1

Stress test macroprudentiel du risque

de crédit bancaire dans les pays de la
Cemac
M. Opoumba et R. B. Ndongo Eyinga*

L’objectif de cet article est d’évaluer la capacité du système bancaire des pays de la
Commission économique et monétaire d’Afrique centrale (Cemac) à résister aux chocs
extrêmes. À cette fin, nous évaluons l’impact d’une dégradation des conditions
économiques et financières sur la solvabilité du système bancaire en recourant aux
techniques de prévision du modèle VAR pour simuler les scénarios de stress en se basant
sur l’expérience des années 1980-1990. Pour se prononcer quant à la résistance ou non du
secteur bancaire en cas d’occurrence de ces événements extrêmes, l’indicateur de résultat
retenu est le ratio d’adéquation au capital calculé selon les recommandations de Bâle 2.
Nos résultats montrent que le système financier de chacun des pays étudiés souffre encore
des stigmates de la crise qui a débuté en juin 2014. En effet, en dehors du Cameroun qui
a un taux d’adéquation aux fonds propres supérieur à 8 % pour certains scénarios, ce
ratio est inférieur au seuil réglementaire pour les autres pays de la Cemac et se situe en
dessous de 4 %, en République centrafricaine (RCA) et au Gabon notamment. De plus, la
détérioration du taux de change réel a moins d’impact sur la solvabilité du secteur
bancaire que la dégradation du taux de croissance de l’économie. Les principales
recommandations sont alors de mener une politique monétaire capable de soutenir la
croissance économique des pays membres, en contribuant à la rendre moins vulnérable
aux chocs susceptibles de la dégrader et de pratiquer régulièrement des stress tests
macroprudentiels permettant de faire des anticipations sur des crises systémiques.

des mesures correctives que prendraient normalement

Introduction les banques si de tels chocs venaient à se matérialiser
Depuis la crise de 2007-2008, les autorités du secteur (Kartik et al, 2014). En ce sens, les tests de résistance
financier et les institutions financières de par le monde servent à évaluer des événements extrêmes. Cihak
ont de plus en plus recours à deux principaux (2004) et Melecky et Podpiera (2010) définissent les
instruments macroprudentiels de surveillance du risque stress tests comme un outil quantitatif d’évaluation de
systémique : les indicateurs de solidité financière (ISF) la résilience du système financier aux chocs
du secteur bancaire qui sont des ratios caractéristiques indésirables.
de la santé et la solidité du système bancaire, et les Zeman et Jurca (2008), Gutierrez et Matias (2009),
stress tests ou tests de résistance bancaire qui Niyogi et Bhattacharya (2011), Melecky et Buncic
permettent d’évaluer la capacité d’un établissement de (2012), implémentent des stress tests macroprudentiels
crédit ou du système bancaire tout entier à faire face à du risque de crédit bancaire respectivement en
des chocs extrêmes, et d’examiner les risques qui Slovaquie, en Argentine, en Inde et en Europe de l’Est.
pèsent sur le système financier. La particularité de ces travaux est qu’ils utilisent la
Le comité de Bâle (2009) sur le contrôle bancaire modélisation VAR comme une option viable aux
définit les stress tests comme des instruments dont se modèles structurels plus complexes et autres modèles
servent les banques pour gérer les risques en interne et de prévision utilisés par les banques centrales pour
qui permettent aux autorités de mesurer les effets que construire un scénario spécifique au pays sur les
des chocs négatifs graves mais plausibles pourraient variables macroéconomiques. Pour les pays africains,
avoir sur le niveau de fonds propres des établissements très peu de travaux sur le stress test du secteur bancaire
bancaires. Ces tests sont menés en faisant abstraction sont recensés à ce jour. C’est le cas d’Amediku (2007)
* Marcel Opoumba est directeur des études à l’Institut sous régional de statistique et d’économie appliquée (Issea),
Yaoundé marcelopefr@[Link] et René Basin Ndongo Eyinga est doctorant à l’université de Yaoundé II
nrenebasin@[Link]
 2

au Ghana, Havrylchyk (2010) en Afrique du Sud, réagirait le système bancaire des pays de la Cemac à
Gammadigbé (2012) et Trinnou (2013) dans l’Union différents scénarios de crise ?
économique et monétaire d’Afrique de l’Ouest
Pour tenter d’y répondre, nous allons d’abord dans la
(UEMOA). Trinnou (2013) implémente le stress test
section 2 présenter les aspects méthodologiques,
macroprudentiel du risque de crédit du secteur bancaire
ensuite dans la section 3 nous chercherons à présenter
de la zone UEMOA. Pour cela, il simule des scénarios
les scénarios des stress et les tests pré et post estimation,
macroéconomiques à partir d’un modèle VAR, en
enfin à la section 4 la présentation et l’interprétation des
faisant référence aux expériences de crise bancaire
résultats du stress test. L’analyse portera sur quatre2 des
vécues par les pays de l’UEMOA dans les années 1980-
six pays de la Cemac, les données étant insuffisamment
1990. Les résultats du stress test révèlent que le secteur
disponibles pour la Guinée équatoriale et le Congo.
bancaire est résistant aux chocs macroéconomiques
sévères. En effet, à la suite des chocs, le ratio
d’adéquation au capital des banques reste toujours Aspects méthodologiques
supérieur au minimum exigé de 8 %, bien qu’il baisse Pour réaliser le stress test macroprudentiel du risque de
remarquablement. crédit bancaire, nous partons d’une modélisation VAR
L’autorité monétaire des pays de la Commission sur les données macroéconomiques et financières pour
économique et monétaire d’Afrique centrale (Cemac) a la construction des scénarios de stress. La modélisation
pratiqué jusqu’en 2010 une politique monétaire dont VAR est adoptée en raison de sa plus grande facilité et
l’objectif était la stabilité des prix. Depuis lors, et en flexibilité à générer une série cohérente des variables
réponse aux effets de la crise de 2007-2008, la Banque prédites. De plus, cette modélisation tient compte des
des États d’Afrique centrale (BEAC) a développé un effets de feedback qui existeraient entre les variables
dispositif macroprudentiel dont l’objectif est de incluses dans le modèle. Cette modélisation sera
prévenir les crises systémiques pour éviter ses développée pour chacun des quatre pays de la Cemac
conséquences macroéconomiques et financières retenus dans notre échantillon. Sa spécification est la
désastreuses. La politique macroprudentielle devient suivante :
= + + + ⋯+ +
donc selon l’expression consacrée par Aglietta (2011)
(E1)
« une nouvelle responsabilité des banques centrales ».
La baisse des cours du pétrole de juin 2014 a dégradé ⎡ ⎤
les finances publiques des pays de la Cemac et ⎢ ⎥
également déstabilisé leur système financier. En effet, =⎢ ⎥
le taux de croissance du PIB en 2017 se situe à 0,2 %, ⎢ ⎥
le taux d’inflation a reculé de 1 point par rapport à 2016, ⎣ ⎦
le taux de couverture extérieure de la monnaie est en La matrice comportant les variables du modèle à
repli mais demeure confortable à 64,8 %, supérieur à la l’instant t,
norme statutaire de 20 % (BEAC, 2017). C’est à ce titre !"#$ #%& '((# ')' %*+
que le CSF-AC1 dans ses rapports du 28 avril 2016 et ⎡ !"#$ #%& '((# ')' %*+
⎤
celui du 9 mai 2017 constate que, malgré cette situation, ⎢ ⎥
le secteur financier fait preuve d’une certaine =⎢ ,
!"#$
,
#%& '((#
,
')'
, ,
%*+ ⎥
⎢ !"#$ #%& '((# ')' %*+ ⎥
⎢ ⎥
résilience. Les perspectives pour l’année 2018 tablent - - - - -
sur un regain de la croissance économique réelle, avec ⎣ .
!"#$
.
#%& '((#
.
')'
. .
%*+
⎦
un taux de 2,1 %, une hausse de l’inflation à 1,8 % sous
le seuil communautaire de 3 % et une amélioration dans La matrice des coefficients associés à la matrice des
la gestion des finances publiques induisant de facto un variables retardés d’ordre j,
recul du déficit budgétaire à 2,4 % contre 3,3 % en !"#$
2017 (BEAC, 2017), et une réduction du risque de ⎡ #%&
⎤
solvabilité du secteur bancaire. ⎢ ⎥
=⎢ '((# ⎥
Cette dernière analyse reste toutefois très optimiste au ⎢ ')' ⎥
regard des projections macroéconomiques de la zone. ⎢ ⎥
Nous allons donc dans ce contexte tester la résistance ⎣ %*+
⎦
du système bancaire des pays de la Cemac dans ces La matrice des termes constant,
conditions mais également dans le cas où des
évènements extrêmes, mais plausibles, viendraient
compromettre ces hypothèses optimistes. Quelle est la
capacité du système bancaire des pays de la Cemac à
résister aux chocs extrêmes ? Autrement, comment

1Le Comité de stabilité financière en Afrique centrale est créé stabilité financière et de prévenir les risques systémiques en
le 02 octobre 2012 et a pour mission de promouvoir la mettant en place des politiques macroprudentielles.
2 Cameroun, Gabon, République centrafricaine et Tchad.

Statéco n°115, 2021

 3

!"#$
⎡ ⎤
mesure la corrélation d’actifs, M est la maturité
#%&
⎢ ⎥ effective et B est l’ajustement de maturité.
=⎢ '((# ⎥
⎢ ⎥
Les abréviations ln et exp représentent les fonctions
')'
⎢ ⎥ logarithme et exponentielle ; F est la fonction de
⎣ %*+
⎦ répartition de la loi normale centré réduite ; F(X) est la
probabilité que la variable aléatoire normale soit
La matrice des chocs à l’instant t. inférieure ou égale à X ; G est l’inverse de la fonction
Avec : taux net de dégradation du portefeuille de répartition de la loi normale.
(TNDPF) : calculé en rapportant les créances en Il restera à calculer la PD et la LGD car M est supposée
souffrance3 au total des crédits accordés par le secteur égale à 2,5 dans les statuts de la COBAC, et les fonds
bancaire ; taux de croissance du PIB réel (TPIB) : il se propres sont tirés des informations sur le total du bilan
calcule en rapportant la différence entre le PIB réel de des banques de la zone. Ainsi, parallèlement à
l’année courante et celui de l’année précédente au beaucoup de travaux sur le stress test qui approximent
même PIB réel de l’année précédente ; ratio provision4 le ratio des créances en souffrance sur le total du crédit
en cas de défaut sur crédit accordé (RLLP) : il est à la probabilité de défaut, nous approximons le taux net
mesuré en rapportant les provisions constituées au total de dégradation du portefeuille (TNDPF) à la probabilité
des prêts accordés ; le taux de change réel (RER5) se de défaut. Par ailleurs, la littérature admet qu’il y a une
mesure comme étant le produit du taux de change relation entre la probabilité de défaut PD et le taux de
nominal coté à l’incertain multiplié par le rapport des perte en cas de défaut LGD (Altman et al, 2002). Van
indices de prix à la consommation (IPC) de la zone euro Den End et al (2006), approximent la LGD au
et de la zone Cemac ; le taux d’intérêt des appels d’offre QQR

(TIAO) : c’est le taux d’open market qui permet aux ratio SRTU , utilisant l’équation des pertes attendues
VWUXY
banques commerciales de se refinancer auprès de la (EL7) pour calculer le taux de perte en cas de défaut
banque centrale. C’est le principal instrument de ([LGD8).
= × : ×
politique monétaire qui permet à la BEAC de réguler la
(E7)
quantité de monnaie en circulation.
Z[ [[_
L’indicateur retenu pour se prononcer sur la résistance : = Z\]
≈ `_Z]
(E8)
#" !"#$
ou non du système financier dans l’hypothèse de la
survenance des événements de stress est le ratio Nous allons nous inscrire dans la lignée
d’adéquation aux fonds propres (CAR 6 ). Ce ratio méthodologique de Van Den End et al (2006), en
s’obtient par la formule suivante (Comité de Bâle sur le intégrant la modification majeure faite par Trinnou
contrôle bancaire, 2006) : aab
(2013) qui consiste à ajouter le ratio dans le
cbde
$+!"0 #'+#')0
/ = (E2) modèle VAR plutôt que de réaliser des estimations
'1* séparées des deux indicateurs. Les valeurs du TNDPF
Avec 2 = 3 × 12,5 × (E3) et
aab
seront déterminées à partir des scénarios de
cbde
stress macroéconomiques.
3=9 : × 9:; <×= + :;0.999< ×
'
Cette approche a l’avantage de faire dépendre
; C;D aab
,.<×&<
= A− × : A× (E4) simultanément TNDPF et
cbde
des variables
' ,.×&
macroéconomiques et de mettre en relation TNDPF et
aab aab
FG ; . ×#"<
= 0,12 E H + 0,24 × E1 − cbde
. Après avoir déterminé TNDPF et
cbde
, à partir
FG ; . <
FG ; . ×#"< des scénarios simulés, on calcule LGD suivant Van Den
H (E5)
FG ; . < End et al (2006) qui sera alors égal à :
= J0,11852 − 0,05478 × ln; <O²
iij
LGD =
(E6) kjlm
(E9)
nompq
Où K est le niveau du capital règlementaire, RWA
représente les actifs pondérés au risque, PD est la Une fois le TNDPF et la LGD déterminés dans les
probabilité de défaut, LGD le taux de perte en cas de scénarios de base et de stress, on remonte les équations
défaut et EAD est l’exposition en cas de défaut, R (E6) à (E2) pour calculer le ratio d’adéquation aux
fonds propres qui sera comparé au seuil minimum de

3 Les créances en souffrance sont constituées des créances 6

Capital Adequacy Ratio.
immobilisées, des créances impayées et des créances 7
Expeted Loss.
douteuses (COBAC, 1998). 8 Loss Given Default.
4
Les provisions sur créances en souffrances sont constituées
conformément aux principes énoncés dans l’article 9 du
Règlement (COBAC, 1998).
5 Real Exchange Rate.

Statéco n°115, 2021

 4

8 % pour apprécier la résistance ou non du secteur avec les données précisées précédemment sans aucune
bancaire de la Cemac aux chocs macroéconomiques modification, et pour lesquelles nous allons faire des
extrêmes. On comparera ensuite le ratio d’adéquation projections pour les cinq prochains trimestres (les
aux fonds propres en période normale (scénario de quatre trimestres de 2017 et le premier trimestre 2018).
base) et en période de crise (scénario de stress) pour
Le scénario de stress (ou scénario de crise) concerne
évaluer l’impact des scénarios de stress test sur le ratio
des chocs sévères qui sont survenus pendant la crise
d’adéquation au capital du secteur bancaire.
bancaire des années 1980-1990. Cela consiste à se
mettre dans les conditions de la crise des années 80 et à
Scénarios de stress et tests pré et simuler les conditions sévères qu’ont subies les
post estimation variables macroéconomiques clés dans les pays de la
zone.
Présentation des scénarios D’une façon plus pratique, nous allons nous intéresser
Dans la pratique des stress tests, il existe deux grandes aux rythmes de décroissance des variables TPIB et
méthodes pour mener les tests de résistance. La RER pendant la crise bancaire des années 80-90 pour
première est l’approche ascendante ou « bottom up » simuler les chocs (tableau 1). Le rythme de
dans laquelle le test de résistance est effectué pour décroissance le plus fort entre deux années sera celui à
chaque banque prise individuellement. Selon cette considérer pour chaque pays. Partant de ces
approche chaque banque utilise ses modèles internes informations, nous constatons les périodes de plus
pour effectuer elle-même les tests et évaluer l’impact fortes dégradations du taux de croissance du PIB réel et
individuel des chocs. La seconde est l’approche celles de plus grandes détériorations du taux de change
descendante ou « top down », mise en place par les réel. Nous remarquons à cet effet que, pour les pays de
autorités réglementaires afin d’évaluer l’impact agrégé la Cemac, la période 1993-1994 a été celle de fortes
des chocs macroéconomiques et financiers. L’impact détériorations du taux de change réel (jusqu’à - 46,3 %
en question étant appréhendé selon les deux types de et même au-delà de – 48 %) et que celle de 1991-1993
scénarios : l’un de base et l’autre de stress. est celle de forte récession (jusqu’à – 24 %). Sur la base
de ces informations, nous pouvons simuler nos
Le scénario de base caractérise la situation normale différents scénarios de stress énoncés (scénarios 1 à 3).
dans laquelle aucun évènement extrême ne survient.
Les résultats issus de ce scénario sont ceux obtenus
Tableau 1
Information sur le rythme de décroissance de la variation du TPIB et du RER, en %
Pays Variables 88/89 89/90 90/91 91/92 92/93 93/94 94/95
Cameroun RER - 12,6 4,3 - 7,0 1,0 - 10,2 - 48,5 6,6
Cameroun TPIB 6,0 - 4,3 2,3 0,7 - 4,8 10,0 2,1
Gabon RER 31,9 0,7 - 46,1 - 15,7 - 4,4 - 46,3 10,1
Gabon TPIB - 4,3 - 3,4 0,9 - 9,2 7,0 - 0,2 1,3
RCA RER - 6,9 1,4 - 11,0 - 2,7 - 8,4 - 48,1 14,6
RCA TPIB 0,3 - 4,1 1,6 - 5,9 6,8 4,6 2,3
Tchad RER - 1,8 0,1 - 6,5 - 3,2 3,7 - 21,3 10,4
Tchad TPIB - 10,6 - 9,1 12,7 - 0,5 - 23,7 25,8 - 8,9
Source : Nos calculs à partir des données de la BEAC et du FMI.
Scénario 1
Baisse du taux de croissance du PIB réel, en % Ainsi, il s’agira de savoir si le système financier des
Cam. Gabon RCA Tchad pays de la Cemac aurait pu résister en 2017 et au
premier trimestre 2018 :
Baisse du TPIB -4,8 -9,2 -5,9 -23,7
Scénario 2 - à un choc sévère sur le TPIB (baisse du taux de
Détérioration du taux de change réel, en % croissance du PIB réel à hauteur du niveau consigné
dans chaque pays dans le scénario 1).
Cam. Gabon RCA Tchad
Baisse du RER -48,5 -46,3 -48,1 -21,3 - à un choc sévère sur le RER (détérioration des
termes de l’échange à hauteur du niveau consigné
Scénario 3 dans chaque pays dans le scénario 2).
Baisse du TPIB et détérioration des RER, en %
- à un choc simultané sur le TPIB et les RER.
Cam. Gabon RCA Tchad
Baisse du TPIB -4,8 -9,2 -5,9 -23,7 Pour simuler chaque scénario de façon pratique, nous
Baisse du RER -48,5 -46,3 -48,1 -21,3 partons de la modélisation VAR spécifiée au départ : on

Statéco n°115, 2021

 5

y insère les nouvelles données illustrant le rythme de Résultats des tests et prévisions des
dégradations de ces deux variables repères dans les variables cible
quatre trimestres de l’année 2016, puis on utilise la
technique de prévision du VAR pour disposer des Analyse descriptive des variables individuelles et
prévisions jusqu’au premier trimestre 2018 des détermination du processus générateur de chacune
variables nécessaires pour le calcul des indicateurs de des séries
résultats du stress test. Ces variables sont le taux net de
L’analyse descriptive des séries consiste à faire
dégradation du portefeuille (TNDPF), le ratio des
ressortir les composantes qui gouvernent l’occurrence
provisions en cas de défaut sur le total des crédits
de chaque série, notamment les composantes
accordés (RLLP). Le taux de perte en cas de défaut
saisonnières et tendancielles. Les séries étant
(LGD) quant à lui sera calculé à partir des deux
trimestrielles, elles peuvent être gouvernées par des
premières variables. Par ailleurs, il est à noter que les
tendances saisonnières. Pour juger de la saisonnalité de
projections pour le scénario de base sont évidemment
chaque série, nous avons commencé par représenter
obtenues avec les mêmes données dont nous disposons
l’évolution graphique de chacune (graphique 1).
au départ.

Graphique 1
Évolution graphique des séries pour le Cameroun9

Source : nos calculs à partir des données de la BEAC.

Les résultats laissent penser que les séries ne semblent Étude de la stationnarité des séries
pas être gouvernées par une composante saisonnière,
Nous avons commencé par faire le test Cusum pour
car les variables n’évoluent pas de façon identique dans
avoir une idée des éventuelles ruptures sur l’évolution
le temps pour les trimestres des différentes années.
des séries. Les résultats présentés en annexe 1 montrent
Nous avons utilisé par ailleurs le test de Fisher de
l’existence d’une rupture sur le TPIB (RCA, Gabon,
détection de la saisonnalité. Il ressort de ces résultats
Tchad), RER (Cameroun, Gabon, RCA, Tchad), le
qu’en dehors du TIAO, toutes les autres séries de
TNDPF et RLLP (RCA, Tchad). C’est la raison qui
chacun des pays choisis dans notre échantillon viennent
nous a poussé à effectuer le test de stationnarité de
confirmer les résultats du test visuel. Nous utilisons par
Zivot et Andrews approprié pour les séries en présence
la suite le filtre moyenne mobile de longueur 4 pour
d’une rupture dans le processus générateur de la série.
corriger la variable TIAO des variations saisonnières.
Les résultats de ce test sont résumés dans le tableau 2.

9 L’évolution des variables des autres pays est présentée en annexe.

Statéco n°115, 2021

 6

Tableau 2
Test de stationnarité de Zivot et Andrews en niveau et en différence première
En niveau En différence première
intercept trend both rupture lag10 intercept both décision
-4,46
TPIB 16 0 I(0)
(-4,42)
-5,003
LRER 8 0 I(0)
(-4,42)
Cam.
-4,401 -10,44
LTNDPF 23 0 I(1)
(-4,42) (-5,08)
-3,31 -10,12
LRLLP 59 0 I(1)
(-4,8) (-5,08)
-4,99
TPIB 56 0 I(0)
(-4,8)
-4,67 -8,20
LRER 15 0 I(1)
(-5,08) (-5,08)
RCA
-3,08 -9,55
LTNDPF 37 0 I(1)
(-4,42) (-5,08)
-3,97 -9,10
LRLLP 29 0 I(1)
(-4,42) (-5,08)
-4,44
TPIB 12 0 I(0)
(-4,42)
-4,77
LRER 3 0 I(0)
(-4,42)
Gabon
-3,44 -12,89
LTNDPF 33 0 I(1)
(-4,8) (-5,08)
-4,396 -11,849
LRLLP 43 0 I(1)
(-4,8) (-5,8)
-4,44(-
TPIB 62 0 I(0)
4,42)
-3,91 -9,68
LRER 57 0 I(1)
(-4,8) (-5,08)
Tchad
-3,043 -9,39
LTNDPF 33 0 I(1)
(-4,42) (-5,08)
-3,84 -9,16
LRLLP 0 I(1)
(-4,42) (-5,08)
-3,51 -7,44
Tous TIAO 53 0 I(1)
(-4,42) (-4,8)
Source : Nos calculs à partir des données de la BEAC.

Les valeurs critiques au seuil de significativité de 5 % Test de cointégration de Pesaran

sont mises entre parenthèses, les autres valeurs
Étant donné que le test de racine unitaire approuve
représentent la statistique de test. Le critère de décision
l’existence des variables I(0) et I(1), le test de co-
est le suivant : si la statistique de test est inférieure à la
intégration approprié pour de telles variables est celui
valeur critique, on rejette l’hypothèse H0 de non-
de Pesaran.
stationnarité de la série. I(0) et I(1) désignent
respectivement les variables stationnaires et non Tableau 3
stationnaires. Il y a donc une présomption de Test de cointégration de Pesaran
cointégration entre les variables du modèle qu’il faut
vérifier. F-Statistic I0 Bound I1 Bound
Nombre de retards optimal Cam. 4,809509 2,56 3,49
Les critères d’information de « Akaike's information
Tchad 4,382474 2,56 3,49
criterion » (AIC), « Schwarz's Bayesian information
criterion » (SBIC), et « Hannan and Quinn information Gabon 4,13287 2,56 3,49
criterion » (HQIC) obtenus montrent que le nombre de
retards à retenir est normalement celui qui minimise les RCA 4,362229 2,56 3,49
critères d’Akaike, de Schwarz et de Hannan et Quinn. Source : Nos calculs à partir des données de la BEAC et de
Ces critères d’information aboutissent dans tous les cas FMI.
à retenir 1 retard.

10 Lag, le nombre de retard.

Statéco n°115, 2021

 7

Les résultats de ce test concluent à l’absence d’une probabilités respectives de ces différents tests sont
relation de co-intégration. En effet la F-Statistic est toutes supérieures à 5 %, conduisant ainsi au non-rejet
supérieure à I1 Bound et I0 Bound respectivement pour des hypothèses nulles (H0) d’absence d’autocorrélation
tous les pays retenus dans notre étude. La littérature et d’hétéroscédasticité respectivement. De plus, le test
économétrique indique que le modèle approprié est le de normalité de résidus conduit à la conclusion de
modèle VAR en différence. l’hypothèse de normalité, les probabilités associées au
test de Shapiro et Wilk étant supérieures à 5 % dans
Le tableau 4 résume les résultats du test de causalité au
chacun des pays de notre échantillon. Enfin, nous avons
sens de Granger. Nous nous sommes limités à reporter
testé la stabilité des modèles VAR, c’est-à-dire leur
les probabilités qui conduisent au rejet des hypothèses
stationnarité. Ce test de stabilité confirme que tous les
nulles, les résultats détaillés sont disponibles en annexe.
modèles estimés sont stables ; en effet, l’inverse des
On se sert ainsi du test de causalité de Granger et de la racines associées aux parties autorégressives des
littérature économique pour indiquer l’ordre avec différents modèles appartient au cercle unité du plan
lequel il est préférable d’introduire les variables dans le complexe dans les différents modèles. Le tableau 5
modèle VAR. En d’autres termes, ce test nous permet résume ces différents tests.
de trianguler les variables du modèle en indiquant
Tableau 5
comment il est préférable de prédire une variable en
Test de validité du modèle
connaissant telle autre variable plutôt que sans la
Pays Test P-value
connaître. Une illustration est qu’il est préférable de
prédire le taux net de dégradation du portefeuille des Normalité (Shapiro-Wilk) 0.69583
banques en connaissant le taux de croissance du PIB Cam.
Autocorrélation (LM-Test) 0.6833
réel que sans le connaître dans le cas du Cameroun, du
Hétéroscédasticité (ARCH MULT) 0.91407
Tchad, et de la RCA, et inversement pour le Gabon.
L’ordre des variables de la plus exogène vers la moins Normalité (Shapiro-Wilk) 0.71423
exogène est le suivant : Gabon Autocorrélation (LM-Test) 0.8666
Cameroun: TIAO> TPIB > TNDPF> RLLP>RER. Hétéroscédasticité (ARCH MULT) 0.92316
Normalité (Shapiro-Wilk) 0.82153
Tchad: TIAO > TPIB > TNDPF> RLLP>RER.
RCA Autocorrélation (LM-Test) 0.1286
RCA: TIAO>TNDPF> TPIB > RER> RLLP>RER.
Hétéroscédasticité (ARCH MULT) 0.94629
Gabon: TNDPF>RER>TPIB>TIAO>RLLP. Normalité (Shapiro-Wilk) 0.22279
Tableau 4 Tchad Autocorrélation (LM-Test) 0.3784
Test de causalité au sens de Granger Hétéroscédasticité (ARCH MULT) 0.88104
Pays Variables prob de H0 prob de H'0 Source : Nos calculs à partir des données de la BEAC.

PIB - LRER 0,063* Résultats des projections des variables cibles dans
Cam.
les différents scénarios
PIB - LRLLP 0,064*
Les projections des variables cibles selon les différents
LRER - TIAO 0,006**
Tchad scénarios de stress qui vont permettre de calculer les
TNDPF - TIAO 0,083* 0,087* indicateurs de résultats sont consignées dans les
tableaux 6, 7, 8 et 9.
PIB - LRER 0,065*
RCA Les valeurs prédites sur les cinq prochains trimestres
LRER - TNDPF 0,005** des variables TNDPF, RLLP et LGD étant calculées,
TNDPF - TIAO 0,092** nous allons calculer l’indicateur principal de résultat du
Gabon PIB - LRER 0,082* stress test au niveau de chaque scénario. Il s’agit du
0,026** ratio d’adéquation du capital (CAR) au niveau de
Source : Nos calculs à partir des données de la BEAC et de
chaque scénario. Rappelons que B, R, K, RWA et CAR
FMI. *** rejet de l’hypothèse H0 ou H’0 à 1 % ** rejet de
l’hypothèse H0 ou H’0 à 5 % * rejet de l’hypothèse H0 ou
sont obtenus respectivement à partir des équations (E6),
H’0 à 10 %. H0 : la première variable ne cause pas la (E5), (E4), (E3) et (E2). Les fonds propres et les
deuxième ; H'0 : la deuxième variable ne cause pas la expositions en cas de défaut (EAD) sont obtenus à
première. partir des informations sur le bilan consolidé du secteur
bancaire de la Cemac. Nous faisons par ailleurs
Test de validité du modèle l’hypothèse que ces variables restent inchangées et
Nous avons, pour finir, effectué les tests de validation égales à leur valeur au quatrième trimestre de l’année
du modèle. Les résultats de ces tests indiquent dans 2016. Les EAD sont approchées par le total des crédits
l’ensemble qu’il y a absence d’autocorrélation des accordés.
erreurs, et que les erreurs sont homoscédastiques. Les

Statéco n°115, 2021

 8

Tableau 6
Projection pour 2017-2018 à partir du scénario de base
PAYS trim TNDPF RLLP LGD PAYS trim TNDPF RLLP LGD
2017q1 0,1581 0,0006 0,0037 2017q1 0,2564 0,0018 0,0071
2017q2 0,2258 0,0005 0,0022 2017q2 0,2238 0,0018 0,0079
CMR 2017q3 0,2262 0,0004 0,0018 RCA 2017q3 0,2237 0,0017 0,0078
2017q4 0,2261 0,0004 0,0016 2017q4 0,2241 0,0017 0,0076
2018q1 0,2262 0,0003 0,0013 2018q1 0,2242 0,0017 0,0075
2017q1 0,1134 0,0112 0,0989 2017q1 0,2561 0,0012 0,0046
2017q2 0,2262 0,0111 0,0491 2017q2 0,2242 0,0011 0,0049
GABON 2017q3 0,2215 0,0115 0,0519 TCHAD 2017q3 0,2239 0,0010 0,0046
2017q4 0,2242 0,0116 0,0519 2017q4 0,2237 0,0010 0,0044
2018q1 0,2234 0,0119 0,0534 2018q1 0,2236 0,0010 0,0043
Source : Nos calculs sur Stata à partir des données de la BEAC.

Tableau 7
Projection pour 2017-2018 à partir du scénario 1
PAYS trim TNDPF RLLP LGD PAYS trim TNDPF RLLP LGD
2017q1 0,1556 0,0008 0,0049 2017q1 0,2665 0,0017 0,0065
2017q2 0,2235 0,0008 0,0037 2017q2 0,2310 0,0017 0,0074
CMR 2017q3 0,2235 0,0009 0,0039 RCA 2017q3 0,2304 0,0017 0,0074
2017q4 0,2233 0,0009 0,0041 2017q4 0,2298 0,0017 0,0074
2018q1 0,2231 0,0009 0,0042 2018q1 0,2293 0,0017 0,0073
2017q1 0,1184 0,0098 0,0828 2017q1 0,2649 0,0012 0,0046
2017q2 0,2261 0,0093 0,0411 2017q2 0,2285 0,0012 0,0051
GABON 2017q3 0,2242 0,0089 0,0398 TCHAD 2017q3 0,2283 0,0011 0,0048
2017q4 0,2252 0,0086 0,0381 2017q4 0,2277 0,0010 0,0046
2018q1 0,2248 0,0083 0,0369 2018q1 0,2273 0,0010 0,0044
Source : Nos calculs à partir des données de la BEAC.

Tableau 8
Projection pour 2017-2018 à partir du scénario 2
PAYS trim TNDPF RLLP LGD PAYS trim TNDPF RLLP LGD
2017q1 0,1553 0,0007 0,0043 2017q1 0,2564 0,0018 0,0071
2017q2 0,2240 0,0006 0,0027 2017q2 0,2238 0,0018 0,0079
CMR 2017q3 0,2240 0,0005 0,0024 RCA 2017q3 0,2237 0,0017 0,0078
2017q4 0,2238 0,0005 0,0021 2017q4 0,2241 0,0017 0,0076
2018q1 0,2236 0,0004 0,0019 2018q1 0,2242 0,0017 0,0075
2017q1 0,1289 0,0104 0,0808 2017q1 0,2561 0,0012 0,0046
2017q2 0,2317 0,0106 0,0458 2017q2 0,2242 0,0011 0,0049
GABON 2017q3 0,2327 0,0108 0,0464 TCHAD 2017q3 0,2239 0,0010 0,0046
2017q4 0,2300 0,0111 0,0481 2017q4 0,2237 0,0010 0,0044
2018q1 0,2295 0,0113 0,0492 2018q1 0,2236 0,0010 0,0043
Source : Nos calculs à partir des données de la BEAC.

Statéco n°115, 2021

 9

Tableau 9
Projection pour 2017-2018 à partir du scénario 3
PAYS trim TNDPF RLLP LGD PAYS trim TNDPF RLLP LGD
2017q1 0,1546 0,0007 0,0046 2017q1 0,2665 0,0017 0,0065
2017q2 0,2233 0,0007 0,0031 2017q2 0,2310 0,0017 0,0074
2017q3 0,2233 0,0007 0,0031 RCA 2017q3 0,2304 0,0017 0,0074
CMR
2017q4 0,2232 0,0007 0,0031 2017q4 0,2298 0,0017 0,0074
2018q1 0,2231 0,0007 0,0031 2018q1 0,2293 0,0017 0,0073
2017q1 0,1212 0,0098 0,0812 2017q1 0,2649 0,0012 0,0046
2017q2 0,2282 0,0094 0,0411 2017q2 0,2285 0,0012 0,0051
GABON 2017q3 0,2273 0,0091 0,0399 TCHAD 2017q3 0,2283 0,0011 0,0048
2017q4 0,2275 0,0088 0,0385 2017q4 0,2277 0,0010 0,0046
2018q1 0,2272 0,0085 0,0375 2018q1 0,2273 0,0010 0,0044
Source : Nos calculs à partir des données de la BEAC.
des valeurs obtenues lors des scénarios de base.
Résultats du stress test du risque Cependant le modèle n’explique pas pourquoi le CAR
est légèrement plus élevé dans les scénarios de base que
de crédit bancaire dans les scénarios de stress au Gabon et en RCA. Cette
situation serait due, pour la RCA par exemple, au fait
Les graphiques ci-après résument l’évolution du ratio
que ce pays n’est pas tenu de constituer des réserves
d’adéquation aux fonds propres (CAR) dans les pays et
obligatoires selon la réglementation en vigueur.
selon les différents scénarios.
Globalement, la détérioration du taux de change réel a
L’analyse des résultats se fait en comparant d’abord le
moins d’impact significatif sur la solvabilité du secteur
CAR des différents scénarios de stress au seuil
bancaire que la dégradation du taux de croissance de
réglementaire de 8 %, puis en comparant les niveaux du
l’économie. Ce résultat est conforme à celui obtenu par
CAR entre les pays de l’échantillon à chaque scénario
Trinnou (2013) pour les pays de la zone UEMOA. En
de stress. On peut remarquer aisément que le système
effet, une baisse du taux de change réel contribue à
financier de chacun des pays souffre encore des
l’amélioration du ratio d’adéquation dans tous les pays.
stigmates de la crise qui a débuté en juin 2014. En effet,
Cela s’explique par le fait que le système bancaire des
en dehors du Cameroun qui a un taux d’adéquation au
pays de la Cemac réagit mieux à un choc sur cette
capital supérieur à 8 %, ce ratio est inférieur au seuil
variable ou alors que son niveau actuel n’est pas
pour les autres pays de la Cemac.
compatible avec les fondamentaux de ces économies et
Au Cameroun et selon le scénario de base, le CAR nécessiterait normalement une dévaluation. Suite à une
commence par être supérieur au seuil réglementaire au dégradation de l’environnement macroéconomique et
deuxième trimestre de l’année 2017, pour se situer à financier, le choc sera ainsi rapidement absorbé pour le
13,1 % au premier trimestre 2018. Suite à un choc sur Cameroun. Seul le système bancaire des autres pays va
le taux de croissance du PIB (scénario 1), le CAR reste ressentir les effets du choc jusqu’au premier trimestre
en deçà du seuil réglementaire sur toute la période. En de l’année suivante. Le système bancaire du Cameroun
revanche, si le choc affecte le taux de change réel, semble donc plus résilient aux chocs que les autres
(scénario 2), l’effet sera absorbé à partir du quatrième systèmes bancaires des pays de notre échantillon.
trimestre 2017, et va se situer à 9,2 % au premier
La survenance des chocs sur le TPIB et le RER
trimestre 2018. Enfin, un choc affectant simultanément
augmente fortement le taux de perte en cas de défaut
les deux variables maintient le ratio en deçà du niveau
(LGD) sur les crédits octroyés car les débiteurs des
réglementaire sur toute la période.
banques voient leurs activités se bouleverser et se
Le Gabon, le Tchad et la République centrafricaine trouvent dans l’incapacité de rembourser les dettes.
(RCA) ont en revanche une évolution de la structure du Cela réduit donc le taux de recouvrement des créances
ratio d’adéquation aux fonds propres similaire. En effet, par les banques. En effet, en période de contraction de
le ratio reste inférieur au seuil réglementaire pour ces l’activité économique, on assiste à une baisse des
pays sur la période et pour tous les scénarios. Il en revenus et à l’incapacité des emprunteurs à honorer
résulte que le scénario 1 a plus d’effet sur le CAR que leurs engagements. Une appréciation du taux de change
le scénario 2 dans ces pays. C’est-à-dire qu’une réel affaiblit la compétitivité des entreprises
récession affecte avec plus d’ampleur la solvabilité du domestiques qui orientent leurs opérations vers les
système bancaire que la dégradation du taux de change exportations. Cette perte de compétitivité va entrainer
réel. Au Tchad et au Gabon en particulier, la une baisse des revenus des entreprises exportatrices.
dégradation du taux de change réel n’a pas d’impact Cette baisse va à son tour empêcher les débiteurs
significatif sur le ratio, car son niveau reste très proche d’honorer leurs engagements de crédits vis-à-vis des

Statéco n°115, 2021

 10

banques. Cette situation peut se traduire par une chute dans l’incapacité de rembourser leurs crédits auprès des
des recettes fiscales de l’État qui le conduirait à banques (Trinnou, 2013). Ce sont là les mécanismes qui
accumuler des arriérés de paiement vis-à-vis de ses expliquent la hausse du risque de solvabilité en cas de
fournisseurs, lesquels par extension, vont se trouver choc sur le TPIB et le RER.

CAR-CAMEROUN CAR-GABON
14 7
12 6
10 5
8 4
6 3
4 2
2 1
0 0
2017q1 2017q2 2017q3 2017q4 2018q1 2017q1 2017q2 2017q3 2017q4 2018q1

SCENARIO DE BASE SCNENARIO I SCENARIO DE BASE SCNENARIO I

SCENARIO II SCENARIO III SCENARIO II SCENARIO III

CAR-RCA CAR-TCHAD
3,6 8
3,5 6
3,4
4
3,3
3,2 2

3,1 0
2017q1 2017q2 2017q3 2017q4 2018q1 2017q1 2017q2 2017q3 2017q4 2018q1

SCENARIO DE BASE SCNENARIO I SCENARIO DE BASE SCNENARIO I

SCENARIO II SCENARIO III SCENARIO II SCENARIO III

Source : Nos calculs à partir des données de la BEAC.

Analyse des fonctions réponses Au Tchad, au Gabon et en RCA il apparaît certaines

impulsionnelles similitudes. Les chocs sur le taux de croissance et le
taux de change réel ont des effets persistants pendant
De manière globale, les modèles VAR appliqués cinq trimestres sur le taux net de dégradation du
confirment la transmission des chocs sur la solvabilité portefeuille et le ratio provision en cas de défaut. Seule
du système financier de la Cemac (voir les fonctions l’amplitude diminue à mesure qu’on évolue dans le
réponses impulsionnelles par pays en annexe) et les temps, et l’effet finit par se dissiper.
effets obtenus varient d’un pays à l’autre. En ce qui
concerne le Cameroun, bien que l’amplitude soit faible, Propositions des politiques
on remarque qu’un choc négatif sur la croissance
économique déprime le taux net de dégradation du macroprudentielles
portefeuille et le ratio provision en cas de défaut
pendant environ deux et trois trimestres Les résultats du stress test obtenu nous conduisent à
respectivement. De plus, un choc négatif sur le taux de formuler des propositions en termes de politiques
change réel a un impact négatif sur le taux net de macroprudentielles en vue de renforcer la surveillance
dégradation du portefeuille et le ratio provision en cas du risque systémique dans les pays de la Cemac. Ces
de défaut pendant environ deux trimestres. mesures impliquent la définition de politiques
permettant de contrecarrer et de minimiser la
transmission des chocs nuisibles de l’environnement

Statéco n°115, 2021

 11

macroéconomique et financier sur la solvabilité du une longue période qui ouvre des perspectives de
système bancaire dans les différents pays de la Cemac. développement ;
Précisément, les effets qui affectent le taux de
- Créer des cellules de veille stratégique de
croissance du PIB réel, et le taux de change réel. Il
surveillance du risque systémique, ceci à travers la
s’agit donc de :
mise au point et la surveillance permanente des
- Mener une politique monétaire capable de soutenir indices de solidité financière, la construction d’un
la croissance économique des pays membres, en indice de stress financier pour la Cemac et pour
contribuant à la rendre moins vulnérable aux chocs chacun des pays membres qui donnera en temps réel
susceptibles de la dégrader. En effet, une un signal sur la santé du système financier de la
dégradation du taux de croissance économique zone, et surtout la pratique régulière des stress tests
affecte la rentabilité des projets des emprunteurs, ce macroprudentiels permettant de faire des
qui réduit la possibilité des débiteurs d’honorer anticipations sur des crises systémiques ;
leurs engagements en ce sens que leur probabilité
de défaut augmente. Pour cela il faut revoir la - Encourager les banques à conserver en permanence
structure des économies des pays de la Cemac, en des volants de fonds propres de sécurité. Ceux-ci
rendant la croissance économique de ces pays pourront à tout moment être mobilisés en période de
moins dépendante de l’évolution des cours des stress, afin de réduire la procyclicité et de maintenir
matières premières, ceci par la diversification de la la résilience du secteur bancaire contre les chocs
production, gage d’une croissance soutenable, macroéconomiques sévères.
c’est-à-dire une augmentation de la production sur

Références bibliographiques
Aglietta, M. (2011), « Risque systémique et politique macroprudentielle : une nouvelle responsabilité pour la
banque centrale », Revue d’économie financière, No.101, pp. 193-203.
Altman, E., Andrea, R. and Andrea, S. (2002), “The link between default and recovery rates: effects on the
procyclicality of regulatory capital ratios”, BIS Working Paper, No. 113.
Anand K., Bedard-Page, G. et Traclet, V. (2014), « L’application des Tests de Résistance au système bancaire
canadien : une approche systémique », Banque du canada, Revue du système financier, juin.
Banque des Etats de l’Afrique centrale (2015, 2016 et 2017), « Revue de stabilité financière ».
Amediku, S. (2007), “Stress Tests of the Ghanaian Banking Sector: A VAR Approach”, Bank of Ghana, Working
Paper, 2006/02, pp. 1-37.
Čihák, M. (2004). “Stress Testing: A Review of Key Concepts”, Czech National Bank,
Research Policy Note, No. 2.
Commission bancaire de l’Afrique centrale (1998), « Règlement COBAC R-98/03 relatif à la comptabilisation
et au provisionnement des créances en souffrance et des engagements par signature douteux », COBAC
Comité de Bâle sur le contrôle bancaire (2006), “International Convergence of Capital Measurement and Capital
Standards. A Revised Framework. Comprehensive Version”, Banque des Règlements internationaux, juin.
Comité de Bâle sur le contrôle bancaire (2009), « Principe for sound stress-testing practices and supervision »,
Banque des Règlements internationaux, mai.
Filosa, R. (2007), “Stress testing of the Italian Banking System: a VAR Approach”, Heterogeneity and Monetary
Policy, No. 0703, pp. 1-46.
Foglia, A. (2008), “Stress Testing Credit Risk: A survey of Authorities’ Approaches”, Bank of Italy, occasional
papers, No.37, september.
Gammadigbé, V. (2012), « Stress test macroéconomique du système bancaire de l’UEMOA », MPRA Paper, No.
39214, Juin.
Gutierrez, G. and Matias, A. (2009), “Modeling extreme but plausible losses for credit risk: a stress testing
framework for the argentine financial system”, MPRA paper, No.16378, july.
Havrylchyk, O. (2010), “A macroeconomic credit risk model for stress testing the South
African banking sector”, MPRA paper, No.21639, March.

Statéco n°115, 2021

 12

Jakubík, [Link] Hermánek, J. (2008), “Stress testing of the Czech banking sector”, Prague Economic Paper, No.
17(3).
Jakubík, P. and Schmieder, C. (2008). “Stress testing credit risk: comparison of the Czech Republic and
Germany”, Financial Stability Institute, Bank for International Settlements, FSI Award 2008 Winning Paper.
Mansouri, B. et Afroukh, S. (2008), « La rentabilité des banques et ses déterminants : le cas du Maroc », 15ème
Conférence de l’Equity and Economic Development, novembre 2008.
Melecky, M. and Buncic, D. (2012), “Macroprudential stress testing of credit risk: a practical approach for policy
makers”, World Bank, Policy research working paper, No.5936.
Melecky, M. and Podpiera, A. (2010), “Macroprudential Stress testing Practices of Central Banks in Central and
Southern Eastern Europe: An Overview and Challenges Ahead”, Policy Research Working Paper, World Bank.
Misina, M., Tessier, D. and Dey, S. (2006), “Stress-testing the corporate loans portfolio of the Canadian Banking
sector”, Bank of Canada, Working Paper, No. 2006-47.
Niyogi, S. R. T. and Bhattacharya, B. (2011), “Macroeconomic Stress Testing and the Resilience of the Indian
Banking System: A Focus on Credit Risk”, MPRA paper, No. 30263, April.
Pesaran, M. H., Shin Y. and Smith, R. J. (2001), “Bounds Testing Approaches to the Analysis of level
Relationships”, Journal of Applied Econometric, vol.16, No. 3, pp. 289-326.
Rouabah, A. (2006), « La sensibilité de l’activité bancaire aux chocs macroéconomiques : une analyse en panel
sur les données des banques Luxembourgeoises », Cahier d’études, Banque Centrale de Luxembourg.
Shapiro, S. S. and Wilk, M. B. (1965). “An analysis of variance test for normality (complete samples)”,
Biometrica, No. 52, pp. 591-611.
Trinnou, M. (2013), « Implémentation du stress test macro prudentiel du risque de crédit bancaire dans l’union
économique et monétaire de la l’Afrique de l’Ouest (UEMOA) », Centre d’Études, de Formation et de Recherches
en Développement CEFRED, 2012.
Van Den End, J. W., Hoeberichts, M. and Tabbae, M. (2006). “Modelling scenario analysis and macro stress-
testing” de Nederlandsche bank, Working Paper, No. 119.
Virolainen, K. (2004), “Macro stress testing with a macroeconomic credit risk model for
Finland”, Bank of Finland, Research Discussion Papers, No. 2004/8.
Zeman, J. and Jurca, P. (2008), “Macro stress testing of the Slovak banking sector”, National Bank of Slovakia,
Working Paper, No. 1/2008.
Zivot, E. and Andrews. D.W.K. (1992), “Further evidence on the great crash, the oil price shock and the unit
root hypothesis”, Journal of business and economic statistic, No. 10, pp. 251-270.

Statéco n°115, 2021

 13

ANNEXES
Évolution des séries et test de rupture de CUSUM
Cameroun

Centrafrique

Gabon

Statéco n°115, 2021

 14

Tchad

Test de causalité au sens de Granger

Cameroun Tchad

Gabon RCA

Statéco n°115, 2021

 15

Test de stabilité du modèle

Cameroun Gabon RCA Tchad

Test de normalité des résidus

Cameroun Gabon

RCA Tchad

Test d’hétéroscedasticité

Statéco n°115, 2021

 16

Fonctions réponses impulsionnelles du Cameroun aux chocs du taux net de dégradation du portefeuille
(tndpf) et du ratio provision en cas de défaut (rllp)

Fonctions réponses impulsionnelles du Tchad aux chocs du taux net de dégradation du portefeuille (tndpf)
et du ratio provision en cas de défaut (rllp)

Statéco n°115, 2021

 17

Fonctions réponses impulsionnelles du Gabon aux chocs du taux net de dégradation du portefeuille
(tndpf) et du ratio provision en cas de défaut (rllp)

Fonctions réponses impulsionnelles de la Centrafrique aux chocs du taux net de dégradation du portefeuille
(tndpf) et du ratio provision en cas de défaut (rllp)

Statéco n°115, 2021

 18

Calculs intermédiaires dans les différents scénarios de stress

Scénario de base

trim TNDPF RLLP B R LGD K RWA FP CAR EAD

2017q1 0,1581 0,0006 0,0482 0,1200 0,0037 0,0021 74091 400735 5,4087 2827183
2017q2 0,2258 0,0005 0,0113 0,1200 0,0022 0,0014 49447 400735 8,1043 2827183
Cameroun
2017q3 0,2262 0,0004 0,0113 0,1200 0,0018 0,0012 41557 400735 9,6430 2827183
2017q4 0,2261 0,0004 0,0113 0,1200 0,0016 0,0010 35530 400735 11,2789 2827183
2018q1 0,2262 0,0003 0,0113 0,1200 0,0013 0,0009 30524 400735 13,1283 2827183
2017q1 0,1134 0,0112 0,0565 0,1204 0,0989 0,0473 96382 335644 3,4824 162970
2017q2 0,2262 0,0111 0,0113 0,1200 0,0491 0,0314 63952 335644 5,2483 162970
Gabon 2017q3 0,2215 0,0115 0,0113 0,1200 0,0519 0,0328 66904 335644 5,0168 162970
2017q4 0,2242 0,0116 0,0113 0,1200 0,0519 0,0331 67348 335644 4,9837 162970
2018q1 0,2234 0,0119 0,0113 0,1200 0,0534 0,0339 69089 335644 4,8581 162970
2017q1 0,2564 0,0018 0,0373 0,1200 0,0071 0,0050 39346 132199 3,3599 627031
2017q2 0,2238 0,0018 0,0113 0,1200 0,0079 0,0051 39790 132199 3,3224 627031
RCA 2017q3 0,2237 0,0017 0,0113 0,1200 0,0078 0,0050 38976 132199 3,3918 627031
2017q4 0,2241 0,0017 0,0113 0,1200 0,0076 0,0049 38155 132199 3,4648 627031
2018q1 0,2242 0,0017 0,0113 0,1200 0,0075 0,0048 37438 132199 3,5311 627031
2017q1 0,2561 0,0012 0,0373 0,1200 0,0046 0,0033 25624 132199 5,1593 627031
2017q2 0,2242 0,0011 0,0113 0,1200 0,0049 0,0031 24458 132199 5,4051 627031
Tchad 2017q3 0,2239 0,0010 0,0113 0,1200 0,0046 0,0030 23288 132199 5,6767 627031
2017q4 0,2237 0,0010 0,0113 0,1200 0,0044 0,0028 22281 132199 5,9332 627031
2018q1 0,2236 0,0010 0,0113 0,1200 0,0043 0,0027 21381 132199 6,1830 627031

Scénario 1

trim TNDPF RLLP B R LGD K RWA FP CAR EAD

2017q1 0,1556 0,0008 0,0486 0,1201 0,0049 0,0028 98288 400735 4,0771 2827183
2017q2 0,2235 0,0008 0,0113 0,1200 0,0037 0,0024 83451 400735 4,8020 2827183
Cameroun
2017q3 0,2235 0,0009 0,0113 0,1200 0,0039 0,0025 88012 400735 4,5532 2827183
2017q4 0,2233 0,0009 0,0113 0,1200 0,0041 0,0026 92241 400735 4,3444 2827183
2018q1 0,2231 0,0009 0,0113 0,1200 0,0042 0,0027 95927 400735 4,1775 2827183
2017q1 0,1184 0,0098 0,0554 0,1203 0,0828 0,0406 82637 335644 4,0617 162970
2017q2 0,2261 0,0093 0,0113 0,1200 0,0411 0,0263 53596 335644 6,2625 162970
Gabon 2017q3 0,2242 0,0089 0,0113 0,1200 0,0398 0,0254 51768 335644 6,4836 162970
2017q4 0,2252 0,0086 0,0113 0,1200 0,0381 0,0244 49642 335644 6,7613 162970
2018q1 0,2248 0,0083 0,0113 0,1200 0,0369 0,0236 48090 335644 6,9794 162970
2017q1 0,2665 0,0017 0,0365 0,1200 0,0065 0,0047 36792 132199 3,5932 627031
2017q2 0,2310 0,0017 0,0112 0,1200 0,0074 0,0048 37911 132199 3,4871 627031
RCA 2017q3 0,2304 0,0017 0,0112 0,1200 0,0074 0,0048 37707 132199 3,5060 627031
2017q4 0,2298 0,0017 0,0112 0,1200 0,0074 0,0048 37496 132199 3,5257 627031
2018q1 0,2293 0,0017 0,0112 0,1200 0,0073 0,0048 37244 132199 3,5496 627031
2017q1 0,2649 0,0012 0,0366 0,1200 0,0046 0,0033 26232 132199 5,0396 627031
2017q2 0,2285 0,0012 0,0112 0,1200 0,0051 0,0033 25881 132199 5,1079 627031
Tchad 2017q3 0,2283 0,0011 0,0112 0,1200 0,0048 0,0031 24513 132199 5,3931 627031
2017q4 0,2277 0,0010 0,0112 0,1200 0,0046 0,0030 23333 132199 5,6657 627031
2018q1 0,2273 0,0010 0,0113 0,1200 0,0044 0,0028 22226 132199 5,9478 627031

Statéco n°115, 2021

 19

Scénario 2

trim TNDPF RLLP B R LGD K RWA FP CAR EAD

2017q1 0,1553 0,0007 0,0486 0,1201 0,0043 0,0024 86347 400735 4,6410 2827183
2017q2 0,2240 0,0006 0,0113 0,1200 0,0027 0,0017 61034 400735 6,5658 2827183
Cameroun
2017q3 0,2240 0,0005 0,0113 0,1200 0,0024 0,0015 54153 400735 7,4001 2827183
2017q4 0,2238 0,0005 0,0113 0,1200 0,0021 0,0014 48283 400735 8,2997 2827183
2018q1 0,2236 0,0004 0,0113 0,1200 0,0019 0,0012 43474 400735 9,2177 2827183
2017q1 0,1289 0,0104 0,0533 0,1202 0,0808 0,0413 84089 335644 3,9915 162970
2017q2 0,2317 0,0106 0,0112 0,1200 0,0458 0,0296 60349 335644 5,5617 162970
Gabon 2017q3 0,2327 0,0108 0,0112 0,1200 0,0464 0,0301 61337 335644 5,4721 162970
2017q4 0,2300 0,0111 0,0112 0,1200 0,0481 0,0310 63190 335644 5,3117 162970
2018q1 0,2295 0,0113 0,0112 0,1200 0,0492 0,0317 64600 335644 5,1958 162970
2017q1 0,2564 0,0018 0,0373 0,1200 0,0071 0,0050 39346 132199 3,3599 627031
2017q2 0,2238 0,0018 0,0113 0,1200 0,0079 0,0051 39790 132199 3,3224 627031
RCA 2017q3 0,2237 0,0017 0,0113 0,1200 0,0078 0,0050 38976 132199 3,3918 627031
2017q4 0,2241 0,0017 0,0113 0,1200 0,0076 0,0049 38155 132199 3,4648 627031
2018q1 0,2242 0,0017 0,0113 0,1200 0,0075 0,0048 37438 132199 3,5311 627031
2017q1 0,2561 0,0012 0,0373 0,1200 0,0046 0,0033 25624 132199 5,1593 627031
2017q2 0,2242 0,0011 0,0113 0,1200 0,0049 0,0031 24458 132199 5,4051 627031
Tchad 2017q3 0,2239 0,0010 0,0113 0,1200 0,0046 0,0030 23288 132199 5,6767 627031
2017q4 0,2237 0,0010 0,0113 0,1200 0,0044 0,0028 22281 132199 5,9332 627031
2018q1 0,2236 0,0010 0,0113 0,1200 0,0043 0,0027 21381 132199 6,1830 627031

Scénario 3
trim TNDPF RLLP B R LGD K RWA FP CAR EAD
2017q1 0,1546 0,0007 0,0488 0,1201 0,0046 0,0026 91914 400735 4,3599 2827183
2017q2 0,2233 0,0007 0,0113 0,1200 0,0031 0,0020 70832 400735 5,6575 2827183
Cameroun
2017q3 0,2233 0,0007 0,0113 0,1200 0,0031 0,0020 70064 400735 5,7196 2827183
2017q4 0,2232 0,0007 0,0113 0,1200 0,0031 0,0020 69694 400735 5,7499 2827183
2018q1 0,2231 0,0007 0,0113 0,1200 0,0031 0,0020 69516 400735 5,7646 2827183
2017q1 0,1212 0,0098 0,0548 0,1203 0,0812 0,0402 81966 335644 4,0949 162970
2017q2 0,2282 0,0094 0,0112 0,1200 0,0411 0,0265 53889 335644 6,2284 162970
Gabon 2017q3 0,2273 0,0091 0,0113 0,1200 0,0399 0,0256 52128 335644 6,4388 162970
2017q4 0,2275 0,0088 0,0112 0,1200 0,0385 0,0247 50370 335644 6,6636 162970
2018q1 0,2272 0,0085 0,0113 0,1200 0,0375 0,0241 49013 335644 6,8480 162970
2017q1 0,2665 0,0017 0,0365 0,1200 0,0065 0,0047 36792 132199 3,5932 627031
2017q2 0,2310 0,0017 0,0112 0,1200 0,0074 0,0048 37911 132199 3,4871 627031
RCA 2017q3 0,2304 0,0017 0,0112 0,1200 0,0074 0,0048 37707 132199 3,5060 627031
2017q4 0,2298 0,0017 0,0112 0,1200 0,0074 0,0048 37496 132199 3,5257 627031
2018q1 0,2293 0,0017 0,0112 0,1200 0,0073 0,0048 37244 132199 3,5496 627031
2017q1 0,2649 0,0012 0,0366 0,1200 0,0046 0,0033 26232 132199 5,0396 627031
2017q2 0,2285 0,0012 0,0112 0,1200 0,0051 0,0033 25881 132199 5,1079 627031
Tchad 2017q3 0,2283 0,0011 0,0112 0,1200 0,0048 0,0031 24513 132199 5,3931 627031
2017q4 0,2277 0,0010 0,0112 0,1200 0,0046 0,0030 23333 132199 5,6657 627031
2018q1 0,2273 0,0010 0,0113 0,1200 0,0044 0,0028 22226 132199 5,9478 627031

Statéco n°115, 2021