05 ‫العدد‬ ‫مجلة التنظيم و العمل‬

‫ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬
Application de la méthode de Box&Jenkins dans la prévision des produits
bancaires :Agence BDL Maghnia
Benramdane Anissa

Boumediène Mohamed Rachid

Université de Tlemcen

Résumé :

Les entreprises bancaires voudraient limiter leur dépendance vis-à-vis de l'incertitude et réalisent
à cet effet des prévisions nécessaires pour la prise de diverses décisions. Depuis le milieu du
20ème siècle, des méthodes mathématiques de prévision ont été développées, basées sur des
procédures d'extrapolation plus ou moins complexes. Il est question dans cet article de proposer
un modèle de prévision du nombre des crédits pouvant être demandé mensuellement dans une
banque, ayant comme exemple l’agence de BDL. La méthodologie que nous avons mise en
œuvre dans cet article pour l’analyse de ces séries chronologiques est celle de BOX et JENKINS.
Mots clés : prévision, méthodologie de Box et Jenkins, produits bancaires, crédits bancaires

Abstract :
Banking companies would like to limit their dependence vis-a-vis the uncertainty and realize
forecasts needed for making various decisions. Since the mid-20th century, mathematical
methods for forecasting have been developed, based on extrapolation of plus or minus complex
procedures. In this paper, we propose a model for predicting the number of credits may be
requested monthly in a bank, having the example of the BDL agency. The actual prediction
discussed here is based on the theory of time series. The methodology that we have implemented
in this article is that of BOX and JENKINS.
Keywords: forecasting, Box-Jenkins methodology, banking products bank credits

1
 05 ‫العدد‬ ‫مجلة التنظيم و العمل‬
‫ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬
Introduction :

Réduire l’incertitude liée à la connaissance du futur, améliorer la qualité de l’information et des

décisions qui en découlent demeurent les principaux objectifs de la prévision. Il existe de nos
jours un ensemble de méthodes rigoureuses permettant de faire des prévisions, ou la qualité de
ces prévisions dépend en grande partie du choix de la méthode utilisée.

L’efficacité des méthodes statistiques de prévision est prouvée à court et moyen terme, car ces
méthodes reposent sur la construction de modèles auto-objectif pour lesquels les prévisions sont
faites sur la base de la mémoire des séries chronologiques, et sans la connaissance du passé et du
présent de la série on ne pourra pas projeter le futur.

La banque est un secteur d’activité très délicat dont l’une des priorités est de mettre ses clients en
confiance, de par la qualité, mais aussi ses délais de service. La nécessité de mieux contrôler le
risque est le souci des différentes organisations et non seulement des banques, les différentes
entités d’une banque font part de leurs besoins auprès d’un service, c’est pour cela que le
contrôle de gestion est adapté. Et c’est au contrôle de gestion que revient la tâche d’élaborer le
budget, de contrôler les réalisations et les prévisions. On comprend par là l’importance
qu’attache une banque à l’élaboration de son budget et à son suivi.

Nous avons choisi dans cet article la méthodologie de Box et Jenkins, qui est une technique
d’extrapolation par référence à une loi de reproduction du phénomène étudié ou l’information
permettant de mettre en évidence le processus est contenue dans la série chronologique elle-
même sans apport externe, à fin de prévoir l’évolution des produits bancaires de la Banque de
Développement Local. Nous avons étudié l’évolution des crédits d’exploitation représentée en
l’escompte commercial et facilité de caisse, et les crédits d’investissement représenté en crédit à
moyen terme.

Il s’agit dans cet article de présenter la problématique suivante : comment prévoir l’évolution
des produits bancaires de la Banque de Développement Local en utilisant la méthode
d’analyse et de prévision des séries chronologiques de Box&Jenkins ?

Nous avons étudié l’évolution des crédits d’exploitation représenté en l’escompte commercial et
facilité de caisse, et les crédits d’investissement représenté en crédit à moyen terme dans
l’agence BDL de Maghnia. Pour cela nous suivons le plan suivant :

Présentation de la méthode de Box&Jenkins

Présentation de la Banque de Développement Locale BDL

Application de la méthode de Box-Jenkins à la prévision de quelques produits de la BDL
1. Présentation de la méthode de Box&Jenkins :

George BOX et Gwilym JENKINS sont deux statisticiens qui ont contribué, dans les années
1970, à populariser la théorie des séries temporelles univariées. Les procédures de modélisation
sont présentées dans leur célèbre ouvrage intitulé « Time Series Analysis : Forecasting and

2
 05 ‫العدد‬ ‫مجلة التنظيم و العمل‬
‫ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬
control ». Ils ont proposé une démarche générale de prévision pour les séries chronologiques1.
Cette démarche est fondée sur la notion de processus ARMA et elle comprend quatre phases :
l’identification a priori, l’estimation du modèle ARMA identifié, l’identification a posteriori et la
prévision.

1.1 Rappel sur les séries chronologiques :

Une série chronologique est constituée de l’ensemble des observations d’une grandeur
effectuées à intervalles réguliers au cours du temps. La représentation graphique des
observations est une étape indispensable avant d’entreprendre une analyse plus technique de la
chronique. Cette représentation permet d’apprécier l’évolution lente du phénomène (tendance),
de dégager les périodes de stabilité. De ce qui précède se dégagent les notions de tendance,
saisonnalité qui entrent dans la décomposition d’une série temporelle ou encore une chronique.

L’étude de toute série chronologique passe avant tout par sa décomposition, car l’on suppose
qu’elle est constituée d’une partie prévisible (la tendance), d’une partie due aux variations
saisonnières (effets saisonniers) et d’une partie non prévisible (le résidu). Les problèmes de
décomposition les plus fréquents sont les suivants :
- estimer et enlever la tendance « stationnarisation »;
- estimer et enlever les variations saisonnières « dessaisonalisation ».

La tendance : La composante fondamentale ou tendance (trend) traduit l’évolution à
moyen terme du phénomène. On parle aussi de mouvement conjoncturel ou mouvement
extra-saisonnier. La chronique correspondante, notée ft, t =1…T, est une fonction à
variation lente. Elle est le plus souvent estimée sous forme paramétrique (polynôme,
exponentielle,...) ou comme le résultat d’une opération de lissage.

La composante saisonnière : La composante saisonnière ou mouvement saisonnier
représente des effets périodiques de période connue p qui se reproduisent de façon plus
ou moins identique d’une période sur l’autre. La chronique correspondante est notée St, (t
= 1..T). Elle est généralement supposée rigoureusement périodique : St+p = St, et les
valeurs Sj = (Sij), j = 1…p d’une période sont appelées ″coefficients saisonniers″. Le
bilan de l’effet saisonnier sur une période doit être nul car il est pris en compte dans la
tendance. La composante saisonnière permet simplement de distinguer à l’intérieur d’une
même période une répartition stable dans le temps d’effets positifs ou négatifs qui se
compensent sur l’ensemble de la période.

La composante résiduelle : La composante résiduelle ou variations accidentelles est la
partie non structurée du phénomène. Elle est modélisée par une suite de variables
aléatoires εt, (t = 1,…,T)centrées, non corrélées et de même variance, on parle de bruit
blanc.
Certains phénomènes économiques étudiés à très long terme présentent une composante cyclique
(cycles d’activité) dont la période, de plusieurs années, est souvent mal définie. Cette
composante est prise en compte dans la tendance sur les séries de taille moyenne.

Les objectifs de l’analyse d’une chronique sont :

1
Régis BOURBONNAIS (2002), Université Paris-IX Dauphine « Manuel et exercices corrigés, Econométrie », DUNOD, 4e édition,
p : 78.
3
 05 ‫العدد‬ ‫مجلة التنظيم و العمل‬
‫ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬
• Modélisation : Elle consiste à :
- Développer des modèles permettant de décrire le comportement d’une ou plusieurs séries
chronologiques.
- Mettre au point une méthodologie pour spécifier, estimer, valider (juger) un modèle
approprié pour des données particulières.

• Prévision : Étant données des observations X1;…; XT, la prévision consiste à évaluer une
valeur non observée, XT+h. La prévision peut être ponctuelle, ou prendre la forme d’un
intervalle de prévision.

1.2 Stationnarité de la série chronologique :

Pour travailler avec des données temporelles, elles doivent conserver une distribution constante
dans le temps. C’est le concept de stationnarité. Ainsi, si nos variables passées sont semblables à
nos variables futures, on peut utiliser le passé pour tenter de prédire le futur. Si nos données ne
sont pas stationnaires, on peut se retrouver avec: un biais de prévision, une prévision inefficace

et par conséquent une mauvaise inférence2. Un concept de stationnarité généralement utilisé est
celui de la stationnarité de second ordre. Nous dirons qu’une série chronologique Xt est
stationnaire au second ordre si les trois conditions suivantes sont vérifiées :

Un processus Xt est dit difference-stationary (DS) ou stationnaire en différence s’il peut s’écrire
sous l’une des formes suivante :
(1) Xt= Xt-1+ εt
(2) Xt= Xt-1+ β+ εt (avec β ≠0)
(3) Xt= Xt-1+ β+ γ.t + εt (avec γ ≠0)

Il sera dit Trend-stationary (TS) ou stationnaire en tendance s’il peut se mettre sous l’une des
formes suivantes :
(4) Xt= α.Xt-1+ β+ εt (avec |α| < 1 et β ≠0)
(5) Xt= α.Xt-1+ β+ γ.t + εt (avec |α| < 1 et γ ≠0)
La bonne manière de stationnariser une série TS consiste à estimer, en général par les moindres
carrés ordinaires (MCO), l’expression de la tendance et à la retirer. Tandis que la
stationnarisation des séries DS se fait par passage aux différences.

 Test de Dickey Fuller Augmenté :

Dans le test de Dickey Fuller simple le processus εt est par hypothèse un bruit blanc, or il n’ya
aucune raison pour que, à priori, l’erreur soit non corrélée. Le tes de ADF ne suppose pas que εt
est un bruit blanc.

2
Simon LEBLOND-Isabelle Belley-Ferris (2004), « Guide d’économétrie appliquée »,Département de sciences économiques,
Université de Montréal, Document de travail, p :56.
4
 05 ‫العدد‬ ‫مجلة التنظيم و العمل‬
‫ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬
Les hypothèses du test de ADF se définissent de la façon suivante :

D’autres tests sont également utilisés notamment celui de Phillips-Perron, Schmidts-Phillips,

Eliott-Rothenberg-Stock (ERS), KPSS .

1.3 Détermination des ordres p et q du processus ARMA :

 Le correlogramme :

*La corrélation : Les observations d’une série chronologique n’étant pas indépendantes, le
correlogramme permet de déceler les liens entre elles. Il s’agit de la représentation graphique de
la fonction d’auto-corrélation qui traduit la corrélation entre les observations à un instant donné,
Xt, et les instants précédents Xt-k, (où Xt est la série étudiée et k = 0…n, un entier naturel,
n’étant le nombre total d’observations)3.
La fonction d’auto-corrélation(AC) est la fonction qui à k associe ρ(k). Le correlogramme est le
graphique de la fonction d’auto-corrélation.
*Auto-corrélation partielle : L’auto-corrélation partielle (PAC) entre Xt et Xt-k est la
corrélation entre Xt et Xt-k, l’influence des variables décalées (Xt-1,Xt-2, …, Xt-k+1) ayant été
retirée. Ainsi, l’auto-corrélation partielle d’ordre k d’une série Xt, notée r(k) ou rk est définie par
le dernier coefficient de la projection linéaire de Xt+1sur ces k plus récentes valeurs4 :

La fonction d’auto-corrélation partielle (PAC) est la fonction qui à k associe rk. Le

correlogramme partiel est sa représentation graphique.

 Les modèles Autorégressifs AR :

Un processus autorégressif d’ordre p (AR(p)) est tout processus qui peut s’écrire :
‫ݕ‬௧ = ߙଵ ‫ݕ‬௧ିଵ + ߙଶ ‫ݕ‬௧ିଶ + ⋯ + ߙ௣ ‫ݕ‬௧ି௣ + ߝ௧
où εt est un bruit blanc et αi, (i= 1 ;… ; p) une constante réelle (avec |αi|< 1)

3
Xavier BRY, Ecole Nationale de statistique et d’économie Appliquée (ENEA), « Analyse et prévision élémentaires des séries
temporelles », X. BRY – ENEA-1998.p :423.
4
Christophe HURLIN, U.F.R, « Econométrie Appliquée Séries Temporelles »,Document de cours.
5
 05 ‫العدد‬ ‫مجلة التنظيم و العمل‬
‫ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬
Le correlogramme (graphe de la fonction d’auto-corrélation) d’un processus AR(p) décroît de
façon géométrique tandis que le correlogramme partiel (graphe de la fonction d’auto-corrélation
partielle) a ses seuls p premiers termes significatifs (différents de 0).

 Les modèles Moyennes Mobiles MA :

Une série Yt est dit processus Moyenne mobile d’ordre q (MA(q)) si chaque observation Yt est
générée par une moyenne pondérée d’aléas jusqu’à la q-ième période5.
‫ݕ‬௧ = ߝ௧ − ߠଵ ߝ௧ିଵ − ߠଶ ߝ௧ିଶ − ⋯ − ߠ௤ ߝ௧ି௤
Où θ1, θ2, …, θq sont des paramètres pouvant être négatifs. Le correlogramme d’un modèle
MA(q) a ses seuls q premiers retards différents de 0, le correlogramme partiel décroît de manière
géométrique.

 Les modèles Autorégressifs Moyennes Mobiles ARMA :

On dit qu’un processus Yt suit un ARMA d’ordre (p,q) (noté ARMA(p,q)) si on peut écrire6 :
‫ݕ‬௧ − ߙଵ ‫ݕ‬௧ିଵ − ߙଶ ‫ݕ‬௧ିଶ − ⋯ − ߙ௣ ‫ݕ‬௧ି௣ = ߝ௧ − ߠଵ ߝ௧ିଵ − ⋯ − ߠ௤ ߝ௧ି௤
On peut dire, en gros, que si on ne se retrouve pas d'une façon évidente en face d'un processus
AR(p) ou MA(q), on a de fortes chances de se trouver en face d'un processus ARMA(p,q).

*Les modèles AR, MAet ARMA ne sont représentatifs que des chroniques stationnaires en
tendance et corrigées des variations saisonnières.

Si la série étudiée est de type DS (stationnaire en différence), il convient de la stationnariser par

passage aux différences selon l’ordre d’intégration I = d (le nombre de fois qu’il faut différencier
la série pour la rendre stationnaire) la série est alors étudiée selon les modèles BOX-JENKINS
(AR(p), MA(q)ou ARMA(p,q)).On parle alors de modèle Autoregressive Integrated Moving
averaged’ordre (p,d,q) et on note ARIMA(p,d,q)7.

Table 01 : Caractéristiques des correlogrammes des processus AR, MA et ARMA

Source : Régis Bourbonnais, Jean Claude Usunier, Prévision des ventes :Théorie et Pratique, Ed Dunod, 4e
Edition, p :89.

5
Elisabeth GASSIAT (2005), Université Paris-Sud, cours de séries chronologiques, Master de Statistique, Université de Yaoundé
I, p.42.
6 e
Régis Bourbonnais, Jean Claude Usunier, Prévision des ventes :Théorie et Pratique, Ed Dunod, 4 Edition, p :88.
7
L’identification a priori consiste, à partir de la lecture du corrélogramme et du test de stationnarité, d’une part à détecter s’il
s’agit d’un modèle ARMA ou ARIMA et d’autres part à déterminer les ordres (p,q) du modèle ARMA ou (p,d,q) du modèle
ARIMA.
6
 05 ‫العدد‬ ‫مجلة التنظيم و العمل‬
‫ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬
1.4 Estimation et validation des paramètres :

L’estimation des paramètres du modèle est fondée sur la maximisation d’une fonction de
vraisemblance. La validation de la représentation porte sur8 :

• Les coefficients du modèle qui doivent être significativement différents de 0. Si un

coefficient n’est pas significativement différent de 0, il convient d’envisager une nouvelle
spécification éliminant l’ordre du modèle AR ou MA non valide.

• L’analyse des résidus (l’écart entre la série observée et la série prévue) permet de vérifier
qu’ils sont :
 De moyenne nulle, dans le cas contraire, il convient d’ajouter une constante au
modèle ;

 Représentatifs d’un bruit blanc. Si le résidu n’est pas un bruit blanc, cela signifie
que la spécification du modèle est incomplète et qu’il manque au moins un ordre
à un processus.

La phase de validation du modèle est très importante et nécessite le plus souvent un retour à la
phase d’identification.

1.5 La prévision :

Lorsque le modèle est validé, la prévision peut alors être calculée à un horizon h de quelques
périodes, limité car la variance de l’erreur de prévision croît très vite avec l’horizon. L’intervalle
de prévision donne l’idée de la valeur que pourrait prendre la prévision si l’on tenait compte de
ces erreurs.

Figure 01 : Algorithme de la méthode de Box-Jenjins

8
Régis Bourbonnais, Jean Claude Usunier, opcit, p :90.
7
 05 ‫العدد‬ ‫مجلة التنظيم و العمل‬
‫ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬

Source : Régis Bourbonnais, Jean Claude Usunier, opcit, p :91.

2. Présentation de la Banque de Développement Locale BDL :

2.1 La BDL en bref :

La banque de Développement Local par abréviation BDL est un organisme financier, public,
économique qui a été crée par décret n85/85 du 30 avril 1985.
La BDL, qui été dotée d’un capital de 500 millions de dinars, a hérite au départ 39 agences,
1succursale, le siège social et un effectif de 700 agents, issus du Crédit Populaire d’Algérie, dans
le cadre de la restructuration du secteur financier.
Le démarrage de l’activité a eu lieu le 1er juillet 1985. Août de la même année, la banque a
repris les activités des Caisses de Crédit Municipal d’Alger, d’Oran et de Constantine,
regroupées en un réseau de huit (08) agences dont cinq (05) agences spécialisées dans les
opérations de prêts sur gages (PSG).

Le démarrage de cette banque a été difficile, même si en 1986, elle a bénéficie de cinq agences
issues des ex-caisses de Crédit Municipal, elle a tenté de s’imposer sur un marche déjà conquis
par d’autres banques d’envergure national (CPA, BNA, BEA) et qui ont accumulé beaucoup
d’expérience.

8
 05 ‫العدد‬ ‫مجلة التنظيم و العمل‬
‫ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬
La BDL ne disposait pas alors de l’outil informatique, tant au niveau central, qu’au niveau des
agences. Les opérations étaient donc traitées manuellement d’autre part la création de cette
banque a coïncide avec la crise économique qui a secoué le pays, en 1986 en raison de la baisse
brutal du prix du pétrole, qui a rendu aléatoire son développement.
Les ressources de la clientèle étaient alors, seulement de deux milliards de dinars et avec cent
mille (100.000) comptes clients.
Suite à sa transformation juridique en société par actions (SPA) et sur la base de la loi 88/04
portant sur l’autonomie des entreprises, elle est passée à l’autonomie le 20 février 1989.
Et enfin le siège social de la Banque de Développement Local est situé au 5, rue Gaci Amar
Staouéli-wilaya d’Alger.

Le capital social de la BDL est passé successivement de 500 millions de dinars à sa création, à
720 millions de dinars en 1994, à 1 milliard 440 millions de dinars en 1995, à [Link]
dinars en 2004, puits à [Link] dinars en 2010.

L’organigramme général de la banque de développement local (BDL) est composé des structures
centrales, d’un réseau de succursales et agences qui entretiennent entre elles des relations
hiérarchiques et fonctionnelles, afin de répartir l’ensemble des tâches dévolues à la banque dans
la cadre des missions qui lui sont attribuées.
Le schéma général d’organisation de la BDL s’articule autour des structures centrales et d’un
réseau de directions régionales et d’agences.

2.2 Missions et objets :

La Banque de Développement Local a spécialement pour mission et ce conformément aux lois et

règlements en vigueur, l’exécution de toutes opérations bancaires et l’octroi de prêts et de crédits
sous toutes ses formes à savoir :
 De contribuer au financement des activités d’exploitation et d’investissement des
(PME/PMI).
 De financer des projets à caractère économique des collectivités locales.
 De financer toutes activités économiques industrielles et commerciales.
 De participer à la collecte de l’épargne.
 De traiter toutes opérations ayant trait aux prêts sur gages.
 De consentir à toute personne physique ou morale selon les conditions et formes
autorisées.
 Des prêts et avances sur effets publics.
 Des crédits à court, moyen et long terme.

 D’effectuer et de recevoir tous paiements en espèces ou par chèques, virements et

domiciliation.
 D’établir des mises à disposition, des lettres des crédits et autres opérations de banque.

9
 05 ‫العدد‬ ‫مجلة التنظيم و العمل‬
‫ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬
2.3 Produits et services BDL :

Les crédits :
 Le crédit d’investissement : Le crédit d’investissement est destiné à financer tout projet
de création ou d’extension d’activité et en cas de renouvellement des moyens de
production. La durée de remboursement usuelle d’un crédit d’investissement s’étale sur
une période pouvant aller sur trois à sept ans, une période de différé de remboursement
de 6 mois à 2 ans peut être accordée (Crédit Moyen Terme).
 Le crédit d’exploitation : consiste à Financer les différents besoins d’exploitations
« stocks, créances clients … ». La banque peut se porter garante en faveur de sa
clientèle en mettant à leur disposition des cautions et des Avals. Le crédit que nous vous
allouons peut revêtir la forme d’un crédit par caisse (escompte commercial, facilité de
caisse, découvert, crédit de compagne, avances) et/ou d’un crédit par signature (aval,
cautions douanes, soumission contentieuse, cautions CIC, crédits documentaires).
 Le crédit documentaire : C’est une opération par laquelle une banque, à la demande suite
aux instructions de son client (importateur), s'engage par l'intermédiaire d’une banque
correspondante, en faveur de l'exportateur, d'opérer par paiement, acceptation ou
négociation le règlement des documents constatant l'expédition d'une marchandise
effectuée conformément aux conditions stipulées par l'importateur (ordonnateur) dans sa
demande d'ouverture de crédit. C'est un engagement pris vis-à-vis de l'exportateur
(bénéficiaire de la lettre de crédit) par la banque de l'importateur de payer, sous condition
qu'elle reçoit des documents conformes prouvant l'expédition des marchandises
convenues. Il est important pour l'importateur d'avoir à l'esprit que le paiement est lié à la
conformité des documents et non pas à celle de la marchandise elle-même, qui n'est pas
prise en considération dans son aspect physique.
 Crédit immobilier : C'est un crédit à moyen et à long terme ayant pour objet le
financement des opérations de promotion immobilière destinées exclusivement à la vente
et à la location. Aussi, le crédit à la promotion immobilière peut être affecté au
financement de l'acquisition d'un terrain réservé exclusivement à l'édification d'une
promotion immobilière (location et/ou vente).
 Crédit spécifique : destinés aux promoteurs, ANSEJ, CNAC, ANGEM.
Les services :
 La carte « CIB Classique & CIB Gold» : La carte « CIB Classique » et la carte « CIB
Gold », sont deux cartes Interbancaires, elles permettent la facilité de paiement et de
retrait au quotidien. La carte CIB GOLD est destinée à la clientèle privilégiée de la
banque.
 Paiements sur Terminaux de Paiement Electroniques TPE : Le TPE (Terminal de
Paiement Electronique) est un instrument de paiement qui vous garantit une plus grande
protection contre la fraude, le vol et la contrefaçon. Il vous permet l’acceptation des
cartes bancaires, l’enregistrement et transaction automatique. Il vous permet également le
règlement de ces transactions en un délai rapide.
 Le service MoneyGram : Money Gram est nouveau service rentrant dans la cadre de la
stratégie commerciale de la BDL en faveur de la clientèle des particuliers. Les
bénéficiaires de ce nouveau service sont les personnes physiques domiciliés aux guichets

10
 05 ‫العدد‬ ‫مجلة التنظيم و العمل‬
‫ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬
de la BDL ou les clients de passage. Ce service consiste en une opération de transfert
d’Argent « sure et rapide » de n’importe quel point de vente Money Gram dans le monde
vers une Agence du réseau BDL. Money Gram est un leader mondial dans le service du
transfert d’argent international collaborant avec des partenaires de qualité dans plus de
150 000 points de vente situés dans 170 pays et territoires. ce service consiste pour le
moment que l’envoi de l’Argent de l’étranger vers l’Algérie et en aucun cas
le transfert de l’argent à partir de l’Algérie.
 La Carte VISA: La carte BDL/VISA, est un moyen de retrait et de paiement électronique,
matérialisée sous forme d’une carte à puce avec les inscriptions et les logos de
« VISA » et de la « BDL ». Elle est personnalisée au nom du porteur et elle est délivrée à
tout client intéressé, domicilié ou non à la BDL et disposant de devises. Chaque carte est
identifiée par un Numéro d’Identification de Base « BIN » composé des 6 premiers
numéros. La carte BDL/VISA a une validité de deux (02) ans.
 La carte Visa International BDL Gold : elle est délivrée à tout client détenteur d’un
compte en devises et en dinars ouverts sur les livres de la BDL. Elle fonctionne sur la
base de la disponibilité en compte du client. Le renouvellement de la carte est
automatique un mois avant la date d’expiration de sa validité, sauf résiliation du contrat
porteur.
3. Application de la méthode de Box-Jenkins à la prévision de quelques produits de la
BDL :
3.1 Identification à priori :

 Analyse du graphique :Dans notre étude, nous allons étudié l’évolution des crédits
d’exploitation représenté en l’escompte commercial « ESC » et facilité de caisse « FC », et les
crédits d’investissement représenté en crédit à moyen terme « CMT » dans l’agence BDL de
Maghnia.
ESC FC
160 200

140 190

180
120
170
100
160
80
150
60
140
40
130

20 120

0 110
2008 2009 2010 2011 2012 2008 2009 2010 2011 2012

CMT
800

700

600

500

400

300
2008 2009 2010 2011 2012

11
 05 ‫العدد‬ ‫مجلة التنظيم و العمل‬
‫ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬
Figure 02 : graphiques des séries brutes (EVIEWS 6.0)

L’allure des graphiques de l’escompte commercial « ESC » et de crédit à moyen terme « CMT »
présente un processus à tendance linéaire fortement croissante avec une chute en 2009
concernant l’escompte commercial, nous remarquons aussi une croissance dans les crédits de
facilité de caisse « FC » en cous des années 2008 et 2009 qui rebaisse rapidement en cous des
années 2010, 2011 et 2012 suivi d’une brusque évaluation à cause des phénomènes conjoncturels
internes u externes à la BDL.

La représentation graphique nous suggère l’idée d’un schéma additif car les tendances de nos
séries ne sont pas proportionnelles aux oscillations des séries. Nous pouvons aussi constater que
les séries ESC, FC et CMT avec leurs fonctions de corrélations (AC) et auto-corrélations
partielles (PAC) sont différents du zéro, elles sont donc non stationnaires et doivent être
stationnarisés avant toute étude.

 Analyse de la saisonnalité et de la stationnarité :

Nos séries ont toutes des tendances soit constantes soit croissantes (voir graphiques à la page
précédente) qui ne sont pas proportionnelles aux oscillations des séries. C’est à dire qu’elles ne
peuvent être décomposées ni selon le schéma multiplicatif, ni un schéma mixte. Nous les
décomposerons donc toutes selon le schéma additif. La dessaisonalisation consistera donc à
soustraire l’effet saisonnier des valeurs observées de la série après l’avoir estimé. Ceci nous
permettra d’obtenir des séries corrigées des variations saisonnières (CVS) que nous étudierons
par la suite. Comme nos séries sont mensuelles, alors la moyenne mobile centrée utilisée pour les
désaisonnaliser est la moyenne mobile d’ordre 12.
Les coefficients saisonniers ont été déterminés par la méthode de dessaisonalisation par
moyennes mobiles centrées comme nous l’avons déjà indiqué. La CVS est alors obtenue en
retranchant ces coefficients de la série initiale, car le schéma adopté est celui additif. Les
résultats seront présentés sous forme de tableau récapitulatif à la phase de prévision.
Tableau 02 : Coefficients saisonniers
CVS-séries ESC FC CMT
Les mois
Janvier 12.81 6.27 -11.66
Février -14.36 -11.06 -2.34
Mars -3.63 4.70 8.07
Avril -3.67 2.43 -0.44
Mai 7.34 3.68 -23.32
Juin -23.98 0.28 -9.81
Juillet 7.11 -1.06 -5.67
Aout 4.58 -6.80 -5.84
Septembre -4.30 -3.64 33.14
Octobre 0.61 0.66 39.11
Novembre 0.50 2.60 16.68
Décembre 16.99 1.84 -37.90
Source : fait à partir de Eviews 6.0

12
 05 ‫العدد‬ ‫مجلة التنظيم و العمل‬
‫ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬
Nous avons procédé au test de stationnarité test de Dickey-Fuller Augmenter. Rappelons qu’on
teste la stationnarité en différence contre la stationnarité en tendance, ce test retourne la valeur de
la statistique de ADF. L’hypothèse nulle est rejetée si cette dernière est inférieure à la valeur
critique contenue dans la table de ADF au seuil correspondant (5%) dans les trois modèles
suivants :
ሾ1ሿ: ‫ܣܵܶܵܧ‬௧ = ߶‫ܣܵܥܵܧ‬௧ିଵ + ߝ௧
ሾ2ሿ: ‫ܣܵܶܵܧ‬௧ = ߶‫ܣܵܶܵܧ‬௧ିଵ + ߚ + ߝ௧
ሾ3ሿ: ‫ܣܵܶܵܧ‬௧ = ߶‫ܣܵܶܵܧ‬௧ିଵ + ߚ + ߛ௧ + ߝ௧
On a le tableau suivant :
Tableau 03 : Récapitulatif des statistiques du test ADF :
t-stat Prob t-stat Prob t-stat Prob
ሾ1ሿ -0.61 0.4465 ሾ1ሿ -0.35 0.5538 ሾ1ሿ 1.92 0.9862
ESCSA ሾ2ሿ -3.81 0.0047 FCSA ሾ2ሿ -0.70 0.8361 CMTSA ሾ2ሿ 0.02 0.9562
ሾ3ሿ -3.69 0.0307 ሾ3ሿ -2.75 0.2189 ሾ3ሿ -2.20 0.4750
Source : fait à partir de Eviews 6.0

A l’issue du test, toutes les statistiques étaient inférieures à la valeur critique au seuil de 5%.
Donc toutes les séries sont stationnaires en tendance. La régression sur le temps par moindres
carrés ordinaires, suivie du test de significativité de Student sur les coefficients nous permet
d’obtenir la tendance de chaque série, que nous prélevons des séries CVS pour les stationnariser.
Donc toutes les séries sont stationnaires après les premières différences.
ESCSA ∼ I [1] FCSA∼ I [1] CMTSA ∼ I [1]

 Lecture des correlogrammes et choix des ordres p et q des modèles :

Il est question à présent de passer à l’étude des correlogrammes simples et partiel des séries
stationnarisées. On a les figures suivantes :

Figure 03 : Correlogrammes des séries stationnarisées

Source : fait à partir de Eviews 6.0

Les modèles pressentis après la lecture des correlogrammes sont :

Escompte commercial : ARIMA (1,1,1)
Facilité de caisse : ARIMA (2,1,1)
Crédit moyen terme : ARIMA (2,1,2)

13
 05 ‫العدد‬ ‫مجلة التنظيم و العمل‬
‫ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬
3.2 Estimation des coefficients et validation des modèles :
Après le test de Student sur les coefficients des différents modèles estimés, les modèles retenus
sont les suivants :

 Escompte commercial : ‫ܣܯܫܴܣ‬ሺ0.1.1ሻ: ‫ܣܵܥܵܧ‬௧ = −55ߝ௧ିଵ

Variable Coefficient Std. Error t-Statistic Prob.

MA(1) -0.556276 0.109305 -5.089196 0.0000

Les résidus s’obtiennent en retirant de la CVS la série stationnarisée. Nous procédons à cette
phase au test de normalité ([Link]) et de bruit blanc ([Link]) sur les résidus, ce qui nous
donne les résultats suivants :
Il ressort que les p-values obtenues au test de bruit blanc sont supérieures à 5% donc le résidu
vérifie l’hypothèse de bruit blanc au seuil de 5%, mais il ne vérifie pas l’hypothèse de normalité,
au seuil de 5% [Regarder l’annexe 1]. Donc le modèle ARIMA(0.1.1) est valide pour la
prévision.

 Facilité de caisse : ‫ܣܯܫܴܣ‬ሺ2.1.1ሻ: ‫ܣܵܥܨ‬௧ = 0.49‫ܣܵܥܨ‬௧ିଶ + 0.75ߝ௧ିଵ

Variable Coefficient Std. Error t-Statistic Prob.

AR(2) 0.462537 0.125324 3.690734 0.0005

MA(1) -0.492341 0.125293 -3.929512 0.0002

Il ressort que les p-values obtenues au test de bruit blanc sont supérieures à 5% donc le résidu
vérifie l’hypothèse de bruit blanc au seuil de 5%, aussi l’hypothèse de normalité est vérifier au
seuil de 5% [Regarder l’annexe 2]. Donc le modèle ARIMA(2.1.1) est valide pour la prévision.

 Crédit moyen terme :

‫ܣܯܫܴܣ‬ሺ2.1.2ሻ: ‫ܣܵܶܯܥ‬௧ = −0.23‫ܣܵܶܯܥ‬௧ିଵ − 0.96‫ܣܵܶܯܥ‬௧ିଶ − 0.95ߝ௧ିଵ

Variable Coefficient Std. Error t-Statistic Prob.

AR(1) -0.234254 0.044311 -5.286621 0.0000

AR(2) -0.968011 0.049078 -19.72404 0.0000
MA(2) 0.954665 0.044562 21.42315 0.0000

Il ressort que les p-values obtenues au test de bruit blanc sont supérieures à 5% donc le résidu
vérifie l’hypothèse de bruit blanc au seuil de 5%, mais il ne vérifie pas l’hypothèse de normalité,
au seuil de 5% [Regarder l’annexe 3]. Donc le modèle ARIMA(2.1.2) est valide pour la
prévision.

3.3 Prévision pour 2013 :

Les observations de nos séries sont mensuelles et s’étalent sur une période de sept ans. Ainsi, vu
le nombre d’observations, nous avons cru bon de limiter la prévision sur un an.
14
 05 ‫العدد‬ ‫مجلة التنظيم و العمل‬
‫ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬
Ces prévisions ne tiennent pas compte des variables extérieures. Elles seront d’autant plus
réalisables qu’aucun phénomène conjoncturel, pouvant bouleverser considérablement l’ordre
actuel d’évolution des activités de la banque ne se produisait. Comme il s’agit d’un modèle
additif, la prévision sera donc la somme de l’estimation tendancielle (qui est calculée grâce à son
estimation polynômiale), la prévision du modèle et le coefficient saisonnier correspondant.
Prévision = Modèle + Tendance + Coefficient Saisonnier
Pour ce qui est des intervalles de prévision (qui sont calculés au seuil de 5%), ils sont obtenus à
partir des erreurs sur les résidus. C'est-à-dire intervalles dans lesquels les valeurs attendues
devraient tombées avec 95% de chance.
Ainsi, on a les tableaux récapitulatifs suivants:
 L’escompte commercial :

Mois 2013 Ordre Coef tendance modèle prévision Interval_inf10 Interval_sup

des obs9 CVS
Janvier 61 12.82 90.46 -5.02 98 65.96 130.55
Février 62 -14.37 87.45 -1.23 72 38.21 105.49
Mars 63 -3.64 84.33 -0.40 80 46.58 114
Avril 64 -3.68 81.09 -0.22 77 43.48 110.90
Mai 65 7.34 77.73 -0.18 85 51.19 118.60
Juin 66 -23.98 74.26 -0.17 50 16.40 83.82
Juillet 67 7.11 70.67 -0.17 78 43.90 111.32
Aout 68 4.58 66.96 -0.17 72 37.67 105.09
Septembre 69 -4.30 63.14 -0.17 59 24.96 92.38
Octobre 70 0.61 59.20 -0.17 60 25.93 93.35
Novembre 71 0.51 55.14 -0.17 55 21.77 89.19
Décembre 72 16.99 50.97 -0.17 68 34.08 101.5

 Facilité de caisse :
Mois 2013 Ordre Coef tendance modèle prévision Interval_inf Interval_sup
des obs CVS
Janvier 61 6.27 130.88 -8.37 129 117.57 140
Février 62 -11.06 131.08 -2.53 117 106.25 128.72
Mars 63 4.70 131.27 -1.41 135 123.10 146.03
Avril 64 2.43 131.47 2.49 136 123.99 148.79
Mai 65 3.68 131.66 2.66 138 125.41 150.60
Juin 66 0.28 131.86 3.82 136 122.44 149.49
Juillet 67 -1.06 132.05 2.61 134 119.92 147.28
Aout 68 -6.80 132.25 2.10 128 113.65 141.42
Septembre 69 -3.64 132.44 0.56 129 115.48 143.25
Octobre 70 0.66 132.64 -0.13 133 119.29 147.06
Novembre 71 2.60 132.83 -1.03 134 120.50 148.42
Décembre 72 1.84 133.03 -1.14 134 119.75 147.77

9
Désigne l’ordre des observations en mois en mois à partir de janvier 2008 jusqu’au décembre 2012.
10
Présente les bornes inférieure et supérieures de notre intervalle de prévision.
15
 ‫العدد ‪05‬‬ ‫مجلة التنظيم و العمل‬
‫ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬
‫‪ Crédit à court terme :‬‬

‫‪Mois 2013‬‬ ‫‪Ordre‬‬ ‫‪Coef‬‬ ‫‪tendance‬‬ ‫‪modèle‬‬ ‫‪prévision‬‬ ‫‪Interval_inf Interval_sup‬‬

‫‪des obs‬‬ ‫‪CVS‬‬
‫‪Janvier‬‬ ‫‪61‬‬ ‫‪-11.66‬‬ ‫‪663.40‬‬ ‫‪79.75‬‬ ‫‪731‬‬ ‫‪656.80‬‬ ‫‪805.80‬‬
‫‪Février‬‬ ‫‪62‬‬ ‫‪-2.34‬‬ ‫‪668.17‬‬ ‫‪62.18‬‬ ‫‪728‬‬ ‫‪646.63‬‬ ‫‪809‬‬
‫‪Mars‬‬ ‫‪63‬‬ ‫‪8.07‬‬ ‫‪672.94‬‬ ‫‪73.44‬‬ ‫‪754‬‬ ‫‪672.11‬‬ ‫‪836.43‬‬
‫‪Avril‬‬ ‫‪64‬‬ ‫‪-0.44‬‬ ‫‪677.71‬‬ ‫‪60.59‬‬ ‫‪738‬‬ ‫‪645.88‬‬ ‫‪829.46‬‬
‫‪Mai‬‬ ‫‪65‬‬ ‫‪-23.32‬‬ ‫‪682.48‬‬ ‫‪50.27‬‬ ‫‪709‬‬ ‫‪611.74‬‬ ‫‪806.73‬‬
‫‪Juin‬‬ ‫‪66‬‬ ‫‪-9.81‬‬ ‫‪687.25‬‬ ‫‪41.97‬‬ ‫‪719‬‬ ‫‪618.21‬‬ ‫‪820.23‬‬
‫‪Juillet‬‬ ‫‪67‬‬ ‫‪-5.67‬‬ ‫‪692.02‬‬ ‫‪35.31‬‬ ‫‪721‬‬ ‫‪618.27‬‬ ‫‪824.69‬‬
‫‪Aout‬‬ ‫‪68‬‬ ‫‪-5.84‬‬ ‫‪696.80‬‬ ‫‪29.96‬‬ ‫‪723‬‬ ‫‪618.37‬‬ ‫‪827.59‬‬
‫‪Septembre‬‬ ‫‪69‬‬ ‫‪33.14‬‬ ‫‪701.57‬‬ ‫‪25.67‬‬ ‫‪760‬‬ ‫‪654.70‬‬ ‫‪865.69‬‬
‫‪Octobre‬‬ ‫‪70‬‬ ‫‪39.11‬‬ ‫‪706.34‬‬ ‫‪22.22‬‬ ‫‪768‬‬ ‫‪661.41‬‬ ‫‪873.55‬‬
‫‪Novembre‬‬ ‫‪71‬‬ ‫‪16.68‬‬ ‫‪711.11‬‬ ‫‪19.45‬‬ ‫‪747‬‬ ‫‪640.61‬‬ ‫‪853.48‬‬
‫‪Décembre‬‬ ‫‪72‬‬ ‫‪-37.90‬‬ ‫‪715.88‬‬ ‫‪17.22‬‬ ‫‪695‬‬ ‫‪588.32‬‬ ‫‪801.67‬‬

‫‪16‬‬
 05 ‫العدد‬ ‫مجلة التنظيم و العمل‬
‫ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬
Conclusion :
A l’heure de la globalisation et de son corollaire d’ouverture des marchés nationaux, les
entreprises algériennes ont plus que jamais besoin de connaître les leviers qu’elles peuvent
actionner pour ne pas rester en marge de la dynamique économique mondiale. La question est
alors de savoir ce qui explique le positionnement actuel des entreprises algériennes au sein de
ce vaste marché mondial et quelles sont leurs forces et leurs faiblesses. Evoluant dans un
contexte hautement concurrentiel, la maîtrise de ses parts de marché et son évolution au cours
du temps devraient être inscrites dans les priorités de toute entreprise soucieuse de son avenir.
Les mathématiques avec ses théories et ses modèles sont des sciences abstraites qui occupent
une place très importante dans l’efficacité des entreprises, nous avons pu aborder à l’aide de
ses différents modèles le monde de la prévision, qui recouvre un ensemble de méthodes très
diverses qui ont en commun de chercher à réduire l’incertitude liée à la non connaissance du
futur.
Nous avons choisi dans cet article la méthodologie de Box et Jenkins, qui est une technique
d’extrapolation par référence à une loi de reproduction du phénomène étudié ou l’information
permettant de mettre en évidence le processus est contenue dans la série chronologique elle-
même sans apport externe, à fin de prévoir l’évolution des produits bancaires de la Banque de
Développement Local. Nous avons étudié l’évolution des crédits d’exploitation représentée en
l’escompte commercial et facilité de caisse, et les crédits d’investissement représenté en crédit
à moyen terme.
L’étude prévisionnelle nous a amené à construire un modèle de prévision pour chacune des
crédits de l’agence de BDL, les modèles obtenus, après être soumis aux différents tests de
validation, ont été choisis selon les critères statistiques (parmi les modèles valides, ils sont de
moindre variance, ils maximisent la vraisemblance et ils sont de moindre AIC).
Ce travail ouvre des portes aux autres études qui, menés sur le parc des comptes de BDL
pourraient apporter plus d’informations aux décideurs de cette banque. Ainsi, cette réflexion
devrait être approfondie en intégrant d’autres paramètres comme les caractéristiques de la
clientèle des différents types de comptes, les montants mensuels d’encaissement et de
consommation des comptes d’épargne en termes de prêts à la clientèle ainsi que les différents
crédits présentés par cette banque. Ceci pourra permettre d’établir des indicateurs permettant
d’apprécier la rentabilité d’une agence bancaire.

17
 ‫العدد ‪05‬‬ ‫مجلة التنظيم و العمل‬
‫ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬

‫‪Annexe :‬‬
‫‪1- Test de bruit blanc et test de normalité des résidus de la série ESCSA :‬‬

‫‪2- Test de bruit blanc et test de normalité des résidus de la série FCSA :‬‬

‫‪3- Test de bruit blanc et test de normalité des résidus de la série CMTSA :‬‬

‫‪18‬‬
 05 ‫العدد‬ ‫مجلة التنظيم و العمل‬
‫ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬

Bibliographie :
[1] Christophe HURLIN, U.F.R, « Econométrie Appliquée Séries Temporelles »,Document
de cours.

[2] Elisabeth GASSIAT, Université Paris-Sud, cours de séries chronologiques, Master de

Statistique, Université de Yaoundé I, 2005

[3] Régis BOURBONNAIS, Université Paris-IX Dauphine « Manuel et exercices

corrigés,Econométrie », DUNOD, 4e édition, 2002.

[4] Régis Bourbonnais, Jean Claude Usunier, Prévision des ventes :Théorie et Pratique, Ed
Dunod, 4e Edition, 2007.

[5] Simon LEBLOND-Isabelle Belley-Ferris, « Guide d’économétrie appliquée»,

Département de sciences économiques, Université de Montréal, Document de travail, 2004.

[6] Walter ZUCCHINI, Oleg NENADIE, « Time series analysis with R – Part I»,
Document de cours.

[7] Xavier BRY, Ecole Nationale de statistique et d’économie Appliquée (ENEA), « Analyse
et prévision élémentaires des séries temporelles », X. BRY – ENEA-1998.

[8] [Link]

19