ROYAUME DU MAROC

*-*-*-*-*
HAUT COMMISSARIAT AU PLAN
*-*-*-*-*-*-*-*
INSTITUT NATIONAL
DE STATISTIQUE ET D’ECONOMIE APPLIQUEE

Projet de Fin d’Etudes

*****

Analyse Et Couverture Du Risque De Liquidité.

Cas De La CDG

Préparé par : M. Yassine BAKOU

Sous la direction de : M. Abdelaziz CHAOUBI (INSEA)

M. Amine SEKKAT (CDG)

Soutenu publiquement comme exigence partielle en vue de l’obtention du

Diplôme d’Ingénieur d’Etat

Filière : ACTUARIAT-FINANCE

Devant le jury composé de :

▪ M. Abdelaziz CHAOUBI (INSEA)

▪ M. Faissel GUEDIRA (INSEA)
▪ M. Amine SEKKAT (CDG)

Juin 2017 / PFE N°4

 Resumé

Resumé
La Gestion Actif-Passif consiste à maitriser des conséquences potentielles négatives des
risques financiers. Dans le cadre de mon stage de fin d’étude, je me suis intéressé à trai-
ter le risque de liquidité au sein de la CDG.

Le risque de liquidité fait partie des risques majeurs pour un établissement de fort
poids tel que le Groupe CDG, notamment après les crises de 2007 et 2011 qui ont attiré
l’attention sur la liquidité. Une mauvaise gestion de ce risque peut constituer une menace
non seulement pour l’équilibre financier de l’établissement, mais aussi pour la stabilité fi-
nancière dans son ensemble.

Ainsi, pour faire une gestion et une couverture du risque de liquidité, j’ai modélisé,
dans un premier temps, les dépôts à vue pour estimer leurs loi d’écoulement, et ce dans
le but d’écouler les postes du bilan de la CDG pour enfin calculer les impasses /gaps en
liquidité. Ces impasses ont pour objectif le suivit des déséquilibres ou les besoins de li-
quidité futur. Ce qui nous permet d’élaborer des stratégies d’investissements en fonctions
de ces déséquilibres.

Une autre méthode pour la gestion de risque de liquidité est à travers le calcul du ratio
de liquidité à court terme LCR instaurée par la réglementation de Bâle 3. Ce ratio est un
scénario de tension de liquidité pour le bilan. Il est important pour voir si la banque pos-
sède un niveau suffisant des Actifs Liquides de Haute Qualité pour faire face à une crise
de liquidité de court terme.

Enfin, et pour étudier le comportement des impasses en liquidité à l’égard de scena-

rios extrêmes de liquidité, j’ai fait des stress-tests en se basant sur des hypothèses de
sorties massifs et imprévus des dépôts.

Mots clés : ALM, Bâle 3,Gap, Impasses, Liquidité, LCR, Risque de liquidité.

2
 Dédicaces

Dédicaces

A ma chère mère qui ne m’ai jamais épargné un effort

pour nous aider et nous encourager.
Veuillez trouver en ce travail la consolation et le témoin de
la patience et d’amour.
A mon cher père qui a été toujours près de moi, pour
m’écouter et me soutenir.
Puisse ce travail exprimer le respect et l’amour que je vous
porte.
A mes frères et sœurs, à qui me souhaite tout le bonheur
du monde.
Vous avez toujours été d’une aide très précieuse.
A tous mes fidèles amis.
Je ne saurai terminer sans exprimer toute mon gratitude et
mon respect le plus profond à mon établissement et à mes
chers professeurs de l’Institut National de Statistique et
d’Économie Appliqué.
Yassine BAKOU

3
 Remerciements

Remerciements

Qu’il m’ait permis, au terme de ce travail, d’exprimer ma gratitude et vifs remerciements à

mon encadrant de stage de fin d’étude au sein de la CDG Mr. Amine SEKKAT. Qu’il trouve
ici le témoignage de mon estime et de mon éternelle reconnaissance pour son disponibi-
lité, ses conseils et son compétence qu’il a su me prodiguer tout au long de mon stage
malgré ses occupations extrêmes. Et son soutien qui m’a été précieux afin de mener mon
travail à bon port.

Je tiens également à exprimer ma gratitude envers tout le personnel de la Direction

de Pilotage et Performance Groupe du Pole Finance de la CDG, notamment Mm. Iitimade
OUAZZANI, Chef de la Direction de Pilotage et Performance Groupe. Je tiens à remercier
l’équipe de la Direction pour leur hospitalité et pour l’esprit de service qu’ils ont eu à mon
égard.

Une gratitude toute particulière revient à mon professeur à l’INSEA, Mr. Abdelaziz
CHAOUBI, je tiens à le remercier sincèrement pour son aide, ses encouragements, ses
conseils ainsi que ses précieuses remarques qui m’a grandement contribué à améliorer
la qualité de ce mémoire. Je lui sommes très reconnaissant pour la qualité de sa collabo-
ration et de son encadrement.

Mes gratitudes et estimes vont finalement au corps professoral de l’Institut National de

Statistique et d’Économie Appliquée qui veille à m’assurer une formation de valeur.

Mon sincère reconnaissance va à tous ceux qui, de près ou de loin, ont contribué à
l’aboutissement et au bon déroulement de ce modeste travail.

4
Table des matières

Resumé 2

Dédicaces 3

Remerciements 4

Table des matières 5

Liste des abréviations 7

Table des figures 8

Liste des tableaux 10

Introduction générale 12

1 Préliminaire 14
1.1 Présentation du Groupe Caisse de Dépôt et de Gestion . . . . . . . . . . . 14
1.2 Missions de la CDG . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3 Généralités sur la Gestion Actif-Psassif . . . . . . . . . . . . . . . . . . . . 16
1.4 Missions du département ALM dans une banque . . . . . . . . . . . . . . . 16
1.5 Risques étudiés dans ALM . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.6 Stress testing en ALM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

2 Cadre théorique de la gestion du risque de liquidité 19

2.1 Aperçus historique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2.1 La liquidité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2.2 Le risque de liquidité . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.3 Sources et conséquences du risque de liquidité . . . . . . . . . . . . . . . 21
2.3.1 Sources du risque de liquidité . . . . . . . . . . . . . . . . . . . . . . 21
2.3.2 Conséquences du risque de liquidité . . . . . . . . . . . . . . . . . 21
2.4 Mesure de risque de liquidité . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.4.1 Ecoulement en liquidité . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.4.2 Impasses/Gaps en liquidité . . . . . . . . . . . . . . . . . . . . . . . 23
2.5 Les accords de Bâle III concernant le risque de liquidité . . . . . . . . . . . 26

5
 Table des matières

2.5.1 Historique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.5.2 Le ratio de liquidité à court terme . . . . . . . . . . . . . . . . . . . . 27
2.5.3 Le ratio structurel de liquidité à moyen terme . . . . . . . . . . . . . 29

3 Modélisation des dépôts a vue 31

3.1 Préparation de la base de données historique . . . . . . . . . . . . . . . . . 32
3.2 Equations de modélisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.3 Modélisation des dépôts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.3.1 Dépôts des notaires . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.3.2 Dépôts des barreaux . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.3.3 Fonds du travail . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.3.4 Fonds de garantie . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

4 Gestion effective du risque de liquidité 51

4.1 Ecoulement du bilan de la CDG . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.1.1 Sorties de l’actif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.1.2 Sorties du passif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.2 Impasses/Gaps en liquidité . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.3 Simulation du LCR à la CDG . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.3.1 Actifs liquides de haute qualité . . . . . . . . . . . . . . . . . . . . . 57
4.3.2 Sorties nettes de trésorerie . . . . . . . . . . . . . . . . . . . . . . . 59
4.3.3 Calcul du LCR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
4.4 Stress testing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63

Conclusion générale 71

Bibliographie 72

Annexes 73

A Bilan et Hors-Bilan de la CDG de 2015 74

B Ecoulement de l’actif 78

C Ecoulement du passif 81

6
Liste des abréviations

ALM : Asset and Liability Management.

BAM : Bank Al-Maghrib.
CEN : Caisse d’Epargne National.
CDG : Caisse de Dépôts et de Gestion.
CNRA : Caisse Nationale de Retraites et d’Assurances.
CNSS : Caisse Nationale de Sécurité Sociale.
DAV : Dépôts à vue.
DW : Durbin Watson.
HQLA : High Quality Liquid Asset.
LCR : Liquidity Coverage Ratio.
MADEX : Moroccan Most Active Shares Index.
NCO : Net Cash Outflow.
NSFR : Net Stable Funding Ratio.
OPCVM : Organisme de Placement Collectif en Valeurs Mobilières.
RCAR : Régime Collectif d’Allocation de Retraite.
TGR : Trésorerie Générale du Royaume.

7
Table des figures

1.1 business plan de la CDG . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

2.1 (a) Equilibre des gaps en liquidité (b) Déficits (c) Fonds excédentaires . . . 24

3.1 Composition des dépôts réglementés par catégorie de clientèle . . . . . . . 32

3.2 Evolution des soldes des dépôts de notaires du 1/1/2014 au 31/5/2016 . . 35
3.3 Fm (d) en fonction de nombre de jours de projection d . . . . . . . . . . . . . 36
3.4 Courbe de régression et courbe des observations . . . . . . . . . . . . . . 38
3.5 Fonction d’écoulement moyenne des dépôts des barreaux . . . . . . . . . . 39
3.6 Comparaison entre la courbe du modèle et la courbe des observations . . . 41
3.7 Fonction d’écoulement moyenne des fonds de travail . . . . . . . . . . . . . 43
3.8 Comparaison entre la courbe du modèle et la courbe des observations . . . 44
3.9 Fonction d’écoulement moyenne des fonds de garantie . . . . . . . . . . . 46
3.10 Fonction d’écoulement moyenne des fonds de garantie après transformation 47
3.11 Comparaison entre la courbe du modèle et la courbe des observations . . . 48

4.1 Ecoulement de l’actif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53

4.2 Ecoulement du passif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.3 Impasses en liquidité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.4 Graphe des Gaps en stock et en flux . . . . . . . . . . . . . . . . . . . . . . 56
4.5 Simulation des actifs liquides de haute qualité . . . . . . . . . . . . . . . . . 58
4.6 Simulation des sorties nettes de trésorerie (1/4) . . . . . . . . . . . . . . . . 59
4.7 Simulation des sorties nettes de trésorerie (2/4) . . . . . . . . . . . . . . . . 60
4.8 Simulation des sorties nettes de trésorerie (3/4) . . . . . . . . . . . . . . . . 61
4.9 Simulation des sorties nettes de trésorerie (4/4) . . . . . . . . . . . . . . . . 62
4.10 Scénario pour CEN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.11 Scénario pour CNSS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.12 Scénario pour Notaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.13 Scénario pour Barreaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.14 Scénario pour Secretaires Greffier et Consignations . . . . . . . . . . . . . 67
4.15 Scénario pour Besoin de liquidité d’une filiale . . . . . . . . . . . . . . . . . 68
4.16 Scénario Composé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68

A.1 Actif du bilan 2015 (en millier de Dhs . . . . . . . . . . . . . . . . . . . . . . 75

A.2 Passif du bilan 2015 (en millier de Dhs . . . . . . . . . . . . . . . . . . . . . 76

8
 Table des figures

B.1 Tableau d’écoulement de l’actif (1/2) . . . . . . . . . . . . . . . . . . . . . . 79

B.2 Tableau d’écoulement de l’actif (2/2) . . . . . . . . . . . . . . . . . . . . . . 80

C.1 Tableau d’écoulement du passif (1/2) . . . . . . . . . . . . . . . . . . . . . . 82

C.2 Tableau d’écoulement du passif (2/2) . . . . . . . . . . . . . . . . . . . . . . 83

9
Liste des tableaux

2.1 Tableau d’écoulement du bilan et de gaps en liquidité . . . . . . . . . . . . 25

2.2 Exigence minimal du LCR de 2015 a 2019 . . . . . . . . . . . . . . . . . . . 27

3.1 Statistiques descriptives des soldes des dépôts notaires . . . . . . . . . . . 35

3.2 Resultats de la régression exponentielle des Fm (d) . . . . . . . . . . . . . . 36
3.3 Test d’hypothèse de signification du modèle . . . . . . . . . . . . . . . . . . 37
3.4 Paramètres de la regression . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.5 Statistiques descriptives des résidus . . . . . . . . . . . . . . . . . . . . . . 37
3.6 Test de Durbin-Watson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.7 Test de White . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.8 Statistiques descriptives des soldes des barreaux . . . . . . . . . . . . . . 39
3.9 Qualité de l’ajustement de la modélisation . . . . . . . . . . . . . . . . . . . 40
3.10 Test d’hypothèse de signification du modèle . . . . . . . . . . . . . . . . . . 40
3.11 Paramètres de la regression . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.12 Statistiques descriptives des résidus . . . . . . . . . . . . . . . . . . . . . . 41
3.13 Test de Durbin-Watson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.14 Test de White . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.15 Statistiques descriptives des fonds du travail . . . . . . . . . . . . . . . . . 42
3.16 Qualité de l’ajustement de la régression linéaire simple . . . . . . . . . . . 43
3.17 Test d’hypothèse de signification du modèle . . . . . . . . . . . . . . . . . . 43
3.18 Paramètres de la regression . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.19 Statistiques descriptives des résidus . . . . . . . . . . . . . . . . . . . . . . 45
3.20 Test de Durbin-Watson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.21 Test de White . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.22 Statistiques descriptives des soldes des fonds de garantie . . . . . . . . . . 46
3.23 Qualité de l’ajustement de la régression linéaire simple . . . . . . . . . . . 47
3.24 Test d’hypothèse de signification du modèle . . . . . . . . . . . . . . . . . . 47
3.25 Paramètres de la regression . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.26 Statistiques descriptives des résidus . . . . . . . . . . . . . . . . . . . . . . 49
3.27 Test de Durbin-Watson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.28 Test de White . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

4.1 Hypothèses d’écoulement de l’actif . . . . . . . . . . . . . . . . . . . . . . . 52

4.2 Hypothèses d’écoulement du passif . . . . . . . . . . . . . . . . . . . . . . 54
4.3 Calcul du ratio de couverture de liquidité (LCR) Mars 2017. . . . . . . . . . 63

10
 Liste des tableaux

4.4 Les scénarios de stress test et leurs impacts . . . . . . . . . . . . . . . . . 64

A.1 Hors Bilan 2015 (en millier de Dhs) . . . . . . . . . . . . . . . . . . . . . . . 77

11
 Introduction générale

Introduction générale

La Caisse de Dépôt et de Gestion est un établissement public assimilé à un établisse-

ment de crédit. A ce titre, elle est soumise à l’autorité de Bank Al-Maghrib. Le business
Modèle de CDG est ainsi articulé de manière similaire à celui d’une banque classique
avec comme Passif constitués de dépôts, mais légèrement différentes en terme d’Actif,
car composé essentiellement d’actifs financiers ( Taux, actions...), et de participations (
donc pas de crédits). En conséquence, l’activité de la CDG est soumise à de multiples
risques dont les risques de liquidité et les risques de taux.
La gestion de ces risques se fait par les méthodes de l’ALM (Assets & Liabilities Mana-
gement) ou Gestion actif/passif. L’ALM peut être défini comme un processus de gestion
continu qui définit, met en œuvre, surveille et back test les stratégies financières pour gé-
rer conjointement les actifs et passifs d’une banque. Plus précisément, une stratégie ALM
est conçue pour atteindre un objectif financier pour un niveau de risque donné et sous
des contraintes prédéfinies. En raison de l’augmentation des aspects techniques de la ré-
glementation bancaire actuelle et de l’utilisation des modèles qui ont devenus de plus en
plus complexes et puissants, la gestion actif/passif joue un rôle central dans la stratégie
financière de chaque banque.
L’un des risques étudié par la méthode ALM est le risque de liquidité, qui est le sujet de ce
mémoire. La problématique de liquidité n’est pas un concept nouveau. Bien qu’il s’agisse
d’un risque connu, il a été moins étudié que le risque de solvabilité ; Les régulateurs ont
accordé plus de souci à la solvabilité jusqu’à la crise de 2007, qui était une crise de liqui-
dité et qui a montré la vulnérabilité du secteur financier et bancaire par rapport au risque
de liquidité. Cette crise a amené les régulateurs à repenser leur position sur le risque de
liquidité.
Tout d’abord, il est important de définir quel est le risque de liquidité. C’est l’incapacité
d’une banque de financer un retrait massif des dépôts en raison de l’illiquidité de ses ac-
tifs. La gravité du risque de liquidité est qu’elle peut entraîner un risque de solvabilité, ce
qui peut impliquer une faillite de la banque.
Dans ce cadre le Comité de Bâle a été publié le règlement Bâle III afin de donner plus
d’attention au risque de liquidité pour le gérer et limiter la vulnérabilité des banques à
cet égard. Ainsi, les ratios de bilan de Bâle III (LCR et NSFR) s’occupent des exigences
minimales de liquidité. Ces deux ratios sont considérés comme un test de stress pour le
bilan à court terme avec le LCR et à moyen terme avec le NSFR. Pour la gestion de la
liquidité dans un environnement non stressé, les banques doivent prendre des décisions
de financement et d’investissement en fonction de leurs positions de trésorerie, actuelles
et attendues. Pour les décisions de financement, ils doivent évaluer la quantité dont ils
ont besoin, dans le cas des déficits projetés, à partir de quelle date et jusqu’à quelle
échéance. La gestion du financement nécessite de projeter les actifs et les passifs exis-
tants pour déterminer tout déséquilibre futur. Ces disparités sont appelées impasses/gaps
de liquidité.
En résumé, les banques sont menacées à tout moment. Et cela est dû à la nature de leur
mission qui consiste à prendre divers risques de marché à cause des investissements
qu’ils prennent ou aux prêts qu’ils donnent et que tout cela est financé par des ressources

12
 Introduction générale

incertaines qui sont les dépôts des clients. C’est pourquoi une bonne connaissance des
risques, en particulier du risque de liquidité, est si importante pour la banque afin de rester
dans une zone sécurisée concernant sa liquidité. La gestion du risque de liquidité relève
des missions du département ALM de la Banque. Pour ce faire, nous avons d’abord be-
soin de mesurer notre exposition au risque de liquidité.
Ainsi, dans ce projet, passerons en revue la gestion des risques de liquidité en utilisant
les méthodes de l’ALM. Nous allons également estimer le ratio de liquidité (LCR) introduit
par le comité de Bâle (Bâle III) et le simuler au cas de CDG dans le cadre de la nouvelle
réglementation de Bank Al-Maghrib.
Alors, Qu’est-ce qu’un risque de liquidité ? Et comment le mesurer ? Quels sont les nou-
veaux apports de Bâle III concernant le risque de liquidité ?
Pour répondre à toutes ces questions, je commencerai par définir les grands principes de
l’ALM dans le premier chapitre. Ensuite, je parlerai du risque de liquidité, de la définition
du concept et de la façon de le mesurer en utilisant les impasses de liquidité dans le
deuxième chapitre. Les deux premiers chapitres sont considérés comme le cadre théo-
rique.
Dans le 3ème chapitre, je ferai une modélisation des dépôts a vue qui est une étape im-
portante pour résoudre le problème des éléments non échéancés du passif et ce pour
aboutir aux conventions d’écoulement.
Et finalement dans le 4ème chapitre, je vais appliquer les étapes mentionnées dans le
cadre théorique en écoulant les postes de bilan dans un premier temps, en utilisant les
modélisations pour écouler la partie des dépôts du passif. L’étape suivante c’est le calcul
des impasses/gaps en liquidité qui vont être utiles pour diagnostiquer les besoins de liqui-
dité ainsi que les surplus, ce qui nous aiderais à identifier les risques et leurs impacts. En
utilisant les résultats des modélisations de dépôts précédents, je ferais une estimation du
ratio LCR pour le compte de la CDG afin d’évaluer la solidité de cette dernière face à une
crise de liquidité Court Terme. Pour finir, et afin d’évaluer de manière plus spécifique les
risques encourus par la CDG, Je tenterai de mettre en place des scénarii de stress tests
de liquidités réalistes et extrêmes.

13
Chapitre 1

Préliminaire

1.1 Présentation du Groupe Caisse de Dépôt et de Ges-

tion
La caisse de dépôt et de gestion est créée en 1959. C’est un organisme public assimilé
à un établissement de crédit qui a pour mission la sécurisation de l’épargne nationale via
une gestion rigoureuse des dépôts. Le développement considérable des ressources de la
CDG depuis sa création s’est accompagné d’un élargissement de ses missions ainsi que
d’une modernisation continue tant de ses modes de fonctionnement que de son organi-
sation.

1.2 Missions de la CDG

La CDG incarne une mission duale. La première c’est la collecte et sécurisation des
dépôts réglementés. Ces dépôts correspondent aux fonds d’épargne dont le législateur
marocain a exclusivement confié la centralisation et la gestion au Groupe Caisse de Dépôt
et Gestion ; pour en assurer la protection. Il s’agit notamment :
– des fonds de consignations (administratives, judiciaires et cautionnements) ;
– des fonds de tiers émanant des professions juridiques (notaires, tribunaux, barreaux
et avocats) ;
– des fonds institutionnels : ce sont les réserves de la Caisse Nationale de Sécurité
Sociale (CNSS) et de la Caisse d’Épargne Nationale (CEN), etc...
Ainsi que des dépôts volontaires qui s’inscrivent dans les fonds sous mandat.
La deuxième mission est la gestion de ces dépôts. En effet, la CDG joue un rôle très
important dans le développement national, et ce, à travers ces activités dans plusieurs
domaines, et à l’aide des ses diverses filiales.
Ces deux missions sont complémentaires. En effet, les fonds collectés par le groupe au-
près de ses épargnants, sont fructifiés à travers le financement d’emplois utiles pour le
développement économique et social du pays.
On peut résumer cette mission duale du groupe à travers le schéma suivant :

14
 CHAPITRE 1. PRÉLIMINAIRE

F IGURE 1.1 – business plan de la CDG

Source : Entité ALM, CDG

Après la collecte des dépôts, l’étape suivante consiste à faire une allocation de ces
dépôts et une gestion des risques ; c’est le travail de l’entité ALM (gestion actif-passif) qui
a pour but le pilotage de marge d’intérêts (différence entre les intérêts des ressources
avec ceux versés aux emplois) sous contrainte des différents risques (liquidité, taux...).
Après l’étude des risques, la CDG entreprend d’investir les dépôts collectés en :
– actifs de taux (Obligataire)
– Actions cotées
– Participations & prêts aux filiales (banques et aussurance (CIH FINEA...), dévelop-
pement territorial (CDG DEV, MEDZ...) , Tourisme (MADAEF, SAPST...)
– achat de foncier
– Autres investissements...
Ainsi la nature même des missions de l’établissement implique le recourt à une transfor-
mation des dépôts en investissement moyennant une prise de risque sur le principal, et
sur les intérêts à payer aux déposants. Cette activité de transformation du passif en actif
est génératrice de risque bancaires et financiers, parmi lesquels figure le risque de liqui-
dité.

15
 CHAPITRE 1. PRÉLIMINAIRE

1.3 Généralités sur la Gestion Actif-Psassif

Au cours des dernières décénies, la technique connue sous le nom de gestion de l’actif
et du passif (Asset and Liability Management (ALM) en anglais) a connu une popularité
remarquable. Initialement pionnée par les institutions financières anglophones au cours
des années 1970 en tant qu’une technique actuarielle et de cash flow matching, l’ALM est
devenu un cadre essentiel pour les banques et les compagnies d’assurance.
L’objectif de l’ALM est d’assurer une bonne coordination entre les actifs et les passifs
afin d’atteindre les objectifs financiers pour un niveau de risque spécifié et sous des
contraintes prédéfinies. Le département d’ALM, qu’il s’agisse d’une compagnie d’assu-
rance ou d’une banque, est donc responsable de produire des études donnant des recom-
mandations sur la stratégie d’allocation de l’actif en fonction des contraintes du passif.
Au cours des dernières années, le département ALM est devenu de plus en plus impor-
tant dans une banque ou une compagnie d’assurance pour trois principales raisons. Tout
d’abord, les outils de modélisation sont de plus en plus sophistiqués, ce qui facilite la
réalisation de projections de flux de trésorerie pertinentes. Deuxièmement, les normes
comptables, qui sont au cœur des activités d’ALM, évoluent en permanence. Enfin et sur-
tout, la communication financière est de plus en plus régulière.

1.4 Missions du département ALM dans une banque

La première mission d’ALM était essentiellement de gérer les risques de taux et les
risques de liquidité afin de prévenir les disparités entre les flux des actifs et les flux des
passifs. C’est pourquoi ALM utilise des concepts tels que l’écart de liquidité pour quanti-
fier les risques de liquidité et plus d’indicateurs mathématiques tels que la duration ou la
convexité. Cela a conduit à la politique d’immunisation de l’ALM visant à structurer les flux
de trésorerie financiers d’une manière qui minimise leur sensibilité aux faibles variations
des taux d’intérêt sous-jacents. Ainsi, le comité ALM a dû travailler main dans la main
avec les autres départements de la banque et a rapidement joué un rôle central dans la
structure de la banque.
En 1988, les premières règles de Bâle ont encore plus étendu le champ d’application
de l’ALM. Ils ont donné au département ALM la supervision d’autres risques financiers
tels que les risques de capitaux propres, en plus des risques traditionnels de liquidité et
de taux d’intérêt. Par conséquent, progressivement, l’ALM a acquis une position centrale
dans la gestion de la banque, souvent dans le département de gestion des risques. Toute-
fois, le département ALM doit conserver, dans la mesure du possible, une indépendance
totale au sein de l’entreprise.
Le département ALM doit coordonner la gestion des actifs et des passifs de manière à
optimiser les avantages sous un niveau de risque acceptable. Ce niveau de risque est
maintenant imposé par les autorités réglementaires. Cela implique que le département

16
 CHAPITRE 1. PRÉLIMINAIRE

ALM doit avoir une vision globale et à long terme de l’activité financière de la banque.
A l’aide de différents scénarios économiques, le service ALM fournit les informations né-
cessaires au conseil d’administration de la banque afin de pouvoir planifier solidement les
futurs investissements financiers.
La coordination des actifs et des passifs a déjà été considérée bien avant la naissance
de l’ALM. Cependant, de nos jours, la présence d’un département ALM spécifique est
cruciale dans un secteur aussi concurrentiel le domaine bancaire. En effet, les techniques
utilisées dans ALM sont de plus en plus spécifiques et élaborées.

1.5 Risques étudiés dans ALM

Au cours des dernières années, les crises financières et économiques ont accru l’im-
portance de la gestion des risques dans les banques. En effet, les banques doivent main-
tenant être en mesure de comprendre les risques inhérents à leur activité afin d’allouer
suffisamment de capital pour le couvrir. Ce besoin a été lancé par Bâle II et ensuite Bâle
III.
Les principaux risques auxquels les banques sont exposées sont les suivants : risque de
liquidité, risque de crédit, risque de marché (risque de taux d’intérêt, risque de change
et risque de variation du prix du marché des titres, dérivés financiers et produits), risque
opérationnel, Le risque global d’insolvabilité (ou risque de faillite) . Dans ce qui suit, je vais
définir tous ces risques.

– Le risque de liquidité : C’est le risque causé par l’incapacité des banques à faire face
à leurs obligations, en particulier pour les besoins de trésorerie ;
– Le risque de crédit : C’est le risque causé par le défaut éventuel des emprunteurs
sur leurs obligations envers la banque et est également le risque de perte de va-
leurs obligatoires actuelles en raison de la dégradation de l’émetteur. Ce dernier est
également appelé risque de dégradation ;
– Le risque de marché : Il peut être subdivisé comme suit :
– Risque de taux d’intérêt : qui est le risque causé par les variations des taux d’in-
térêt ;
– Le risque de change : qui est le risque de pertes financières causées par les va-
riations des taux de change, en particulier pour les produits dérivés et les produits
négociés sur le marché international ;
– Le risque d’actif : qui est le risque de pertes financières en raison de la déprécia-
tion des actifs sur les bourses.
– Le risque opérationnel : C’est le risque causé par les omissions dans le travail des
employés, les procédures et processus internes inadéquats, la gestion inadéquate
de l’information et d’autres systèmes, les pannes dans le système informatique et
les événements externes imprévisibles ;
– Le risque global d’insolvabilité (ou risque de faillite) : C’es le risque que la banque
ne possède pas de fonds suffisant pour faire face a ces engagements (la valeur de
l’actif est inferieur au total des dettes), et cela peut causer la faillite de l’établissement

17
 CHAPITRE 1. PRÉLIMINAIRE

du crédit.
Les méthodes d’ALM tendent à élaborer des scenarios de stresses pour tester le compor-
tement de la banque vis à vis à des situations extrêmes.

1.6 Stress testing en ALM

Un test de stress (ou stress test en anglais) est une analyse du bilan d’une banque
après des collisions ou une crise économique. Plusieurs scénarios sont simulés pour voir
à quel point la banque est solide. Ces stress tests sont les conséquences des crises pas-
sées telles que la crise russe de 1998 1 (défaut de la dette) et bien sûr les conséquences
de l’attentat du 11 septembre.
Pour ce faire, les banques doivent poser des hypothèses de scénarios concernant, par
exemple, une augmentation ou une diminution des taux d’intérêt de base, une augmenta-
tion du taux de chômage de l’année, une grande perturbation du marché du pétrole, une
dégradation des valeurs immobilières, une dégradation de la croissance économique, etc.
Ces stress tests doivent être fait sur mesure pour bien prendre en compte les différentes
spécifications de chaque organisme.

1. La crise financière en Russie, qui s’est traduite également par une crise économique, a culminé en
1998. Elle est marquée par une dévaluation brutale du rouble et un défaut sur la dette russe. Cette crise se
produit à la suite de la crise économique asiatique de 1997, située au début d’un ralentissement économique
mondial. L’inflation cette année-là fut de 84 % en Russie.

18
Chapitre 2

Cadre théorique de la gestion du risque

de liquidité

2.1 Aperçus historique

Le risque de liquidité date depuis le 18eme siècle avec le système de Law 1 .
Le système de Law, imaginé par l’Écossais John Law en développant l’utilisation de
papier-monnaie plutôt que d’espèces métalliques, et afin de faciliter le commerce et l’in-
vestissement, a été mis en place en France, sous la régence de Philippe d’Orléans, de
1716 à 1720, dans le but de liquider la dette laissée par Louis XIV. Créée par Law, la
Banque générale — société par actions — va jusqu’à absorber l’activité coloniale fran-
çaise de sa société sœur, la Compagnie perpétuelle des Indes. À l’origine des premières
grandes émissions de titres boursiers, le système de Law est une étape incontournable
de l’histoire des bourses de valeurs.
La spéculation qui se joue sur les actions des différentes sociétés de Law va finalement
en ruiner le système, lorsque le court retombe aussi vite qu’il était monté, à la suite d’un
mouvement de panique. Quand les actionnaires et porteurs de billets, à partir de juillet
1720, demandent subitement à récupérer leur or, les richesses coloniales ne sont pas en-
core arrivées et le numéraire fait défaut : le système doit alors admettre sa banqueroute.
Cette affaire a mis en évidence, d’une part la nécessité qu’il y a à protéger les épargnants
si l’on veut maintenir la confiance, et, d’autre part, l’importance d’introduire un système de
gestion de risque de liquidité pour éviter des crises de liquidité similaire.

1. John Law fut l’inventeur du Système, puis ministre des Finances du royaume de France, qui lui doit
l’introduction du billet de banque et d’une des premières bourses au monde.

19
 CHAPITRE 2. CADRE THÉORIQUE DE LA GESTION DU RISQUE DE LIQUIDITÉ

2.2 Définitions
2.2.1 La liquidité
La notion de la liquidité dans la littérature économique est la capacité d’un agent éco-
nomique à échanger sa richesse existante contre des biens et des services ou contre
d’autres actifs.
Elle décrit la mesure dans laquelle un actif ou un titre peut être rapidement acheté ou
vendu sur le marché sans que son prix soit affecté.
La liquidité du marché fait référence à la mesure dans laquelle un marché, comme le mar-
ché boursier ou le marché immobilier, permet d’acheter et de vendre des actifs à des prix
stables. La monnaie fiduciaire est l’actif le plus liquide, alors que l’immobilier, les et les
objets de collection sont relativement illiquidés.
La liquidité comptable mesure la facilité avec laquelle une personne physique ou morale
peut satisfaire à ses obligations financières avec les liquidités disponibles.
Dans ce projet on s’intéresse à la deuxième définition de la liquidité. Ainsi pour pourvoir
gérer le risque de liquidité, il s’avère cruciale de définir ce risque.

2.2.2 Le risque de liquidité

Le risque de liquidité est l’incapacité de l’établissement d’honorer ces engagements
envers la clientèle non pas a cause d’une insuffisance des actifs, mais d’une illiquidité de
ces actifs, et ce, sans subir d’une perte acceptable.
Et selon [Link] 2 :
« Le risque de liquidité est considéré comme un risque majeur, mais il fait l’objet de di-
verses acceptations : l’illiquidité extrême, le matelas de sécurité que procurent les actifs
liquides, ou la capacité à mobiliser des capitaux à un coût normal »
Donc il est nécessaire de considérer les différents aspects du risque de liquidité :

– en cas d’illiquidité extrême, ce risque peut être fatal et peut provoquer la faillite de
l’établissement. En effet, les défaillances des contreparties ou les évolutions ad-
verses du marché peuvent entrainer des pertes importantes, et ainsi ces pertes
suscitent des inquiétudes de solvabilité de l’établissement, et donc des retraits mas-
sifs des fonds, ce qui engendre une crise de liquidité brutale ;
– Le risque de liquidité peut aussi être vu à travers l’insuffisance de liquidités de l’éta-
blissement, c’est le cas où, les actifs liquides disponibles ne peuvent pas faire face
à des besoins inattendus ;
– Une dernière vision de ce risque, est l’incapacité temporaire de l’établissement fi-
nancier à lever des capitaux à un coût raisonnable.
Le risque de liquidité est à ne pas prendre au léger, car il peut entrainer l’insolvabilité de
l’établissement de crédit a travers une crise fatale en terme de liquidité. Pour cette raison,
il s’avère cruciale de diagnostiquer en premier temps les sources de ce risque ainsi que
2. [Link], « Gestion des Risques et Gestion Actif/Passif des Banques », Dalloz, Paris, 1995

20
 CHAPITRE 2. CADRE THÉORIQUE DE LA GESTION DU RISQUE DE LIQUIDITÉ

les conséquences qui en ressortent.

2.3 Sources et conséquences du risque de liquidité

2.3.1 Sources du risque de liquidité
Plusieurs sources peuvent générer un risque de liquidité au sein du Groupe Caisse de
Dépôt et Gestion.
En premier lieu, l’activité de la transformation passif-actif (transformation des échéances)
de la CDG peut être génératrice du risque de liquidité. En effet le financement de l’actif
de moyen à long terme par le passif de court terme est la source pricipale du risque de
liquidité.
En second lieu, le retrait massif et/ou non anticipé des dépôts ou de l’épargne des clients.
En effet, vue la nature non contractuelle de l’échéance de la majorité des dépôts de la
CDG, il est difficile de suivre le mouvement de ces dépôts d’une manière exacte. Ainsi,
des retraits imprévus ou massifs des dépôts peuvent causer une crise de liquidité qui
pourrait mener à la faillite.
En troisième lieu, la perte inattendue due à la défaillance d’une contrepartie est aussi un
facteur de risque de liquidité. Ne pas pouvoir collecter des fonds de la part des emprun-
teurs peut causer des difficultés en terme d’honorer d’autre engagement qui est per se
une source de risque de liquidité.
En dernier lieu, le risque de liquidité peut aussi dépendre des conditions du marché, on
l’appelle risque de liquidité de marche, qui peut être la conséquence d’une évolution a la
baisse du marché, une crise de liquidité générale du marché ou une difficulté d’accès aux
marchés de capitaux.

2.3.2 Conséquences du risque de liquidité

Le risque de liquidité peut engendrer d’autres risques bancaires. En effet, lorsqu’une
banque connaît une insuffisance de liquidité, elle se trouve face à deux possibilités :

– Liquider d’urgence les actifs ;

– Emprunter des fonds a n’importe qu’elle condition.
Pour la première possibilité, une liquidation urgente des actifs peut engendrer une dimi-
nution de la valeur des ces actifs, et cela peut mener a l’insolvabilité de l’établissement
du crédit, car « une banque est insolvable lorsque la valeur de l’ensemble de ses actifs,
quelle que soit leur échéance, est inferieure a la totalité de ses dettes » 3 .On voit bien
que le risque de liquidité peut être la cause d’un risque de marché, et ainsi un risque plu
grand, le risque d’insolvabilité qui peut mener à la faillite de l’établissement.
3. COMBES-THUELIN Elisabeth. 2011. Risques de solvabilité, de liquidité et de taux au sein du secteur
bancaire : coût historique et juste valeur. p.3

21
 CHAPITRE 2. CADRE THÉORIQUE DE LA GESTION DU RISQUE DE LIQUIDITÉ

Dans le second cas, le besoin d’avoir de la liquidité, la banque se trouve dans l’obligation
d’emprunter de l’argent avec des taux d’intérêt très élevés, ce qui affecte ses fonds ap-
propriés et peut entraîner un risque de taux.
Ainsi, le risque de liquidité peut générer d’autres risques bancaires, ce qui peut être la
cause directe de la faillite de l’établissement du crédit.

2.4 Mesure de risque de liquidité

Pour gérer le risque de liquidité, il faut d’abord déterminer les besoins de financement
futur pour mettre en place en suite le montant nécessaire pour en faire face. Ainsi pour
diagnostiquer ces besoins de financement, on fait recours à la méthode des impasses de
bilan, en faisant des écoulements des postes de bilan en liquidité.
Dans ce qui suit, j’expliquerai la méthode de gestion du risque de liquidité en ALM avant
de faire une application concrète de cette analyse sur le cas de la CDG.

2.4.1 Ecoulement en liquidité

La méthode exposée dans cette section correspond aux exigences du Comité de Bâle.
Je définirai la notion d’écoulement en liquidité qui permet de calculer des impasses en li-
quidité. Cette méthode est évoquée dans le document de Grégory GHIEU 4
Pour un produit bancaire donné, son écoulement en liquidité montre comment le stock
disparaît dans le temps. Elle peut être contractuelle ou conventionnelle et intègre les
aléas pouvant affecter la liquidité du produit. Modéliser la liquidité d’une banque nécessite
l’étude de chaque poste du bilan afin de déterminer son degré de liquidité pour les actifs
et d’exigibilité pour les passifs. Il importe dans l’analyse de prendre en compte les para-
mètres tant internes qu’externes qui peuvent agir sur la banque.
La différence entre le total de l’actif et le total du passif est nulle pour la date courante
puisque le bilan de la banque est équilibré à tout instant. Cependant, lorsqu’on projette
cette différence aux dates futures, elle n’a aucune raison d’être nulle. Ainsi, lorsqu’on dé-
termine cet écart pour les dates futures, elle permet d’anticiper les montants qui pourront
être empruntés ou placés aux dates futures.
Il est donc nécessaire pour une banque d’évaluer comment chacun de ses actifs et pas-
sifs évolue au cours du temps. Il faut ainsi définir pour chaque poste du bilan la fonction
d’écoulement qui permet de quantifier la probabilité qu’une unité monétaire présente dans
le bilan à la date d’aujourd’hui soit encore présente à une date future. On devra pour cela
faire la différence entre les montants présents dans le bilan à la date t (le stock ou l’en-
cours) et la façon dont ils s’écoulent, et les montants entrant dans le bilan aux différentes
dates futures qui représentent la production nouvelle.

4. Grégory GHIEU, 2003, Thèse professionnelle,Gestion Actif-Passif Méthodologie et application au Li-

vret A.

22
 CHAPITRE 2. CADRE THÉORIQUE DE LA GESTION DU RISQUE DE LIQUIDITÉ

2.4.2 Impasses/Gaps en liquidité

Les impasses/Gaps de liquidité se rapportent aux déséquilibres projetés des res-
sources et des emplois. Ces Gaps fournissent les informations nécessaires pour prendre
des décisions de financement ou d’investissement. La gestion des impasses consiste à
gérer les décalages projetés entre l’actif et le passif.
Les impasses de liquidité sont les différences, à des dates futures, entre les soldes pro-
jetés des passifs et des actifs du portefeuille bancaire. À mesure que le temps passe les
actifs et les passifs existants s’amortissent progressivement. Les projections sont dites
"statiques" lorsqu’elles ignorent les nouveaux prêts, nouveaux dépôts ou dettes à des
dates futures. En contre partie on a les projections "dynamiques" ou en prend compte des
productions nouvelles.
Les gaps statiques de liquidité à une date futur t est la différence algébrique entre les
soldes projetés des passifs et ceux des actifs. Il y a autant de gaps qu’il y a d’échéances
de projection. Pour tout date futur t :

Gap de liquidité(t)=Actifs(t)-Passifs(t)

Les graphes ci-dessous montrent les situations typiques des représentations graphiques
des actifs et passifs ainsi que les gaps. L’écart actuel, à compter d’aujourd’hui, est égal
à zéro lorsque la taille des actifs et des passifs correspond. Tout excès de fonds, Ou tout
déficit de fonds, à cette date de début est censé être entièrement financé ou investi.
Au fil du temps, et pour les impasses statiques où les nouveaux prêts et dettes sont igno-
rés, les encours des actifs et passifs existants diminuent. Les taux d’intérêt générés par
les actifs et passifs existants ne sont pas présentés dans ces graphiques.

23
 CHAPITRE 2. CADRE THÉORIQUE DE LA GESTION DU RISQUE DE LIQUIDITÉ

F IGURE 2.1 – (a) Equilibre des gaps en liquidité (b) Déficits (c) Fonds excédentaires

(a)

(b)

(c)

Source : Joël Bessis,Risk Management in Banking, 2015, -Fourth Edition-

Une gap négatif signifie un déficit, et vice versa. Les gaps négatives signifient que le bilan
génère des déficits projetés des ressources par rapport aux [Link] banque doit financer
ces déficit. Dans l’autre cas, à mesure que le temps passe, la banque a des ressources
excédentaires et doit développer de nouvelles activités de prêt ou d’investissement. Fi-
nalement, le troisième cas c’est quand les projections des actifs et passifs sont approxi-
mativement identiques. L’amortissement du bilan ne génère aucun déficit ou excédent de
fonds, et le calendrier de remboursement des dettes réplique celui du remboursement des
prêts. Le bilan reste équilibré, avec le temps, sans générer de besoin ou d’investissement

24
 CHAPITRE 2. CADRE THÉORIQUE DE LA GESTION DU RISQUE DE LIQUIDITÉ

de fonds. Ainsi le risque de liquidité s’élimine.

Types des Gaps en liquidité

Plusieurs gaps pourraient être envisagés : les gaps en flux ou en stock, et les gaps
statiques ou dynamiques. Habituellement les gaps de liquidité sont statiques, dérivés uni-
quement d’un scénario d’amortissement des actifs et passifs existants. Les gaps sont
appelées dynamiques lorsque elles incluent les nouveaux prêts ou dettes. Sous une vue
dynamique, les soldes des actifs et des passifs augmentent souvent avec le temps plutôt
qu’ils amortissent, comme dans le cas des gaps statiques, car les nouveaux prêts et les
nouvelles dettes s’accumulent sur les prêts et dettes amortissables.
Les impasses en flux sont les variations différentielles entre deux points temporels ad-
jacents d’actifs et de passifs. Les impasses en stock, d’aujourd’hui jusqu’à une date t,
correspondent à l’écart entre les soldes des actifs et passifs à la même date.

GapStock(t) = Acti f (t) − Passi f (t)

GapFlux(t) = (Acit f (t) − Acti f (t − 1)) − (Passi f (t) − Passi f (t − 1)

Le tableau suivant va servir comme exemple pour illustrer le calcule des gaps en stock et
en flux.

TABLE 2.1 – Tableau d’écoulement du bilan et de gaps en liquidité

Date 1 2 3 4 5 6
Actifs 1,000 800 750 600 450 200
Passifs 1,000 900 700 650 400 100
Gap en stock 0 -100 50 -50 50 100
Gap en flux -100 -50 -100 100 -50

Source : Elaboré par nos propres soins

Dans l’exemple, Une gap en stock positive est un déficit qui nécessite un financement.
Une gap en stock négative est l’excès de ressources à investir. Une gap en flux négative
signifie que les actifs amortissent à un rythme plus lent que les passifs à cette période :
une sortie nette de fonds, et une gap en flux positive signifie que la variation des actifs
dépasse la variation des passifs : c’est une entrée nette de fonds.
Les gaps en flux représentent les nouveaux fonds à augmenter au cours de la période, ou
les nouveaux fonds excédentaires de la période disponible pour investir.
En entend par sortie de fonds, le passif tombe, c’est quand la banque rembourse un prê-
teur, et une entrée de fonds, l’actif tombe, quand un client rembourse son crédit.

25
 CHAPITRE 2. CADRE THÉORIQUE DE LA GESTION DU RISQUE DE LIQUIDITÉ

Gaps de liquidité dynamique

Aux fins de la gestion de la liquidité, il est courant de se concentrer principalement sur
les actifs et passifs existants et les gaps statiques. La raison d’être de l’utilisation des gaps
statiques est qu’il n’est pas nécessaire d’obtenir des fonds à l’avance pour les nouvelles
transactions, ni de gérer aujourd’hui les ressources qui ne sont pas encore collectées. Le
financement des déficits ou l’investissement des excédents de fonds provenant de nou-
velles affaires se produit lorsqu’ils apparaissent au bilan, pas plus tôt. En outre, les écarts
de liquidité sont continuellement mis à jour et les nouveaux prêts ou dettes apparaîtront
progressivement dans le profil de la gap statique de liquidité.
Les gaps de liquidité dynamiques ajoutent aux profils d’amortissement des actifs et des
passifs existants les soldes projetés des nouveaux prêts et dépôts, au moment du rapport
de la gap. Ces projections de bilan sont utilisées pour des objectifs de budgétisation.
Le total des actifs et des passifs, les existants et les nouveaux, tend à augmenter en gé-
néral, plutôt qu’être amorti. Les gaps pour les actifs et les passifs existants et nouveaux
sont nécessaires pour projeter les excès ou les déficits de fonds total entre aujourd’hui et
les dates futures.

Puisque on s’interesse a mesurer l’exposition de la banque au risque de liquidité, je

vais me focaliser,dans ce projet, seulement sur l’approche statique.

2.5 Les accords de Bâle III concernant le risque de liqui-

dité
2.5.1 Historique
La crise bancaire et financière de 2007-2008, qui a été une crise de liquidité, a révélé
les lacunes de la gestion du risque de liquidité auprès des établissements de crédit. Le
commuté de Bâle a ainsi décidé de mener une réforme afin de sensibilser les banques
quand aux impacts de ce risque. D’ailleurs, la gestion de risque de liquidité qui était re-
léguée au second plan par rapport aux autres risques, tel que le risque de crédit ou de
marché.
Ainsi, L’accord des Bales III vise principalement concernant le risque de liquidité à :

– Renforcer le niveau et la qualité des fonds propres ;

– Mettre en place un ratio de levier (« leverage ratio ») ;
– Améliorer la gestion du risque de liquidité par la création de deux ratios de liquidité
(ratio de liquidité à un mois « Liquidity coverage ratio » et ratio de liquidité à un an «
Net stable funding ratio ») ;
Dans ce travail, je vais me concentrer seulement sur le calcul du ratio de liquidité à un
mois « Liquidity coverage ratio (LCR) », vue que le ratio de liquidité à un an « Net stable

26
 CHAPITRE 2. CADRE THÉORIQUE DE LA GESTION DU RISQUE DE LIQUIDITÉ

funding ratio » ne s’appliquera jusqu’au 2019 5 ainsi que le LCR va avoir une application
progressive a partir de 2015. Dans le paragraphe suivant je vais expliquer en détails le
mode de calcule du LCR.

2.5.2 Le ratio de liquidité à court terme

Le ratio de liquidité à court terme LCR est une norme introduite par le Comité Bale 3
pour renforcer la capacité d’une banque de couvrir ses engagement en cas de crise de
liquidité intense sur une période de 30 jours calendaires pour donner du temps au conseil
de gestion de risque de trouver des solution pour la situation de la banque. Et ce par le
biais des actifs liquides de haute qualité.
Le LCR se compose de deux éléments importants : les encours des actifs liquides de
haute qualité (HQLA, pour High Quality Liquide Assets en anglais), et le total des sorties
nettes de trésorerie sur les 30 jours calendaires suivants (NCOs, pour Net Cash Outflows
en anglais).
HQLA
LCR =
NCOs
La norme exige que, en dehors d’une situation de tensions financières, le ratio doit être au
moins égale à 100%. En période de crise de liquidité, la banque utilise ces actifs de haute
qualité pour y faire face. Donc le LCR peut tomber sous le seuil de 100%. Cette exigence
sera appliquée progressivement a partir de 2015 selon le tableau suivant :

TABLE 2.2 – Exigence minimal du LCR de 2015 a 2019

1er janvier 1er janvier 1er janvier 1er janvier 1er janvier
2015 2016 2017 2018 2019
LCR minimal 60% 70% 80% 90% 100%

Source : Bâle III : Ratio de liquidité à court terme et outils de suivi du risque de liquidité

Les actifs liquides de haute qualité

Les actifs liquides de haute qualité sont des actifs qui peuvent être vendus sur les
marchés en période de crise sans perte ou une perte minimal. Ces actifs doivent avoir les
caractéristiques suivantes :

– Des risques de marché et de crédit faibles ;

– Une valorisation aisée et sûre ;
– Une faible corrélation avec les actifs à risque ;
– Une cotation reconnue et bien établie.
5. le calcul de ce ratio n’est pas encore stabilisé ni appliqué worldwide, et Bank Al-Maghrib attend sa
stabilisation avant de le mettre en place au Maroc

27
 CHAPITRE 2. CADRE THÉORIQUE DE LA GESTION DU RISQUE DE LIQUIDITÉ

Ils se composent des actifs de niveau 1 et de niveau 2. La banque peut avoir une quantité
illimitée d’actifs de niveau 1, en revanche, pour les actifs de niveau 2, ils ne doivent pas
dépasser 40% de la totalité des HQLA.

Les actifs de niveau 1 :

– La caisse
– Réserves à la banque centrale
– Titres négociables
– Titres de dette émis en monnaie locale par l’entité souveraine ou la banque centrale
pour les entités souveraines ;
– Titres de dette émis en monnaie étrangères par un Etat ou une banque centrale
dans la mesure ou la détention de ces titres correspond aux besoins des opérations
de la banque dans la juridiction concernée.

Les actifs de niveau2 :

Divisés en actifs de niveau 2A et de niveau 2B ;
Niveau 2A : Sont évalués a leur valeur de marché après application d’une décote de 15%

– Des titres négociables

– Des obligations d’entreprise et des obligations sécurisées
Niveau 2B : Contient des titres négociables, des obligations et des actions évalués à leur
valeur de marché après application de déférentes décotes.

Le total de sortie net de trésorerie

Ce sont les sorties totales attendues moins les entrées totales attendues durant les 30
jours calendaires suivants selon un scenario de forte tension de liquidité.

Les sorties de la trésorerie :

– Dépôt des particulier (a vue et a terme) dont la maturité est au plus de 30 jours.
Pondéré à 10% (5% si stable)
– Dépôt des particuliers (a vue et a terme) dont la maturité est au plus de 30 jours,
ayant les pondérations suivantes
– 10% pour les dépôts des TPE (5% si stable)
– 25% pour les dépôts des autres personnes morales (5% si stable)
– 40% les dépôts des entreprises non financières, les Etats, les banques centrales,
organismes publics et banques multilatérales de développement. (20% si stable)
– 100% pour les autres dépôts et emprunts
– Opérations adossées à des actifs

28
 CHAPITRE 2. CADRE THÉORIQUE DE LA GESTION DU RISQUE DE LIQUIDITÉ

– Opérations des produits dérivés ou titres ou assorties de sûretés (pondération de

100%)
– Engagement de financements :
– Engagement de financement donné en faveur d’établissement de crédit et assi-
milés (pondéré de 40%)
– Engagement de financement donné en faveur de la clientèle (5% pour les TPE
et particuliers, 10% pour les entreprise non financiers, Etats, organismes publics
et banques multilatérales de développement, 40% pour les autres entreprises fi-
nancier, et 100% pour les fonds de placement collectifs en titrisation et entité
assimilés).
– Engagements de garantie (sont pondérés par des taux donnés par Bank Al-Maghreb).

Les entrées de la trésorerie :

– Les créances détenues par la banque (dans un délai de 30 jours)

– 100% pour les créances sur les entreprises financières
– 50% pour les créances sur les autres personnes morales et particulières
– Entrées de trésorerie des titres à échoir dans 30 jours sont pondéré de 100% (ex-
cluant les HQLA)
– Opérations adossées à des actifs
– Produits dérivés

Equations mathématiques pour calcul des HQLA et NCOs :

HQLA = Acti f s1 + Acti f s2A + Acti f s2B − Max((Acti f s_A juste2A + Acit f s_A juste2B)−
2 15
× Acti f s_A juste1, Acti f s_A juste2B − × (Acti f s_A juste1 + Acti f s_A juste2A), 0)
3 85
Avec les actifs ajustes d’un certain niveau correspond au montant d’actif de ce niveau
qui résulterait de l’arrivée à échéance à court terme de toutes les opérations de pension
et opérations similaires garanties impliquant l’échange d’actifs liquides de haute qualité
(autre que ce niveau ) contre des actifs de niveau désiré.

NCOs = Sortie_tresorerie − Min(Entre_tresorerie, 75% × Sortie_tresorerie)

2.5.3 Le ratio structurel de liquidité à moyen terme

Le ratio structurel de liquidité à long terme (NSFR, Net Stable Funding Ratio) est l’un
des éléments essentiels des réformes du Comité de Bâle visant à accroître la résilience
du secteur bancaire.
Le NSFR correspond au montant du financement stable disponible rapporté à celui du
financement stable exigé. Ce ratio devrait, en permanence, être au moins égal à 100%.
Le « financement stable disponible » désigne la part des fonds propres et des passifs
censée être fiable à l’horizon temporel pris en compte aux fins du NSFR, à savoir jusqu’à

29
 CHAPITRE 2. CADRE THÉORIQUE DE LA GESTION DU RISQUE DE LIQUIDITÉ

1 an. Le montant du « financement stable exigé » d’un établissement est fonction des
caractéristiques de liquidité et de la durée résiduelle des actifs qu’il détient et de celles de
ses positions de hors-bilan. 6
Montant du f inancement stable disponible
NSFR = ≥ 100%
Montant du f inancement stable exigé

Dans le chapitre suivant, je vais appliquer tout le cadre théorique ci-dessus pour faire une
analyse du risque de liquidité pour la CDG. Je vais dans un premier temps faire l’écoule-
ment du bilan de la CDG pour pouvoir calculer les gaps en liquidités, et après je vais faire
une simulation du LCR suivant les instructions de l’etat 7 .
Il est à noté que, en raison de la confidentialité des données, une transformation a était
appliquée concernant les montants en multipliant par des coefficients.

6. Bâle III : Ratio structurel de liquidité à long terme, p :2

7. Circulaire de BANK AL-MARGHRIB relative au ratio de liquidité des banques ; C n˚ 15/G/13

30
Chapitre 3

Modélisation des dépôts a vue

Etant donné que le Passif de la CDG est constitué principalement de dépôts à Vue, il
est donc nécessaire procéder à leur modélisation afin de pouvoir écouler le bilan. L’écou-
lement des dépôts à vue est opéré sur la base d’une règle statistique ou de règles de
consensus appelées « conventions d’écoulement » ou « lois d’écoulement ». Celles-ci
sont généralement basées sur une démarche rétrospective reproduisant le comportement
historique des postes concernés mais elles peuvent également découler d’une logique dé-
terministe si la banque a une orientation stratégique marquant une rupture par rapport au
passé ou s’il s’agit d’un nouveau produit. Ainsi pour faire cette modélisation, nous aurons
besoin d’une base de données historique des dépôts.
Les déposants de la CDG sont de différents types selon la catégorie de dépôts ; soit ins-
titutionnel, juridique ou bien consignation.

31
 CHAPITRE 3. MODÉLISATION DES DÉPÔTS A VUE

F IGURE 3.1 – Composition des dépôts réglementés par catégorie de clientèle

Source : Rapport annuel 2015 de la CDG

Les dépôts de sécurité sociale constituent la majorité des dépôts réglementé (43%),
suivi par les fonds d’épargne avec une par de 26% du total des dépôts. Les autres dépôts
sont repartis entre les consignations et les secrétaires greffiers qui dominent le reste des
dépôts.
Puisqu’on a plusieurs types de dépôts (fonds institutionnels, les fonds des professions
juridiques, les consignations...etc.), nous avons besoin d’établir plusieurs conventions
d’écoulement propres à chaque type de dépôts.

3.1 Préparation de la base de données historique

La base de données de chaque catégorie sur laquelle je vais faire la modélisation
contient l’historique, du 01er janvier 2014 au 31 décembre 2016, des versements et re-
traits quotidiens des déposants.
Dans un premier temps, on intègre les jours inexistants (les jours fériés, les samedis et
dimanches et les jours ou aucune transaction a eu lieu) en maintenant le mouvement de
compte à zéro. Cette étape servira pour avoir des taux quotidiens. Et ensuite on calcule
les soldes quotidiens à partir d’un montant initial du 31 décembre 2013.

32
 CHAPITRE 3. MODÉLISATION DES DÉPÔTS A VUE

3.2 Equations de modélisation

Soient S et PNk∈{0,1,2,...,n} respectivement l’historique des soldes quotidiens
k∈{0,1,2,...,n 1 }
et des productions nouvelles quotidiennes pour un client donne de la CDG.
Ainsi on note :

– SPro jete (k, k + d) avec d ∈ {1, 2, ...} ; la projection a la date k + d du stock en prenant
comme point de départ le solde de la date k Sk ;
– PN pro jete (k, k + d) avec d ∈ {1, 2, ...} ; la projection a la date k + d de la production
nouvelle en prenant comme point de départ la production nouvelle de la date k PNk ;
Les soldes projetés et les productions nouvelles projetées vérifient les relations suivantes :


 Sk+1 = SPro jete (k, k + 1) + PNk+1

k+2 = SPro jete (k, k + 2) + PNPro jete (k + 1, k + 2) + PNk+2
S
(3.1)


 S k+2 = S Pro jete (k, k + 3) + PNPro jete (k + 1, k + 3) + PNPro jete (k + 2, k + 3) + PNk+3

...etc.
Et si on introduit les fonctions d’écoulement du stock Fstock (k, k + d) et de production
nouvelle FPN (k, k + d) :
(
SPro jete (k, k + d) = Sk × Fstock (k, k + d)
(3.2)
PNPro jete (k, k + d) = PNk × FPN (k, k + d)
Avec k ∈ {0, 1, 2, ..., n − 1} et d ∈ {1, 2, 3, ...}
et Fstock (k, k + d) est la fraction du stock de la date k restant encore a la date k + d.
FPN (k, k + d) : la fraction de la production nouvelle de la date k restant encore a la date
k + d.
Dans notre cas ou on ne fait pas d’écoulement dynamique, on ne tient pas compte des
productions nouvelles. Car le but est de voir comment la banque vas faire face a ces en-
gagements en cours, moyen et long terme si on arrête la production a une date donne t.
Ainsi, on peut poser l’hypothèse d’égalité des fonctions d’écoulement des stocks et des
productions nouvelles.
C’est a dire on pose F(k, k + d) = Fstock (k, k + d) = FPN (k, k + d).
Donc on peut écrire sous cette hypothèse :

F(k, k + 2) = F(k, k + 1) × F(k + 1, k + 2)

Cette relation montre que le pourcentage du stock restant dans 2 jours, n’est que le pro-
duit des pourcentages des stocks des dates k et k + 1 restants dans un horizon d’un jour.
Donc plus généralement on peut écrire :
d−1
F(k, k + d) = ∏ F(k + i, k + i + 1) (3.3)
i=0

33
 CHAPITRE 3. MODÉLISATION DES DÉPÔTS A VUE

Et selon les équations 3.1 et 3.2 on aura :

Sk+1 − PNk+1
F(k, k + 1) =
Sk
Pour pouvoir modéliser les fractions d’écoulement, if faut dans un premier temps cal-
culer les moyennes arithmétiques des F(k, k + d) pour toutes les dates k et les horizons
d’écoulements d, car, comme il a été motionné avant , la modélisation est basée sur une
estimation moyenne historique.
Ainsi pour les fractions quotidiennes on calcule la fraction d’écoulement moyenne Fm (1)
tel que :

∑n−1 F(i, i + 1)
Fm (1) = i=0
n

Et on utilisant l’équation 3.3 on peut calculer les fractions d’écoulement moyennes pour
chaque horizons d ∈ {1, 2, ..., D} avec D est considéré comme l’horizon maximal :

∑n−d F(i, i + d)
Fm (d) = i=0
n−d +1

Et en fin on cherche à modéliser les Fm (d) en fonction de d.

Dans ce qui suit, je vais faire la modélisation des segments des dépôts selon la disponibi-
lité des données.

3.3 Modélisation des dépôts

Dans cette section, on s’intéresse, pour chaque type de dépôts, à trouver une relation
qui explique la courbe des fractions du solde restant pour chaque nombre de jours d.

3.3.1 Dépôts des notaires

Une analyse exploratoire des soldes de notaire nous donne le graphe suivant :

34
 CHAPITRE 3. MODÉLISATION DES DÉPÔTS A VUE

F IGURE 3.2 – Evolution des soldes des dépôts de notaires du 1/1/2014 au 31/5/2016

D’après ce graphe, on remarque que le comportement des soldes des dépôts a changé
a partir du deuxième semestre de l’année 2014. Et ce due a l’application de la réglemen-
tation qui oblige les notaires de déposer auprès de la CDG à partir de Juillet 2014.
Ainsi, pour ne pas perturber les résultats de l’étude cet évènement exceptionnel, je vais
retenir comme période d’étude la durée entre le 1 janvier 2015 et le 31 mai 2016.
Ensuite, avec une analyse descriptif de la base d’étude, on peut extraire le coefficient de
variation :

Statistic Solde Notaire

Nbr. of observations 352
Minimum 17504068282.21
Maximum 21734185400.72
1st Quartile 18431943382.93
Median 19464319119.88
3rd Quartile 20352057936.63
Mean 19402274591.74
Variance 1242576146215950000.00
Standard deviation 1114710341.84
Variation coefficient 0.057

TABLE 3.1 – Statistiques descriptives des soldes des dépôts notaires

Le coefficient de variation, ou bien la volatilité des dépôts de notaires, est de 5.7%,

c’est a dire que la partie stable dans les dépôts de notaires est de 94.3%. Cette volatilité
va nous servir après dans le calcul du LCR.

Ainsi, nous procéderons par le calcul des fractions F(k, k + d) et ensuite des Fm (d) avec
d représentant les jours de projection. On obtient les résultats suivants :

35
 CHAPITRE 3. MODÉLISATION DES DÉPÔTS A VUE

F IGURE 3.3 – Fm (d) en fonction de nombre de jours de projection d

La courbe est décroissante ; ce qui signifie que les dépôts s’écoule avec le temps. La
courbe a forme exponentielle ; alors, on s’intéresse à une relation de type Fm (d) = eβ +αd .
J’ai fait la modélisation en utilisant un complément de Microsoft Excel ; XLSTAT, qui facilite
la réalisation des modélisations et des testes statistiques.
Les sorties de la régressions sont comme suit :

Statistic Independent Full

Observations 517 517
Sum of weights 517.000 517.000
-2log(Likelihood) -1380.430 -4273.093
DF 516 515
R2 (McFadden) 0.000 -2.095
R2 (Cox and Snell) 0.000 0.996
R2 (Nagelkerke) 0.000 -0.074
AIC -1378.430 -4269.093
SBC -1374.182 -4260.597
Deviance 2893.132 0.469
Pearson Chi-square 2124.708 0.462
Iterations 0 7

TABLE 3.2 – Resultats de la régression exponentielle des Fm (d)

Le R2 de la régression est de 99.6%, on peut dire que le modèle explique très bien les
données.

36
 CHAPITRE 3. MODÉLISATION DES DÉPÔTS A VUE

Statistic DF Chi-square Pr > Chi2

-2Log(Likelihood) 1 2892.633 < 0.0001
Score 1 8788.588 < 0.0001
Wald 1 4519.207 < 0.0001
TABLE 3.3 – Test d’hypothèse de signification du modèle

Les tests du rapport de vraisemblance, de Score et de Wald ont une p-value très infe-
rieur a 5%, donc on rejette l’hypothèse nulle ”H0 : Fm (d) = Constant”
Donc on peut dire que le modèle est adéquat.

Source Value Standard error Wald Chi-Square Pr > Chi2 Wald Lower bound (95%) Wald Upper bound (95%)
Intercept 0.009 0.088 0.011 0.917 -0.164 0.182
days -0.020 0.000 4519.207 < 0.0001 -0.020 -0.019

TABLE 3.4 – Paramètres de la regression

La valeur de la constante est 0.009 ainsi que la valeur du coefficient est −0.02.
Or la constante est non significative selon le test de Wald Chi2 ; (p-value=91.7%).

Validation du modèle :

• La somme des résidus est égale à zéro ;

Statistic Std. residual

No. of observations 517
Minimum -0.135
Maximum 0.091
1st Quartile -0.009
Median -0.003
3rd Quartile 0.012
Mean 0.00
Variance (n-1) 0.001
Standard deviation (n-1) 0.030

TABLE 3.5 – Statistiques descriptives des résidus

• Nous utilisons la statistique de Durbin Wastson pour tester l’auto corrélation des
résidus :
DW 1.9167
p-value 0.3786
alpha 0.05

TABLE 3.6 – Test de Durbin-Watson

37
 CHAPITRE 3. MODÉLISATION DES DÉPÔTS A VUE

La p-value du test est supérieure à 5%, donc on rejette l’hypothèse d’auto corrélation
des résidus.
• Nous utilisons la statistique de White pour tester l’homoscédasticité des résidus :

LM(Observed value) 1.554

LM (Critical value) 5.991
DF 2
p-value (Two-tailed) 0.2354
alpha 0.05

TABLE 3.7 – Test de White

La p-value du test est supérieure à 5%, donc on accepte l’hypothèse d’homoscé-

dasticité des résidus.
Ainsi l’équation du modèle ajusté s’écrit : Fm (d) = e−0.02×d

F IGURE 3.4 – Courbe de régression et courbe des observations

Finalement, cette courbe montre un très bon ajustement entre la courbe du modèle et
celle des données.
La modélisation des autres types de dépôts se fait de la même façon, donc je vais pré-
senter directement les résultats de la modélisation de chaque segment de dépôts avec
les commentaires adéquats.

3.3.2 Dépôts des barreaux

Les dépôts de barreaux sont classés sous la catégorie des dépôts des professions
juridiques.
En faisant une analyse descriptive des soldes des barreaux on obtient les résultats sui-
vants :

38
 CHAPITRE 3. MODÉLISATION DES DÉPÔTS A VUE

Statistic Solde Barreaux

Nbr. of observations 751
Minimum 1783678399.79
Maximum 3218581966.89
1st Quartile 2353967837.41
Median 2438511901.42
3rd Quartile 2838756558.71
Mean 2541557520.63
Variance 94269931473425800.000
Standard deviation 307034088.455
Variation coefficient 0.121

TABLE 3.8 – Statistiques descriptives des soldes des barreaux

Les soldes fluctuent autour de la moyenne, et la volatilité des dépôts des barreaux est
12.1%.
Et en utilisant les relations élaborées dans le titre Equations de modélisation, la courbe
de Fm (d) a la forme suivante :

F IGURE 3.5 – Fonction d’écoulement moyenne des dépôts des barreaux

On veut donc avoir une relation de type Fm (d) = eβ +αd puisque l’allure de la courbe est
exponentielle.

39
 CHAPITRE 3. MODÉLISATION DES DÉPÔTS A VUE

Statistic Independent Full

Observations 1098 1098
Sum of weights 1098.000 1098.000
DF 1097 1096
-2log(Likelihood) -3742.012 -9415.744
R2 (McFadden) 0.000 -1.516
R2 (Cox and Snell) 0.000 0.994
R2 (Nagelkerke) 0.000 -0.034
AIC -3740.012 -94411.744
SBC -3735.011 -9401.741
Deviance 6578.364 904.633
Pearson Chi-square 6909.106 885.343
Iterations 0 6

TABLE 3.9 – Qualité de l’ajustement de la modélisation

Statistic DF Chi-square Pr > Chi2

-2Log(Likelihood) 1 5673.732 < 0.0001
Score 1 31853.198 < 0.0001
Wald 1 10684.629 < 0.0001
TABLE 3.10 – Test d’hypothèse de signification du modèle

Source Value Standard error Wald Chi-Square Pr > Chi2 Wald Lower bound (95%) Wald Upper bound (95%)
Intercept -1.227 0.050 613.560 < 0.0001 -1.324 -1.130
days -0.007 0.000 10684.629 < 0.0001 -0.008 -0.007

TABLE 3.11 – Paramètres de la regression

40
 CHAPITRE 3. MODÉLISATION DES DÉPÔTS A VUE

F IGURE 3.6 – Comparaison entre la courbe du modèle et la courbe des observations

Le R2 de la régression égale à 99.4%, les tests d’hypothèse nulle : Fm (d) = constante

ont tous rejeté cette hypothèse. Donc le modèle explique bien les données.

Validation du modèle :

• La somme des résidus est égale à zéro ;

Statistic Std. residual

No. of observations 1098
Minimum -0.892
Maximum 2.774
1st Quartile -0.665
Median -0.415
3rd Quartile 0.433
Mean 0.00
Variance (n-1) 0.787
Standard deviation (n-1) 0.887

TABLE 3.12 – Statistiques descriptives des résidus

41
 CHAPITRE 3. MODÉLISATION DES DÉPÔTS A VUE

• Nous utilisons la statistique de Durbin Wastson pour tester l’auto corrélation des
résidus :

DW 1.5127
p-value 0.4894
alpha 0.05

TABLE 3.13 – Test de Durbin-Watson

La p-value du test est supérieure à 5%, donc on rejette l’hypothèse d’auto corrélation
des résidus.
• Nous utilisons la statistique de White pour tester l’homoscédasticité des résidus :

LM(Observed value) 3.124

LM (Critical value) 5.991
DF 2
p-value (Two-tailed) 0.0843
alpha 0.05

TABLE 3.14 – Test de White

La p-value du test est supérieure à 5%, donc on accepte l’hypothèse d’homoscé-

dasticité des résidus.
L’équation du modèle ajusté est : Fm (d) = e−1.227−0.007×d .

3.3.3 Fonds du travail

Statistiques descriptives des soldes des fonds de travail :

Statistic Solde des Fonds du travail

Nbr. of observations 112
Minimum 1698919636.75
Maximum 2511728855.66
1st Quartile 1922941120.30
Median 2253801556.38
3rd Quartile 2400534153.99
Mean 2162937599.89
Variance 58438821195624500.000
Standard deviation 241741227.753
Variation coefficient 0.111

TABLE 3.15 – Statistiques descriptives des fonds du travail

42
 CHAPITRE 3. MODÉLISATION DES DÉPÔTS A VUE

La volatilité de ces fonds est 11.1%. C’est a dire 88.9% de ces dépôts sont stables.

F IGURE 3.7 – Fonction d’écoulement moyenne des fonds de travail

Source : Données ALM 2014-2016

C’est une courbe linéaire décroissance, on veut donc une relation de type Fm (d) =
β + αd ;

Observations 1098.000
Sum of weights 1098.000
DF 1096.000
R2 0.935
Adjusted R2 0.935
MSE 0.002
RMSE 0.039
MAPE 5.198
DW 0.004
Cp 2.000
AIC -7120.985
SBC -7110.983
PC 0.066

TABLE 3.16 – Qualité de l’ajustement de la régression linéaire simple

R2 = 93.5%Le modèle est convenable.

Source DF Sum of squares Mean squares F Pr > F

Model 1 23.839 23.839 15655.500 < 0.0001
Error 1096 1.669 0.002
Corrected Total 1097 25.508

TABLE 3.17 – Test d’hypothèse de signification du modèle

43
 CHAPITRE 3. MODÉLISATION DES DÉPÔTS A VUE

Source Value Standard error t Pr > |t| Lower bound (95%) Upper bound (95%)
Intercept 0.922 0.002 391.332 < 0.0001 0.918 0.927
days -4.65E-04 0.000 -125.122 < 0.0001 -4.72E-04 -4.57E04

TABLE 3.18 – Paramètres de la regression

F IGURE 3.8 – Comparaison entre la courbe du modèle et la courbe des observations

La p-value du test de Fisher pour l’adéquation du modèle linéaire est très inferieur a
5% (P-value < 0.0001). Donc le modèle est adéquat.

Validation du modèle :

• La somme des résidus est égale à zéro ;

44
 CHAPITRE 3. MODÉLISATION DES DÉPÔTS A VUE

Statistic Std. residual

No. of observations 1098
Minimum -0.085
Maximum 0.077
1st Quartile -0.025
Median -0.008
3rd Quartile 0.029
Mean 0.00
Variance (n-1) 0.002
Standard deviation (n-1) 0.039

TABLE 3.19 – Statistiques descriptives des résidus

• Nous utilisons la statistique de Durbin Wastson pour tester l’auto corrélation des
résidus :

DW 1.5233
p-value 0.1358
alpha 0.05

TABLE 3.20 – Test de Durbin-Watson

La p-value du test est supérieure à 5%, donc on rejette l’hypothèse d’auto corrélation
des résidus.
• Nous utilisons la statistique de White pour tester l’homoscédasticité des résidus :

LM(Observed value) 0.9377

LM (Critical value) 5.991
DF 2
p-value (Two-tailed) 0.09341
alpha 0.05

TABLE 3.21 – Test de White

La p-value du test est supérieure à 5%, donc on accepte l’hypothèse d’homoscé-

dasticité des résidus.
L’équation du modèle ajusté s’écrit : Fm (d) = 0.922 − 4.65 × 10−4 × d.

3.3.4 Fonds de garantie

La volatilité des fonds de garantie est 9.5% selon les statistiques descriptives des
soldes représentées dans le tableau ci-après :

45
 CHAPITRE 3. MODÉLISATION DES DÉPÔTS A VUE

Statistic Solde Fonds de garantie

Nbr. of observations 324
Minimum 1698919636.75
Maximum 2345252816.03
1st Quartile 1799355396.88
Median 2001884843.84
3rd Quartile 2138187057.40
Mean 1987082862.91
Variance 32248362167555000.000
Standard deviation 179578289.800
Variation coefficient 0.090

TABLE 3.22 – Statistiques descriptives des soldes des fonds de garantie

La courbe les fractions de soldes à modéliser a la forme suivante :

F IGURE 3.9 – Fonction d’écoulement moyenne des fonds de garantie

Si on applique la transformation Ln(−Ln(.)) aux Fm (.), La courbe qui en résulte a une

allure d’une fonction du logarithme népérien :

46
 CHAPITRE 3. MODÉLISATION DES DÉPÔTS A VUE

F IGURE 3.10 – Fonction d’écoulement moyenne des fonds de garantie après transformation

Ainsi on fait une régression linéaire du modèle :

Ln − Ln(Fm (d)) = β + α ln(d)

Observations 1096.000
Sum of weights 1096.000
DF 1094.000
R2 0.984
Adjusted R2 0.984
MSE 0.015
RMSE 0.121
MAPE 23.032
DW 0.019
Cp 2.000
AIC -4632.526
SBC -4622.527
PC 0.016

TABLE 3.23 – Qualité de l’ajustement de la régression linéaire simple

Source DF Sum of squares Mean squares F Pr > F

Model 1 976.244 976.244 66989.633 < 0.0001
Error 1094 15.943 0.015
Corrected Total 1095 992.187

TABLE 3.24 – Test d’hypothèse de signification du modèle

47
 CHAPITRE 3. MODÉLISATION DES DÉPÔTS A VUE

Source Value Standard error t Pr > |t| Lower bound (95%) Upper bound (95%)
Intercept -5.731 0.023 -254.689 < 0.0001 -5.775 -5.686
Ln(d) 0.954 0.004 258.824 < 0.0001 0.950 0.964

TABLE 3.25 – Paramètres de la regression

F IGURE 3.11 – Comparaison entre la courbe du modèle et la courbe des observations

R2 = 98.4% Ce qui signifie que le modèle explique bien les données. Le test de Fisher
dans la figure (b) pour la signification du modèle donne un p − value < 0.0001 < 5% donc
le modèle est significatif. C’est ce que montre le graphe (d), ou la courbe du modèle est
quasi-identique a celle des observations.
Les paramètres du modèle sont ainsi ; α̂ = −5.731 et β̂ = 0.957.

Validation du modèle :

• La somme des résidus est égale à zéro ;

48
 CHAPITRE 3. MODÉLISATION DES DÉPÔTS A VUE

Statistic Std. residual

No. of observations 1096
Minimum -0.245
Maximum 0.270
1st Quartile -0.087
Median -0.011
3rd Quartile 0.093
Mean 0.00
Variance (n-1) 0.015
Standard deviation (n-1) 0.121x

TABLE 3.26 – Statistiques descriptives des résidus

• Nous utilisons la statistique de Durbin Wastson pour tester l’auto corrélation des
résidus :

DW 1.8257
p-value 0.5061
alpha 0.05

TABLE 3.27 – Test de Durbin-Watson

La p-value du test est supérieure à 5%, donc on rejette l’hypothèse d’auto corrélation
des résidus.
• Nous utilisons la statistique de White pour tester l’homoscédasticité des résidus :

LM(Observed value) 4.3321

LM (Critical value) 5.991
DF 2
p-value (Two-tailed) 0.07663
alpha 0.05

TABLE 3.28 – Test de White

La p-value du test est supérieure à 5%, donc on accepte l’hypothèse d’homoscé-

dasticité des résidus.
Donc on peut écrire le modèle ajusté comme suit :


Ln − Ln Fm (d) = −5.731 + 0.957 × Ln(d)

Ou bien :
−5.731 ×d 0.957
Fm (d) = e−e

Après la partie de la modélisation des dépôts, on procède par le calcul des écoulements
de l’actif et du passif, et ce selon des lois d’écoulement pour chaque poste de bilan (pour

49
 CHAPITRE 3. MODÉLISATION DES DÉPÔTS A VUE

les dépôts ce sont les modèles qu’on a déjà élaboré) qui reflètent le degrés de liquidité de
chaque poste.
Faute de disponibilité des données des autres types de dépôts en raison de confidentia-
lité, je vais utiliser les lois d’écoulement provenant d’une étude interne de l’entité ALM de
la CDG pour faire les écoulements de ces postes.

50
Chapitre 4

Gestion effective du risque de liquidité

4.1 Ecoulement du bilan de la CDG

4.1.1 Sorties de l’actif
Lois d’écoulement de l’actif
En ce qui concerne l’actif, les échéances des titres d’investissement et de placement
sont échéancées et connues, mais pour d’autres postes de l’actif, il est nécessaire de
faire une modélisation. Néanmoins, cette modélisation ne va pas être étudiée dans ce
mémoire, du fait des spécificités de l’écoulement de l’actif, et sa nature non statistique,
mais plutôt stratégique. Ainsi, nous allons nous contenter de la prise en compte des actifs
échéancés.

51
 CHAPITRE 4. GESTION EFFECTIVE DU RISQUE DE LIQUIDITÉ

TABLE 4.1 – Hypothèses d’écoulement de l’actif

Actif
Poste Hypothèses d’écoulement
1. Valeurs en caisse, Banques Centrales, Trésor Public
. Valeurs en caisse Ecoulement à échéance (1 jour(1))
. Valeurs en banque Ecoulement à échéance (1 jour(1))
2. Créances sur les établissements de crédit et assimilés
. A vue Ecoulement à échéance (1 jour(2))
. A terme Ecoulement à échéance (3 mois(3))
3. Créances sur la clientèle
. Compte à vue débiteurs Non écoulement
. Crédits de trésorerie et à la consommation Non écoulement
. Crédits à l’équipement Non écoulement
. Crédits immobiliers Non écoulement
. Autres crédits Non écoulement
4. Créances acquises par affacturage Non écoulement
5. Titres de transaction et de placement
. Bons du Trésor et valeurs assimilées 40.2% 1 an, 6.2% 2 ans, 14.4% 5 ans,
13.9% 11 ans 25.3% 15 ans
. Autres titres de créance 3.8% 3 ans, 55.2% 5 ans, 18.8% 7 ans,
12.2% 10 ans, 2.6% 12 ans,
3.6% 15 ans, 3.4% 18 ans, 0.4% 22 ans
. Titres de propriété Non écoulement
. Autres titres de propriété Non écoulement
6. Autres actifs Non écoulement
7. Titres d’investissement
. Bons du Trésor et valeurs assimilées 2% 5 ans, 12% 10 ans, 3% 11 ans
77% 15 ans, 5% 20 ans, 1% 30 ans
. Autres titres de créance 2% 4 ans, 33% 5 ans, 10% 7 ans
3% 8 ans, 25% 10 ans, 20% 15 ans
5% 18 ans, 1% 20 ans, 1% 25 ans
8. Titres de participation et
emplois assimilés(4) Non écoulement
9. Créances subordonnées(5) Ecoulement à échéance
10. Immobilisations données en
crédit-bail et en location Non écoulement
11. Immobilisations incorporelles Non écoulement
12. Immobilisations corporelles Non écoulement
Source : Données ALM

(1) On peut accéder aux valeurs en caisse ou en banque à tout moment, c’est pour
cela que leurs échéances est de 1 jour ;
(2) Les Créances sur les établissements de crédit et assimilés à vue (interbancaire)
sont d’échéance de 1 jour ;

52
 CHAPITRE 4. GESTION EFFECTIVE DU RISQUE DE LIQUIDITÉ

(3) La durée moyenne des créances sur les établissements de crédit et assimilés à
terme pour la CDG est de 3 mois ;
(4) A cause d’un manque de visibilité dans la modélisation de ce poste, on ne l’écoule
pas a titre de prudence ;
(5) Les créances subordonnées ont écoulé par échéance, mais on n’a pas de montant
pour ces créances dans le bilan 2015 donc, on n’a pas d’hypothèse d’écoulement
pour ce poste.

Ecoulement de l’actif

F IGURE 4.1 – Ecoulement de l’actif

L’actif s’amortie lentement en court et moyen terme, mais en long terme on remarque
une large diminution de l’actif.
Le tableau d’écoulement est dans l’Annexe B.

4.1.2 Sorties du passif

Lois d’écoulement du passif
Les postes du passif nécessite une modélisation, c’est la modélisation des depots
qu’on a fait dans le titre Modélisation des dépôts a vue

53
 CHAPITRE 4. GESTION EFFECTIVE DU RISQUE DE LIQUIDITÉ

TABLE 4.2 – Hypothèses d’écoulement du passif

Passif
Poste Hypothèses d’écoulement
1. Banques Centrales, Trésor Public,
Service des Chèques Postaux Non écoulement
2. Dettes envers les établissements de crédit et assimilés
. A vue(1) Ecoulement à échéance (1 jour)
. A terme Non écoulement
3. Dépôts de la clientèle
Déposants Réglementés
Caisse Nationale De Sécurité Sociale Non écoulement
Secrétaires Greffiers(2) 95% en 1 an
Cautionnements Et Consignations(3) 95% en 5 ans
Fonds Des Notaires Modèle (Fm (d) = e−0.02×d )
Rcar(4) 95% en 3 jours
Fonds Du Travail Modèle
(Fm (d) = 0.922 − 4.65 × 10−4 × d)
Cnra(5) 95% en 3 jours
−5.731×d 0.957
Fonds de garantie Modèle (Fm (d) = e−e )
Autres fonds(6) 95% en 1 an
Déposants Volontaires
Barreaux Modèle (Fm (d) = e−1.227−0.007×d )
Autres Déposants +intérêt courus(7) 95% en 5 jours
4. Titres de créance émis Non écoulement
5. Autres passifs(8) Ecoulement linéaire sur 3 mois
6. Provisions pour risques et charges(8) Ecoulement linéaire sur 1 an
7. Provisions réglementées Non écoulement
8. Subventions, Fonds publics affectés
et Fonds spéciaux de garantie Non écoulement
9. Dettes subordonnées Non écoulement
10. Ecart de réévaluation Non écoulement
11. Réserves et primes liées au capital Non écoulement
12. Capital Non écoulement
13. Actionnaires. Capital non versé ( - ) Non écoulement
14. Report à nouveau ( +/- ) Non écoulement
15. Résultats nets en instance d’affectation ( +/- ) Non écoulement
16. Résultat net de l’exercice ( +/- ) Non écoulement
Source : Données ALM

(1) On peut accéder aux à vue à tout moment, c’est pour cela que leurs échéances
est de 1 jour ;
(2) Etude interne, écoulement exponentiel avec 95% écoulé en 1 an ;
(3) Etude interne, écoulement exponentiel avec 95% écoulé en 5 ans ;

54
 CHAPITRE 4. GESTION EFFECTIVE DU RISQUE DE LIQUIDITÉ

(4) Etude interne, écoulement exponentiel avec 95% écoulé en 3 jours ;

(5) Etude interne, écoulement exponentiel avec 95% écoulé en 3 jours ;
(6) Etude interne, écoulement exponentiel avec 95% écoulé en 1 an ;
(7) Etude interne, écoulement exponentiel avec 95% écoulé en 5 jours ;
(8) Etude interne.

Ecoulement du passif

F IGURE 4.2 – Ecoulement du passif

Au contraire de l’actif, le passif s’amortie en court et moyen terme, et se stabilise en

long terme.
Le tableau d’écoulement est dans l’Annexe C.

4.2 Impasses/Gaps en liquidité

En choisissant 16 périodes de projection jusqu’à un horizon de plus de 20 ans.

55
 CHAPITRE 4. GESTION EFFECTIVE DU RISQUE DE LIQUIDITÉ

F IGURE 4.3 – Impasses en liquidité

(a) (1/2)

(b) (2/2)
Source : Données ALM

Un Gap en stock négative signifie qu’on a une insuffisance des ressources par rap-
ports aux besoins de financement.
Un Gap en stock positive signifie qu’on a un excédent de ressources par rapports aux
besoins de financement.

F IGURE 4.4 – Graphe des Gaps en stock et en flux

56
 CHAPITRE 4. GESTION EFFECTIVE DU RISQUE DE LIQUIDITÉ

On remarque que sur le court terme, on a une gap en stock négatif(jusqu’à 3 ans) ce
qui est du au fait que la CDG détient moins d’actifs à écoulement court par rapport à celui
de son passif.
Entre 10 ans et 15 ans de projections, on remarque un large gap en stock positif, ceci
s’explique du fait que un décalage d’investissement entre les 2 gap 10-15 ans et 15-20
ans donne un excédent d’investissement et un déficit pour la maturité suivante.
Justement après l’échéance de 15 ans de projection on remarque un grand gap en flux
négative, c’est due que l’actif tombe après le remboursement de la pluparts des titres
d’échéance de 15 ans.
La méthode des impasses de liquidité peut nous montrer les maturités où on peut avoir
un risque de liquidité, elle sert seulement comme un moyen de mesure et de diagnostique
du risque de liquidité. Ainsi, et pour pouvoir tester la capacité de la banque de faire face a
une crise de court terme et intense de liquidité, en doit calculer le ratio de liquidité à court
terme (LCR), qui a pour objet de voir si la banque possède de liquidité suffisante dans
ces actifs pour faire face a une crise de liquidité de 30 jours calendaire. C’est l’objet de la
section qui suit.

4.3 Simulation du LCR à la CDG

En prenant comme base les états de synthèse du 31 Décembre 2015, nous procéde-
rons par une simulation du calcul du Ratio de liquidité à court terme (LCR).

4.3.1 Actifs liquides de haute qualité

Rappelons :

HQLA = Acti f s1 + Acti f s2A + Acti f s2B − Max((Acti f s_A juste2A + Acit f s_A juste2B)−
2 15
× Acti f s_A juste1, Acti f s_A juste2B − × (Acti f s_A juste1 + Acti f s_A juste2A), 0)
3 85

57
 CHAPITRE 4. GESTION EFFECTIVE DU RISQUE DE LIQUIDITÉ

F IGURE 4.5 – Simulation des actifs liquides de haute qualité

Source : Données ALM

(1) Les valeurs en caisse trouvées dans le poste G001 de l’actif de la CDG.
(2) Excédent/Insuffisance des avoirs auprès de la banque centrale est égale à zéro
car la CDG n’est pas à l’obligation d’avoir des réserves monétaires 1 obligatoires
auprès de Bank Al-Maghreb, car elle dispose des dépôts réglementaires ainsi plus
stable.
(3) On prends les bons de trésor de l’Etat, et les titres des organismes garantis par
l’Etat.
(4) Les obligations sécurisées sont les titre adossé à des créances hypothécaires.
(5) La CDG ne tient pas compte des OPCVM dans le calcul des HQLA.
(6) Obligations et billets de trésorerie émis par des entreprises notées 2 entre A+ et
BBB-.
(7) Les actions prises en compte sont des sociétés non financières appartenant a
l’indice boursier MADEX.
1. Les réserves monétaires constituent un pourcentage de tout les dépôts de l’établissement du crédit
ou une partie des dépôts (dépôts a vue par exemple).
2. "L’agence de notation Standard & Poor’s a maintenu la note de crédit du Maroc à "BBB-/A-3""

58
 CHAPITRE 4. GESTION EFFECTIVE DU RISQUE DE LIQUIDITÉ

4.3.2 Sorties nettes de trésorerie

Rappelons :

NCOs = Sortie_tresorerie − Min(Entre_tresorerie, 75% × Sortie_tresorerie)

F IGURE 4.6 – Simulation des sorties nettes de trésorerie (1/4)

Source : Données ALM

(8) Les dépôts de particuliers englobent les dépôts des professions juridiques et les
cautionnements et consignations. La raison pour laquelle elles ont été considérées
comme particuliers est due au fait que ce sont des individus qui déposent leur fonds
auprès de la CDG suite aux exigences de leurs métiers (notaires, secrétaires gref-
fier. . . etc) et ils récupèrent les fonds dès que l’affaire est clôturée. En utilisant les
volatilités obtenues dans la partie de la modélisation, on peut calculer les fractions
stables et moins stables des dépôts.
(9) La CNSS, CEN, RCAR, CNRA et les autres fonds institutionnels gérés par la
CDG considérés comme des entreprises ayant une relation opérationnelle avec la
banque 3 .
(10) Le montant des opérations diverses sur titres est inscrit dans le post du bilan
G115 (passif).
(11) Le montant des Dettes en instance est inscrit dans le post du bilan opérations
diverses(passif).
3. Ces relations sont définies dans les notices techniques de la circulaire de Bank Al-Maghrib. Voir
Annexe ...

59
 CHAPITRE 4. GESTION EFFECTIVE DU RISQUE DE LIQUIDITÉ

F IGURE 4.7 – Simulation des sorties nettes de trésorerie (2/4)

Source : Données ALM

60
 CHAPITRE 4. GESTION EFFECTIVE DU RISQUE DE LIQUIDITÉ

F IGURE 4.8 – Simulation des sorties nettes de trésorerie (3/4)

Source : Données ALM

(12) Les engagements de financement et de garantie se trouvent dans l’hors bilan.

61
 CHAPITRE 4. GESTION EFFECTIVE DU RISQUE DE LIQUIDITÉ

F IGURE 4.9 – Simulation des sorties nettes de trésorerie (4/4)

Source : Données ALM

(13) C’est la position a terme et au jour j sur l’interbancaire, ainsi que la position a
terme et au jj sur le repo 4 .
(14) Ce sont les Disponible en CCR BAM + disponible hors BAM +encaissement TGR
– dépenses TGR.
(15) Les tombés des titres possédés par la CDG du mois de Janvier ( car en calcul
des entrés probable dans les 30 jours qui suivent).
(16) Le montant des opérations divers sur titres est inscrit dans le post du bilan G050
(actif).

4.3.3 Calcul du LCR

Rappelons que :
HQLA
LCR =
NCOs
4. "repurchase agreement", dont le nom juridique français est pension livrée, c’est une transaction entre
deux banques A et B tel que ; la banque A, souvent le client, cède temporairement des titres qui lui ap-
partiennent auprès de la banque B en effectuant un transfert réel de propriété.En échange, B finance A à
hauteur du montant nominal des titres auquel on ajoute un coussin de sécurité. À l’échéance, A rachète les
titres cédés temporairement en remboursant B du montant du financement accordé, majoré des intérêts.

62
 CHAPITRE 4. GESTION EFFECTIVE DU RISQUE DE LIQUIDITÉ

TABLE 4.3 – Calcul du ratio de couverture de liquidité (LCR) Mars 2017.

Encours des HQLA : 52,506,728,761.9104

Total des sorties nettes de trésorerie : 16,938,603,093.4988

LCR 310%

Source : Données ALM

Le LCR du mois de Mars 2017 égal à 310%. L’exigence minimal fixé par le comité de
Bâle est de 80% en 2017.
La CDG satisfait largement l’exigence minimale. En effet, puisque les dépôts de la CDG
sont réglementés, donc ils sont plus ou moins stables. C’est ce qui explique la valeur du
LCR qu’on a obtenue. En plus la CDG investie plus dans les bon de trésor de l’Etat, ce
qui mène à une proportion de HQLA élevée.

4.4 Stress testing

Le régulateur impose a chaque banque de faire des tests de stress périodiques pour
faire des simulations de crise et de tension (survenant un par un ou simultanément). Ces
tests de stress permettent d’évaluer l’impact qu’ils apportent à la banque. "Les simulations
de crise devraient permettre à chaque banque d’analyser l’effet de scénarios extrêmes
sur la position de liquidité consolidée du groupe ainsi que sur celle des diverses entités et
lignes de métier 5 ." Ainsi, nous devons réfléchir à diverses solutions pour contrer les effets
de ces scénarios.
Le ratio de liquidité à court terme, ou le LCR, est un scenario de stress apporte par Bale
III, c’est le même pour le NSFR pour le long terme.
Les stress tests fait au sein de la CDG sont basées sur des scénarios de retraits massif de
certains dépôts avec un contexte économique pour chacun des scenarios choisis. Et en
fini par faire un scenario catastrophe ou on applique les autres scenarios simultanément
pour tester la situation la plus pessimiste.
Le tableau 4.4 représente les hypothèses utilisées pour stresser les écoulements en liqui-
dité.
On donne le montant des fonds propres égale à 20.51 GDH, le montant des HQLA est :
52.51 GDH et le montant des OPCVM : 19.14 GDH.

5. Principes de saine gestion et de surveillance du risque de liquidité.p.27

63
 CHAPITRE 4. GESTION EFFECTIVE DU RISQUE DE LIQUIDITÉ

TABLE 4.4 – Les scénarios de stress test et leurs impacts

Hypothèses stress test Besoin de financement en GDH Impact sur Impact sur les HQLA Impact sur OPCVM
les Fonds Propres
Retrait de 25% des depots
de la CEN dans un horizon de 1 mois(1) −10.08 -49.2% -19.2% -52.7%
Retrait de 10% des depots
de CNSS par an a partir de 2021(2) −65.47 -319.3% NA(3) -342.0%
Ecoulement de 20% des depots
des barreaux en 1 semaine(4) −0.507 -2.5% -1.0% -2.7%
Ecoulement de 50% des depots
de notaire en 1 mois(5) −8.31 -40.5% -15.8% -43.4%
Ecoulement de 20% des depots de secretaire
grefiers et des consignations en 1 semaine −6.23 -30.4% -11.9% -32.5%
Besoin de financement d’une
filiale 5GDH dans 5 jours −5.00 -24.4% -9.5% -26.1%
scenario catastrophe
(realisation de tout les scenarios simultanément) −95.60 -466.2% -182.1% -499.4%
Source : Données ALM.

(1) L’implémentation du nouveau régime de change qui sera initiée en juillet prochain
pourrait causer une crise de confiance pour les banques, et ainsi un retrait massif
des dépôts des clients (à cause de la possibilité que la valeur du Dirham Marocain
puisse diminuer dramatiquement, comme le cas de l’Egypte après libération de son
régime de change). Et cela peut aboutir a un retrait de 25% des dépôts de la CEN
en seulement 1 mois ;
(2) Les projections financières font ressortir que le solde technique et financier du
régime sera négatif à partir de 2021, ce qui déclenchera la ponction sur les réserves
qui seront totalement épuisées en 2030 6 . C’est à dire qu’à partir de 2021, et pour
une durée de 10 ans, la CNSS va épuiser dans ces réserves au sein de la CDG, ce
qui résulterait un retrait des dépôts de CNSS de 10% par ans à partir de 2021 ;
(3) La philosophie des HQLA c’est qu’elles servent a atténuer une situation de tension
de liquidité dans les 30 jours suivant, mais les dépôts de la CNSS ne commenceront
à sortir qu’à partir de 2021 ;
(4) Si l’un des barreaux régionaux sort de l’association des barreaux déposants (par
exemple un barreau de Casablanca car les plus grand barreaux existent à Casa-
blanca) on peut estimer une sortie de 20% des dépôts des barreaux en 1 semaine ;
(5) S’il y a une baisse de l’activité de l’immobilier, cela peut causer une crise immobi-
lière (i.e. pas de nouvelles affaires) ou bien une hausse des droits d’enregistrement
au niveau de la conservation foncière. Tout cela peut modifier le comportement des
acheteurs ainsi peut causer une sortie imprévue des dépôts de notaires (50% sur 1
mois, a cause d’un ralentissement de l’activité notaires).
Après application de ces hypothèses pour les écoulements du passif, on fait une étude de
leurs impacts sur les impasses en liquidité.

6. Cour des comptes, Rapport sur le système de retraite au Maroc : diagnostic et propositions de ré-
formes, juillet 2013. p.43

64
 CHAPITRE 4. GESTION EFFECTIVE DU RISQUE DE LIQUIDITÉ

F IGURE 4.10 – Scénario pour CEN

Une sortie des dépôts des CEN (considérés comme non écoulé) fait naissance a un
besoin de financement a l’horizon d’un mois, ce besoin de financement peut être couvert
par les fonds propre, provoquant une diminution des fonds propre de 49.2%, ce besoin
peut être couver aussi par les HQLA ou les OPCVM, qui donne un impact de -19.2% sur
les HQLA et -52.7% sur les OPCVM.

F IGURE 4.11 – Scénario pour CNSS

L’impact de retrait des dépôts de la CNSS est très critique pour la CDG, car il fait naitre
un gap négatif en long terme, avec un impact de -319.3% sur les fonds propres et de

65
 CHAPITRE 4. GESTION EFFECTIVE DU RISQUE DE LIQUIDITÉ

-342.0% sur les OPCVM.

F IGURE 4.12 – Scénario pour Notaires

Puisque les dépôts de notaires s’écoulent originalement en moins de 6 mois, après le

stress test, on n’a fait qu’une translation d’une partie des dépôts (50% de total des dépôts)
écoulées le long de la période entre un mois et une année, a l’horizon d’un mois. Ce qui
donne une diminution du gap dans 1 mois, puis une augmentation au-dessus de la courbe
initiale entre les horizons 1 mois et 1 an. L’impact de ce scenario sur les fonds propres est
de -40.5%, sur les HQLA est de -15.8% et sur les OPCVM est de -43.4%.

66
 CHAPITRE 4. GESTION EFFECTIVE DU RISQUE DE LIQUIDITÉ

F IGURE 4.13 – Scénario pour Barreaux

L’effet des barreaux est minimal, son impact sur les fonds prores est de -2.5%, sur les
HQLA est de -1.0% et sur les OPCVM est de-2.7%.

F IGURE 4.14 – Scénario pour Secretaires Greffier et Consignations

De même, et comme les dépôts des notaires, les dépôts des secrétaires greffier et les
consignations s’écoulent entre 1 an et 5 ans, l’effet remarqué en une semaine est repartie
tout au long de la durée d’écoulement de ces dépôts (qui est une durée longue par rap-
port aux autres dépôts ; les dépôts notaire par exemple). L’impact sur les fonds propre est

67
 CHAPITRE 4. GESTION EFFECTIVE DU RISQUE DE LIQUIDITÉ

-30.4%, l’impact sur les HQLA est -15.8% et l’impact sur les OPCVM est de -32.5%.

F IGURE 4.15 – Scénario pour Besoin de liquidité d’une filiale

Le financement d’une filiale est un scenario globale sur le passif, il donne un gap né-
gatif supplémentaire dans un horizon de 7 jours, son impact sur les fonds propres est de
-24.4%, et sur les HQLA est de -9.5%, et l’impact sur les OPCVM est de -26.1%.

F IGURE 4.16 – Scénario Composé

68
 CHAPITRE 4. GESTION EFFECTIVE DU RISQUE DE LIQUIDITÉ

La survenance de tous les scenarios ci-dessus simultanément est un scenario catas-

trophe ou pessimiste qui a des impacts majeurs sur les fonds propres, les HQLA et les
OPCVM. Le but de ce scenario est de voir, au pire des cas, qu’elles sont les pertes qu’on
va subir au cas de la réalisation de ce scenario.
A part le scenario de la CNSS et le scenario catastrophe, les autres scenarios peuvent
être couverts par les HQLA sans subir une grande perte vue la valeur élevée du LCR.
Pour le scenario de la CNSS, et puisque le déficit commencera dans 5 ans, il est plus
convenable de faire plus d’investissement d’échéance de 5 ans ou plus. On remarque
qu’à partir de 15 ans, le déficit disparaît, c’est grâce aux titres d’échéance de 15 ans.
Dans ce chapitre nous avons vu le concept des impasses en liquidité qui sont la différence
algébrique entre les actifs projetés et les passifs projetés. Ces impasses, ou bien gaps,
servent comme un moyen de diagnostiquer le risque de liquidité que la banque peut en
être exposée a chaque moment da la projection. Ces gaps que nous avant étudier dans
ce projets sont des gaps statique, c’est-à-dire on arrête la production en un moment et on
écoule le bilan jusqu’à l’épuisement du solde de chaque poste de bilan écoulé. On ne tient
pas compte des productions nouvelles car le but est de mesurer l’exposition au risque de
liquidité de la banque. Pour avoir une vision plus réaliste, on peut faire recours aux gaps
dynamiques, qui prend en considérations les productions nouvelles projetées dans le fu-
tur (nouveaux investissements, nouveaux crédits, nouveaux dépôts. . . etc.). Dans ce type
d’impasses les actifs (et passifs) projetés ne s’amortissent pas ; en raison des nouvelles
productions qui compensent les écoulements retenues dans les gaps statiques, les profils
d’écoulements seront croissants (au lieu d’être décroissants) et cela peut nous aider pour
visualiser une projection du bilan dans le cadre d’une vision prospective et en continuité
d’activité.. Pour pouvoir calculer les gaps dynamiques, on doit faire recours à des simula-
tions afin de projeter les flux des actifs et des passifs, période par période en fonction de
l’évolution du marché financier.
Nous avons vu aussi que l’implémentation du ratio de liquidité de cours terme LCR intro-
duit par le comite de Bale pour imiter une situation de tension de liquidité ou une crise de
liquidité dans le cours terme (30 jours calendaire). Ce ratio doit être calculé par la banque
chaque mois et doit être en minimum égale à 100%. Pour pouvoir faire des prédictions de
la valeur du LCR dans le future, dans le but d’améliorer la gestion du risque de liquidité
de la banque, on peut faire une modélisation stochastique de ce ratio, et ce on modélisant
la dynamique d’évolution des HQLA et des sorties nettes de trésorerie par un modèle de
taux stochastique (le plus simple c’est le modèle de Vasicek 7 ). Et ainsi on peut avoir la
valeur du LCR à tout moment t. Pour faire cette modélisation, on doit disposer des don-
nées historiques de calcul du LCR.
La gestion du risque de liquidité peut être associée à la gestion du risque de taux, puisque
ce sont des risques majeurs qui affectent le bilan de la banque. Ainsi, au titre de l’ALM,
et pour faire des adossements 8 du bilan, il est nécessaire d’étudier aussi le risque de
7. Le modèle de Vasicek s’écrit pour un taux rt : drt = a(b − rt )dt + σ × dWt avec a, b et σ sont des para-
mètres déterministes, et Wt est un mouvement brownien
8. L’adossement est un concept de base en matière de gestion du risque de liquidité et de taux. L’ados-
sement en liquidité consiste qu’aucun écart ne peut apparaître au fur et à mesure de l’amortissement des
emplois et des ressources adossés.L’adossement en taux, pour les taux de même nature, aussi à annuler
les gaps en taux.

69
 CHAPITRE 4. GESTION EFFECTIVE DU RISQUE DE LIQUIDITÉ

taux. De manière succincte , le risque de taux existe lorsque les profits sont sensibles
aux mouvements des taux d’intérêt. Les prêts ou placements, les dépôts à terme ou les
dépôts d’épargne et la dette financière engendrent des revenus ou des coûts tirés par les
taux d’intérêt. Étant donné que les taux d’intérêt sont instables, il en est de même pour
les profits.
Tous les prêteurs et emprunteurs sont soumis à un risque de taux. Les emprunteurs et
les prêteurs à taux variable ont des revenus ou des coûts d’intérêts indexés sur les taux à
court terme du marché. Les prêts et dettes à taux fixe sont également soumis à un risque
de taux d’intérêt. Les prêteurs à taux fixe pourraient prêter à un taux supérieur si les taux
augmentent et risquent de ne pas prêter à un taux plus élevé. Les emprunteurs à taux
fixe feraient mieux d’emprunter à des taux inférieurs lorsque les taux diminueraient. Les
opérations à taux fixe sont exposées au risque de taux d’intérêt parce que les prêteurs et
les emprunteurs peuvent faire face à un coût d’opportunité aléatoire découlant des mou-
vements du marché.
Le risque de taux est mesuré aussi par la méthode des gaps. En effet, les gaps de taux
sont des différences algébriques entre les actifs et les passifs dont le taux d’intérêt par-
tage une référence commune. Les écarts de taux d’intérêt statiques sont calculés à partir
des soldes actuels et projetés des actifs et passifs existants et forment un profil temporel
sur l’horizon des projections. Les gaps de taux sont calculés pour le taux fixe ou pour les
actifs et les passifs à taux variable.
Un gap de taux fixe à une date donnée est la différence entre les actifs à taux fixe et les
passifs à taux fixe. Un gap de taux variable à une date donnée est la différence entre les
actifs à taux variable et les passifs à taux variable (ou bien sensibles au taux d’intérêt).
A l’instar des gaps de liquidité, les gaps statiques proviennent des écoulements projetés
des actifs et passifs existants. Des gaps statiques sont utilisés pour la gestion du risque
de taux car il n’est généralement pas nécessaire de couvrir les opérations aujourd’hui qui
ne sont pas encore au bilan.

70
 Conclusion générale

A travers ce présent rapport j’ai essayé de mettre le point sur les problèmes lies au risque
de liquidité ainsi que sa gestion à court terme, en utilisant des méthodes de gestion de
risque à savoir la méthode des impasses ou GAP en liquidité et le ratio de liquidité à court
terme LCR introduit récemment par Bâle III. La première méthode se résume dans l’étude
des projections de l’actif et du passif de la banque, et ce pour suivre les déséquilibres
futur du bilan, se qui aiderait à prendre des décisions concernant les stratégies d’inves-
tissement ou d’emprunts futur selon le signe des impasses. Et puisque ces gaps sont
statiques, il est évident que les passifs et actifs s’amortissent au cours du temps. Cette
méthode permet à la banque de préparer aux besoins de liquidité future.

La deuxième méthode consiste à calculer le ratio de liquidité à court terme LCR qui
a pour objectif de mesurer à quel point la banque peut faire face a une situation de crise
de liquidité de court terme (30 jours calendaires). Le LCR calcule le niveau des actifs
liquides de haute qualité disponibles par rapport aux sorties nets de trésorerie dans les
30 jours calendaires suivantes. Ces actifs sont utiles pour couvrir, en situation de tension,
toutes sorties de trésorerie. C’est pourquoi il est exigé pour ce ratio d’être au moins égale
a 100%.

Pour être capable de calculer les impasses en liquidité, il fallait dans un premier temps
écouler les postes de bilan. C’est pourquoi il était nécessaire de faire d’abord une estima-
tion des lois de chaque type de dépôts de la CDG. Cette modélisation est utile aussi pour
estimer leur partie volatile, en utilisant le coefficient de variation. Ce coefficient permet
d’évaluer la volatilité des dépôts de manière dynamique pour définir le matelas stable des
dépôts et cela nous a aidé pour déterminer les sorties nets de trésorerie dans le calcul du
LCR.

Enfin, et après la réalisation des profils d’écoulement du bilan, et le calcul du LCR, j’ai
fait une évaluation des impasses de liquidité stressées, sur la base de plusieurs scénarios
de crise ou de tension sur la liquidité (ou stress-tests), conformément aux exigences du
régulateur national. Ces stress-tests montrent l’impact des scénarios extrêmes de tension
sur les fonds propre de la CDG ainsi que les HQLA et les OPCVM, qui sont considérés
comme des ressources pour amortir l’effet de la crise.
Bibliographie

[1] Bâle III Ratio de liquidité à court terme et outils de suivi du risque de liquidité, Banque
des Règlements Internationaux, 2013.
[2] Bâle 3 Ratio structurel de liquidité à long terme,Banque des Règlements Internatio-
naux, 2014.
[3] Principes de saine gestion et de surveillance du risque de liquidité, Banque des Rè-
glements Internationaux, 2008.
[4] Circulaire de BANK AL-MARGHRIB relative au ratio de liquidité des banques ; C n
15/G/13, 2013.
[5] COMBES-THUELIN Elisabeth, Risques de solvabilité, de liquidité et de taux au sein
du secteur bancaire : coût historique et juste valeur, 2011.
[6] Corlosquet-Habart, Marine ; Gehin, William ; Janssen, Jacques ; Manca, Raimondo
Asset and Liability Management for Banks and Insurance Companies, 2015.
[7] DUBERNET, Michel « Gestion Actif-Passif et Tarification des Services Bancaires »
-Ed. ECONOMICA, 2000.
[8] Grégory GHIEU, Gestion Actif – Passif : Méthodologie et application au livret A,
Thèse professionnelle Mastère Spécialisé Finance, ESCP – EAP 2003.
[9] [Link], « Gestion des Risques et Gestion Actif/Passif des Banques », Dalloz, Paris,
1995
[10] Joel Bessis, Risk Management in Banking, Fourth Edition, 2015.

72
Annexes

73
Annexe A

Bilan et Hors-Bilan de la CDG de 2015

74
 ANNEXE A. BILAN ET HORS-BILAN DE LA CDG DE 2015

F IGURE A.1 – Actif du bilan 2015 (en millier de Dhs

Source : Etats financiers Décembre 2015

75
 ANNEXE A. BILAN ET HORS-BILAN DE LA CDG DE 2015

F IGURE A.2 – Passif du bilan 2015 (en millier de Dhs

Source : Etats financiers Décembre 2015

76
 ANNEXE A. BILAN ET HORS-BILAN DE LA CDG DE 2015

TABLE A.1 – Hors Bilan 2015 (en millier de Dhs)

Engagement données 21880618.07

[Link] de financement donnés en faveur d’établissements de crédit et assimilés 833300
2. Engagements de financement donnés en faveur de la clientèle 2060975.89
3. Engagements de garantie d’ordre d’établissements de crédit et assimilés 12312747.47
4. Engagements de garantie d’ordre de la clientèle 515232.72
5. Titres achetés à réméré
6. Autres titres à livrer
7. Valeurs et sûretés données en garantie 6158361.99
Engagements reçus 1070328.85
8. Engagements de financement reçus d’établissements de crédit et assimilés
9. Engagements de garantie reçus d’établissements de crédit et assimilés
10. Engagements de garantie reçus de l’État et d’organismes de garantie divers
11. Titres vendus à réméré
12. Autres titres à recevoir
13. Valeurs et sûretés reçues en garantie
14. Engagements sur produits dérivés
15. Divers hors bilan (valeurs à l’encaissement) 1440732.37
Source : Etats financiers Décembre 2015

77
Annexe B

Ecoulement de l’actif

78
 ANNEXE B. ECOULEMENT DE L’ACTIF

F IGURE B.1 – Tableau d’écoulement de l’actif (1/2)

Source : Données ALM

79
 ANNEXE B. ECOULEMENT DE L’ACTIF

F IGURE B.2 – Tableau d’écoulement de l’actif (2/2)

Source : Données ALM

80
Annexe C

Ecoulement du passif

81
 ANNEXE C. ECOULEMENT DU PASSIF

F IGURE C.1 – Tableau d’écoulement du passif (1/2)

Source : Données ALM

82
 ANNEXE C. ECOULEMENT DU PASSIF

F IGURE C.2 – Tableau d’écoulement du passif (2/2)

Source : Données ALM

83