L’estimation de l’efficience coût des banques commerciales

L’estimation de l’efficience – application aux banques (Tunisie)

Section 2:

L’estimation de l’efficience bancaire

Le choix d’un modèle « préféré » pour déterminer la mesure de l’efficience-coût bancaire n’a pas été sujet d’accord commun entre les chercheurs vu que le niveau réel de l’efficience bancaire n’est pas connu.

Toute fois, les caractéristiques propres au système bancaire tunisien peuvent aider à choisir la technique la plus convenable avec les banques commerciales tunisiennes.

Dans la littérature, deux catégories d’approches ont servi à déterminer le coût d’efficience : les approches paramétriques (SFA, DFA et TFA) et les approches non paramétriques (DEA et FDH)11.

Il s’agit en fait des étapes suivantes

  1. Choisir le concept d’efficience à estimer : une efficience de coût, une efficience de profit, ou de revenu ou encore, une efficience orientée input ou une efficience orientée output.
    Ce choix dépend notamment de l’objectif fixé par la banque.
  2. Choisir la technique d’estimation de l’efficience : technique paramétrique (SFA, DFA et TFA) ou technique non paramétrique (DEA et FDH).
    Si l’une des techniques paramétriques est retenue, il convient par la suite de choisir la forme fonctionnelle de la production bancaire (Cobb-Douglas, Trans log monoproduit ou à deux produits).
  3. Fixer les variables des inputs et des outputs étant donné la spécificité de la production bancaire.

On ne peut pas utiliser l’approche (TFA) parce qu’elle estime le coût d’efficience seulement pour des groupes de banques, or la petite taille de l’échantillon tunisien (10 banques commerciales) ne permet pas une telle division, de plus cette technique ne fournit pas une estimation d’efficience pour chaque banque individuelle.

De même, on ne va pas utiliser l’approche mathématique (FDH) car cette méthode ne prend pas en considération l’erreur aléatoire due à l’erreur de mesure et au hasard, ce qui peut diminuer la mesure de l’efficience-coût. Il est difficile de comparer les scores d’efficience entre les banques individuelles.

Il nous reste alors que l’approche (SFA) et l’approche (DFA), on peut éviter la dernière approche puisqu’elle suppose que l’erreur aléatoire tende à s’annuler au cours de la période étudiée.

Alors que la technique (SFA) permet de dériver les estimations d’efficience pour chaque banque en utilisant ses propres coûts aléatoires et sans supposer que la frontière est commune pour toutes les banques.

11 Pour plus de détaille voir chapitre un.

Dans notre étude, nous avons choisi la méthode SFA (en utilisant à la fois la fonction Cobb-Douglas et la fonction Trans logarithmique) pour l’estimation de l’efficience coût des banques commerciales tunisiennes. Ensuite nous nous sommes focalisés sur l’identification des inputs et des outputs.

Dans ce cadre, deux approches ont servi à analyser le comportement bancaire : « l’approche de production » et « l’approche d’intermédiations ». Ces deux approches ont été instaurées par les premiers travaux sur l’efficience bancaire, et elles ont fait sujet d’un long débat dans les recherches.

  • L’approche de production

L’approche de production a été développée par Benston [1965] ; Bell et Murphy [1968] ; ils définissent la banque comme une entreprise de services que l’on peut diviser en deux groupes : ceux qui engendrent des ressources (dépôts à vue, dépôts à terme et épargne…) ; et ceux qui constituent des emplois (prêt commercial, prêt à l’immobilier; prêt à tempérament…).

Du point de vue des coûts, tous les services sont considérés comme des outputs distincts, et l’unité de mesure retenue est en général le nombre de comptes et de prêts exceptionnels.

Par nécessité de construction logique, les charges d’intérêts sont nécessairement mises hors de champ d’analyse, seuls les coûts opératoires d’une banque sont pris en compte.

  • L’approche d’intermédiation

L’approche d’intermédiation a été introduite par Sealy et Lindley [1977]112 ils supposent que le processus de production pour un établissement financier nécessite l’intermédiation financière, ils traitent les banques comme des collecteurs des fonds, ces fonds vont être « intermédiés » par la suite en prêts et autres actifs.

Les dépôts ainsi que le travail et le capital sont considérés comme des inputs.

Par conséquent, la variable expliquée comporte aussi bien les coûts financiers que les coûts opératoires, tel que le volume du l’épargne et de prêts est la mesure appropriée de l’output bancaire sous ce traitement.

Chichti [1997]13 a mis l’accent d’avantage sur l’intermédiation financière du banque : « le caractère du l’intermédiation de la banque se base surtout sur la transformation qualitative des actifs financiers (en terme de liquidité et de maturité) et l’intermédiation de bilan que sur le courtage, le commissionnement et l’intermédiation du marché ».

12 Sealey C. W. et Lindeley J. T. (1977). “Inputs, outputs and a theory of production and cost at depository financial institutions”. Journal of finance, Vol 32(4), pp1251-1265.
13 Chichti Jameleddine « intermédiation financière des banques et des assurances »

Comparaison entre l’approche de production et l’approche de l’intermédiation

Approche de productionApproche d’intermédiation
OutputsEnsemble des services bancaires rendus à la clientèle :

– les différentes catégories de dépôts ;

– les différents types de prêts ;

– les titres.

⇒ les outputs monétaires et non monétaires sont inclus.

Les services bancaires générateurs de produits financiers :

– les différents types de prêts ;

-8 – les titres.

⇒ les outputs monétaires sont inclus et non monétaires sont omis.

Inputs– le travail ;

– le capital physique.

⇒ cette approche inclue les inputs non monétaires et ignore l’effet des inputs monétaires.

– le travail ;

– le capital physique ;

– les différentes catégories de dépôts.

⇒ cette approche inclue les effets des inputs monétaires et non monétaires.

Mesure des outputsNombre de comptes gérés,sauf les titres qui sont mesurés en valeur de marché de portefeuille.Valeur monétaire des outputs.
Coûts de productionLes coûts opératoires : charges de personnel + charges sur le capital physique.Les coûts totaux : coûts opératoires + charges financières.

Dans cette étude, nous adoptons l’approche d’intermédiation, vu l’absence d’information sur le nombre de comptes des clients ou sur le nombre des crédits accordés par banque, et les caractéristiques du système bancaire tunisien.

En effet, les banques tunisiennes utilisent les fonds mis à leurs dispositions pour accorder principalement des crédits.

  • Base de données

Les données employées sont développées à partir des rapports annuels de l’APBT. Notre échantillon couvre 10 banques commerciales pour une période qui s’étale de 1990 à 2006, pour ainsi avoir un total de 170 observations. Cet échantillon s’intéresse à la période des années de libéralisation financière.

Dans la modélisation des comportements des banques, il est nécessaire de souligner la nature de son statut.

Pour les banques commerciales, il nous semble que l’approche par l’intermédiation est la mieux appropriée compte tenu de l’importance de l’activité interbancaire et le poids des coûts d’intérêt.

D’autant plus que la quasi-totalité des services de paiement est gratuite et les dépôts à vue ne sont pas rémunérés. Le choix de cette approche se trouve toutefois légitimé par le fonctionnement du système bancaire tunisien. Les banques tunisiennes utilisent les fonds mis à leur disposition pour principalement accorder des prêts.

Il s’ensuit que le passif des banques tunisiennes ait tendance à être considéré comme un input plutôt qu’un output.

Nous retenons ainsi l’approche proposée par Sealy et Lindelly (1977), selon laquelle les banques sont considérées comme une institution financière qui utilise le travail, le capital physique et les dépôts pour la production de ses produits et services finis.

Conformément à cette voie théorique, les banques commerciales vis-à-vis des dépôts se comportent comme si elles étaient en face d’un input.

Les inputs correspondent principalement au capital financier constitué des dépôts collectés et des fonds empruntés sur le marché financier auxquels sont ajoutés le capital physique et le travail. Les outputs, en revanche, sont évalués à l’aune du volume des crédits et des investissements en portefeuille.

  • Les inputs bancaires

– L’input travail

Bien que certains auteurs proposent de mesurer le facteur travail par le nombre d’employés en équivalent plein temps (Wheelock et Wilson, 1999)14, le total des effectifs employés semble à l’unanimité la mesure la plus adoptée pour évaluer cet input.

Ainsi conformément à Sassenou (1999)15 nous estimons le facteur travail par le nombre d’employés.

14 Wheelock D. C et Wilson P. W. (1999). Technical progress inefficiency and productivity change in US banking, 1984-1993.
15 Sassenou M. (1999). Economie des coûts dans les banques et les caisses d’épargne, impact de la taille et de la variété de produits.

– Le capital physique

Bien que le principe d’évaluation du facteur travail ne rencontre pas de difficultés, celle du capital physique pose un problème de définition à cause de la spécificité de la firme bancaire. Une revue non exhaustive des travaux sur l’efficience bancaire révèle une absence de consensus quant à la mesure de l’évaluation du capital physique.

Il semble que la mesure la plus connue dans la littérature évalue le capital physique par les immobilisations. D’autres évaluent cette même entité par :

K = immobilisations nettes + stock de capital amorti + opération de crédit bail.

– Le capital financier

De Bandt et Davis (2000) ont définit le capital financier comme étant les intérêts dépensés.

  • Les outputs bancaires

Quant aux outputs, nous nous conformons au travail de Leightner et Lovell (1998)16, ainsi nous retenons deux outputs :

– Les crédits à la clientèle (Y1) : composés par le portefeuille d’escompte, les comptes débiteurs de clientèle, les crédits sur ressources spéciales et les autres crédits à la clientèle.

– Le portefeuille-titres(Y2) : représente les obligations et les autres valeurs mobilières à revenu fixes ou variables. Il figure comme un poste a l’actif du bilan.

Il faut signaler que ces deux types de services bancaires, objet de l’output agrégé Y, sont mesurés en unités monétaires, c’est à dire en Dinars Tunisiens et sont directement tirés des bilans des banques commerciales tunisiennes.

En effet, bien que l’impact des crédits à court ou à long terme ne soit pas le même sur l’efficience des banques, le faible nombre de points d’observations, nous oblige à considérer conjointement ces deux types de prêts.

Il est aussi à noter qu’en dépit de l’engagement des banques tunisiennes dans le processus de libéralisation financière, ces dernières éprouvent toujours une réticence envers les investissements sous forme de titres.

16 Leightner J. E et Lovell C. A. K. (1998). The impact of financial liberalization in the performance of the banks.

  • Les prix des inputs bancaires

Les outputs bancaires, sus définis, sont produits moyennant les charges d’intérêts et les charges de non intérêts. Ces dernières sont les produits de trois catégories d’inputs : le capital physique, le capital financier et le travail, moyennant leurs prix unitaires suivants :

  1. Le prix du travail : mesuré en rapportant les frais de personnel à l’effectif de la banque i
  2. Le prix du capital physique : approximé en rapportant les charges d’exploitation par les immobilisations de la banque i.
  3. Le prix du capital financier : mesuré par le rapport entre les charges d’intérêts (intérêts dépensés) et les ressources empruntées de la banque i.

Il est à signaler que les outputs bancaires sont mesurés en unités monétaires, c’est-à-dire en dinars tunisiens et directement tirés du bilan de la banque. De même pour les inputs, exception faite de la variable travail qui est mesuré par le nombre des employés.

Le tableau suivant résume les différentes variables utilisées :

Nom de la variableNotatio

n

Définition
Le prix de travail1charge personnel

effectif annuel

Le prix de capital financiers2Dépenses d’intérêt Total dépôt
Le prix capital physique3Charges d’exploitation

immobilisations + non valeurs nettes d’amortissements

Output 14PF Escompte+ crédit sur ressources

spéciales+autres crédits à la clientèle

Output 25Portefeuille titre

Dans le cas d’une frontière stochastique nous supposons que la technologie est spécifiée. De ce fait nous allons utiliser une fonction de coûts, dont la forme est connue. Pour un échantillon de N firmes, la frontière des coûts efficients est définie comme suit :

image90

Où CT : représente le coût total de la firme i, Yi le niveau d’outputs, Pi les prix d’inputs, ui l’inefficience et vi le choc aléatoire. La fonction F (. ) prendra la forme fonctionnelle Cobb Douglas ou Trans log.

La spécification Trans logarithmique multiproduit, pour la fonction de coûts prend la forme suivante :

image91

Dans le cas de trois inputs et de trois outputs cette spécification comporte 34 paramètres. Pour les diminuer, et par conséquent gagner en terme de degré de liberté, nous allons introduire plusieurs restrictions. Toutefois, pour que le Hessien de la fonction de coût soit symétrique, l’égalité image92 doit être vérifiée pour toute paire de variables xi et xj . La symétrie se traduit par les restrictions suivantes :

image93

D’un autre côté, toute fonction de coût est homogène de degré 1 en prix d’inputs (C’est-à-dire une augmentation proportionnelle de tous les prix accroît le coût total dans la même proportion sans que la demande des facteurs soit affectée).

Ainsi, l’augmentation proportionnelle de tous les prix engendre un accroissement du coût total dans la même proportion sans incidence sur la demande des facteurs (C’est-à-dire une augmentation proportionnelle de tous les prix accroît le coût total dans la même proportion sans que la demande des facteurs soit affectée).

Cette condition d’homogénéité implique les contraintes suivantes :image94

Ces dernières sont imposées en normalisant le coût total, les prix du travail et du capital physique par le prix du capital financier.

L’imposition des restrictions de symétrie et d’homogénéité conduit à un gain de 13 degrés de liberté, expliqué par la différence de paramètres à estimer entre la fonction avec et sans contraintes. Autrement dit, le modèle avec contraintes comporte 21 paramètres à estimer.

Malgré l’introduction de ces contraintes, le nombre de paramètres à estimer demeure élevé. En raison de la faible taille de notre échantillon, l’estimation de ce modèle n’a pas donné des paramètres significatifs avec la méthode de maximum de vraisemblance.

Même si dans l’analyse des frontières stochastiques sur des données en panel, en tenant compte du nombre d’observations (10 banques x 17 années = 170 observations), les paramètres n’ont pas la significativité escompté.

Ceci est particulièrement vrai pour les banques tunisiennes, dont l’hypothèse de l’évolution de leurs structures est rejetée. Ainsi, l’idée qui suppose que la banque B, à l’année t1, est différente de la même banque à l’année t2 n’est pas très vérifiée.

En d’autres termes, la variation dans le temps n’est pas une hypothèse solide (ceci peut être dégagé à partir des bilans bancaires).

Les valeurs estimées pour les paramètres de la fonction de coût permettent de calculer la distance de chaque observation par rapport à la frontière efficiente. Le degré d’inefficience calculé pour chaque banque varie entre zéro et l’infinie.

L’efficience est mesurée par son inverse qui varie entre zéro et l’unité. A ce stade de l’analyse, il importe de signaler que, dans le cadre de 2 outputs et 3 inputs, le nombre de paramètre à estimer est de 14 paramètres, après la considération des restrictions de symétrie, d’homogénéité et de normalisation.

Nous pouvons diminuer encore ces variables, si on suppose que la technologie bancaire peut être représentée par une fonction de coûts Cobb- Douglas. Les paramètres seront plus significatifs et les résultats seront plus plausibles.

Nous avons estimé les modèles stochastiques en utilisant la version 4. 1 du logiciel FRONTIER (Coelli. T 1996)17.

17 Tim Coelli, GE. Battese and DS Rao (1998): “An introduction to Efficiency and Productivity Analysis. ” London: Klurwer Academic Publishers

  • Présentation du logiciel : FRONTIER 4. 1

Le logiciel FRONTIER 4. 1 assume une forme fonctionnelle linéaire, ainsi, si on veut par exemple estimer une fonction du coût Cobb- Douglas, on doit lui appliquer le logarithme népérien pour avoir une forme linéaire et procéder ensuite à la constitution de la base de données qu’utilisera le programme.

L’exécution du logiciel s’effectue dans un environnement DOS et nécessite généralement cinq fichiers qui sont les suivants :

  • a. le fichier exécutable Front 41. exe ;
  • b. le fichier de démarrage Front 41. 000 ;
  • c. le fichier base de données ;
  • d. le fichier résultat ;
  • e. le fichier d’instruction.

Le fichier de démarrage Front 41. 000 contient les valeurs des variables clefs du logiciel tel que le critère de convergence, nombre d’itération.

Le fichier base de données ainsi que le fichier d’instruction doivent être crées à priori avant l’exécution de Front 41. exe.

Le fichier d’output est créé par FRONTIER le long de l’exécution.

Le fichier base de données doit être sous information texte et suivant une forme particulière : on doit lister les données en réservant à chaque terme de l’équation linéaire une colonne. Cette forme particulière doit être respectée et on doit avoir au moins une observation dans le temps pour chacun des N individus.

Notons que la base de données doit être convenablement transformée pour assurer une forme linéaire des coefficients. Les fonctions de coût Cobb- Douglas et Trans log sont les plus utilisées dans les analyses par la frontière stochastique.

  • Estimation d’une fonction de coût Cobb-Douglas

En adoptant une approche par intermédiation, la frontière stochastique de coûts qui sera estimée économétriquement, se présente sous la forme logarithmique suivante :

image95

Où : i= 1 ………………10 : La population bancaire tunisienne utilisée dans notre étude.

PL, PK et PF : les prix du capital physique (K), le prix du travail (L) et le prix du capital financier (F).

Y1 et Y2 représentent les deux outputs bancaires, à savoir, les crédits à la clientèle et le portefeuille titres.

CT : le coût total bancaire.

image96 : Les coefficients à estimer.

Les vi = des termes d’erreurs aléatoires, distribués indépendamment selon la loi normale image97 et les ui des termes mesurant l’inefficience et qui sont définies positivement avec une distribution semi normale image98

Notre modèle est le suivant :

image99

image100

Les paramètres estimés dans ce modèle apparaissent dans le tableau suivant

Tableau 13 : Les paramètres estimés de la fonction de coût Cobb-Douglas

ParamètresValeursEcart typet-student
14. 28762460. 528903988. 1066218*
20. 405546400. 0459215778. 8312822*
30. 0354447100. 0116418353. 0445982*
40. 616151970. 03782999016. 287395**
50. 0719491120. 0348399552. 0651321
60. 134431790. 141272380. 95157873
70. 766594520. 247409123. 0984893*
8-0. 00862577260. 533764050. 016160273
90. 0341621320. 0129068872. 6468143*
log de la fonction de vraisemblance = 35. 791378
* ** signifie que les paramètres sont statistiquement significatifs

au seuil de 0% et de 10% respectivement.

Les paramètres estimés de la fonction de coût frontière nous permettent de calculer la distance de chaque observation par rapport à la frontière efficiente.https://wikimemoires.net/wp-content/uploads/2022/02/CC.png

Le tableau 1 indique que les coefficients image101  sont significativement différent de zéro, les facteurs physique et le travail agissent positivement sur la fonction des coûts bancaires (c’est évident). En outre, la valeur de image102 est statistiquement significative ce qui confirme les résultats de Jondrow et Al (1982); cette valeur s’interprète comme étant la valeur approximative de l’inefficience moyenne de l’échantillon car elle intègre les effets de bruit blanc CC qui ne sont pas pris en considération dans la détermination du terme de l’efficience.

La valeur de image103 ce qui est conforme à la propriété statistique ci mentionnée, statistiquement ce terme est significatif au seuil 10%. Le terme 8 est statistiquement nul (-0.00862). Ce résultat justifierait l’hypothèse que les termes d’inefficience suivent une distribution semi-normale (valeur absolue d’une distribution normale de moyenne nulle). Le terme 9 est positif (0.0341) et statistiquement significatif. Ce résultat implique que les inefficiences sont décroissantes dans le temps.

La valeur de log vraisemblance (35. 7913) indique que le modèle en question à un bon pouvoir explicatif.

Les paramètres estimés de la fonction de coût frontière nous permettent de calculer la distance de chaque observation par rapport à la frontière efficiente. Le degré de l’efficience est représenté par le deuxième terme d’erreur ui, et calculé pour chaque banque, varie entre zéro et l’infinie.

L’efficience est mesurée par son inverse qui varie entre zéro et l’unité.

Les paramètres estimés de la fonction de coût permettent de calculer les scores d’efficience coût des banques de notre échantillon. Ces paramètres se présentent dans le tableau suivant :

Tableau 14 : Les efficiences coût moyennes des banques commerciales tunisiennes (1990-2006) : Fonction de coût Cobb-Douglas :

BanquesEfficience Moyennes par

Banques (%)

Efficience Max (%)Efficience Min (%)
AB77,166%82,282%71,356%
ATB96,789%97,586%95,846%
Att. Bank74,332%79,987%67,952%
BH74,419%80,058%68,056%
BIAT60,350%68,289%51,712%
BNA46,507%55,965%36,668%
BT90,527%92,811%87,858%
STB47,125%56,534%37,314%
UBCI94,759%96,049%93,237%
UIB74,414%80,054%68,050%
Total736,388%789,615%678,050%
Moyenne73,639%78,962%67,805%

Le schéma suivant retrace l’évolution des scores moyens d’efficience par banques

Le schéma suivant retrace l’évolution des scores moyens d’efficience par banques

Le précédent tableau et graphique, affichent des scores d’efficience par banque, en supposant que la technologie de la production bancaire tunisienne est une fonction de coût Cobb-Douglas.

Les différences des nivaux d’efficiences entre la majorité des banques ne sont pas prononcées. Elles relèvent que les établissements bancaires affichent, presque, un score d’efficience-coût moyens de (74%).

En effet, les banques commerciales tunisiennes affichent toutes des efficiences moyennes entre 46,507% (BNA) et 96,789% (ATB), pour donner une moyenne sectorielle de l’ordre de 73,639%.

Ceci nous permet de conclure que les banques, privées ou bien publiques gèrent leurs actifs de la même manière et ont la même qualité de gestion et d’organisation de ressources.

Ces résultats traduisent également, un effet négatif de la taille sur l’efficience des banques tunisiennes ( pourquoi) , en l’occurrence la BNA qui est l’une des banques les plus grandes de notre échantillon affiche un niveau d’efficience similaire à celui de la STB qui est une grande banque aussi, et inferieur à celui de l’ATB et la BT qui sont deux banques de petites taille.

Chaffai (1997b) a rendu cette disparité au niveau de l’efficience entre les banques aux problèmes causés par les crédits non performants.

Il a suggéré que les grandes banques qui sont généralement caractérisées par une part importante des crédits non performants sont moins efficientes que les petites, généralement privées et à faible pourcentage des crédits non performants.

Tableau 15 : l’évolution de l’efficience coût durant (1990-2006) : Fonction de coût Cobb-Douglas

Eff-XIneff-X
199060,9500924839,04990752
199162,0937053637,90629464
199263,2108814236,78911858
199364,3016601835,69833982
199465,3661248234,63387518
199566,4044179133,59558209
199667,4167362932,58326371
199768,4033080931,59669191
199869,3644056330,63559437
199970,3003314529,69966855
200071,2114223728,78857763
200172,0980377627,90196224
200272,960560827,0394392
200373,7993872926,20061271
200474,6149384225,38506158
200575,407644324,5923557
200676,1779394823,82206052

Les résultats obtenus des données de panel suggèrent que les banques de notre échantillon affichent un degré d’efficience relativement important puisqu’il ne cesse d’accroître (comme le montre le graphique suivant) depuis 1990 jusqu’au 2006 avec une augmentation importante entre 1991et 1992.

l’évolution de l’efficience coût durant (1990-2006) : Fonction de coût Cobb-Douglas

 

L’absence de la concurrence dans le secteur bancaire tunisien peut mener à une diminution de leur efficience.

En effet, la majorité des banques commerciales tunisiennes sont des banques spécialisées dans des types de crédits bien déterminés telle que la BNA (est spécialisée dans les crédits agricoles), BH (est spécialisée dans les crédits d’habitat…).

Cette spécification, sans l’existence d’un autre concurrent, peut mener à ne pas tenir compte des déterminants de la concurrence et de la question de survie.

  • Estimation d’une fonction de coût Trans logarithmique à deuxproduits

Comme nous l’avons mentionné, nous pouvons estimer le modèle suivant à deux outputs et trois inputs :

image105

 

Après avoir introduit les différentes contraintes de symétrie et d’homogénéité dans la fonction de coût, comme on a déjà dit, cette dernière devient :

image106

 

La procédure d’estimation par la méthode de maximum de vraisemblance a fourni les résultats suivants :

Tableau 16 : l’estimation des paramètres du fonction de coût Trans log (1990-2006) :

ParamètresvariablesValeursEcart typet-student
1 1Constante-54,3185050. 99925148-54,359194*
21 2-1,53533080. 99018102-1,5505557
32 10. 256122230. 997364100. 25679913
4 13 129,2555350. 9965107029,357974*
5 14 21,91799650. 996437001,9248548*
65 2-0. 0713655310. 94631543-0. 075414104
76 1-0. 0902272890. 99421892-0. 090751933
87 10. 00492967210. 946100970. 0052105137
98 1-0. 209573820. 47301230-0. 44306209
109 10. 0312855700. 116425490. 26871752
1110 10. 00693636110. 353495870. 019622184
1211 10. 215101110. 572425770. 37577119
1312 1-0. 0536027240. 64370228-0. 083272541
1413 10. 0905845010. 648629230. 13965529
1514 1-0. 111295970. 74467539-0. 14945569
160. 0385154420. 924951770. 041640487
170. 363940770. 998656780. 36443028
80. 00584669980. 993749470. 0058834746
90. 0731453300. 584792670. 12507908
Log de la fonction de vraisemblance = 64,936499

LR test of the one-sided error = 34,107475

* signifie que les paramètres sont statistiquement significatifs au seuil de 0% et de 10 % respectivement

L’interprétation de coefficient estimé relatives aux inputs (travail) est de signe négatif, en plus les deux coefficients estimés relatives aux inputs : travail et capital ne sont pas significatifs, cela signifie qu’une variation du coût total ne peut pas être expliquée par une variation du niveau d’output mais plutôt par une mauvaise utilisation des inputs ce qui justifie l’existence d’une inefficience coût dans les banques commerciales tunisiennes. Expliquer plus et essayer de chercher les raisons.

L’examen de ce tableau nous permet de dégager les principaux résultats suivants :

  • Le paramètre image107 est positif (0,005846), mais il est très proche de zéro et il est moyennant statistiquement pas significatif (t-student = 1,72), il statistiquement nul. Ce résultat implique que les inefficiences sont légèrement décroissantes dans le temps.
  • Le paramètre ace qui est conforme à la propriété Statistique image108 et d’après le t-student (0,36443), le terme image109 est statistiquement n’est pas significatif.
  • La valeur de Log-Vraisemblance (64,9364) indique que le modèle a un bon pouvoir explicatif.

Les paramètres estimés de la fonction de coût permettent de calculer les scores d’efficience-x des banques en question. Ces paramètres se présentent dans les tableaux suivants :

Tableau 17 : Les efficiences coût moyennes des banques commerciales tunisiennes (1988-2002) : Fonction de coût Trans logarithmique

BanquesEfficience Coût

Moyenne (%)

Efficience

Max (%)

Efficience Min (%)
AB80,9520476489,4249457369,66553576
ATB85,0930147191,8451685275,92723862
Attijari

Bank

90,2678586294,7730304484,01011179
BH91,2791791595,3331378485,62297737
BIAT81,1141158189,521026769,90707392
BNA66,4853561680,3455307849,33514479
BT94,307683496,9862398890,52119934
STB73,349524684,7839442358,67059243
UBCI91,4374397295,4204300585,87637615
UIB89,5335382894,3638634782,84590256
Moyenne84,3819758191,2797317675,23821527

Les résultats montrent que les efficiences moyennes par banque varient entre (66,485) et (91,4374). De ce fait nous pouvons dire que les écarts d’efficience entre les banques commerciales tunisiennes ne sont pas élevés.

En conséquence nous pouvons estimer les efficiences moyennes de ces banques comme étant de (84,38197), soit un niveau d’inefficience de 16%. En d’autres termes, une réduction de 16% des capacités de production permettrait aux banques commerciales de restaurer leur rentabilité à long terme (Dietsch 1996).

Les efficiences coût moyennes des banques commerciales tunisiennes (1988-2002) : Fonction de coût Trans logarithmique

Cette figure montre, de même, que l’efficience moyenne par banque varie dans le temps. Cette variation, bien que faible, reflète les différences qui existent entre les banques tunisiennes, soit en matière de contrôle de coût, soit en matière de gestion et d’allocation des ressources.

Les résultats montrent, en outre, que sur la période d’étude, les banques qui ont obtenu les meilleurs scores d’efficience sont BT (94,307%), UBCI (91,437%) suivies de BH (91,279%). Ces trois banques sont considérées comme ayant les meilleures pratiques managériales du secteur puisqu’elles sont les plus proches de la frontière d’efficience.

Nous remarquons que la BT, classée la première en terme d’efficience, a maintenu un mouvement régulier à la hausse, elle a enregistré, en fait, 90,521% en 1990 et 96,986% en 2006 (tab 10).

Concernant l’UBCI, classée la deuxième avec un score d’efficience moyen de l’ordre de 91,4374%. Cette banque est efficiente, selon la technique utilisée (SFA), cela trouve justification dans l’opération de fusion qu’a connue et qui lui a garantie un accroissement de son niveau d’efficience.

S’agissant la BH qui est classée la troisième banque efficiente de notre échantillon, elle a enregistré un score d’efficience de l’ordre de 85,6229% au début de la période. Ce score suit, ensuite, un mouvement à la hausse pour atteindre, en 2006, 91,279%.

Il est important de signaler, en plus, que sur toute la période d’étude, la BNA et la STB sont les banques les plus inefficientes, enregistrant les scores les plus faibles, respectivement, 66,4853% et 73,349%.

Ce résultat est, en fait, attendu. En effet, la STB a notamment souffert d’un montant important de créances détenues sur l’office des céréales de Tunisie et l’office national de l’huile au titre de paiements d’arrières qui se sont accumulés depuis plusieurs années.

Elle est, de ce fait, largement tributaire de la banque centrale qui assure son refinancement.

Tableau 18 : Evolution des scores d’efficience –X et d’inefficience-X Fonction de coût Trans logarithmique (1990-2006)

AnnéeEfficience-X (%)Inefficience -X (%)
199072,7335304627,26646954
199174,4858983325,51410167
199276,1379134823,86208652
199377,693497622,3065024
199479,1567275520,84327245
199580,5317479119,46825209
199681,8227356318,17726437
199783,0338647816,96613522
199884,1692390915,83076091
199985,2328758214,76712418
200086,228713913,7712861
200187,1605380312,83946197
200288,0320204111,96797959
200388,8466847411,15331526
200489,607902710,3920973
200590,318897969,681102035
200690,982745589,017254423

L’analyse de l’évolution de l’efficience-x sur la période étudiée montre une diminution continue du niveau d’efficience qui a passé de (72,733%) en 1990 à (90,98%) en 2006.

A notre avis, ceci n’est pas dû à une amélioration des performances

productives des banques, mais il peut revenir à la structure unique des bilans, exigée pour toutes les banques à partir de 1999. Cette nouvelle structure permet de calculer, de la même manière, les variables explicatives du coût total et surtout les prix d’inputs.

Evolution des scores d’efficience –X et d’inefficience-X Fonction de coût Trans logarithmique (1990-2006)

 

Le tableau 11 indique que l’efficience coût des banques commerciales étudiées est, en moyenne, de 83,3044% sur la période retenue.

(Le score moyen de l’efficience coût )

Ce qui signifie qu’elles pourraient réduire leurs coûts de 16,6955%, en moyenne, pour un même niveau d’activité.

Ce score d’inefficience est très proche de celui trouvé par Chaffai. M. E et Dietsch. M qui ont étudié l’efficience de 9 banques de dépôts tunisiennes entre 1986-1997 à l’aide d’une approche paramétrique. En effet, leurs résultats montrent que l’inefficience moyenne est de l’ordre 17%.

Berger et Humphery (1997) ont trouvé un score moyen d’efficience coût de 84% en utilisant des techniques paramétriques.

Moaudos. J, Pastor,J. M et Quesada (2002) qui ont étudié l’efficience de 832 banques européennes en utilisant les méthodes paramétriques, ont trouvé qu’en moyenne l’efficience coût est de 82,7% pour tout l’échantillon.

Le précédant figure montre que les degrés d’efficience s’accroissent au cours de la période , les banques sont en phase de mutation, et par l’introduction du programme de modernisation qui permet l’amélioration du système de la régulation monétaire par une réhabilitation du taux d’intérêt comme instrument privilégié d’allocation de ressources et le renforcement de la concurrence par l’ouverture à des nouvelles institutions.

Il est important de signaler qu’au cours de ces années, le secteur bancaire vient de traverser une période de transition d’un environnement régi par la banque centrale pour entrer dans un environnement relativement libéralisé et concurrentiel.

Tout au long de la période, la figure précédente montre une tendance à la hausse. Le score moyen de l’efficience a passé, en fait, de 72,73% en 1990 à 90,98% en 2006.

Ce mouvement à la hausse des scores s’explique par le fait que la libéralisation financière, engagée en 1987 et renforcée en 1990.

Alors qu’au niveau individuel, les scores moyens d’efficience pour chacune des banques sur toute la période d’étude montrent des fluctuations tant à la hausse qu’à la baisse.

A fin de bien distinguer l’évolution des scores d’efficience coût pour les banques, on constate tout d’abord que les résultats trouvés, grâce à l’estimation de la fonction de coût Trans logarithmique, sont similaires à ceux trouvés grâce à l’estimation de la fonction de coût Cobb-Douglas.

Avant d’entamer la section 3, on remarque après avoir analysé séparément la concurrence et l’efficience moyenne qu’au fur et à mesure que la concentration mesurée par les indices de concentration diminue, les scores d’efficience moyenne augmentent.

Pour citer ce mémoire (mémoire de master, thèse, PFE,...) :
Université 🏫: Universite De Sousse
Auteur·trice·s 🎓:
Sghaier Asma

Sghaier Asma
Année de soutenance 📅: Faculte de droit et des sciences economiques et politiques de sousse - 2007/2019
Laboratoire d'Economie Appliquée au Développement L.E.A.D (EA 3163) Université du Sud Toulon Var (FRANCE) . Laboratory Research for Economy, Management and Quantitative Finance (LaREMFiQ) I.H.E.C Université de Sousse
Rechercher
Télécharger ce mémoire en ligne PDF (gratuit)

Laisser un commentaire

Votre adresse courriel ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Scroll to Top