Total 100%
Les causes de la défaillance
Réduction de l’activité Fréquences ( % )
Baisse tendancielle de la demande 15.7
Sinistres 1.5
rf 1 rf 2 rf 3 rf4 rf 5
NS 25 * 25 20 20 10
RF1 RF 2 RF 3 RF 4 RF 5
SUITE
• La note synthétique (NS) se fonde sur la
relation suivante :
• Ratio financier rfi de l’entreprise considérée/
Ratio financier Rfi de l’entreprise type (
l’entreprise médiane de l’échantillon)
SUITE
• rf1 = actif circulant – stocks/ dette à CT
• rf2 = Capitaux propres/ Dettes totales
• rf3 = Coût de revient des ventes / Stock
moyen
• rf4 = Ventes/ Clients + effets à recevoir+ effets
escomptés non échus
• rf5 = Capitaux propres/ valeurs immobilisées
nettes
Suite
• L’interprétation de la NS pour une entreprise
est la suivante :
• NS = 100, situation financière normale
• NS > 100 Bonne situation financière
• NS < 100 Situation financière mauvaise
• Si NS< 100, le banquier devra effectué une
analyse financière approfondie.
2.2 L’approche statistique
Approche statistique unidimensionnelle (
pouvoir discriminant de chaque ratio
déterminé de façon isolée )
Echantillon
Ensemble de ratios Echantillon
d’entreprises en
financiers d’entreprises saines défaillance
Le crédit scoring
A – L’approche traditionnelle
Il s’appui sur le jugement de l’analyste crédit sur
la capacité du client à rembourser son crédit.
Plusieurs types de crédit :
Crédits à la consommation
Crédits immobiliers
A – L’approche traditionnelle
Collecter toutes les informations nécessaires
sur l’emprunteur ( situation de famille,
revenus ancienneté dans la profession ……) et
sur ses antécédents d’endettement et de
solvabilité.
Fichier central des chèques
Fichier central des incidents de
remboursement de crédit au particulier
B – Les scores de particuliers
• L’objectif est de déterminer une note
quantitative au client particulier. Une
nouvelle demande de crédit sera traitée à
partir d’une grille d’analyse comprenant des
critères bien définis.
Exemple de grille
Logement Propriétaire 40
Locataire 25
Pas de réponse 8
Durée de résidence à la même adresse Moins de 6 mois 12
6 mois à 2 ans 15
2 ans à 7 ans 22
Plus de 7 ans 35
Profession Chômeur 25
Retraité 20
Cadre moyen ou supérieur 45
Commerçant 35
Ancienneté dans l’emploi Moins 1 an 12
1 – 3 15
3 – 5 25
Plus de 5 ans 48
Age Moins de 45 ans 20
Plus de 45 ans 4
Situation de famille Célibataire homme 10
Célibataire femme 15
Nombre de personnes à charge 0 10
1 20
2 30
Revenus mensuels Moins de 200 000 5
200000 – 400000 15
400000 – 600000 20
Références bancaires Aucune 10
Compte chèques 40
Comptes chèques et d’épargne 60
3 - Les approches alternatives : les
probit et logit
« L’économétrie au chevet de la finance »
E i 0 alors E ( yi ) a0 a1 xi
La var iable prévue de yi
Soit Pi Pr ob yi 1
Pr ob y i 0 1 Pi
E yi 1* Pr ob yi 1 0 * Pr ob yi 0 Pi
Soit : Pi a0 a1 xi
d ' où le nom de mod èle à probabilit é linéaire
Suite
• La variable yi ne pouvant prendre que deux
valeurs ( 0 ou 1 ), donc l’erreur aussi ne peut
prendre que deux valeurs :
i 1 a0 a1 xi avec Pi
i 0 a0 a1 xi avec 1 Pi
Conséquence
• On ne peut pas utiliser la méthode des
moindres carrés ordinaires pour estimer les
paramètres du modèle.
3. 2 – Les modèles à choix binaires
L’objectif est de modéliser les situations
suivantes :
Pi Pr ob yi 1 Pr ob i a0 a1 xi
SUITE
• La probabilité Pi dépend de la distribution du
terme de l’erreur.
• Deux cas :
Le modèle Probit si la fonction de répartition
de l’erreur suit une loi normale
Le modèle Logit si la fonction de répartition
suit une loi de type logistique
b –Le modèle Probit
• Dans le cas d’un modèle Probit, la fonction de
répartition de l’erreur est donnée par la
relation suivante :
2
t
a0 a1 xi 1 dt
Pi e 2
2
c – La fonction Logistique (logit
model )
• La fonction de répartition de la loi logistique
est donnée par la relation suivante :
exp ( a0 a1 xi )
Pi a0 a1 xi
1 exp ( a0 a1 xi )
1
1 exp ( ( a0 a1 x1 ))
lim P 1
i
xi
lim Pi 0
xi
Fonction de répartition du modèle
logistique
120,00%
100,00%
80,00%
60,00%
Série1
40,00%
20,00%
0,00%
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Estimation du modèle Logit
Pi *
Ln yi a0 a1 x1 i
1 Pi
Les estimation s des mod èles log it et probit se
font à l ' aide de la max imisation log vraisemblance
d – Les tests statistiques
Significativité des ratios ( variables
explicatives )
Significativité globale du modèle de score
Interprétation du pseudo R2
Significativité des ratios
• La significativité de chaque ratio est
déterminé à l’aide z-statistique qui ne suit pas
une loi de Student à cause du caractère
binaire de la variable endogène.
• La significativité s’interprète à partir des
probabilités critiques par rapport à 5%
La significativité globale du modèle
de score
• H0 = a1 = a2 = a3 =………….=ak = 0
• Le ratio de log vraisemblance :
• LR =-2(ln(R) – ln(U))
• LR suit une loi de 2 à k DDL.
• Si LR supérieur à Chi2 on rejette l’hypothèse
H0 donc le modèle de score est globalement
significatif
SUITE
• R = valeur de la fonction log vraisemblance
contrainte
• U = valeur de la fonction log vraisemblance
non contrainte
Calcul & interprétation du pseudo
R2
• Pseudo R2 =1 – ln(U)/ln(R)
• Plus le pseudo R2 est élevé plus le modèle est
bon.