquelle une série est distribuée normalement.
|
|
|
-0.15 -0.10 -0.05 0.00 0.05 0.10
Etant donné que la probabilité du test est de 0,67 > 0,05, nous acceptons l’hypothèse nulle. Donc, les résidus sont distribués normalement.
§ Test d’autocorrélation des erreurs
Etant donné que la statistique de Durbin-Watson du modèle à effet aléatoire est de 2,0, nous pouvons accepter notre hypothèse nulle d’absence d’autocorrélation des erreurs.
5.2. Banques étrangères
5.2.1. Estimation du modèle à effet fixe et aléatoire
|
|
Modèle à effet fixe |
|
||
|
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
RCOM |
0.39828 |
0.055285 |
7.204088 |
0.0000 |
|
ROT |
1.443346 |
0.940456 |
1.534729 |
0.1304 |
|
DCFP |
-0.017843 |
0.007878 |
-2.265101 |
0.0273 |
|
C |
-0.160477 |
0.105346 |
-1.523324 |
0.1332 |
|
|
Effects Specification |
|
||
|
|
Cross-section fixed (dummy variables) |
|
||
|
R-squared |
0.713957 |
Mean dependent var |
-0.011385 |
|
|
Adjusted R-squared |
0.653737 |
S.D. dependent var |
0.205207 |
|
|
S.E. of regression |
0.120752 |
Akaike info criterion |
-1.224165 |
|
|
Sum squared resid |
0.831124 |
Schwarz criterion |
-0.806588 |
|
|
Log likelihood |
55.84579 |
Hannan-Quinn criter. |
-1.058299 |
|
|
F-statistic |
11.8559 |
Durbin-Watson stat |
2.063588 |
|
|
Prob(F-statistic) |
0.00000 |
|
|
|
|
|
Modèle à effet aléatoire |
|
||
|
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
RCOM |
0.419188 |
0.045895 |
9.133557 |
0.0000 |
|
ROT |
0.216855 |
0.636867 |
0.340503 |
0.7346 |
|
DCFP |
-0.020578 |
0.007061 |
-2.91417 |
0.0049 |
|
C |
-0.026181 |
0.073141 |
-0.357953 |
0.7215 |
|
|
Effects Specification |
|
||
|
|
|
S.D. |
Rho |
|
|
Cross-section random |
|
0.037108 |
0.0863 |
|
|
Idiosyncratic random |
|
0.120752 |
0.9137 |
|
|
|
Weighted Statistics |
|
||
|
R-squared |
0.616032 |
Mean dependent var |
-0.008834 |
|
|
Adjusted R-squared |
0.598579 |
S.D. dependent var |
0.19336 |
|
|
S.E. of regression |
0.122509 |
Sum squared resid |
0.990554 |
|
|
F-statistic |
35.29642 |
Durbin-Watson stat |
1.590084 |
|
|
Prob(F-statistic) |
0.00000 |
|
|
|
|
|
Unweighted Statistics |
|
|
|
|
R-squared |
0.628873 |
Mean dependent var |
-0.011385 |
|
|
Sum squared resid |
1.078345 |
Durbin-Watson stat |
1.46063 |
|
Tableau 15 : Modèle à effet fixe et aléatoire sur les banques étrangères (Auteur à partir de Eviews 9)
5.2.2. Tests post-estimations sur données de panel
§ Test de Hausman (1978)
|
Test Summary |
|
Chi-Sq. Statistic |
Chi-Sq. d.f. |
Prob. |
|
Cross-section random |
|
4.933942 |
3 |
0.1767 |
|
|
Cross-section random effects test comparisons: |
|
||
|
Variable |
Fixed |
Random |
Var(Diff.) |
Prob. |
|
RCOM |
0.39828 |
0.419188 |
0.00095 |
0.4976 |
|
ROT |
1.443346 |
0.216855 |
0.478859 |
0.0763 |
|
DCFP |
-0.017843 |
-0.020578 |
0.000012 |
0.4335 |
Les résultats de ce test montrent que le modèle à effet aléatoire est plus efficace car la p-value est supérieure au seuil conventionnel de 5%. Donc, l’estimateur MCG est non biaisé.
§ Test de Jarque-Bera (Normalité des résidus)
De visu, on remarque qu’il y a des observations aberrantes. La statistique de Jarque-Bera est très loin de zéro et sa probabilité correspondante est inférieure au seuil de 1%. Donc, nous rejetons l’hypothèse de normalité des résidus. Il sied de noter que l’hypothèse de normalité des résidus est non indispensable pour le calcul des estimateurs mais nécessaire si on veut estimer le principe d’estimation du maximum de vraisemblance et pour procéder aux tests d’inférence. (Bosonga, 2017, p.86).
§ Test d’autocorrélation des erreurs
Etant donné que la statistique de Durbin-Watson du modèle à effet aléatoire est proche de 2, nous pouvons accepter notre hypothèse nulle d’absence d’autocorrélation des erreurs.
|
L |
les banques commerciales afin d’identifier du point de vue statistique, la variable la plus e deuxième chapitre avait pour objectif de vérifier l’application du modèle de Dupont dans
significative pouvant expliquer la variabilité de la rentabilité financière des banques. Pour
atteindre notre objectif, le chapitre s’est subdivisé en trois points :
Le premier point, intitulé « Brève présentation des banques commerciales en RDC » a permis de connaitre les caractéristiques de chaque banque sous étude telles que la raison sociale, l’effectif du personnel, le nombre d’agences, etc.
Le deuxième point, intitulée « Approche méthodologie et spécification du modèle économétrique » a décrit la manière dont nos hypothèses seront vérifiées ainsi que la spécification théorique et économétrique du modèle de Dupont ; ce qui nous a permis d’élaborer un tableau prédictif des signes attendus sur nos variables explicatives.
Le troisième point, intitulé « Analyse économétrique de la rentabilité financière des banques commerciales en RDC » a permis d’identifier à partir de l’approche méthodologique retenue, le taux de marge nette (RCOM) comme étant la variable la plus significative pour toutes les deux catégories des banques mais également, le coefficient de fonds propres comme variable pouvant expliquer la différence des rentabilités entre les banques locales et les banques étrangères.
Le chapitre suivant examinera de plus près les résultats afin de trouver les causes des problèmes constatés et proposer des pistes de solution.
CHAPITRE 3 : DISCUSSIONS SUR LES RESULTATS ET RECOMMANDATIONS
Ce chapitre poursuit principalement deux objectifs : Vérifier nos hypothèses de recherche et identifier les causes des différents problèmes qui baissent la rentabilité financière de certaines banques commerciales en RDC afin de proposer des pistes de solution.
Il se subdivise en trois points : Le premier présente et donne des interprétations économiques sur les résultats d’estimation de tous les deux panels ; le deuxième point fait un rapprochement entre les résultats obtenus et les fondements théoriques et empiriques présentés au chapitre 1 ; le dernier point est consacré aux recommandations.
I. Présentation et interprétation des résultats
Nous présentons les résultats d’estimation du modèle de Dupont pour chaque catégorie des banques en RDC tout en prenant le soin d’interpréter les résultats afin de vérifier nos hypothèses de recherche.
1.1. Interprétation des résultats des banques locales
Notre modèle initial se présente comme suit :
𝑅𝑂𝐸𝑖𝑡 = 𝜶𝟎𝒊 + 𝛽1 𝑅𝐶𝑂𝑀𝑖𝑡 + 𝛽2 𝑅𝑂𝑇𝑖𝑡 + 𝛽3 𝐶𝐹𝑃𝑖𝑡 + 𝜀𝑖𝑡
Le test de Hausman ayant opté pour une estimation du modèle à effet aléatoire, les résultats de la méthode de moindre carré généralisé (MCG) se présente comme suit :
|
|
Modèle individuel à effet aléatoire |
|
||
|
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
C |
-0.004914 |
0.012637 |
-0.388878 |
0.7008 |
|
DRCOM |
0.075442 |
0.016119 |
4.680429 |
0.0001 |
|
DROT |
0.934179 |
0.511008 |
1.828111 |
0.08 |
|
DCFP |
0.014662 |
0.013959 |
1.05039 |
0.304 |
|
|
Effects Specification |
|
||
|
|
|
S.D. |
Rho |
|
|
Cross-section random |
|
0.000000 |
0 |
|
|
Idiosyncratic random |
|
0.063396 |
1 |
|
|
|
Weighted Statistics |
|
||
|
R-squared |
0.520907 |
Mean dependent var |
0.005597 |
|
|
Adjusted R-squared |
0.461021 |
S.D. dependent var |
0.081619 |
|
|
S.E. of regression |
0.059921 |
Sum squared resid |
0.086172 |
|
|
F-statistic |
8.698236 |
Durbin-Watson stat |
2.072908 |
|
|
Prob(F-statistic) |
0.00044 |
|
|
|
|
|
Unweighted Statistics |
|
||
|
R-squared |
0.520907 |
Mean dependent var |
0.005597 |
|
|
Sum squared resid |
0.086172 |
Durbin-Watson stat |
2.072908 |
|
Tableau 16 : Résultats d'estimation du panel des banques locales
Les résultats d’estimation montrent que le modèle est globalement significatif car la p-value de la statistique de Fischer est inférieure au seuil de 1%. Le coefficient de détermination corrigé est assez faible pour les banques locales, soit de 46%, cela peut s’expliquer par le fait que le modèle n’ait pas pris en compte les variables de l’environnement externe des banques. En d’autres termes, il semble que la rentabilité des banques locales soit expliquée plus par des variables externes plutôt que par des variables managériales.
Par ailleurs, les coefficients associés à la rotation des actifs (drot) et au coefficient de fonds propres (dcfp) ne sont pas statistiquement significatifs car leurs p-value > 5%. Toutefois, on remarque un signe positif au niveau du coefficient de fonds propres ; bien que n'étant pas statistiquement significatif, on peut croire que les banques locales semblent faire jouer positivement les effets de levier et cela pourrait s’expliquer par le fait qu’elles gèrent mieux leur exploitation ; donc, elles ont des taux de marge nette globalement élevés. La non significativité de la rotation des actifs (drot) est due au modèle économique des banques car dans leur activité, elles recouvrent souvent leurs créances à long terme.
La seule variable ayant un effet significatif sur la rentabilité financière des banques locales est la rentabilité des ventes ou le taux de marge nette (drcom) car p-value < au seuil de 1%. Le coefficient associé à cette variable est positif et s'élève à 0,075. Au-delà d'une forte corrélation croissante et significative que nous avons détectée lors des analyses bi variées, Il existe également une relation de causalité entre la rentabilité financière des banques locales et leurs ratios de marge nette.
En somme, le modèle se présente comme suit :
𝑅𝑂𝐸 = −0,0049 + 0,0754∗ 𝑅𝐶𝑂𝑀 + 0,9341𝑅𝑂𝑇 + 0,014 𝐶𝐹𝑃
Ceteris paribus sic stantibus, toute augmentation d'une unité du ratio de marge nette (rcom) , entrainerait une augmentation mais avec une faible ampleur de la rentabilité financière (roe) des banques locales de 0,075. Et, inversement.
1.2. Interprétation des résultats des banques étrangères
En utilisant la méthode de Moindre carré Généralisé (MCG) les résultats d’estimation du modèle de Dupont du panel des banques étrangères se présentent comme suit :
|
|
Modèle à effet aléatoire |
|
||
|
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
RCOM |
0.419188 |
0.045895 |
9.133557 |
0.0000 |
|
ROT |
0.216855 |
0.636867 |
0.340503 |
0.7346 |
|
DCFP |
-0.020578 |
0.007061 |
-2.91417 |
0.0049 |
|
C |
-0.026181 |
0.073141 |
-0.357953 |
0.7215 |
|
|
Effects Specification |
|
||
|
|
|
S.D. |
Rho |
|
|
Cross-section random |
|
0.037108 |
0.0863 |
|
|
Idiosyncratic random |
|
0.120752 |
0.9137 |
|
|
|
Weighted Statistics |
|
||
|
R-squared |
0.616032 |
Mean dependent var |
-0.008834 |
|
|
Adjusted R-squared |
0.598579 |
S.D. dependent var |
0.19336 |
|
|
S.E. of regression |
0.122509 |
Sum squared resid |
0.990554 |
|
|
F-statistic |
35.29642 |
Durbin-Watson stat |
1.590084 |
|
|
Prob(F-statistic) |
0.00000 |
|
|
|
|
|
Unweighted Statistics |
|
|
|
|
R-squared |
0.628873 |
Mean dependent var |
-0.011385 |
|
|
Sum squared resid |
1.078345 |
Durbin-Watson stat |
1.46063 |
|
Tableau 17 : Résultats d'estimation du panel des banques étrangères
Contrairement aux banques locales, les résultats d'estimation ci-dessus montre que l’ajustement est meilleur car le coefficient de détermination corrigé est de 60%. Le modèle est globalement significatif au seuil de 1%. La rentabilité financière des banques étrangères semble être plus impactée par des variables managériales plutôt que par des variables de l’environnement externe.
Au niveau des coefficients des variables explicatives, le taux de marge nette (rcom) et le coefficient de fonds propres (cfp) expliquent significativement la rentabilité financière des banques étrangères car leurs p-value sont inférieures au seuil de 1%.
La seule et unique variable du modèle de Dupont qui est non significative est le coefficient de rotation des actifs car p-value est largement supérieure au seuil de 10%. Ce résultat est proche des banques locales et est dû également à la nature des activités des banques.
L’estimation du modèle de Dupont des banques étrangères se présente donc comme suit :
𝑅𝑂𝐸 = −0,026 + 0,4192∗ 𝑅𝐶𝑂𝑀 + 0,2169𝑅𝑂𝑇 − 0,021∗ 𝐶𝐹𝑃
Toute augmentation d’une unité supplémentaire du taux de marge nette entraine une augmentation de 0,4192 de la rentabilité financière des banques étrangères ceteris paribus. Les résultats montrent qu’en termes d’impact, le taux de marge nette des banques étrangères présente un effet marginal plus important que celui des banques locales.
On remarque une relation significative et décroissante entre la rentabilité financière et le coefficient de fonds propres des banques étrangères ; donc, toutes choses restant égales par ailleurs, une augmentation de l’endettement d’un point, entraine une diminution de la rentabilité financière de 0,021. Et inversement.
1.3. Vérification des hypothèses de recherche
Sur base de tous les résultats obtenus, nous pouvons valider notre première hypothèse selon laquelle la profitabilité de vente des banques commerciales congolaises impacterait positivement sur leurs rentabilités financières respectives. Nous avons remarqué que le coefficient attaché au taux de marge nette était statistiquement significatif pour toutes les deux catégories de banque en RDC.
Notre deuxième hypothèse stipulait que l’efficacité dans la gestion des actifs des banques commerciales congolaises influerait positivement sur leurs performances financières mais les résultats d’estimation de tous les deux panels des banques ont prouvé le contraire. Par conséquent, cette hypothèse a été rejetée. Ces résultats confirment donc notre analyse bi variée où les coefficients de corrélation entre la rentabilité financière et le coefficient de rotation des actifs étaient non significatifs pour la plupart des banques commerciales. Les résultats ont prouvé que les banques commerciales ont des coefficients de rotation des actifs très faibles ; cela peut s’expliquer par le fait qu’elles recouvrent leurs créances à long terme.
La troisième hypothèse supposait que le recours à l’endettement pourrait contribuer significativement à l’explication de la rentabilité financière des banques commerciales ; en fonction des résultats obtenus, nous rejetons cette hypothèse pour toutes les deux catégories des banques. Seules les banques locales semblent profiter des effets positifs de l’endettement mais pas d’une manière significative. Au niveau des banques étrangères, on remarque une corrélation négative entre l’endettement et la rentabilité financière ; un résultat contraire à la théorie.
II. Implications théoriques et empiriques
Sur ce point, il sera question d'identifier les différentes causes pouvant expliquer nos résultats afin de proposer des pistes de solution. Pour ce faire, nous allons décomposer les variables les plus sensibles et significatives du modèle de Dupont.
1. Décomposition du ratio de taux de marge nette (RCOM)
Théoriquement, le ratio de marge nette renseignant sur la rentabilité des ventes d’une entreprise, c’est-à-dire, le bénéfice réalisé par l’entreprise sur une unité monétaire de vente qui, par ailleurs selon le modèle de Dupont, toute augmentation de ce ratio doit entrainer une augmentation de la rentabilité financière toutes choses restant égales par ailleurs.
La décomposition de ce ratio étant proche du coefficient d’exploitation, un taux de marge nette élevée se traduira donc par un coefficient d’exploitation faible et par conséquent, entrainera une augmentation de la rentabilité financière.
D’autres auteurs ont eu à prouver qu’il existe une relation significative et de sens inverse entre le coefficient d’exploitation des banques et leurs rentabilités financières ; c’est le cas de (Mansouri,B et Afroukh,S 2009) qui ont eu à mener une étude sur les déterminants de la rentabilité des banques marocaines ; (Abderazek, 2010) qui a analysé les déterminants de la rentabilité des banques commerciales saoudiennes et une étude menée en RDC par (Uvoya, 2015) qui a eu également à identifier le coefficient d’exploitation comme étant une variable qui cause la détérioration des banques commerciales congolaises.
Les analyses descriptives ont également prouvé que les banques étrangères ont des coefficients d’exploitation (CIR) supérieurs à la moyenne du secteur qui est de 79%.
Les banques locales sont donc plus rentables ; nous pouvons évoquer deux principales raisons : La première, s’explique par le fait qu’elles sont plus efficientes ; pour la majorité des banques, on remarque qu'elles ont des coefficients d’exploitation inferieurs à la moyenne du secteur. C’est-àdire, elles gèrent mieux leurs charges d’exploitation, ce qui fait qu’elles puissent réaliser des résultats nets très élevés par rapport aux PNB ; et par conséquent, entraine une augmentation du ratio de marge nette ; ceteris paribus, améliore significativement la rentabilité financière des banques locales. Une deuxième raison est liée à leur taille, les banques locales sont plus grandes en termes de dépôt, de plus, elles ont beaucoup plus d’ancienneté et constituent un réseau à travers le pays.
Par ailleurs, les banques étrangères étant très sensibles aux variations du ratio de marge nette, une mauvaise gestion des charges d’exploitation baissera leurs résultats nets et par conséquent, diminuera sensiblement leurs rentabilités financières.
Etant donné que cette catégorie des banques représente plus de la moitié du secteur bancaire congolais, nous avons pu identifier grâce au modèle de Dupont l’une des causes internes pouvant expliquer la détérioration de la rentabilité financière du secteur bancaire en RDC.
Nous pouvons ajouter une autre raison purement qualitative qui explique le fait que les banques étrangères réalisent en moyenne un taux de marge nette < 0 ; soit un coefficient d’exploitation très élevé et dessus de la moyenne du secteur. En réalité, ces banques ne sont que des filiales et sont soumises à une double règlementation qui freine leur élan commercial. Elles ne peuvent donc pas prendre autant de risque que les banques locales soumises qu’à la réglementation bancaire congolaise (Instruction n°14, BCC).
Les gestionnaires des banques congolaises doivent donc veiller à ce que le ratio de marge nette soit le plus élevé possible afin de garantir aux actionnaires un rendement intéressant. Pour ce faire, nous pouvons proposer quelques pistes de solution pouvant tant soit peu améliorer la situation des banques :
§ Toutes les banques congolaises, quel que soit sa catégorie, doivent toujours veiller à maintenir un niveau de coefficient d'exploitation d'au plus 65% de sorte que le ratio de marge nette augmente afin de rémunérer les actionnaires en fonction de ce à quoi ils renoncent ;
§ Toutes les banques, en particulier, les banques étrangères doivent mettre en œuvre des mécanismes pour accroître leur niveau de PNB afin d’honorer les différents engagements de toutes les parties prenantes (Personnel, Etat, actionnaires, etc.)
2. Décomposition du ratio du coefficient de fonds propres (CFP)
Plusieurs théories et études empiriques ont démontré que le recours à l’endettement peut dans certaines mesures améliorer la rentabilité financière de l’entreprise endettée ; tout comme le recours à l’endettement peut détériorer la rentabilité financière lorsque la rentabilité de l’actif économique (ROA) devient inférieure au coût de la dette (i).
Les résultats ont prouvé qu’il existe une relation de sens inverse entre l’endettement et la rentabilité financière des banques étrangères, cela peut s’expliquer par le fait qu’elles ont des très faibles rentabilités économiques (ROA), soit de -2%. Nos résultats sont contraires à la théorie car normalement, l’augmentation de l’endettement devrait entrainer une augmentation de la rentabilité financière (Effet de levier).
Toutefois, d’autre auteurs tels que ( Mansouri & Afroukh , 2009) et (Koli, 2013) ont trouvé des résultats identiques.
Sachant que 𝑅𝑂𝐴 = 𝑅𝐶𝑂𝑀 × 𝑅𝑂𝑇 et que ROT est presque identique, faible et non significatif pour toutes les banques, nous comprenons donc que la rentabilité de l’actif économique est faible à cause des faibles taux de marge nette réalisés par les banques étrangères.
Quant aux banques locales, il existe une relation positive bien que n’étant pas significative, entre le coefficient des fonds propres et la rentabilité financière. Cela peut également s’expliquer par le fait qu’elles ont en moyenne, une rentabilité de l’actif économique de 1,2%. Faible, mais positif. Dans le cas d’espèce, la SOFIBANQUE en 2013 a eu à réaliser une ROA à hauteur de 8,28% avec un niveau d’endettement de 2,85 elle réalise en définitive une rentabilité financière de 23,7%. Les auteurs ciaprès ont également trouvé dans leurs travaux, une relation positive entre le coefficient des fonds propres et la rentabilité financière des banques ; il s’agit de (Bourke, 1989) ; (Molyneux & Thornton, 1992) ; (Yao, 2005) ; (Abderazek, 2010) ; (Kablan , 2007)
Vous remarquerez que l’analyse du coefficient de fonds propres est indissociable au ratio de marge nette ; d’où, il est important que toutes les banques se focalisent sur la gestion de ce ratio car il détermine significativement le niveau de rentabilité qu’un actionnaire d’une banque peut s’attendre.
III. Recommandations
Nous proposons quelques mesures d’accompagnement à mettre en place pour améliorer la situation financière des banques commerciales en RDC. Ces mesures sont principalement adressées à l’autorité de réglementation et de régulation du secteur bancaire (Banque centrale du Congo) et aux gestionnaires des banques commerciales.
1. Banque Centrale du Congo
Du point de vue règlementaire, étant donné que les filiales des banques étrangères représentent plus de la moitié du secteur, leurs résultats déficitaires influent négativement sur l’ensemble du système financier. Pour éviter une double réglementation pouvant asphyxier ces banques, nous proposons que la Banque Centrale du Congo allège certaines mesures tout en se rassurant de l’absence des impacts négatifs afin de faciliter le développement des banques étrangères. On peut par exemple revoir la norme relative à la division des risques.
Du point de vue gestion interne des banques commerciales, la Banque Centrale du Congo peut prévoir une nouvelle instruction de contrôle de gestion de sorte que l’on puisse inclure une norme relative au coefficient d’exploitation afin d’obliger toutes les banques à ne pas dépasser un certain seuil des charges d’exploitation.
2. Gestionnaires des banques commerciales
La direction générale ou financière peut intégrer chaque ratio du modèle de Dupont dans leur tableau de bord de gestion (TBG) et se concentrer surtout sur les variables les plus significatives telles que le ratio de marge nette et le coefficient de fonds propres.
Du point de vue technologie, les gestionnaires des banques commerciales doivent se focaliser sur la digitalisation d’une grande partie des services bancaires surtout pour les banques ayant pour segment de clientèle, les particuliers. Cela, permettra de réduire les charges du personnel, réduire le coefficient d’exploitation qui va se manifester par une augmentation du ratio de taux de marge nette et de la rentabilité financière.
Au niveau de la Direction commerciale et Marketing, les banques doivent procéder par des études de marché pour identifier des nouveaux besoins ; cibler des nouveaux segments de marché tout en gérant le risque de crédit et diversifier les services financiers afin d’accroître le niveau du produit net bancaire.
CONCLUSION GENERALE
|
S |
République Démocratique du Congo en 2016 relève une faible rentabilité financière du elon le rapport d’étude menée par le Cabinet Deloitte, la situation du secteur bancaire en
secteur de 1% comparée à celle des banques de l’Union Economique et Monétaire OuestAfrique (UEMOA) qui s’élevait à 8,6%.
Etant donné que toutes les banques commerciales congolaises évoluent dans un environnement commun, elles devaient avoir un même comportement en termes de rentabilité ; mais les statistiques nous ont prouvé le contraire. En réalité, chaque banque a ses propres stratégies de gestion qui la différencie des autres acteurs dans le secteur. Nous avons également remarqué qu’en RDC, les banques locales étaient globalement plus rentables que les banques étrangères.
C’est ainsi que notre étude s’est intéressé à identifier les facteurs internes pouvant expliquer ces différences à partir du modèle de diagnostic financier de Dupont qui analyse globalement la performance financière d’une entreprise mesurée par la rentabilité financière (ROE) à partir de la profitabilité ; la gestion efficace des actifs et le niveau d’endettement.
Notre étude est partie des hypothèses suivantes :
¡ La profitabilité de vente des banques commerciales influerait positivement sur leurs performances financières.
¡ L’efficacité dans la gestion des actifs des banques commerciales influerait positivement et significativement sur leurs performances financières.
¡ Le recours à l’endettement pourrait contribuer significativement à l’explication de la performance financière des banques commerciales (Effet de levier).
Pour vérifier nos hypothèses, nous avons eu à recourir aux analyses multi variées en utilisant un modèle à effet aléatoire pour estimer les paramètres des banques locales et banques étrangères par la méthode des moindres carrés généralisés (MCG).
Apres estimations des paramètres associés à chaque variable du modèle de Dupont, nous avons abouti aux résultats suivants :
§ Il existe une relation de causalité, positive et significative entre le ratio de taux de marge nette (rcom) ou la profitabilité du chiffre d’affaires et la rentabilité financière (roe) de toutes les banques commerciales en RDC ; ces résultats sont donc conformes à nos prédictions et permettent de confirmer notre première hypothèse. Toutefois, en termes d’impact, les banques étrangères semblent avoir des rentabilités financières plus sensibles suite aux variations du ratio de marge nette. Ceteris paribus, une variation d’une unité supplémentaire du ratio de marge nette (rcom) entraine une variation de même sens de la rentabilité financière de 0,42. Contrairement aux banques locales, la valeur prise par le paramètre estimé est de 0,075.
§ La deuxième hypothèse a été rejetée car sur base des résultats obtenus, le coefficient de rotation des actifs (rot) est certes positif pour toutes les deux catégories de banque mais statistiquement non significatif et cela s’explique par le modèle économique des banques commerciales.
§ La dernière hypothèse a été rejetée pour les banques étrangères, donc, il existe une relation négative et significative entre le niveau d’endettement et la rentabilité financière des banques étrangères. Toute augmentation d’une unité supplémentaire de l’endettement entraine une diminution de la rentabilité financière des banques étrangères de 0,02 ; ceteris paribus. Toutefois, on a remarqué l’existence d’une relation positive mais malheureusement, non significative entre le coefficient de fonds propres et la rentabilité financière des banques locales.
Par conséquent, nous pouvons retenir deux variables qui différencient la rentabilité financière des banques commerciales en RDC : Il s’agit du taux de marge nette ou la profitabilité du chiffre d’affaires (rcom) ainsi que du coefficient de fonds propres. D’une part, Les banques locales sont plus rentables car elles réalisent des taux de marge nette élevés et positifs ; soit une moyenne de 5%. En réalité, les banques locales ont pu développer un grand réseau d’agence à travers le pays qui leur permettent de collecter plus de dépôt, octroyer plus de crédit, avoir un PNB très élevé ; et, étant donné qu’elles sont globalement efficientes (Coefficient d’exploitation faible), leurs rentabilités financières sont élevées.
D’autre part, les banques étrangères sont moins rentables car non seulement qu’elles réalisent des taux de marge très faibles, soit une moyenne de -1,8 % causé par leurs résultats déficitaires, mais aussi, elles semblent ne pas faire jouer les effets de levier.
En somme, les variables du modèle de Dupont expliquent la rentabilité financière des banques locales et étrangères respectivement à 46% et 60%. Statistiquement, le modèle de Dupont est globalement significatif pour toutes les banques commerciales en RDC.
Le présent travail comporte quand même des limites que les futurs chercheurs doivent prendre en compte dans leurs études :
§ La vérification du modèle théorique de Dupont n’a porté que sur le secteur bancaire ; et pourtant, les valeurs prises par chaque ratio peuvent varier d’un secteur à un autre. D’où, il sera important d’envisager des études comparatives entre deux ou plusieurs secteurs afin de vérifier s’il existe des différences significatives.
§ Notre étude a été purement quantitative ; et les méthodes quantitatives ont été reprochées de ne pas permettre une compréhension exhaustive des comportements des individus statistiques. Les futurs chercheurs doivent penser à intégrer des variables internes qualitatives dans leurs modèles.
§ Le modèle de Dupont dans sa spécification théorique ne s’intéresse qu’aux variables internes et pourtant, la rentabilité financière d’une entreprise et surtout d’une banque peut s’expliquer par plusieurs autres variables de l’environnement externe. D’où, il faudrait être prudent quant à l’interprétation d’un ratio ; le taux de marge nette peut par exemple baisser non pas à cause d’une augmentation excessive des charges mais plutôt par une diminution du chiffre d’affaires ou du Produit Net Bancaire (PNB) dû à l’intensité concurrentielle.
§ Du point de vue méthodologie, l’étude a porté sur une dimension temporelle de huit exercices comptables ; assez faible pour bien capter l’homogénéité totale ou partielle des panels des banques. En cas d’estimation en série transversale, nous recommandons fortement aux futurs chercheurs soit d’augmenter le nombre des périodes pour éviter des problèmes de multicolinéarité, soit de transformer les données annuelles en trimestres ou semestres pour augmenter la taille de l’échantillon.
§ Les futurs chercheurs doivent penser à intégrer la variable taille de la banque dans le modèle de Dupont.
§ Les données utilisées sont purement comptables, il faudrait tenir également compte des données prudentielles pour contextualiser le modèle de Dupont dans une banque.
BIBLIOGRAPHIE
1. Livres
Anderson, Sweeney, Williams, Camm, & Cochran. (2015). Statistique pour l'économie et la gestion. Paris: De Boeck.
Bellalah, M. (2004). Gestion financière : Diagnostic,évaluation,choix des projets et des investissements. Economica.
Berk, J., & DeMarzo, P. (2014). Finance d'entreprise. Paris: Pearson Education.
Bezbakh, P., & Gherardi, S. (2008). Dictionnaire de l'économie. Paris: Larousse.
Bourbonnais, R. (2015). Econométrie.Paris : Dunod.
Bourbonnais, R. (2018). Econométrie. Paris: Dunod.
Cadoret, I., Benjamin, C., Martin, F., & Herrard, N. (2004). Econométrie appliquée. Bruxelles: De Boeck.
Cohen, E. (1991). Gestion Financière.
Goaied, M., & Sassi, S. (2012). Econométrie des données de panel sous STATA. Institut des hautes études commerciales de Carthage et Laboratoire d'économie & Finance appliquée.
Hull, J. (2012). Gestion des risques & Institutions financières. New Jersey: Pearson.
Leblond, S. (2003). Guide d'économétrie appliquée sur Stata. Université de Montréal.
Ielpo, F. (2008). Econométrie de la Finance. Paris: Centre d'économie de la Sorbonne.
Mankiw, G., & Taylor, M. (2013). Principes de l'économie. Paris: De Boeck.
Merton, R., & Zvie, B. (2010). Finance. Paris: Pearson.
Mutatayi, F. (2018). Comptabilité bancaire. Kinshasa: Feu Torrent.
Wooldridge, J. (2015). Introduction à l'économétrie : Une approche moderne. Bruxelles: De Boeck Supérieur.
2. Articles
Abderazek, S. (2010). Analyse des déterminants de la rentabilité des banques commerciales saoudiennes. Revue marocaine de gestion et d'économie, 21-56.
Anderson, Sweeney, Williams, Camm, & Cochran. (2015). Statistique pour l'économie et la gestion. Paris: De Boeck.
Bonnieux, F. (1983). La démarche économétrique : Principes et difficultés. Persee, 35-47.
Bourke, P. (1989). Concentration and other determinants of bank profitability in Europe,North America and Australia. Journal of Banking & Finance, 65-79.
Hurlin, C., & Mignon, V. (2006). Une synthèse de test de racine unitaire sur données de panel.
Kablan , S. (2007). 3. Mesure de la performance des banques dans les pays en développement : le cas de l’UEMOA (Union Economique Et Monétaire Ouest Africaine).
Laure, M. (2013, Novembre 26). Une méthode simple de diagnostic financier global de l'entreprise : Le système Dupont. LMK Training, p. 4.
Kadandji, A. (2018). Le niveau de capitalisation et la solidité bancaire : Une relation controverse. Global Journal of Management and Business Research : C Finance.
Mansouri , B., & Afroukh , S. (2009). La Rentabilité des Banques et ses Determinants: Cas du Maroc. Groupe de Recherches Economiques et Financières (GREF), Faculté de Droit et de Sciences Economiques, Université Cadi Ayyad, Marrakech, Maroc .
Molyneux, P., & Thornton, J. (1992). Determinants of European bank profitability. Journal of Banking & Finance, 1173-1178.
Santomero, A. (1997). Risk management in financial institutions. Management review Fall.
St-Cyr, L., Pinsonneault, D., & Allard, M.-H. (1997). L'analyse financière à l'aide des ratios : Le modèle de Dupont. Montréal: Ecole des Hautes Etudes Commerciales.
Windolf, P. (2019). Qu'est ce que le capitalisme financier ? Trivium, 28.
Yao, K. (2005). Approche économétrique des déterminants de la rentabilité des banques européennes. Munich Personal RePEc Archive.
3. Livres pédagogiques
Aliango, D. (2017). Cours de gestion des institutions financières.
Bosonga, J. (2017). Manuel d'économétrie. Kinshasa.
Kabuya, F. (2015). Cours d'économie bancaire.
Lisasi, J. (2017). Cours de gestion financière internationale (Corporate Finance).
Mallouki, E., & Fekkak. (2014). Cours d'analyse financière.
Mpereboye, M., & Nzoimbengene, B. (2015). Cours de Management des Banques.
Muayila, H. (2017). Théorie et Pratique de Sondage. Kinshasa.
Mulamba, F., & Amana. (2019). Cours de contrôle de gestion.
Musangu, M. (2015). Cours de statistique descriptive. Kinshasa.
Omonga, K. (2016). Cours de statistique inférentielle. Kinshasa: Editions PRO-COPY.
4. Dissertations scientifiques
Koli, R. (2013). Déterminants de la rentabilité des banques commerciales en République Démocratique du Congo : Une analyse économétrique en données de panel. Kinshasa.
Mbuyi, R. (2018). 7. Etude comparative du niveau de rentabilité économique et financière : Cas de RAWBANK et BCDC. Kinshasa.
Kapinga, S. (2018). Etude comparative du niveau de rentabilité économique et financière de l’ECOBANK et TMB. Kinshasa.
Uvoya, E. (2015). Déterminants de la rentabilité financière des banques commerciales en RDC. Kinshasa.
5. Lois
Banque Centrale du Congo. (2010). INSTRUCTION N°14, Modification n°5 aux banques du 8 Juillet 2009 relatives aux normes prudentielles de gestion. Kinshasa.
Banque Centrale du Congo. (2012). Guide comptable des établissements de crédit du Congo. Kinshasa.
Banque Centrale du Congo. (2019). INSTRUCTION N°14, Modification n°7 aux banques du 8 Février 2019 relatives aux normes prudentielles de gestion. Kinshasa.
6. Rapports
Banque Centrale du Congo. (2017). Rapport annuel 2017. Kinshasa.
Deloitte Services. (2017). Etude sur le secteur bancaire congolais (2015-2016). Kinshasa.
ANNEXE I
|
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||