Comment l’analyse de cas révèle l’impact des innovations financières sur les banques tunisiennes ?

L’analyse des effets des innovations financières révèle que les banques tunisiennes, loin d’être stagnantes, adoptent des stratégies audacieuses pour intégrer de nouveaux produits. Ces résultats, fondés sur des données de 1993 à 2010, redéfinissent notre compréhension de la performance bancaire dans un contexte en évolution rapide.

Interprétation des résultats

Cette section porte sur la présentation des résultats des estimations ainsi que l’analyse de ces résultats et les remarques conclusives.

La méthode utilisée

L’estimation par les moindres carrés ordinaires (MCO) sur des données de panel présuppose l’homogénéité des individus qui composent l’échantillon, sinon les estimateurs seront biaisés.

En effet, pour évaluer la pertinence des résultats obtenus par la méthode des moindres carrée ordinaires, nous interprèterons la significativité globale des modèles, la significativité des variables explicatives utilisées ainsi que les résultats.

Une description des différentes variables, leurs moyennes et écart type sera présentée dans un tableau des statistiques descriptives.

Avant de passer à la régression de notre modèle, il est extrêmement utile de préciser la nature des estimations. Autrement dit, notre modèle est un modèle à effets fixes ou un modèle à effet aléatoire. Nous avons choisi de travailler sur un modèle à effets fixes.

Un modèle à effet fixe permet l’introduction des effets individuels _i représentés par des constantes (d’où l’appellation modèle à effets fixes).

L’estimateur des MCO des paramètres _i et  dans le modèle à effets fixes est appelée estimateur WITHIN. Ce dernier s’explique par le fait que cet estimateur tient compte de la variance intragroupe de la variable endogène.

Un modèle à effets fixes

Réalisations d’une variable à double indice, notée PRF_i,t

Où

i = 1……. 10 n= 10 banques

t = 1998…….2010 T= 13 ans

• i décrit l’unité statistique (dans notre cas c’est la banque)
• T décrit la période de temps (année)

Modèle linéaire de régression de la forme:

Où :

PRFi,t

K

 i   k i,t  i,t

 1

X i,t : sont les variables explicatives de la performance des banques tunisiennes ROA / EF / PM pour la banque i pour l’année t.

Ces variables explicatives sont : SIZE, RF, DIV, IHH

_i : est un effet spécifique à la banque i i  1 10 ; cet effet est constant dans le temps.

 i,t : est une perturbation aléatoire dont la forme est générée par un processus autorégressif d’ordre 1 et ~iid.

 i,t est un résidu centré et homoscédastique.

E  0 et V   ²

i,t i,t

Les résultats obtenus par la MCO montrent que les modèles sont globalement significatifs (voir Table 1,2 et 3).

Statistiques descriptives

Le tableau ci dessous montre qu’en moyenne, la rentabilité financière de notre échantillon est de (-4,79%) et (-0,50%) pour la part du marché. La moyenne de la taille de notre échantillon est de 14,44%.

Le système bancaire tunisien enregistre une moyenne de concentration d’un niveau de 11,57%.

Aussi, on constate qu’il ya présence d’hétérosédasticité (la distribution ne suit pas une loi normale) pour toutes les variables sauf celle de SIZE.

En d’autre terme, on rejette l’hypothèse de normalité H0 pour toutes les variables sauf la variable SIZE. Pour cette dernière, la statistique de Jraque bera qui est égale à 5,41 est inferieure à khi-2(2)=5.99.

Tableau 5 : Statistiques descriptives

Interprétation des variables explicatives

Les résultats obtenus à l’issue de l’estimation des modèles (1, 2 et 3) proposés dans la section (2) sont reportés dans les tableaux (6-8).

La méthode utilisée est celle sur données du panel. Ainsi, dans le tableau (6) nous reportons les résultats lorsque la variable expliquée est la rentabilité des actifs (ROA), le tableau (7) quand la variable expliquée est l’efficacité (EF) et enfin le tableau (8) quand la variable expliquée est la part du marché (PM).

Tableau 6: Estimation de la ROA par la MCO

Tableau 7: Estimation de l’EF par la MCO

Tableau 8 : Estimation de la PM par la MCO

1. La variable SIZE

La taille de la banque, mesurée par le logarithme des actifs totaux, est supposée être positivement corrélée à sa performance financière, H1.

Les résultats des estimations sont globalement en cohérence avec cette hypothèse. En effet, le coefficient de cette variable est statistiquement significatif pour les deux modelés (2) et (3).

De plus, le signe obtenu est en cohérence avec la littérature financière selon laquelle une banque de grande taille est généralement caractérisée par un niveau de performance plus élevé comparativement aux banques de petite taille.

Seul pour le modèle (1) que ce coefficient est statistiquement non significatif même au seuil de 10%. Néanmoins, pour les trois modèles les coefficients sont toujours positifs.

De même nos résultats sont en cohérence particulièrement avec les travaux de Mabrouk et Mamoghli (2010) et Ben Naceur (2003) lors de leurs études portant sur la performance des banques tunisiennes.

Ainsi, l’hypothèse H1 est confirmée

2. La variable RF

Les résultats obtenus concernant l’impact de la variable « ressources financières » sur la performance des banques montrent que le coefficient est significatif deux fois sur trois.

Le signe obtenu est négatif pour le modèle (1) et positif pour le modèle (2).

Le premier résultat est conforme avec l’hypothèse H2 proposée dans la section (1) selon laquelle les ressources financières affectent positivement la performance bancaire et plus précisément l’efficacité financière.

Ce résultat est cohérent à ceux trouvés par Dhouibi et Mamoghli (2007). Ces derniers ont utilisé les ressources financières comme étant une variable mesurant l’innovation financière et améliorant la performance bancaire.

De plus De Jonghe (2010) a trouvé que les banques les plus performantes en terme financier sont celles qui disposent des ressources financières.

En mettant l’accent sur le premier modèle, on constate que le coefficient de cette variable est de signe négatif, soit (-0.424) ce qui n’est pas conforme à l’hypothèse proposée.

Les travaux qui sont confondus à nos résultats sont très rares. En effet, Mabrouk et Mamoghli (2010) trouvent ce même résultat et ils ont souligné que cette significativité négative peut être trouvé seulement en cas d’imitation d’une innovation de processus.

3. La variable DIV

Nos résultats nous amènent à conclure que la diversification au niveau des produits et/ou services offertes par les banques de dépôts tunisiennes a un impact positif significatif (au seuil de 5% et 1% dans les deux premiers modèles respectivement, soit 0,002 et 0,000) sur la rentabilité financière et même sur l’efficacité bancaire.

Par contre en termes de part du marché où la diversification s’avère non significative. Autrement dit, le choix d’une stratégie de diversification de produits et services n’a aucun effet sur la part du marché de la banque.

Nos résultats se conforment à ceux de Chatti (2010) qui souligne : « il ne faut pas mettre tous ses oeufs dans le même panier », c’est-à-dire qu’il vaudra mieux répartir ses biens pour éviter de les perdre d’un seul cout.

Ainsi, les stratégies de diversification continuent à être mises en place dans le domaine bancaire tunisien et les banques choisissent ce concept afin d’étoffer leur gamme de produits et de services pour réponde aux besoins financiers de la clientèle.

Donc, nos résultats sont conformes aux hypothèses cités à la première section de ce chapitre selon les quelles la stratégie de diversification constitue un stimulus de la performance des banques de dépôts tunisiennes.

4. La variable IHH

Les résultats obtenus montrent qu’il existe une relation positive et significative entre le niveau de concentration du système bancaire tunisien mesuré par l’indice IHH et la part de marché.

D’après le tableau 8, on remarque que la variable IHH est significative au seuil 5%, soit (0,028) et de signe positif comme attendu.

C’est-à-dire que l’augmentation de la concentration des banques tunisiennes sur la période étudiée a entraîné une augmentation significative de la part de marché des banques ce qui améliore leur performance financière.

Ainsi la performance et la concurrence varient dans le même sens, c’est à dire que l’augmentation de la concurrence entre les banques de dépôts, induisant une baisse de la concentration, n’a aucun effet positif sur la performance des banques.

D’où, ce résultat se conforme à l’hypothèse 4 présentée dans la première section. Il est non cohérent avec celui trouvé par Mabrouk et Mamoghli (2010) qui trouvent que la concurrence est liée négativement à la part de marché des banques de dépôts tunisiennes.

Donc, on peut conclure, que pour les banques de dépôts tunisiennes, la relation concentration- profitabilité est faible.

Questions Fréquemment Posées

Quel est l’impact des innovations financières sur les banques tunisiennes?

Les résultats montrent que les banques de dépôts tunisiennes ont engagé des démarches sérieuses pour l’adoption de nouveaux produits et services financiers.

Quelle méthode a été utilisée pour l’analyse des effets des innovations financières?

L’estimation par les moindres carrés ordinaires (MCO) sur des données de panel a été utilisée pour évaluer la pertinence des résultats obtenus.

Quelles variables explicatives ont été considérées dans l’étude?

Les variables explicatives considérées sont SIZE, RF, DIV, et IHH.