REPUBLIQUE DU SENEGAL

Un Peuple - Un But - Une Foi

-------------MINISTERE DE LENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE

OPTION : MASTER INGENIERIE FINANCIERE

RISQUE DE CREDIT ET FINANCEMENT DES ENTREPRISES

MEMOIRE
Rdig et prsent par Moussa SECK

Sous la direction de
Monsieur Djibril GUEYE, Enseignant en Finance

Janvier 2014

RESUME Dans ce mmoire, on sest fix comme objectif de modliser la probabilit de dfaut de paiement des entreprises sngalaises afin de mettre en exergue les facteurs explicatifs de la dfaillance dans le but de donner des clignotants pour faciliter le financement, mais galement pour apporter une assistance ncessaire devant permettre dviter le pire aux firmes. Ainsi, au terme dune rgression logistique, il est ressorti des rsultats un taux de bon classement pour la prdiction de la dfaillance hauteur de 92,0% un an et de 87,8% deux ans du dfaut. La modlisation a permis galement dindiquer que les ratios de couverture des actifs fixes par les fonds permanents et de rotation des actifs ont une contribution positive dans la dtermination de la probabilit de dfaillance, alors que les ratios daut onomie financire, de limportance des frais de personnel dans la richesse cre, de rendement des actifs, de la taille de lentreprise, dendettement moyen et long terme et de fonds de roulement ont une influence ngative dans la formation de celle-ci selon la priode davant dpt de bilan.

Table des matires

RESUME .................................................................................................................... 1 Liste des tableaux ....................................................................................................... 4 Liste des graphiques .................................................................................................. 4 INTRODUCTION GENERALE .................................................................................... 5 1. Contexte .............................................................................................................. 5 2. Problmatique ..................................................................................................... 7 3. Objectifs du mmoire .......................................................................................... 8 CHAPITRE 1 : CADRE CONCEPTUEL ET THEORIQUE ........................................ 10 I. Dfinition des concepts ...................................................................................... 10 1.1. Dfinition du risque de crdit ....................................................................... 11 1.2. Dfaillance .................................................................................................. 11 II. Revue de la littrature ....................................................................................... 13 2.1. Elments thoriques ................................................................................... 13 2.2. Revue empirique ......................................................................................... 16 Conclusion ............................................................................................................ 21 CHAPITRE 2 : CADRE METHODOLOGIQUE ET PRESENTATION DES DONNEES ................................................................................................................................. 22 I. Mthodologie ...................................................................................................... 22 1.1. Variables de ltude ..................................................................................... 22 1.2. Donnes ...................................................................................................... 24 1.3. Mthode de prvision de la dfaillance ....................................................... 25 II. Prsentation descriptive des variables .............................................................. 28 2.1. Ratios de liquidit et de financement .......................................................... 29 2.2. Ratios de rotation et de gestion................................................................... 30 2.3. Ratios de rentabilit .................................................................................... 32 2.4. Ratios de structure ...................................................................................... 34
2

Conclusion ............................................................................................................ 37 CHAPITRE 3 : MODELISATIONS ET INTERPRETATIONS DES RESULTATS ...... 38 I. Modlisations ..................................................................................................... 38 1.1. Modle un an de la dfaillance................................................................. 38 1.2. Modle deux ans de la dfaillance ........................................................... 41 II. Interprtations des rsultats .............................................................................. 44 Conclusion ............................................................................................................ 47 CONCLUSION GENERALE ..................................................................................... 49 REFERENCES BIBLIOGRAPHIQUES ..................................................................... 51 ANNEXES ................................................................................................................ 57 Annexe 1 : Rsultats complmentaires pour la modlisation un an de la dfaillance ............................................................................................................. 57 Annexe 2 : Rsultats complmentaires pour la modlisation deux ans de la dfaillance ............................................................................................................. 58

Liste des tableaux Tableau 1 : Liste des 18 ratios prslectionns pour ltude .................................... 23 Tableau 2 : Analyse descriptive des ratios de liquidit et de financement en 2005 et 2006.......................................................................................................................... 29 Tableau 3 : Analyse descriptive des ratios de rotation et de gestion en 2005 et 2006 ................................................................................................................................. 31 Tableau 4 : Analyse descriptive des ratios de rentabilit en 2005 et 2006 .............. 33 Tableau 5 : Analyse descriptive des ratios de structure en 2005 et 2006 ................ 34 Tableau 6 : Rsultats de la rgression logistique un an de la dfaillance ............. 39 Tableau 7 : Taux de bon classement un an de la dfaillance au seuil de 5% ........ 40 Tableau 8 : Rsultats de la rgression logistique deux ans de la dfaillance ........ 41 Tableau 9 : Taux de bon classement deux ans de la dfaillance au seuil de 5% .. 42 Tableau 10 : Corrlation des variables un an de la dfaillance ............................. 57 Tableau 11 : Corrlation des variables deux ans de la dfaillance ........................ 58

Liste des graphiques Graphique 1 : Courbes des sensibilits et des spcificits un an de la dfaillance 57 Graphique 2 : Courbe ROC un an de la dfaillance .............................................. 58 Graphique 3 : Courbes des sensibilits et des spcificits deux ans de la dfaillance ................................................................................................................ 59 Graphique 4 : Courbe ROC deux ans de la dfaillance ......................................... 59

INTRODUCTION GENERALE

1. Contexte
Depuis plusieurs dcennies, laccs au financement par crdit bancaire, dans des conditions moins contraignantes, est lun des souhaits les plus ardus des entreprises. Les gouvernements des pays, dans un souci de dveloppement conomique, en font leur cheval de bataille. En effet, les entreprises constituent larmature de toute conomie ; quelle soit dveloppe, mergente ou en voie de dveloppement. Leur dynamisme et leur panouissement conditionnent donc le rythme de la cration de valeur et de richesse, ainsi que la cration demplois. De plus, les entreprises en gnral, et les Petites et Moyennes Entreprises (PME) en particulier qui reprsentent dailleurs environ 95%1 de la population des entreprises des pays, sont condamnes, un moment de leur cycle de vie, avoir recours aux services des banques et des tablissements financiers. Toutes les entreprises en croissance ont besoin, en effet, un moment dinvestir pour se dvelopper et innover davantage. Cependant, le financement dun projet dinvestissement dune entreprise noblige pas seulement les bailleurs de crdit sengager sur le moyen et long terme, mais les expose aussi tout particulirement au risque de crdit. En vrit, loctroi de crdit est de nature une prise de risque puisque reposant sur des esprances dune capacit de remboursement de lemprunteur dans le futur. La non ralisation de ces prvisions est vraisemblablement source de dfaillance car de ce fait dcoule le dveloppement de crdits improductifs, cest--dire de crances non performantes, douteuses voire irrcouvrables, constitus du portefeuille pour lensemble des entreprises dans cette situation. On se rappelle de la crise financire qui a svi dans les pays de lUnion Montaire Ouest Africaine (UMOA2), sur la priode 1980 - 1995, qui sest traduite notamment par la disparition de plus du tiers des banques dans la sous rgion (Powo, 2000). Et durant cette mme priode, les prts non performants ont atteint des niveaux

1 2

OCDE (2007) UMOA est largie en une Union Economique et Montaire Ouest Africaine (UEMOA) partir de janvier 1994. LUEMOA est compose de huit pays : Bnin, Burkina Faso, Cte-dIvoire, GuineBissau, Mali, Niger, Sngal et Togo.
5

relativement importants compris entre 34% et 80% des portefeuilles de crdits des systmes bancaires dans les pays membres de lUnion (Caprio et Klingebiel, 2003). Cest dailleurs cause de ces turbulences du systme bancaire des Etats membres de lUEMOA que la Banque Centrale des Etats de lAfrique de lOuest (BCEAO) a mis en place des dispositifs prudentiels limage des normes internationaux telles que les recommandations du comit de Ble. Cest cet effet quil a t institu la loi-cadre portant rglementation bancaire en 1990, ainsi que la cration, dans le mois davril de cette mme anne, de la commission bancaire pour un suivi rapproch des activits des tablissements de crdit de l'Union et pour une gestion oprationnelle des tablissements en difficult par des interventions prventives et curatives. Cette commission a t lorigine de la circulaire N 03-1991/CB du 10 juin 1991 contenant l'ensemble des dispositions relatives au systme de contrle interne dans les banques et tablissements financiers. Elle a, en plus, pris la peine de rviser ces dispositions, chaque fois que le besoin se fait sentir, en fonction de la situation conomique et financire dans les pays membres de lUnion. Ainsi, la commission bancaire a adopt la circulaire N 10-2000/CB du 23 juin 2000 remplaant celle cite plus haut, avant de labroger, en janvier 2011, par la circulaire N 003 -2011/CB/C. Cette dernire stipule, dans son article 15, que les tablissements de crdits doivent mettre en place un dispositif complet de gestion des risques, supervis par les organes dlibrant et excutif, en vue didentifier, dvaluer, de suivre, contrler et rduire tous les risques significatifs et dvaluer ladquation globale de leurs fonds propres au regard de leur profil de risque . Une mauvaise valuation des risques conduit, sans nul doute, un rationnement du crdit. Cela a un caractre pnalisant pour le cas particulier des entreprises puisque aboutissant lexigence dun taux dintrt plus lev ainsi que des lments de garantie qui ne sont pas parfois la porte de celles-ci. Lon vise ainsi, dans ce mmoire, contribuer une meilleure valuation des risques de contrepartie dans le cas particulier des entreprises sngalaises, ainsi qu donner une apprciation sur leurs stratgies de financement. Cela sinscrit donc dans la recherche de voies et moyens pour faciliter laccs aux financements pour les entreprises du pays.
6

2. Problmatique
La dfaillance constitue un lment fondamental du cycle de vie conomique dune entreprise. Elle le devient encore plus amplement lorsquelle arrive un moment inespr. Cela, dautant plus quune entreprise volue dans un environnement o elle est condamne entretenir des relations. Lune des relations les plus aigus dune entreprise est celle quelle entretient avec son (ses) bailleur(s) de crdits. La relation entre un tablissement financier et une entreprise est en quelque sorte la mise en jeu dune question de souverainet . En effet, la firme qui sollicite son bailleur de crdits souhaite avoir sa disposition des ressources financires lui permettant de raliser des investissements ncessaires pour avoir une taille critique afin de pouvoir dgager des cash-flows qui pourront supporter les dpenses dinvestissements dans un avenir plus loign. Le bailleur, son tour, est la recherche de partenaires viables pour constituer son portefeuille de crdits en vue de raliser des profits et continuer exister. Loctroi de crdits, au cur des activits des institutions financires, est ainsi un sujet trs dlicat. En effet, depuis une priode rcente, la plupart des dfaillances bancaires trouve leur origine dans lincapacit des emprunteurs rembourser leurs dettes (David, 2011). On comprend bien donc que le risque majeur des

tablissements financiers demeure le risque de crdit ou de dfaut. Le risque de dfaut dune entreprise nest pas une chose facile cerner compte tenu des diffrents paramtres susceptibles de linfluer. La mesure des paramtres de ce risque, en particulier la mesure des probabilits de dfaut, impose de fait de rsoudre des problmes dinformation qui proviennent de lexistence dasymtrie s dinformation entre les prteurs et les entreprises (Dietsch et Petey, 2010). Il sy ajoute le fait que ces paramtres peuvent tre aussi bien interne quexterne lentreprise. Toutefois, si lon compare le niveau de loffre de crdit intrieur lconomie au Sngal, soit environ 25%3 du PIB en moyenne sur la priode 2007-2011, celui dautres pays tels que lAfrique du Sud (152%), le Maroc (65%), la Tunisie (65%) ou bien mme le Cap-Vert (60%), on constate quil est encore trs faible. A cet effet, il
3

Calcul de lauteur sur des donnes tires http://donnees.banquemondiale.org/indicateur/, visite le 07 juin 2013

ladresse

suivante

:
7

serait logique de se questionner sur les raisons de cette faiblesse : est-ce le fait que les institutions financires du Sngal ont une grande aversion au risque de telle sorte quelles ne sont prtes aucun engagement, mme probabilit de dfaut faible, sans la constitution dune garantie suffisante ? ou est-ce le dfaut de la disponibilit dinformations financires solides permettant une certaine matrise du risque des entreprises sngalaises ? Dans loptique de ce dernier questionnement, on peut bien en adjoindre la question de savoir est-ce que les entreprises sngalaises ne souffrent pas dune mauvaise notation dans les services de crdit ? En effet, il est ressorti dune tude4 sur loffre et la demande de financement des PME5 au Sngal que lexigence de la garantie est le plus souvent cite comme la raison principale dun rejet de demande de crdit. Dans ce contexte de frilosit des institutions financires envers les entreprises demandeurs de crdit, existent-ils des signaux forts, travers les informations fournies par les entreprises, pouvant permettre aux banques et autres

tablissements de discerner les bons des mauvais clients ? Quels sont les dterminants de la probabilit de dfaut dune entreprise donne ? La recherche des lments de rponse aux diffrents questionnements, soulevs plus haut, va guider la suite de ce mmoire.

3. Objectifs du mmoire
Lobjectif principal de ce travail est de contribuer une meilleure valuation des risques de contrepartie ou de dfaillance des entreprises sngalaises. Il sagira donc plus spcifiquement : (i) didentifier les paramtres en mesure dexpliquer la dfaillance des entreprises ; (ii) de mettre en place des formules qui permettent un gestionnaire de risque dans une institution financire ou mme un manager dapprcier le niveau de risque de dfaillance encouru avec une entreprise donne ; et

Cette tude a t ralise en 2010 par la Direction des PME du Ministre des mines, de l'industrie, de la transformation alimentaire des produits agricoles et des PME 5 Il faut rappeler que les PME reprsentent 95% des entreprises sngalaises.
8

(iii)

dapporter des lments de rponse sur la faiblesse de loffre de crdit au Sngal.

Pour atteindre ces diffrents objectifs, on sest attel dans la suite de ce mmoire, tout dabord dans un premier chapitre, rappeler le cadre conceptuel permettant de fixer les diffrentes notions utilises et dorienter la revue documentaire ayant trait au sujet. Cette revue documentaire nous a permis dailleurs, dans un second chapitre, de retenir la mthodologie danalyse la plus approprie ainsi qu la prslection de variables candidates pour lexplication de notre problmatique. Le dernier chapitre a t donc loccasion dappliquer la mthodologie arrte afin de donner des lments de rponses aux diffrentes questions souleves plus haut. Enfin, nous avons boucl le mmoire par une conclusion gnrale.

CHAPITRE 1 : CADRE CONCEPTUEL ET THEORIQUE La comprhension et lentendement donn aux concepts quon manipule constituent un enjeu fondamental de la ligne directrice du travail. La dfinition des concepts permet en effet de canaliser diffrentes positions dans la littrature visant mieux expliquer aussi bien la problmatique du risque de crdit que du financement des entreprises. On vise ainsi dans ce chapitre dfinir un certain nombre de concepts cls qui entourent notre thme de recherche et procder une revue slective de la littrature.

I. Dfinition des concepts

Par dfinition la notion de crdit met en jeu un ensemble de facteurs ou de considrations qui font appel la confiance, la convention, au temps, la rmunration, au risque, entre autres. On peut en effet relever, dans le petit Larousse, la dfinition suivante : confiance dans la solvabilit de quelquun dans un dlai quon lui accorde pour le paiement . Lencyclopdie encarta dfinit, quant elle, le crdit comme tant un prt accord par un particulier ou par un organisme bancaire contre promesse de remboursement dans un dlai dtermin et paiement dintrts . Ces dfinitions ont t reprises de manire beaucoup plus ramasse et explicative par M.G.P.Dutaillie6 qui considre que faire crdit, c'est faire confiance, mais c'est aussi donner librement la disposition dattribuer et immdiate d'un bien rel ou d'un pouvoir d'achat, contre la promesse que le mme bien ou un bien quivalent vous sera restitu dans un certain dlai, le plus souvent avec rmunration du service rendu et du danger couru, danger de perte partielle ou totale que comporte la nature mme de ce service . Cette dfinition fait ressortir, entre autres mots, la notion de risque que comporte une opration doctroi de crdit ; autrement dit le risque de crdit.

M.G .P.DUTAILLIE, 1971, le risque du crdit bancaire , Editions Ripert, cit dans un cours de Diagnostic Financier Approfondi
10

1.1. Dfinition du risque de crdit

Le risque de crdit, appel galement risque de contrepartie ou encore risque de signature, est lun des risques auxquels sont confronts les tablissements de crdit. Il occupe une place part entire du fait, dune part, quil rsulte de la dpendance dune relation base sur la confiance avec un client et, dautre part, quil reprsente lune des principales sources de provisionnement de ces tablissements. Ainsi, le risque de crdit peut tre dfini comme le risque de pertes conscutives au dfaut dun emprunteur sur un engagement de remboursement de dettes quil a contractes. Il peut galement tre peru comme la perte conscutive la dtrioration de la situation financire de lemprunteur, tant donn que lincertitude pesant sur le taux de recouvrement une fois le dfaut survenu demeure une des composantes phares de celui-ci. On peut donc noter que le risque de crdit dpend la fois de la conjoncture, de la situation financire et/ou spcifique dun emprunteur, ainsi quau type de crdit envisag. De plus, il est constat entre le moment de loctroi du crdit lchance de remboursement prvue. Dans cet intervalle de temps, des vnements imprvisibles peuvent se produire, pouvant grever la solvabilit du dbiteur et impact des pertes au crancier. A cet effet, on assimile expressment dans ce mmoire le risque de crdit au risque de dfaut dune contrepartie emprunteur.

1.2. Dfaillance
Les dictionnaires de franais, notamment le petit Larousse, dfinissent la dfaillance comme lavnement dun dfaut dune entreprise face ses engagement. Cet avnement de dfaut est gnralement conceptualis en les termes de risque de dfaut. Celui-ci est dfini, par lagence Moodys Investors Service7, comme tout manquement ou tout retard sur le paiement du principal ou des intrts . Toutefois, dans le cadre de lOrganisation pour lHarmonisation en Afrique du Droit des Affaires (OHADA), la dfaillance dune entreprise est un vnement juridique qui officialise un tat de difficults financires et conomiques. En effet, la lgislation a institu des procdures dites collectives pour le traitement des entreprises en difficult.

Cit par Thierry RONCALLI (2001) dans une note de cours intitule Introduction la gestion des risques
11

Au terme de cette lgislation, notamment dans lActe Uniforme des Procdures collectives (AUPC) dapurement du passif de lOHADA8, il existe trois types de procdures collectives (art. 1er alina 1er de lAUPC) : le rgle ment prventif, le redressement judiciaire et la liquidation des biens. Le rglement prventif est une procdure destine viter la cessation des paiements ou la cessation dactivit de lentreprise et permettre lapurement de son passif au moyen dun concordat prventif 9. Ce rglement est droul pour procder une correction rapide des difficults dune entreprise lorsque celles-ci saccentuent sans autant mettre en pril la continuation de lactivit. Le redressement judiciaire est, quant lui, une procdure destine la sauvegarde de lentreprise et lapurement de son passif au moyen dun concordat de redressement 10. Il sinscrit donc dans une perspective de survie de lentreprise. Le concordat de redressement reprsente ainsi le plan de rglement du passif ainsi que du redressement de lentreprise . Enfin, la liquidation des biens est une procdure qui a pour objet la ralisation de lactif du dbiteur pour apurer son passif 11. La liquidation des biens prpare, de ce fait, la disparition de lentreprise. Elle peut dcouler, selon la lgislation, soit dune conversion du redressement judiciaire, soit du jugement douverture. Au regard de ces dfinitions de procdures collectives, on retient que la dfaillance soriente particulirement sur un type prcis de situations de difficults financires et conomiques : la cessation de paiement. Cette dernire dsigne limpossibilit dans laquelle se trouve un dbiteur ou une entreprise de faire face son passif exigible avec son actif disponible. Les diffrentes dfinitions de concepts sus-voques permettront de lever toute quivoque dans lentendement de ceux-ci. Singulirement, elles seront dune utilit certaine dans la revue de la littrature, mais galement dans langle dattaque relatif au traitement de la problmatique.

8 9

JO OHADA n7 du 1 juillet 1998 Art.2.-1. AUPC 10 Art.2.-2. AUPC 11 Art.2.-3. AUPC

12

er

II. Revue de la littrature

La littrature conomico-financire traitant aussi bien du risque de crdit que de la structure financire des entreprises est particulirement dense. Les travaux recenss sintressent, dune part, sur les bases travers lesquelles les entreprises tablissent leur choix de financement et, dautre part, sur les facteurs dterminants du risque de crdit, dans une approche tant thorique quempirique.

2.1. Elments thoriques

Ltude du choix de la structure f inancire des entreprises est au cur de la recherche scientifique en matire de finance dentreprises. Historiquement, la pense financire acadmique dans ce domaine a connu trois approches majeures (Caillie, 1997) : lapproche classique, lapproche no-classique et lapproche de la thorie moderne de la firme . Lapproche classique se base sur le concept communment appel effet de levier financier. Pour les tenants de cette approche, il existe un point repre ou neutre en dessous duquel l'endettement grve le rendement des actionnaires, c'est--dire la rentabilit des capitaux propres (on parle dans ce cas d'effet de levier financier ngatif ou effet de massue), et au-dessus duquel il prsente un avantage croissant pour les actionnaires (on parle d'effet de levier financier positif) (Caillie, 1997). Autrement dit, ce courant de pense soutient l'ide selon laquelle l'entreprise a intrt s'endetter tant et aussi longtemps que la rentabilit conomique est suprieure au cot de la dette (Landrine, 2011). Le problme de cette approche est la non prise en compte du comportement des cranciers (prteurs et actionnaires) pour prvoir lvolution de leur exigence en termes de taux dintrt et de rentabilit. En effet, lorsque lautonomie financire de lentreprise est menace sous le poids de la dette, les cranciers demandent une prime de risque, ce qui entraine, par ricochet, un envol des taux. Toutefois, en se basant sur des travaux de simulation, les classiques avancent quil existe une structure financire optimale qui permet de minimiser le cot du capital et de maximiser la valeur de la firme 12.

12

Philippe Guillet, Universit Paris-Dauphine, Note de cours UV103, Les diffrents modes de financement et la structure optimale du capital .
13

Prenant le contre-pied des classiques, lapproche no-classique a dbut avec les travaux de Modigliani et Miller (1958) qui soutiennent la neutralit de la structure financire sur la valeur de lentreprise. En effet, dans un cadre restrictif dhypothses qui caractrisent un march financier parfait, les deux auteurs aboutissent au rsultat selon lequel la proportion de la dette ou des capitaux pro pres, quelle quelle soit, na pas dincidence sur la valeur de lentreprise. Les hypothses de base des travaux de Modigliani et Miller en 1958, savoir la perfection des marchs, l'absence d'asymtrie informationnelle, de cots de faillites, de cots de transaction, dimposition, de conflits d'intrts, etc., ont t largement critiques dans la littrature (Landrine, 2011). Cest partir de 1963 que les travaux de Modigliani et Miller ont t au fur et mesure amliors par la leve notamment des hypothses relatives limpt sur les socits et le cot de faillite. On peut citer cet gard les travaux de Modigliani et Miller (1963), Baxter (1967), Kraus et Litzenberger (1973). Ces auteurs ont contribu la remise en cause de la neutralit de la structure financire sur la valeur de lentreprise. De plus, la leve progressive des hypothses telles que celle relative linformation pure et parfaite a donn naissance, au milieu des annes septante, lapproche de la thorie moderne de la firme . Cette approche a port lmergence de la thorie du trade-off prnant lexistence dun ratio optimal dendettement issu de larbitrage entre les avantages (les charges des dettes fiscalement dductibles) et les inconvnients (laccroissement des cots de faillite) marginaux de la dette (Olivier, Mlanie et Laetitia, 2010). On retrouve galement dans ce courant la thorie du signal dveloppe par Ross en 1977 et qui se base sur lasymtrie dinformation. Selon cette thorie, le niveau dendettement de lentreprise est considr, par ses apporteurs de fonds, comme un signal de sa qualit ainsi que de la qualit de ses projets venir. Contrairement lide du ratio optimal ou de ratio cible dendettement, la thorie de lordre hirarchique ou Pecking order theory dfend, quant elle, lexistence dun ordre hirarchique dans les prfrences de financement des investissements de lentreprise allant de lautofinancement louverture du capital, en passant par lendettement (Myers et Majluf, 1984). Un autre courant dvelopp dans cette approche de la thorie moderne de la firme est la thorie dagence. Cette thorie dicte par Jensen et Meckling en 1976 intgre, dans la problmatique du choix de la structure financire, la multiplicit des
14

objectifs et attentes conflictuels des partenaires de lentreprise, notamment les propritaires, dirigeants et prteurs. Ainsi, se rfrant lhypothse de la rationalit des individus, les deux auteurs postulent l'existence, parmi les dirigeants de l'entreprise, d'intrts qui leur sont propres et qui les amnent prendre des dcisions sous optimales pour les actionnaires mettant en pril leur richesse. A la lumire de cette littrature sur la structure financire de la firme, il apparat que la structure financire est caractristique dune relation dterministe de la valeur de lentreprise. Ce constat est fort intressant que les premires modlisations du risque de crdit se fondent sur lvolution de la valeur de la firme pour dterminer le dfaut et le taux de recouvrement, c'est--dire le remboursement partiel rcupr par les cranciers en cas de dfaillance. En effet, lune des premires tentatives de modlisation du risque de dfaut de lentreprise est celle de lapproche structurelle dveloppe en 1974 par Robert Merton. Cette approche structurelle procde une modlisation de lactif et du passif de lentreprise o le dfaut ressort comme un vnement qui survient lorsque la structure du bilan ne permet plus lentreprise de tenir ses engagements. Dans ses travaux, Merton (1974) propose une reprsentation simplifie de la structure

financire de la firme, et plus particulirement de sa dette, telle que prsente dans le tableau ci-dessous :

Action E(t) Actif A(t) Dette B

Dans cette reprsentation, Merton suppose lexistence dune dette obligataire compose dun unique zro-coupon dchance T et de nominal B et que la valeur des actifs et des fonds propres dpend du temps et valent respectivement A(t) et E(t) toute date t. Autrement dit, il considre la valeur de march des actifs et des fonds propres la place de celle comptable. Ainsi, lchance T, deux situations se
15

prsentent : soit A(t) B : dans ce cas, la dette est rembourse et les actionnaires remportent A(t) - B ; soit A(t) B : dans ce cas, lentreprise est en dfaut et les cranciers reoivent A(t) et deviennent propritaires de la firme. Partant de cette ide et dune adaptation du modle de Black et Scholes dvelopp en 1973, Merton (1974) propose, dans un cadre restrictif dhypothses, un modle qui met en exergue la relation entre le risque de march et le risque de crdit. Cette relation postule que la baisse de la valeur des actifs implique une hausse de la probabilit de dfaut, et ainsi, par ricochet, le risque de crdit. Les hypothses de base du modle de Merton (1974) ont soulev de nombreuses objections et ont t partiellement leves par diffrents travaux dans la littrature financire. Dans cette lance, Black et Cox (1976) a affin le modle de Merton (1974) dans un cadre tel que loccurrence du dfaut peut se produire avant lchance de la dette. Il ressort de leurs travaux lexistence dun seuil, par rapport la valeur des actifs, en dessous duquel les cranciers auront le droit de dclencher la faillite avant la maturit de la dette. Les modles intensit sinscrivent galement dans cette mme ligne, mais tout en considrant que le dfaut survient par hasard. Autrement dit, ces modles qui sinspirent essentiellement des travaux de Jarrow et Turnbull en 1995 (Gatfaoui, 2008) sintressent plutt la mesure de la probabilit de dfaut. Les travaux empiriques de la littrature financire sinterrogent, quant eux, sur les composantes du risque de crdit. Ils se focalisent, en dautres termes, sur les variables en mesure dinfluencer la survenue du dfaut.

2.2. Revue empirique

La ncessit de mieux contrler le risque de crdit a conduit lintensification des travaux de recherche qui sintressent de plus en plus sur les co nditions de survenue de dfaut travers des tudes purement empiriques. Certains sorientent, de prime abord, dans ltude des dterminants des choix de financement de lentreprise, vue son importance (telle que analyss plus haut dans la partie thorique) dans la caractrisation de la dfaillance des firmes. Les travaux dans cette approche portent essentiellement sur la recherche de variables explicatives de ces choix.

16

Dans cette veine, la littrature financire a identifi plusieurs variables susceptibles dexpliquer les choix de financement des entreprises : la taille, la rentabilit, la tangibilit de lactif ainsi que les opportunits de croissance ; des dterminants qui apparaissent, de manire rcurrente, dans plusieurs tudes empiriques (Bourdieu et Sdillot, 1993 ; Rajan et Zingales, 1995 ; Kremp et al., 1999 ; Carpentier et Suret, 1999; Gaud et Jani, 2002 ; Drobetz et Fix, 2003, Olivier, Mlanie et Laetitia, 2010). La taille est prsente comme ayant une influence positive sur lendettement de lentreprise et serait dailleurs lun des facteurs les plus discriminants du choix de financement (Rajan & Zingales, 1995, Olivier, Mlanie et Laetitia, 2010). En effet, une entreprise de grande taille serait plus apte diversifier ses activits et auquel cas elle rduit la volatilit de ses cash-flows ainsi que sa probabilit de faillite, ce qui facilite dautant plus son accs au financement bancaire (Sheel, 1994). En outre, sur un chantillon de 97 PME manufacturires qubcoises, St-Pierre & Allept (1998) ont montr que la prime de risque exige par les institutions financires est une fonction directe de la taille ; ce qui rvle davantage linfluence positive de ce critre sur le financement bancaire. Pour ce qui est de la rentabilit, elle est ngativement lie lendettement daprs la thorie de lordre hirarchique du financement (pecking order theory). Pour cette thorie, plus une entreprise est rentable, plus elle sera capable de sautofinancer et, par consquent, moins elle aura recours au financement bancaire. Cette assertion est conforme aux rsultats obtenus par Rajan et Zingales (1995) dans un modle comparable des pays du G-7. Les deux auteurs montrent, en effet, que la rentabilit est lie de faon ngative lendettement ; en plus que celle-ci est la seule variable dont leffet soit systmatiquement significatif. confirms par les travaux de Nivorozhkin en 2003. La tangibilit de lactif est, quant elle, perue comme un lment susceptible de fournir des garanties aux cranciers (sous forme dhypothque ou de nantissement) ; ce qui facilite davantage laccs des entreprises aux financement s bancaires. En effet, selon Bourdieu et Sdillot (1993), les entreprises ayant dimportantes immobilisations corporelles sont plus endettes long terme que les autres. Les deux auteurs montrent, en outre, quune croissance du poids des actifs immobiliers dans le bilan de 0,13 accrot, toutes choses gales par ailleurs, le taux dendettement
17

Ces rsultats sont galement

long de 6 points. Autrement dit, la tangibilit de lactif est positivement corrle au recourt lendettement de long terme. Cela est galement confirm par les rsultats des tudes de Rajan et Zingales (1995), Kremp et al. (1999), Frank et Goyal (2000), Hovakimian et al. (2001) et Gaud et Jani (2002) qui trouvent des relations positives et significatives entre les garanties et le niveau dendettement. Toutefois, certaines tudes empiriques ont conclu une liaison ngative entre la tangibilit de lactif et la dette (Nivorozhkin, 2003 ; Amjad, Bilal et Tufail, 2012). Concernant les opportunits de croissance, un impact ngatif sur le niveau dendettement a t conclu par plusieurs tudes empiriques (Rajan et Zingales, 1995 ; Gaud et Jani, 2002 ; Drobetz et Fix, 2003 ; Amjad, Bilal et Tufail, 2012). Cette corrlation ngative sexplique par le fait que les entreprises au sein desquelles il existe des opportunits de croissance auront plus de difficult se financer par endettement car la valeur liquidative des actifs sous-jacents est quasiment nulle (Olivier, Mlanie et Laetitia, 2010). Cela est corrobor par les raisons avances par Rajan et Zingales (1995) qui considrent lexistence dun cot de dtresse financire trs lev pour ces types dentreprises. En plus de ces facteurs les plus frquemment rencontrs dans la littrature financire sur les dterminants de financement des entreprises, certaines tudes incluent galement des variables telles que, entre autres, le risque dexploitation, les cots de dtresse financire, la volatilit des rsultats dexploitation (Nivorozhkin, 2003 ; Gaud et Jani, 2002 ; Olivier, Mlanie et Laetitia, 2010). Limpact de ces variables sur le niveau dendettement bancaire est diversement apprci, mais se rvle statistiquement significatif. A la lumire de tous ces travaux parcourus, lon peut retenir que la matrise du comportement financier des entreprises occupe une attention particulire tant au niveau des entrepreneurs quau niveau de leurs cranciers. Pour ces derniers, lautre face de la pice, aussi importante que le choix de financement, est le risque de crdit. Une bonne gestion de ce risque appelle prvoir la dfaillance des clients et prendre connaissance des lments caractristiques de la probabilit de dfaut. La littrature empirique est, dans ce sens, particulirement oriente vers la recherche de variables permettant une meilleure discrimination entre entreprises saines et entreprises dfaillantes. Les premiers travaux remontent dans les annes 60 avec
18

ltude de Beaver (1966) cherchant dterminer, partir dun seul ratio financier, une valeur critique permettant un bon classement des entreprises dans un des deux groupes prcits (Matoussi, Mouelhi et Salah, 1999). Cette dmarche univarie a t vite dcri du fait quelle ne prenait pas en compte leffet conjoint des diffrent es variables et exposait au risque de dboucher sur des rsultats contradictoires dans la mesure o une entreprise peut tre classe dfaillante selon un ratio et saine selon un autre. Cest donc pour surmonter ces manquements quil est fait recourt lanalyse discriminante multivari. Cette analyse est une combinaison de ratios qui, en tenant compte de leur poids respectif, permet de classer toutes les entreprises dun chantillon laide dun score. Ainsi, ds 1968, la premire tude ayant utilise plus quun ratio pour prvoir la dfaillance a t mene par Altman (1968). Son tude a port sur un chantillon de 33 entreprises tombes en faillite sur la priode de 1946-1965 auxquelles ont t associes 33 entreprises saines de mme taille et de mme secteur. Lauteur est arriv, au terme de son analyse, retenir 5 ratios alimentant la fonction score qui se prsente telle quil suit : Z = 0,012 X1 + 0,014 X2 + 0,033 X3+ 0,006X4 + 0,999X5 o X1 = Fonds de roulement/Total des actifs ; X2 = Rserves/Total des actifs ; X3 = Bnfice avant intrt et impt/Total des actifs ; X4 = Fonds propres/Total des dettes ; X5 = Chiffre daffaires/Total des actifs. La valeur critique de Z a t fixe par Altman 2,675. Si le score d'une entreprise est infrieur 2,675, elle est juge dfaillante. Autrement, elle serait considre comme saine. Sur la base de cette valeur, lauteur a obtenu les rsultats suivants : 95% de bon classement un an avant, 72% deux ans avant, 48% trois ans avant, 29% quatre avant, et 36% cinq ans avant lvnement de dfaillance. A la suite de cette tude daltman en 1968, beaucoup daut res recherches ont t menes sur lvaluation du risque de dfaillance des entreprise s par une analyse discriminante (Deakin, 1972 ; Edmister, 1972 ; Altman, Haldeman et Narayanan, 1977 ; Conan et Holder, 1979 ; Mamoughli, 1984 ; Fioleau, 1993). Ces tudes ont mis en exergue leffet fortement discriminant de plusieurs variables calculables partir des tats financiers des entreprises, notamment le cash flow, le fonds de roulement, lendettement, la rotation des stocks, la liquidit, lquilibre structurel, etc. On peut noter, en plus, que certaines de ces tudes jouissent dun trs bon pouvoir de prvision de la dfaillance, parfois suprieur celui des travaux dAltman (1968).
19

Toutefois, lanalyse discriminante repose sur des hypothses qui exigent que l es variables soit distribues normalement. Et, selon Robert A. Eisenbeis (1977) cit par Boisselier et Dufour (2011), la capacit prdictive des modles danalyse discriminante peut tre svrement affecte par le caractre non normal des variables. Pour surmonter cette contrainte de normalit, dautres outils statistiques, notamment les modles probabilistes, sont utiliss dans la littrature pour dtecter les signes de dfaillance. Dans ce cadre, Ohlson (1980) a montr, travers dune rgression logistique sur un chantillon de 363 socits cotes dont 105 dfaillantes , que les variables taille et rentabilit jouent ngativement dans la dtermination de la probabilit de dfaillance alors que la variable endettement joue positivement. Matoussi, Mouelhi et Salah (1999) ont conclu, dans le contexte tunisien sur un chantillon compos de 42 entreprises saines et de 34 entreprises dfaillantes sur la priode 1992-1996, que les variables liquidit, solvabilit, quilibre financier, rentabilit et autonomie financire sont les plus explicatives, avec une influence positive du risque financier (solvabilit) sur la formation de la probabilit de dfaut. Linfluence de ces variables sur la dfaillance des entreprises a t galement mis en avant, dans dautres pays, par Shirata (1998), Hunter et Isachenkova (2002), Lin et Piesse (2004), Petrescu (2007), Matoussi et Abdelmoula (2010), Boisselier et Dufour (2011), Jabeur (2011). Ces auteurs adjoignent, ces variables, celles relatives la dure du crdit client, le cot du financement bancaire, la productivit, la performance, la taille de lentreprises, les garanties, les flux de trsorerie, etc. pour prdire la probabilit de dfaut des firmes. Par ailleurs, dautres auteurs se sont intresss limportance de la fluctuation dagrgats macroconomiques sur la dfaillance des entreprises. Dans ce sens, Jacobson, Lind et Roszbach (2005), Pesaran et Al. (2006), Due, Saita et Wang (2007) et Carling et Al. (2007) soutiennent que les seuls facteurs spcifiques aux entreprises ne permettent pas dexpliquer pleinement la dfaillance. Selon eux, les informations macroconomiques contribuent lexplication de la probabilit de dfaut des firmes. Jacobson, Kindell, Lind et Roszbach (2008) ont conclu que les coefficients des variables spcifiques aux entreprises ne changent pas lorsque celles-ci sont associes, dans un modle, des agrgats macroconomiques. De
20

plus, ces agrgats, notamment le taux de change rel, linflation (dflateur du PIB), le taux dintrt nominal et le dficit de production, ont un impact significatif sur le risque de dfaut des entreprises ; quoique leur influence varie selon le secteur dactivit.

Conclusion
La dfaillance des entreprises a t trs largement tudie dans la littrature conomico-financire dans de diffrents contextes et sous de multiples angles. Dans ce chapitre, on a essay de mettre en avant les dterminants aussi bien du financement que du risque de crdit des entreprises les plus en vue dans la revue slective de la littrature quon a effectue. Malgr une littrature dense, lon peut noter une absence dtudes, notre connaissance, sur les dterminants du risque de dfaut portant sur des entreprises sngalaises. Pour contribuer renflouer ce vide, on inscrit les chapitres qui vont suivre dans cette lance en commenant par une prsentation de la mthodologie adopte et des donnes caractristiques des entreprises sngalaises de notre chantillon.

21

CHAPITRE 2 : CADRE METHODOLOGIQUE ET PRESENTATION DES DONNEES Le travail effectu dans le chapitre prcdent a rvl que la dmarche poursuivie pour tudier la dfaillance des entreprises est dune importance capitale. Cela sexplique par le fait que la robustesse des rsultats est fortement dpendante de la mthodologie danalyse. Il convient donc, dans ce chapitre, de prsenter la mthodologie aborde ainsi que, de faon descriptive, les donnes caractristiques des variables de ltude.

I. Mthodologie
Dans ce sous chapitre, on aura prsenter les diffrentes variables prslectionnes afin de caractriser le dfaut des entreprises sngalaises. Il sera galement loccasion dexpliquer la composition de notre chantillon dentreprises, ainsi que la mthode danalyse statistique aborde.

1.1. Variables de ltude

Les ratios financiers sont les variables, le plus souvent, utilises dans les modles de prvision du risque de dfaut. La nature ou le type de ces ratios ainsi que leur nombre varient fortement dune tude une autre dans la littrature financire. Toutefois, on peut noter que ceux employs peuvent tre classifis gnralement comme ratios, entre autres, de rentabilit, de financement, de structure, de rotation, de gestion et de liquidit. Le choix des variables constitue un enjeu fondamental dans llaboration dun modle de prdiction de la dfaillance. A cet effet, ce choix doit sappuyer sur la nature des informations disponibles ainsi que sur les caractristiques conomiques et financires quelles permettent de mettre en vidence. Se pose alors le problme de la subtilit de la procdure de slection de telles variables. Dans ce sens, pour constituer une batterie de variables pertinentes et susceptibles de rpondre aux objectifs et attentes de cette tude, lon a mis en avant deux raisons fondamentales : premirement, on a choisi les ratios financiers sur la base de leur popularit dans la littrature financire ;

22

 deuximement, on a retenu les ratios refltant les aspects les plus importants de lactivit de lentreprise et susceptibles dexpliquer la dfaillance. Ainsi, on a confin dans le tableau 1, ci-dessous, les 18 ratios financiers pridentifis comme tant dterminant dans la description de la dfaillance des entreprises sngalaises. Tableau 1 : Liste des 18 ratios prslectionns pour ltude Variables Dfinition Formule de calcul

Ratios de liquidit et de financement R1 Liquidit gnrale Actif circulant Dettes court terme Valeurs disponibles Dettes court terme Capitaux permanents Actif immobilis Dettes long et moyen terme Capitaux permanents Dettes totales Capitaux propres

R2

Liquidit immdiate

R3

Taux de couverture des actifs fixes par les fonds permanents

R4

Structure de financement

R5

Autonomie financire

Ratios de rotation et de gestion R6 Rotation de lactif Chiffre daffaires Actif total Stocks Chiffre daffaires frais de Frais de personnel Valeur ajoute Frais financiers Valeur ajoute
23

R7

Rotation des stocks

R8

Importance personnel

des

R9

Ratio de limportance des frais financiers

R10

Couverture financires

des

charges

Frais financiers Cash Flows

Ratios de rentabilit R11 Rendement des actifs Excdent brut dexploitation Actif Total Rsultat net Capitaux propres Cash Flows Actif Total

R12

Rentabilit financire

R13

Ratio de rentabilit conomique

Ratios de structure R14 Ratio d'endettement moyen et long Terme R15 Ratio terme R16 R17 Indicateur de taille Ratio dquilibre financier d'endettement court Dettes long et moyen terme Passif Total Dettes court terme Passif Total Log (Total bilan) Fonds de roulement Actif total Fonds de roulement Actif circulant Selon les 4 macro-secteurs de la nomenclature SYSCOA

R18

Ratio du fonds de roulement

R19

Secteur dactivit de lentreprise

1.2. Donnes
Pour les besoins de lanalyse du risque de crdit, on dispose dune base dentreprises sngalaises dfaillantes et en activit qui couvre la priode 2005 2010 issue du Centre Unique de Collecte dInformations (CUCI) gr par lAgence

24

Nationale de la Statistique et de la Dmographie (ANSD). De faon brute, la base dnombre le maximum dentreprises dfaillantes en 2007 (c'est--dire des entreprises dont leur dernier exercice est 2006), soit 38 entreprises, contre 28 en 2008 et 2009, 12 en 2006, 4 en 2010 et 1 en 2005. A cet effet, lon va consacrer les analyses exclusivement pour les annes 2005 et 2006 ; annes qui permettent la prise en compte dun nombre assez grand dentreprises dfaillantes. Par ailleurs, quel que soit la catgorie dentreprises (dfaillantes ou en activit), on a retenu les units qui permettent le calcul des diffrentes variables prslectionnes pour lanalyse du risque de crdit, lexception des variables R1 et R2. Pour ces dernires, on a constat en effet que leur calcul ntait possible que pour une s eul entreprise dans la catgorie des dfaillantes en 2005 et pour aucune entreprise en 2006. Ainsi, nous avons pris la dcision de les retirer de la prslection. A lissue du traitement, on a constitu un chantillon de 82 entreprises en 2005 dont 28 dentre elles ont t dfaillantes en 2007, c'est--dire deux ans avant leur dfaillance. Un chantillon de 75 entreprises dont 21 dfaillantes a t constitu pour lanne 2006 (un an avant la dfaillance). Ces deux chantillons vont donc nous permettre danalyser le risque de dfaut des entreprises sngalaises un an et deux ans avant la dfaillance.

1.3. Mthode de prdiction de la dfaillance

Comme releve dans le chapitre prcdent, lvaluation du risque de crdit des entreprises remonte aux annes 1960 avec les travaux de Beaver (1966). Depuis lors, des auteurs ont tent de prvoir la dfaillance des entreprises par le biais de diverses gnrations de modle passant de lanalyse univarie lanalyse multivarie. Avec cette dmarche danalyse multivarie, le plus grand nombre des tudes rencontres peuvent tre rpertories en deux catgories selon la mthode de classification utilise : lanalyse discriminante et les modles probabilistes, notamment les rgressions sur variables qualitatives telles que le modle Logit. Lanalyse discriminante multivarie est une mthode statistique qui permet, sur la base de caractristiques individuelles, la sparation optimale de deux groupes prexistants, dans le prsent cas les entreprises dfaillantes et celles saines. Autrement dit, elle tablit une rgle daffectation de telle sorte que la majorit des
25

entreprises soient affectes dans leur groupe de dpart (dfaillant ou non dfaillant). La premire tude, dans ce contexte, a t initie par Altman en 1968. En effet, avec cette mthode, Altman a t le premier utiliser plus qu un ratio pour prvoir la dfaillance. La revue de la littrature de Matoussi et Abdelmoula (2010) rappelle quelles ont t les contributions successives au modle dAltman en effectuant des tudes similaires, c'est--dire en adoptant cette approche multidimensionnelle. Cependant, lanalyse discriminante multivarie a t critique du fait quelle se base sur des hypothses restrictives qui peuvent ne pas tre vrifies pour des ratios financiers issus de la comptabilit des entreprises (Jabeur, 2011). Une bonne mise en uvre de lanalyse discriminante multivarie se fonde en effet sur un certain nombre de conditionnalits respecter : normalit de la distribution et absence de corrlation entre moyennes et variances. Pour exemple, lhypothse de normalit a t teste sur quelques ratios financiers par les soins de Boisselier et Dufour (2003) et les rsultats se sont avrs trs nettement ngatifs . Le caractre contraignant de ces hypothses de base a conduit certains auteurs tester dautres outils statistiques tels que la rgression logistique pour la prvision de la dfaillance des entreprises. La rgression logistique, galement appele modle Logit, est une mthode probabiliste de classement qui consiste dterminer la probabilit que lvnement dfaillance se ralise pour une entreprise compte tenu de ses caractristiques financires. Lavantage de lanalyse Logit rside donc dans le fait quelle permet de dterminer directement la probabilit de ralisation de lvnement, ainsi que le sens dinfluence dune variable explicative par rapport lavnement de la dfaillance. Ce type de modle a t trs largement utilis dans la littrature pour constituer des lments dalerte prcoce en matire de dfaillance des entreprises. Et selon Godlewski (2004), Martin (1977) a t le premier adopter une approche logistique en se focalisant sur le type dinsolvabilit bancaire. Dans le cadre des firmes non financires, les travaux de Ohlson (1980) font partie des premires tudes ayant fait recours la rgression logistique pour caractriser la dfaillance des entreprises. Par ailleurs, cette technique rpond bien la problmatique et semble tre la plus adapte aux caractristiques des donnes concernes (Boisselier et Dufour, 2003).
26

Nous retiendrons donc, dans cette tude, le modle de la rgression logistique pour dterminer les facteurs les plus explicatifs de la dfaillance des entreprises sngalaises. Prsentation du modle Logit La rgression logistique est une technique utilise pour analyser les dterminants d'une variable, communment appele variable explique ou dpendante. Cette variable est binaire et est le plus souvent code ainsi quil suit : 0 si le phnomne tudi est absent chez un individu donn et 1 sil est prsent chez ce mme individu. Dans ce prsent cas, nous coderons 1 l'entreprise dfaillante et 0 dans le cas contraire. Ainsi, comme rappel plus haut, l'objectif du modle n'est pas de prdire une valeur numrique de la variable explique, mais plutt de prvoir la probabilit quun individu donn ait la caractristique associe au code 1 de la variable explique, sachant les valeurs prises par les variables explicatives chez ce mme individu. Autrement dit, il s'agit de connatre la probabilit de dfaillance d'une entreprise, sachant ses caractristiques comptables et financires. Cest dire donc que le modle Logit admet pour variable explique la probabilit dapparition associe la ralisation dun vnement (dfaillance ou non), conditionnellement aux variables exognes ou indpendantes. Ainsi, si lon dsigne par : N : le nombre dentreprises de lchantillon ; Xi : les caractristiques financiers (variables indpendantes) associes lentreprise i ; Pi : la probabilit que lentreprise i soit dfaillante ; Yi : la variable explique pour lentreprise i, avec :
1 si lentreprise i est dfaillante ; quelque soit i = 1, , N 0 si lentreprise i est saine

Yi =

27

Alors, on a : pi = Prob (yi = 1| xi) = F (xi) , quelque soit i = 1, , N o est un paramtre associ aux variables xi et F(.) la fonction de rpartition dfinie telle quil suit au point xi :

F xi =
On a donc :

exp xi 1 = 1 + exp xi 1 + exp xi

pi =

exp xi 1 = 1 + exp xi 1 + exp xi

Comme la variable yi est dichotomique, alors :

Prob yi = O xi = 1 pi =
Ainsi :

exp (xi) 1 + exp xi

pi 1 = = exp (xi) 1 pi exp xi

Le modle Logit consiste ainsi rgresser les variables explicatives non pas sur pi, mais sur la variable transforme : log (
pi 1pi

Finalement, cest le modle Logit (pi) = ( mthode du maximum de vraisemblance.

) = xi que lon va estimer par la

II. Prsentation descriptive des variables

Dans ce sous chapitre, il sagit de procder une tude descriptive des diffrentes variables ci-dessus prslectionnes. On visera ainsi dresser une caractrisation des deux catgories dentreprises.

28

2.1. Ratios de liquidit et de financement

Le tableau 2, ci-dessous, dcrit la distribution des variables explicatives de liquidit et de financement prslectionnes, et donne les rsultats du test ralis pour vrifier si la mdiane de leurs distributions respectives est statistiquement diffrente entre les entreprises dfaillantes et celles en activit. Le taux de couverture des actifs fixes par les fonds permanents (R3) affiche une moyenne de 0,465 en 2005 et de 0,021 en 2006 au niveau des entreprises en activit, contre une valeur de 1,183 en 2005 et de -20,063 en 2006 au sein des entreprises dfaillantes. Toutefois, on note une trs forte volatilit de cette mesure dans chacun des deux sous-groupes dentreprises sur la priode sous-revue. Par ailleurs, les rsultats du test dgalit des mdianes13 sur la variable R3 rvlent que, en 2006, les mdianes diffrent selon que se lon trouve dan s la catgorie des entreprises dfaillantes ou de celles en activit, et cette diffrence est statistiquement significative au seuil de 5%. Ce qui est totalement le contraire pour lanne 2005 o on pourrait attendre une galit des mdianes dans les deux groupes. Autrement dit, deux ans du dfaut de certaines entreprises de lchantillon final, le taux de couverture des actifs fixes par les fonds permanents ne discriminent pas les deux groupes. En revanche, un an, le niveau de ce taux nest pas ind pendant de la dfaillance de lentreprise. Tableau 2 : Analyse descriptive des ratios de liquidit et de financement en 2005 et 2006
Catgorie d'entreprises Entreprises en activit Moyenne R3 0,465 0,164 0,978 0,021 0,458 1,614 Mdiane 1,026 0,439 0,825 1,075 0,278 0,585 Ecart-type 7,415 1,791 5,185 8,891 0,912 4,420 Entreprises dfaillantes Moyenne 1,183 -0,046 -0,144 -20,063 0,107 -0,378 Mdiane 0,069 0,000 0,000 -0,335 0,000 0,000 Ecart-type 9,457 0,718 0,451 98,709 0,533 0,917

Test d'galit des mdianes MannWhitney U

567,000 273,000 292,000 387,000 247,000 198,000 p-value 0,065 0,000 0,000 0,034 0,000 0,000

2005

R4 R5 R3

2006

R4 R5

Source : calculs de lauteur

13

Ici, les variables ne sont pas distribues normalement, lexception de R16. A cet effet, on a utilis le test de Mann-Whitney dgalit des mdianes, quivalent du test de t -student pour lgalit des moyennes, pour voir si une variable donne pourrait-elle permettre de discriminer la dfaillance.
29

Concernant la structure de financement des entreprises, le niveau de couverture des capitaux permanents par la dette moyen et long terme (R4) slve en moyenne 0,164 en 2005 et 0,458 en 2006 pour le groupe des entreprises en activit, contre 0,046 en 2005 et 0,107 en 2006 pour les entreprises dfaillantes. On note, cependant, une forte dispersion autour de la moyenne dans les deux groupes. De plus, les rsultats du test dgalit des mdianes se montrent statistiquement ngatifs au seuil de significativit de 5%. Ce qui sous-tend une certaine dpendance de la dfaillance des entreprises la structure de financement dans les deux annes sous-revues. Lautonomie financire (R5) est, quant elle, caractrise par un niveau des capitaux propres qui se situe, en moyenne, 0,978 et 1,614 fois la dette totale des entreprises en activit respectivement en 2005 et en 2006. Ce ratio affiche une moyenne ngative dans le cas des entreprises dfaillantes durant ces deux annes. Nanmoins, il convient de noter la forte volatilit de la distribution de ce ratio autour de la moyenne pendant ces deux annes quel que soit le groupe dentreprises. En outre, les rsultats du test dgalit des mdianes savrent ngatifs ; montrant ainsi une ingalit entre les deux groupes au seuil de significativit statistique de 1%. De faon descriptive, ce rsultat montre une certaine liaison entre la dfaillance et lautonomie financire des entreprises.

2.2. Ratios de rotation et de gestion

Le tableau 3, ci-dessous, dcrit la distribution des variables explicatives de rotation et de gestion prslectionnes. Il y est galement prsent les rsultats du test ralis pour vrifier si la mdiane de la distribution de ces variables est statistiquement diffrente entre les entreprises dfaillantes et celles en activit. La variable de rotation des actifs (R6) qui met en vidence, pour chaque somme investie, le montant de chiffre daffaires dgag, affiche une valeur moyenne relativement plus consquente au niveau des entreprises dfaillantes que de celles en activit. Cette valeur se monte, en effet, 5,053 en 2005 et 7,654 en 2006 pour le premier groupe cit, contre respectivement 1,545 et 1,574 pour le second groupe. Toutefois, la dispersion autour de cette moyenne est beaucoup plus leve dans lchantillon des entreprises dfaillantes que dans celui des entreprises en activit ; mme si elle savre trop forte dans les deux cas. Tout de mme, ce ratio ne permet
30

pas de discriminer les deux groupes par rapport la dfaillance. En effet, les rsultats dgalit des mdianes entre les deux groupes sont positifs, et ce, au seuil de significativit statistique de 5% sur la priode 2005-2006. Tableau 3 : Analyse descriptive des ratios de rotation et de gestion en 2005 et 2006
Catgorie d'entreprises Entreprises en activit Moyenne R6 R7 1,545 0,029 0,853 0,126 2,555 1,574 5,159 0,806 0,145 0,011 Mdiane 1,262 0,213 0,518 0,102 0,364 1,358 0,183 0,548 0,084 0,244 Ecart-type 1,321 1,812 1,397 0,170 8,690 1,269 35,733 1,321 0,260 5,281 Entreprises dfaillantes Moyenne 5,053 0,893 0,241 -0,190 0,068 7,654 0,335 -0,039 0,013 -0,001 Mdiane 1,808 0,007 0,017 0,000 0,000 2,534 0,018 0,000 0,000 0,000 Ecart-type 16,787 3,260 1,733 1,317 0,644 20,071 1,205 0,986 0,204 0,361

Test d'galit des mdianes MannWhitney U

631,000 314,000 441,000 290,000 388,000 422,000 192,000 333,000 230,000 406,000 p-value 0,222 0,000 0,002 0,000 0,000 0,087 0,000 0,006 0,000 0,057

2005

R8 R9 R10 R6 R7

2006

R8 R9 R10

Source : calculs de lauteur

En moyenne, on constate que les stocks reprsentent 5,159 fois le chiffre daffaires de lchantillon des entreprises en activit en 2006. Cette part est relativement plus importante que celle observe (0,029) en 2005. Toutefois, la distribution de ce ratio est beaucoup plus concentre autour de la valeur moyenne en 2005 quen 2006. Dans lchantillon des entreprises dfaillantes, ce ratio de rotation des stocks slve respectivement 0,893 et 0,335 en 2005 et 2006. Comparativement lgalit des mdianes dans les deux chantillons, le test de Mann-Whitney montre une diffrence des mdianes entre les deux groupes, et ce, au seuil de 1%. Ce qui montre que la dfaillance des entreprises nest pas indpendante du niveau de reprsentation des stocks par rapport au chiffre daffaires. Pour ce qui concerne la part de reprsentation des frais de personnel dans la valeur ajoute gnre par les entreprises, elle se trouve, en moyenne, un peu plus de 0,80 dans le cas des entreprises en activit de lchantillon durant le s deux annes sous-revues. Cette valeur est de 0,24 en 2005 pour les entreprises dfaillantes ; et elle est mme ngative (-0,039) en 2006, refltant une destruction de richesse par ce groupe au courant de cette anne. En outre, lanalyse de la valeur des mdianes
31

dans les deux groupes permet de noter une diffrence, statistiquement significative au seuil de 5%, de la mesure que lon se situe dans lun ou lautre groupe. En dautres termes, la part de frais de personnel dans la valeur ajoute semble discriminer la dfaillance. Limportance des frais financiers dans la valeur ajoute (R9) semble galement jouer un rle identique pour distinguer les entreprises saines de celles dfaillantes. En effet, les rsultats du test dgalit des mdianes entre les deux groupes savrent ngatifs, et ce, au seuil de 1%. Par ailleurs, la valeur moyenne de ce ratio slve 0,126 et 0,145 respectivement en 2005 et 2006 dans le groupe des entreprises saines. En revanche, cette valeur est ngative en 2005 pour les entreprises dfaillantes et se monte 0,013 en 2006. Le ratio de couverture des frais financiers par les cash-flows (R10) se caractrise, quant lui, par des valeurs moyennes qui se situent 2,555 en 2005 et 0,011 en 2006 dans le cas des entreprises saines, contre 0,068 et -0,001 respectivement en 2005 et 2006 dans le cas des entreprises dfaillantes. De plus, mme si les rsultats du test de Mann-Whitney se montrent ngatifs en 2005, ils savrent tout de mme positifs en 2006. Autrement dit, mme si le ratio de couverture des frais financiers par les cash-flows ne permet pas de discriminer la dfaillance en 2005, il semble jouer un rle positif pour la distinction en 2006.

2.3. Ratios de rentabilit

Le tableau 4, ci-dessous, donne une prsentation descriptive de la distribution des variables explicatives de rentabilit prslectionnes. Il y est galement confin les rsultats du test dgalit des mdianes de la distribution de ces variables permettant de vrifier une diffrence de cette mesure entre les entreprises dfaillantes et celles en activit. Le ratio de rendement des actifs (R11) qui donne des indications quant lefficacit avec laquelle une entreprise utilise ses actifs pour gnrer de la rentabilit, affiche, dans notre chantillon final, une valeur moyenne de 0,098 en 2005 et de 0,075 en 2006 au sein du groupe des entreprises saines, contre un taux ngatif dans le cas des entreprises dfaillantes durant ces deux annes. Ce ratio ngatif montre, entre autres, que les entreprises dfaillantes peinent gnrer suffisamment de richesse
32

partir de leur cur de mtier ; ce qui semble ne pas tre le cas des entreprises saines de lchantillon. Dailleurs, les rsultats du test de Mann-Whitney dgalit des mdianes sont ngatifs au seuil derreur de 5%. Ce qui stipule une valeur mdiane diffrente que lon se situe dans lun ou lautre groupe. En dautres termes, la dfaillance des entreprises ne parat pas indpendante de la distribution du ratio de rendement des actifs. Concernant la capacit des entreprises dgager un cash-flow en fonction du niveau dactif utilis (R13), on constate, dans le tableau 4 ci-dessous, quau niveau des entreprises saines de lchantillon ce ratio moyen est trs faible (0,002) en 2005 et est mme ngatif en 2006. La valeur moyenne prise par ce ratio au sein des entreprises dfaillantes est relativement plus consquente puisquelle slve 0,130 en 2005 et 0,063 en 2006, quoique la dispersion autour de cette mesure est plus forte dans ce groupe que dans le premier cit. En outre, il convient de noter lingalit des mdianes entre ces deux groupes comme le montrent bien les rsultats du test de Mann-Whitney au seuil de significativit statistique de 5%. Autrement dit, la rentabilit conomique pourrait permettre de discriminer les entreprises par rapport la dfaillance. Tableau 4 : Analyse descriptive des ratios de rentabilit en 2005 et 2006
Catgorie d'entreprises Entreprises en activit Moyenne R11 0,098 0,255 0,002 0,075 0,178 -0,023 Mdiane 0,107 0,220 0,021 0,085 0,170 0,016 Ecart-type 0,153 1,547 0,132 0,170 0,636 0,162 Entreprises dfaillantes Moyenne -0,166 1,148 0,130 -0,373 1,553 0,063 Mdiane -0,099 0,378 -0,067 -0,098 0,344 -0,114 Ecart-type 0,477 4,062 1,967 0,776 4,790 2,345

Test d'galit des mdianes MannWhitney U

468,000 631,000 543,000 337,000 474,000 383,000 p-value 0,005 0,222 0,037 0,007 0,272 0,030

2005 R12
R13 R11

2006 R12
R13

Source : calculs de lauteur

Pour ce qui est de la rentabilit financire (R12), c'est--dire la capacit qua lentreprise engranger des profits sur la base de ses seuls capitaux propres, les statistiques descriptives du tableau ci-dessus montre quen moyenne les entreprises saines de notre chantillon affiche une valeur de 0,255 en 2005 et de 0,178 en 2006 pour ce ratio. Ce niveau de rentabilit est relativement plus faible que celui observ
33

au sein du groupe des entreprises dfaillantes. En effet, dans ce groupe, le ratio de rentabilit financire se monte 1,148 en 2005 et 1,553 en 2006. Il convient de souligner, cependant, la plus forte volatilit observe autour de cette mesure dans le groupe des entreprises dfaillantes que dans celui des saines. Dailleurs, les rsultats positif du test dgalit des mdianes entre les deux groupes au seuil de 5% ne permettent pas de considrer une certaine diffrence des valeurs prises dans lune ou lautre catgorie dentreprises. Ce qui sous-tend, entre autres, que la rentabilit financire ne discrimine pas la dfaillance.

2.4. Ratios de structure

Dans le tableau 5, ci-dessous, il y est effectu une prsentation descriptive de la distribution des variables explicatives de structure de financement prslectionnes. Le tableau contient galement les rsultats du test dgalit des mdianes de la distribution de ces variables permettant de vrifier une diffrence de cette mesure entre les entreprises dfaillantes et celles en activit. Tableau 5 : Analyse descriptive des ratios de structure en 2005 et 2006
Catgorie d'entreprises Entreprises en activit Moyenne R14 R15 0,170 0,141 8,884 -0,114 -0,287 0,166 0,165 8,903 -0,178 -0,378 Mdiane 0,105 0,000 8,818 0,008 0,011 0,113 0,000 8,812 0,035 0,077 Ecart-type 0,167 0,468 0,816 0,751 1,531 0,187 0,546 0,827 0,991 1,840 Entreprises dfaillantes Moyenne 0,308 0,164 7,831 0,601 -2,458 0,138 0,217 7,745 0,721 -3,978 Mdiane 0,000 0,000 7,892 -0,405 -0,680 0,000 0,000 7,762 -0,434 -1,025 Ecart-type 0,980 0,819 0,890 6,994 5,706 0,409 0,946 1,019 8,281 7,651

Test d'galit des mdianes a MannWhitney U

254,000 539,000 5,370 525,000 501,000 155,000 386,000 5,098 394,000 399,000 p-value 0,000 0,009 0,000 0,024 0,013 0,000 0,012 0,000 0,041 0,047

2005 R16
R17 R18 R14 R15

2006 R16
R17 R18

Source : calculs de lauteur a. Un test de t-student dgalit des moyennes a t ralis pour la variable R16 qui est la seule respecter lhypothse de normalit de sa distribution.

La dette moyen et long terme constitue une partie essentielle des ressources stables de lentreprise. Son poids dans le passif total permet donc de donner un aperu sur la structure de financement des investissements. Dans le cadre de notre
34

chantillon, on constate, d ans le tableau ci-dessus, que ce ratio (R14) affiche une valeur moyenne denviron 0,17 en 2005 et 2006 au sein des entreprises en activit, avec tout de mme une forte dispersion autour de cette mesure. Dans la catgorie des entreprises dfaillantes, cette valeur moyenne est relativement plus leve (0,308) en 2005, mais plus faible en 2006. Toutefois, le test dgalit des mdianes entre les deux groupes savre ngatif, et ce, au seuil de 1%. Cela montre une diffrence de la valeur mdiane que lon se situe dans lun ou lautre groupe dentreprises. Ce rsultat dnote que la part de la dette moyen et long terme dans le passif total de lentreprise jouerait un rle dterminant dans la distinction des entreprises saines de celles dfaillantes. La part de la dette court terme dans la constitution du passif total de lentreprise semble galement jouer un mme rle que celle de la dette moyen et long terme dans la discrimination des entreprises saines de celles dfaillantes. En effet, les rsultats du test dgalit des mdianes entres les deux catgories dentreprises se montrent ngatifs, dans un intervalle derreur de 5%, attestant ainsi une ingalit de cette mesure dans lun ou lautre groupe. Par ailleurs, les statistiques descriptives permettant de caractriser les deux chantillons affichent une valeur moyenne de 0,141 en 2005 et de 0,165 en 2006 au sein du groupe des entreprises saines, contre respectivement 0,164 et 0,217 durant ces deux annes au niveau des entreprises dfaillantes. Il est, cependant, souligner la forte dispersion qui sobserve autour de ces valeurs moyennes dans les deux sous chantillons. Concernant lquilibre financier (R17), mesur par la part des ressources stables affectes au financement du cycle dexploitation dans lactif total de lentreprise, il est caractris, contre toute attente, par une valeur moyenne ngative aussi bien en 2005 quen 2006 au sein du groupe des entreprises saines de lchantillon. Au mme moment, ce ratio moyen slve un peu plus de 0,6 en 2005, voire 0,7 en 2006 dans le cas des entreprises dfaillantes. Ces chiffres devraient tout de mme tre pris avec un peu de recul. En effet, certaines entreprises nont pas besoin des investissements trop lourds pour rouler ; ce qui pourrait, par ricochet, avoir une forte influence sur la mesure de ce ratio. Toutefois, les rsultats du test de Mann-Whitney permettent de dnoter une certaine diffrence des mdianes que lon se situe dans le groupe des entreprises saines de lchantillon ou dans celui des dfaillantes, et ce, un niveau derreur de 5%. Cela signifie que le niveau dquilibre financier des
35

entreprises jouerait un rle discriminatoire dans la diffrenciation des entreprises saines et de celles dfaillantes. Par ailleurs, cette part de ressources stables affectes au financement du cycle dexploitation rapporte lactif circulant (R18) se rvle ngative en moyenne dans notre chantillon final, et ce, aussi bien dans le groupe des entreprises saines que dans celui des dfaillantes, sur la priode sous-revue. On peut, tout de mme, noter la plus forte volatilit de la distribution de ce ratio autour de la valeur moyenne au sein des entreprises dfaillantes que dans lautre groupe. Aussi, les rsultats du test dgalit des mdianes entre les deux groupes se montrent non significatifs au seuil de significativit statistique de 5%. Cela voudrait dire que le ratio de fonds de roulement permettrait de discriminer la dfaillance des entreprises durant les deux annes sous-revues. Pour ce qui est de linfluence de la taille de lentreprise (R16) sur la dfaillance, les analyses effectues montrent que le total bilan, travers sa transformation par la fonction logarithmique, discriminerait le groupe des entreprises saines et de celui des dfaillantes. En effet, le test dgalit des moyennes de student tablit une ingalit de cette mesure entre les deux chantillons, et ce, au risque derreur de 1%. Par ailleurs, le groupe des entreprises saines de notre chantillon final affiche une valeur de taille moyenne denviron de 8,9 aussi bien en 2005 quen 2006. Cet te valeur est relativement suprieure celle observe au sein des entreprises dfaillantes durant les deux annes sous-revues. En effet, la moyenne du logarithme du total bilan des entreprises de ce sous-chantillon stablit environ 7,8, soit moins de plus dun point de celle de lautre groupe. Mais, dans les deux sous-chantillons, il convient souligner une certaine concentration de la distribution de cette mesure autour de la valeur moyenne. De faon globale, les analyses descriptives effectues, plus haut, permettent de relever les mesures de liquidit, de financement, de rentabilit ou de structure diffrent, dans la majorit des cas, que lon situe dans lun ou lautre sous chantillon. Toutefois, comme il est dit que la description nest quexpl oratoire, il ncessaire de pousser les analyses pour filtrer les variables les plus discriminatoires de la dfaillance des entreprises.

36

Conclusion
Dans ce chapitre, lon a cherch donner une caractrisation descriptive aussi bien du sous-chantillon des entreprises dfaillantes que de celui des entreprises saines. Il a t not que les variables prslectionnes, semblent bien, dans leur majorit, discriminer les deux groupes. Toutefois, lanalyse descriptive ne permet de spcifier le poids et linfluence de chacune de ces variables dans la dfaillance des entreprises. Ainsi, il a t retenu de raliser, dans le chapitre suivant, une rgression logistique pour extraire les variables les plus dterminantes dans lexplication de la dfaillance des entreprises sngalaises travers lexploitation de la base de donnes notre disposition.

37

CHAPITRE 3 : MODELISATIONS ET INTERPRETATIONS DES RESULTATS Lanalyse descriptive est de nature exploratoire. A cet effet, elle nest quindicative et lon a constat dailleurs, dans le chapitre prcdent, que la majorit des variables prslectionnes quelles soient de liquidit, de financement, de rotation, de gestion, de rentabilit ou de structure, semblent jouer un rle discriminatoire sur la dfaillance des entreprises. Toutefois, cette analyse na pas permis, dune part, darrter une liste de variables les plus dterminantes pour caractriser la dfaillance et, dautre part, dindiquer la sensibilit dune entreprise se retrouver dfaillante suite lvolution dune unit dune des variables donnes. Or, le gestionnaire de risque de crdit ou mme celui dune entreprise a besoin de savoir, entre autres exemples, quel est limpact de laugmentation ou de la diminution dune unit de sa variable de structure de financement (R4) sur sa probabilit de faire dfaut, toute chose gale par ailleurs. Le recours la rgression logistique dans ce chapitre se justifie, telle que dexposer dans la mthodologie, par son adquation ce genre de problmatique. Ai nsi, lon vise, dans la suite de ce chapitre, tablir deux modles, lun un an et lautre deux ans de la dfaillance, mettant en liaison les facteurs les plus explicatifs et la variable dpendante, savoir la dfaillance. On procdera donc tout dabord la modlisation du dfaut, avant de passer linterprtation des rsultats obtenus.

I. Modlisations
Comme stipul plus haut, notre variable dintrt comporte deux modalits savoir 1 si une entreprise donne de lchantillon est tombe en faillite durant lanne de rfrence et 0 dans le cas contraire. Ainsi, lon cherche tablir une relation causale entre cette variable dintrt et les variables explicatives les plus dterminantes laide de la rgression logistique, et ce selon lanne avant la dfaillance.

1.1. Modle un an de la dfaillance

Avant de procder lestimation, on a effectu un test de colinarit entre les diffrentes variables. Les rsultats de ce test (cf. annexe 1, tableau 10) montrent que les variables R4 et R8, R4 et R14, R6 et R13, R6 et R17, R8 et R9, R13 et R17 ont un niveau de liaison relativement lev. A cet effet, pour viter des problmes de
38

multi-colinarit, on a estim trois modles diffrents excluant respectivement les groupes de variables suivants : R4, R6, R8 et R13, puis R6, R8, R14 et R17 et enfin R4, R9, R13, R14 et R17. Il a t, par la suite, retenu le modle procurant le meilleur Log de la vraisemblance, correspondant ainsi une qualit dajustement plus leve. Par ailleurs, il est souligner que lon a adopt la mthode de Backward-selection (dslection par pas en arrire). Elle consiste entrer toutes les variables candidates dans la rgression, pour ensuite en retirer toutes celles qui ne sont pas significatives au seuil de 10%, les unes aprs les autres.

Les rsultats du meilleur modle obtenu sont consigns dans le tableau 6 cidessous.
Tableau 6 : Rsultats de la rgression logistique un an de la dfaillance
Logit estimates Log likelihood = -19.425648 Number of obs LR chi2(5) Prob > chi2 Pseudo R2 = = = = 75 50.09 0.0000 0.5632

-----------------------------------------------------------------------------dft | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------R11 | -3.908319 1.75074 -2.23 0.026 -7.339706 -.4769316 R5 | -.5531733 .3291345 -1.68 0.093 -1.198265 .0919185 R6 | .1396312 .06187 2.26 0.024 .0183682 .2608942 R16 | -2.264838 .7099364 -3.19 0.001 -3.656288 -.873388 R8 | -1.411272 .6435359 -2.19 0.028 -2.672579 -.1499645 _cons | 18.1225 5.851985 3.10 0.002 6.652817 29.59218 -----------------------------------------------------------------------------Source : stata, calculs de lauteur

On constate, dans le tableau ci-dessus, que le modle est globalement significatif au seuil de 1% ; ce qui permet de dire que les cinq (5) variables explicatives retenues, prises ensemble, ont un impact trs dterminant sur la dfaillance des entreprises. En outre, du point de vue statistique, les rsultats de lestimation sont satisfaisants dans la mesure o les coefficients sont statistiquement significatifs au seuil de 5%, lexception du ratio R5 qui lest au seuil de 10%. Par ailleurs, on a procd la dtermination de la qualit de lajustement du modle aux donnes (goodness of fit). Les rsultats de ce test affichent une statistique de Pearson de 57,61, soit une p-value de 0,8343 permettant de conclure un ajustement global du modle aux donnes trs satisfaisant.
39

De plus, on a dtermin le pouvoir du modle bien classifier les entreprises dfaillantes au seuil de probabilit de 0,5. Les rsultats obtenus sont prsents dans le tableau ci-dessous. Tableau 7 : Taux de bon classement un an de la dfaillance au seuil de 5% Taux de bon classement dans les groupes du modle 89,47% 92,86%

Taux de bon classement dans les groupes dorigine

Entreprises dfaillantes Entreprises en activit

Source : stata, calculs de lauteur

80,95% 96,30%

Les rsultats du pouvoir discriminant de ce test du modle montrent un taux de bon classement qui slve hauteur de 92,0% de faon globale. Spcifiquement du groupe dappartenance, on remarque, dans le tableau ci-dessus, que le modle permet de prdire un bon classement hauteur de 89,47% des entreprises dfaillantes et de 92,86% des entreprises saines (en activits). Ce qui permet de dire que le modle a une trs bonne capacit pour discriminer les entreprises saines de celles dfaillantes. Cela est corrobor dailleurs par la superficie de la courbe ROC (Receiver Operating Characteristic) (cf. annexe 1, graphique 2) du modle qui se monte 0,94. On peut ainsi retenir que le modle ci-dessous est trs concluant : Logit (p) = Log (p/1-p) = 18,12 - 0,55.R5 + 0,14.R6 - 1,41.R8 - 3,91.R11 - 2,26.R16 o p est la probabilit pour qu'une entreprise soit dfaillante au cours de lexercice suivant, compte tenu de ses caractristiques financires (les ratios) dune anne donne. Autrement dit, cest la probabilit un an de la dfaillance. Cette probabilit p est donne par la formule suivante :

+ (, + , . , . + , . + , . + , . )

40

Pour exemple, si on applique cette formule une entreprise donne et on trouve une valeur p suprieur 0,5, on dit que cette entreprise une forte chance de tomber en faillite dans le courant de lexercice qui suit. Dans le cas contraire, cett e entreprise est moins menace par la faillite et a de forte chance de rester en activit au-del de lexercice qui suit.

1.2. Modle deux ans de la dfaillance

Dans cette partie, nous avons adopt la mme dmarche que celle emprunte dans la partie prcdente. Ainsi, on sest attel au test de colinarit entre les diffrentes variables constitutives de lchantillon. Les rsultats de ce test (cf. annexe 2, tableau 11) montrent que les variables R6, R13 et R17, prises deux deux, ont un niveau de liaison fort, voire trs fort. A cet effet, pour viter des problmes de multi-colinarit, on a estim trois modles diffrents excluant respectivement deux des trois variables susmentionnes. Cette dmarche permet de ne pas retirer arbitrairement deux parmi ces trois variables. Cela permettra de ne retenir que le modle procurant le meilleur Log de la vraisemblance, correspondant ainsi une meilleure qualit dajustement. Par ailleurs, on a reconduit la mthode de Backward-selection (dslection par pas en arrire) au seuil de 10%. A la suite des trois modlisations, on a constat que

deux dentre elles (les modles excluant respectivement R13 et R17) procurent les mmes rsultats et que ces derniers sont meilleurs que ceux obtenus avec le modle excluant R6. Les rsultats du meilleur modle obtenu sont prsents dans le tableau 8 ci-dessous.
Tableau 8 : Rsultats de la rgression logistique deux ans de la dfaillance
Logit estimates Log likelihood = -25.216026 Number of obs LR chi2(6) Prob > chi2 Pseudo R2 = = = = 82 54.86 0.0000 0.5210

-----------------------------------------------------------------------------dft | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------R3 | .1076191 .053206 2.02 0.043 .0033372 .211901 R16 | -2.582942 .6883836 -3.75 0.000 -3.932149 -1.233735 R18 | -.2249319 .11619 -1.94 0.053 -.4526601 .0027963 R6 | .2497717 .0827045 3.02 0.003 .087674 .4118695 R14 | -2.109935 1.038593 -2.03 0.042 -4.145539 -.0743302 R11 | -8.553847 2.463871 -3.47 0.001 -13.38295 -3.724748 _cons | 20.6747 5.664586 3.65 0.000 9.572314 31.77708 -----------------------------------------------------------------------------Source : stata, calculs de lauteur
41

A lanalyse du tableau ci-dessus, on constate que, du point de vue statistique, tous les coefficients sont statistiquement diffrents de zro au seuil derreur de 5%, lexception de celui de R18 qui lest au seuil de 10%. De plus , de faon globale, le modle est largement significatif avec une probabilit derreur de 1%. Ainsi, on peut se convenir que les six ratios mis en avant par les rsultats de la modlisation ont un impact trs dcisif pour discriminer les entreprises saines de celles dfaillantes. Pour conforter ces rsultats, on a test la qualit du modle sous diffrents angles. Ainsi, les rsultats du test de la qualit de lajustement du modle aux donnes affichent une valeur pour la statistique de Pearson hauteur de 57,86, avec une pvalue de 0,9289. Cela montre un niveau trs satisfaisant de lajustement global du modle aux donnes. Concernant la capacit du modle bien classifier les entreprises, les tests de spcificit et de sensibilit donnent les rsultats confins dans le tableau ci-dessous au seuil de probabilit de 5%. Tableau 9 : Taux de bon classement deux ans de la dfaillance au seuil de 5% Taux de bon classement dans les groupes du modle 84,62% 89,29%

Taux de bon classement dans les groupes dorigine

Entreprises dfaillantes Entreprises en activit

Source : stata, calculs de lauteur

78,57% 92,59%

A partir des rsultats de ce tableau, on remarque que le modle permet, 78,57%, daccorder la note 1 une entreprise alors que celle -ci est belle et bien dfaillante. Dans la catgorie des entreprises saines, ce taux est de 92,59%. Autrement dit, il y a 92,59% de chance quune entreprise en activit soit note 0. Pour ce qui est de la capacit de prdiction du modle, on note que, de faon globale, le modle permet de prdire 87,80% la bonne catgorie dappartenance dune entreprise donne. Spcifiquement au groupe de lentreprise, il est noter que le modle permet de prdire le bon classement hauteur de 84,62% au niveau des
42

entreprises dfaillantes, contre un taux de 89,29% dans le cas des entreprises saines. Ces rsultats nous confortent dans la position avance un peu plus haut concernant la trs bonne capacit du modle discriminer les entreprises saines de celles dfaillantes. Une autre raison qui appuie cette position est la superficie de la courbe de ROC (Cf. annexe 2, graphique 4) qui se situe prs de 0,93, donc assez proche de 1. Toutes ces conclusions nous amnent retenir ce bon modle avec comme criture : Logit (p) = Log (p/1-p) = 20,67 + 0,11.R3 + 0,25.R6 - 8,55.R11 - 2,11.R14 2,58.R16 - 0,22.R18 o p est la probabilit pour qu'une entreprise soit dfaillante au cours du deuxime exercice qui suit, compte tenu de ses caractristiques financires (les ratios) dune anne donne. Autrement dit, cest la probabilit deux ans de la dfaillance. Cette probabilit p est donne par la formule suivante :

+ (, , . , . + , . + , . + , . + , . )

Pour exemple, si on applique cette formule une entreprise donne et on trouve une valeur p suprieur 0,5, on dit que cette entreprise une forte chance de tomber en faillite dans le courant du deuxime exercice qui suit. Dans le cas contraire, cette entreprise est moins menace par la faillite et a de forte chance de rester en activit au-del des deux exercices qui suivent. Ainsi, laide dune mthode robuste de trs bonne qualit dajustement, par le biais de la rgression logistique, on est parvenu la modlisation du risque de dfaillance des entreprises sngalaises. Les deux modles, ainsi mis en place, permettent davoir un taux de bon classement ou de discernement des entreprises saines et de celles dfaillantes lordre de 92,0% un an de lavnement de la dfaillance et de 87,8% deux ans de cet vnement. Il ne nous reste qu traduire cette liaison mise en avant par les modles dans le cadre rel de lentreprise.

43

II. Interprtations des rsultats

Les diffrentes analyses menes plus haut nous permettent de tirer les enseignements fondamentaux de la description du risque de dfaillance des entreprises sngalaises. Dans ce sens, il est noter que les rsultats des deux modlisations sus-ralises mettent en vidence un trait commun de certaines caractristiques financires sur la dfaillance des entreprises quelle que soit la priode avant cet vnement. On remarque, en effet, que les ratios de rendement des actifs (R11) et de la taille de lentreprise (R16), contrairement au ratio de rotation des actifs (R6), contribuent ngativement la formation de la probabilit de dfaillance que celle-ci soit un an ou deux ans. Ce constat est trs en phase avec la thorie de lanalyse du risque de dfaut de paiement des entreprises, lexception du ratio de rotation des actifs qui se rvle contre toute attente. En effet, pour le cas du ratio de rotation des actifs (R6) qui rapporte le chiffre daffaires au total actif , on sait que ce ratio permet de mesurer lefficacit de lentreprise utiliser ses actifs de faon gnrale et ses immobilisations en particulier dans la conduite de ses affaires. Ainsi, des pertes rsultant d'un dficit des ventes peuvent tre absorbes si l'entreprise a suffisamment d'actifs disponibles sur lesquels s'appuyer. Mais, si cela perdure ou si le stock dactifs se rvle faible, linsolvabilit ne devient plus probable dans la mesure o cette situation met lentreprise dans lincapacit de payer ses intrts ou ses autres charges fixes. Cest pourquoi la variabilit de chiffre daffaires ou bien du ratio de rotation des actifs contribue au risque de dfaillance, et ce par une corrlation ngative. Concernant le rendement de lactif (R11), galement appel Return On Asset (ROA), il donne des indications quant lefficacit avec laquelle une entreprise utilise ses actifs pour gnrer de la rentabilit. Autrement dit, le rendement de lactif mesure lhabilit de lentreprise gnrer des gains sur ses investissements. Il permet donc dapprcier la capacit de lentreprise accumuler une trsorerie suffisante pour assurer le maintien de son capital de production, le remboursement de ses emprunts ainsi quune rmunration suffisante du capital investi par ses actionnaires. A cet effet, une dtrioration du rendement de lactif dnoterait des difficults de trsorerie. Par ailleurs, comme on le sait, la trsorerie constitue toujours une tape critique, en prlude la dfaillance de lentreprise. Certains auteurs considrent mme que
44

linsuffisance de trsorerie est la premire cause de dfaillance des entreprises . Cest ainsi dire la variabilit du rendement de lactif est ngativement corrl e la dfaillance des entreprises, telle que mis en vidence par notre modle. Pour ce qui est de la taille de lentreprise, ici mesure par le logarithme du total bilan (R16), elle ressort avec un signe ngatif dans les rsultats de la modlisation. Cette contribution ngative la formation de la probabilit de dfaillance confirme le poids de la taille sur le risque de dfaut souvent voqu dans la littrature. Cela pourrait sexpliquer suivant deux gards. Dune part, au fur et mesure que la taille de l'entreprise augmente, la dissociation entre le patrimoine de l'entrepreneur et celui de l'entreprise augmente. Cela joue dans le sens de lamlioration de la trsorerie de lentreprise et ainsi, par ricochet, la diminution de son risque de dfaut. Daut re part, plus la taille de l'entreprise est importante, plus celle-ci est en mesure de bnficier d'conomie d'chelle, d'influer sur ses partenaires commerciaux et financiers. De plus, les grandes entreprises sont gnralement les plus anciennes, elles bnficient, cet effet, d'une plus grande exprience leur permettant une meilleure intgration dans le march. Au-del de limpact de ces lments sur la dfaillance indpendamment d e la priode davant vnement, les deux modles ont mis en vidence quelques facteurs spcifiques au moment que pourrait se produire le dfaut de paiement. En effet, un an de la dfaillance, la modlisation a permis de mettre en avant, spcifiquement cette priode, une liaison ngative entre la formation de la probabilit de dfaillance et les ratios dautonomie financire (R5) et de limportance des frais de personnel (R8). Limportance des capitaux propres par rapport aux emprunts (R5) est

particulirement essentielle dans lanalyse classique de la sant financire des entreprises, encore que celle-ci reprsente une garantie pour les partenaires et rduit la vulnrabilit financire. Ainsi dit, une augmentation de ce ratio correspondrait un recourt excessif lendettement. Cela a linconvnient de rendre lentreprise tr s dpendante de ses bailleurs puisque devant fournir plusieurs garanties qui peuvent hypothquer ses marges de manuvre. De plus, si lentreprise nest pas en mesure de gnrer suffisamment de cash flow pour honorer ses engagements, il sen suivra tout bonnement un dpt de bilan. On peut de ce point de vue affirmer que le signe
45

ngatif, mis en vidence par la rgression logistique, entre la formation de la probabilit de dfaut et lautonomie financire est parfaitement rvlateur pour la gestion du risque. Le signe ngatif de la contribution du ratio de limportance des frais de personnel (R8) sur la formation de la probabilit de dfaillance sexplique, quant lui, par le fait que ce ratio reprsente la part de richesse cre par lentreprise qui est ut ilise pour rmunrer le facteur travail. Ainsi, tant donn que les charges de personnel sont incompressibles, il se pose alors la question de savoir si la valeur ajoute cre par lentreprise est suffisante pour rmunrer lensemble des facteurs de prod uction. Cette question est aussi pertinente que certains auteurs estiment que la faiblesse de la valeur ajoute est lultime stade de la dfaillance. En effet, moins la valeur ajoute cre est faible, plus la part de richesse accorde la rmunration du personnel est leve et moins lentreprise en dispose pour prendre en charge, entre autres, lamortissement de ses installations et quipements, ainsi que ses charges financires. La difficult de lentreprise honorer ses engagements financiers et renouveler son appareil productif dans un dlai proche lui mnera inluctablement au dpt de bilan. En plus de ces spcificits pour lexplication de la dfaillance dans un dlai dun an, on sest galement intress aux facteurs caractristiques et spcifiques cet vnement pour une priode un peu plus longue, notamment au bout deux annes. Cette analyse a fait ressortir, pour la formation de la probabilit de dfaillance, un signe positif pour ce qui concerne le ratio de couverture des actifs fixes par les fonds permanents et un signe ngatif pour les ratios dendettement moyen et long t erme et du fonds de roulement. Le signe positif entre la formation de la probabilit de dfaillance et le ratio de couverture des actifs fixes par les fonds permanents signifie, en quelque sorte, que laugmentation du ratio correspondra une augmentation de la probabilit de dfaillance. Ces rsultats de la modlisation peuvent tre nuancs dans la mesure o pour la survie de lentreprise il est prfrable de disposer d es fonds permanents plus consquents que les besoins en investissements fixes : donc un ratio lev. Toutefois, un ratio trs lev pourrait signifier une surcapitalisation de lentreprise ou mme un ventuel manque dinvestissement. Ce dernier cas de figure est trs
46

propice pour laugmentation du risque de dfaillance. En effet, selon Bardos (1995)14, la faiblesse des investissements et le vieillissement des quipements productifs constituent lun des lments caractristiques de la classe des entreprises q ui court un risque de dfaillance relativement lev. Cela est justement une traduction du signe positif de notre ratio de couverture. Dun autre ct, la contribution ngative du taux dendettement moyen et long terme la formation de la probabilit de dfaillance, mise en vidence par le modle, traduit parfaitement la thorie selon laquelle lendettement est une source de cration de valeur. Cette liaison ngative voudrait dire, en effet, que laugmentation de la dette diminue le risque de dfaillance. Financirement, cela pourrait sexpliquer par le fait que l'endettement permet lentreprise de consolider son fonds de roulement ; ce qui lui facilite le financement de son exploitation et ainsi se donner une marge de scurit. La liaison ngative avec le ratio de fonds de roulement (R18) montre, quant elle, que lquilibre financier est le meilleur garant de la sant financire de lentreprise. Cela signifie, en effet, que laugmentation du ratio de fonds de roulement correspondra, par la mme occasion, une diminution de la propension aller vers le dpt de bilan. Or, une augmentation de ce ratio nest quune rsultante de lamlioration du fonds de roulement net de lentreprise. Et, on sait quun fonds de roulement net positif signifie que lentreprise va constater au cours des prochains exercices des rentres dargent suffisantes pour honorer ses engagements financiers de court terme et quelle possde en plus une certaine marge de scurit. Ce qui lui concde une position beaucoup plus solide pour viter la dfaillance.

Conclusion
Dans ce chapitre, on sest intresser la mise en place dune formule permettant dapprcier le risque de dfaillance des entreprises sngalaises dans un dlai dun an et de deux ans. Ainsi, laide dune rgression logistique qui a permis daboutir un taux de bon classement de 92,0% et de 87,8% respectivement un an et deux ans de la dfaillance, on a tabli une relation causale entre la formation de la probabilit tomber en faillite et un certain nombre de ratios financiers des
14

Bulletin de la Banque de France, 3

me

trimestre 1995
47

entreprises, au nombre de huit (08), suivant la priode davant vnement. Cette modlisation a permis galement de disposer de deux formules prcises mme dindiquer le seuil de risque de dfaut encouru par lentreprise selon quon est un an ou deux ans de la dfaillance.

48

CONCLUSION GENERALE Dans ce mmoire, nous nous sommes fixs lobjectif dapporter une meilleure apprhension de la dfaillance des entreprises sngalaises. Dans le but de rpondre ce questionnement, on sest amen, tout naturellement, chercher des clignotants des moments prcis de la vie de lentreprise. De plus, on a fait adjoindre ce besoin la ncessit de mettre en avant les facteurs les plus explicatifs de la dfaillance des entreprises au Sngal ; facteurs trs utiles dans lexplication de la faiblesse de loffre de crdit. Pour rpondre ces diffrents objectifs, on a eu recours aux techniques statistiques danalyse multivarie, notamment la rgression logistique. Eu gard aux rsultats de la modlisation logistique, huit (08) ratios financiers, de faon globale, se sont montrs trs pertinents dans la formation de la probabilit de dfaillance des entreprises sur une priode dun et de deux ans. Indpendamment de la priode davant dpt de bilan, la rotation de lactif contribue positivement la formation de la probabilit de dfaillance, alors les ratios de rendement de lactif et de la taille de lentreprise ont une influence ngative sur celle-ci. Au-del de limpact de ces trois facteurs (ratios), les ratios dautonomie financire et de limportance des frais de personnel dans la richesse cre apportent galement une contribution ngative dans la formation de la probabilit de dfaillance dans un dlai dun an avant le dfaut. Dans un dlai de deux ans avant le dfaut, en plus de limpact des ratios de rotation de lactif, de rendement de lactif et de la taille de lentreprise susmentionn, les ratios dendettement moyen et long terme et de fonds de roulement ont une influence ngative sur la formation de la probabilit de dfaillance. La contribution du ratio de couverture des actifs fixes par les fonds permanents se montre, quant elle, positive. Par ailleurs, il est souligner que les deux modles mis en place permettent de prdire le bon classement des entreprises dfaillantes hauteur de 92,0% et de 87,8% respectivement un an et deux ans avant la dfaillance. Toutefois, malgr la qualit des modles en termes dexplication et de prdiction de la dfaillance , on
49

reconnait que ceux-ci regorgent un certain nombre de limites, comme par exemple la non prise en compte de variables qualitatives, notamment la qualit du management, lenvironnement des affaires, etc. qui peuvent rellement tre lorigine de la difficult des entreprises et prcipiter leur dpt de bilan.

50

REFERENCES BIBLIOGRAPHIQUES Altman E. I., 1968, Financial ratios, discriminant analysis and the prediction of corporate bankruptcy, the Journal of Finance. Altman E. I., Haldeman R. et Narayanan P., 1977, ZETA analysis. A new model to identify bankruptcy risk of corporations, Journal of Banking and Finance. Amjad S., Bilal et Tufail S., 2012, What can be the Determinants of Capital Structure of Banking Sector of Pakistan? , University of Management and Technology, Lahore, Pakistan. Bardos M., 1995, Dtection prcoce des dfaillances dentreprises partir des documents comptables , Bulletin de la Banque de France. Baxter N.D., 1967, Leverage, risk of ruin and the cost of capital , Journal of Finance. Beaver W. H., 1966, Financial ratios as predictors of failure, Supplement to volume 5, Journal of Accounting Research. Boisselier P. et Dufour D., 2011, Scoring et anticipation de dfaillance des entreprises : une approche par la rgression logistique , EDHEC de Nice. Bourdieu J. et Sdillot B. C., 1993, Structure du capital et cots dinformation : le cas des entreprises franaises la fin des annes 80 , Economie et Statistique, 268/267. Black F. et Cox J. C., 1976, Valuing corporate securities : some effects of bond indenture provisions , Journal of finance, Vol. 31. Black F. et Scholes M., 1973, The Pricing of Options and Corporate Liabilities , The Journal of Political Economy, Vol. 81, No. 3. Cabinet va conseils, 2010, Etude sur loffre et la demande de financement des PME au Sngal , Direction Des Petites Et Moyennes Entreprises, Ministre des Mines, de l'Industrie, de la Transformation alimentaire des Produits agricoles Et des PME, Sngal.
51

Caillie D. V., 1997, Etude longitudinale des relations entre la structure financire, la stratgie d'investissement, le taux de valeur ajoute et la sant conomique des Petites et Moyennes Entreprises belges caractre industriel , Cahier de Recherche 9701, Facult d'Economie, de Gestion et de Sciences Sociales, Universit de Lige. Caprio G. et Klingebiel D., 2003, Episodes of systemic and borderline financial crises , Policy Research Department, The World Bank. Carling K. et Al., 2007), Corporate credit risk modelling and the macroeconomy , Journal of Banking and Finance. Carpentier C. et Suret J. M., 1999, Stratgies de financement des entreprises franaises : Une analyse empirique , Srie Scientifique (CIRANO). Commission bancaire, 1991, Circulaire N 03-1991/CB du 10 Juin 1991. Commission bancaire, 2000, Circulaire N 10-2000/CB du 23 Juin 2000. Commission bancaire, 2011, Circulaire N 003-2011/CB du 11 Janvier 2011. Conan J. et Holder M., 1979, Variables explicatives de performances et contrle de Gestion dans les PMI, Thse de doctorat dEtat, Universit Paris Dauphine. Conseil des Ministre de lUMOA, 1989, Loi-cadre portant rglementation bancaire du 19 septembre 1989. David F. M. H., 2011, La gestion du risque de crdit dans le cadre de bale II : cas de la BMCI, filiale du groupe BNP Paribas , Mmoire de fin dtudes, Dpartement des Masters de Sciences de Gestion, Facult des Sciences juridiques Economiques et Sociales, Marrakech. Deakin E. B., 1972, A discriminate analysis of predictors of business failure, Journal of Accounting Research. Dietsch M. et Petey J., 2010, Mesure du risque de crdit des PME , Livre dingnierie financire, fiscale et juridique, deuxime dition, Dalloz.

52

Drobetz W. et Fix R., 2003, What are the determinants of the capital structure? Some evidence for Switzerland , Working paper. Due D., Saita L. et Wang K., 2007, Multi-period corporate default prediction , Journal of Financial Economics. Edmister R., 1972, An Empirical Test of Financial Ratio Analysis for Small Business Failure Prediction , Journal of Finance and Quantitative Analysis. Frank M. et Goyal V., 2000, Testing the pecking order theory of capital structure Journal of Financial Economics. Gatfaoui H., 2008, Une histoire du risque de dfaut , Editions Publibook, http://www.publibook.com. Gaud P. et Jani E., 2002, Dterminants et dynamique de la structure du capital des entreprises suisses : une tude empirique , Cahiers de recherche HEC Genve. Guillet P., Les diffrents modes de financement et la structure optimale du capital , Note de cours UV103, Universit Paris-Dauphine. Hovakimian A. et Al., 2001, The debt-equity choice , Journal of Financial and Quantitative Analysis. Hunter J. et Isachenkova N., 2002, A panel analysis of UK industrial company failure , ESRC Centre for Business, Research Working Paper 228, Cambridge University. Jabeur S. B., 2011, Statut de la faillite en thorie financire : approches thoriques et validations empiriques dans le contexte franais , Thse, Ecole Doctorale Toulon, Universit du Sud Toulon-Var. Jacobson T., Kindell R., Lind J. et Roszbach K., 2008, Firm default and aggregate fluctuations , Sveriges Riksbank Working Paper Series No. 226. Jacobson T., Lind J. et Roszbach K., 2005, Exploring interactions between real activity and the nancial stance , Journal of Financial Stability.

53

Jensen M. C. et Meckling W. H., 1976, Theory of the firm: managerial behavior, agency costs and ownership structure , Journal of Financial Economics, vol.3. Kremp E. et Al., 1999, Estimation dune fonction dendettement. Rsultats partir de panels dentreprises franaises et allemandes , dans Modes de financement des entreprises allemandes et franaises, Projet de recherche commun de la Deutsche Bundesbank et de la Banque de France. Kraus A. et Litzenberger R.H., (1973). A state-preference model of optimal financial leverage , Journal of Finance. Landrine N. N. J., 2011, L'influence de la stratgie d'affaires sur le niveau et les dterminants de l'endettement des PME manufacturires , Mmoire de Matrise en administration des affaires, Universit du Qubec Trois-Rivires. Lin L. et Piesse J., 2004, The Identification of Corporate Distress in UK Industrials: A Conditional Probability Analysis Approach , Applied Financial Economics. Mamoughli C., 1984, La prvision du risque de dfaillance des entreprises tunisiennes, Thse de Doctorat Paris IX dauphine. Matoussi H., Mouelhi R. et Salah S., 1999, La prdiction de faillite des entreprises tunisiennes par la rgression logistique , "20ME CONGRES DE L'AFC, France. Merton R. C., 1974, On the Pricing of Corporate Debt: The Risk Structure of Interest Rates , The Journal of Finance, Vol. 29, No. 2. Modigliani F. et Miller M. H., 1963, Corporate income taxes and the cost of capital : a correction , American Economic Review. Mondigliani F. et Miller M. H., 1958, The cost of capital, corporation finance and the theory of investment , The American economic Review, Volume XLVIII. Myers S. C. et Majluf N. S., 1984, Corporate financing and investment decisions when firms have information that investors do not have , Journal of Financial Economics.

54

Nivorozhkin E., 2003, The dynamics of capital structure in transition economies , Discussion Papers N2, Bank of Finland. OCDE, 2007, Le financement des PME et des entrepreneurs , les synthses de lOCDE. Ohlson J. A., 1980, Financial ratios and the probabilistic prediction of bankruptcy, Journal of Accounting Research. Olivier C., Mlanie C. et Laetitia P., 2010, Dterminants des choix de financement et profils de PME , Centre de Recherche Warocqu, Universit de Mons-Hainaut. Pesara M. et Al., (2006), Macroeconomic dynamics and credit risk : a global perspective , Journal of Money, Credit and Banking. Powo F. B., 2000, Les dterminants des faillites bancaires dans les pays en dveloppement : le cas des pays de l'Union conomique et montaire Ouestafricaine (UEMOA) , Dpartement de sciences conomiques, Universit de Montral. Rajan G. R. et Zingales L., 1995, What Do We Know About Capital Structure? Some Evidence From International Data , Journal of Finance. Roncalli T., 2001, Introduction la Gestion des Risques , Groupe de Recherche Oprationnelle, Crdit Lyonnais. Ross S. A., 1977, The Determination of Financial Structure: The IncentiveSignalling Approach , The Bell Journal of Economics, Vol. 8, No. 1. Sheel A., 1994, Determinants of capital structure choice and empiricson leverage behavior : a comparative analysis of hotel and manufacturing firms , Hospitality Research Journal. Shirata C. Y., 1998, Financial Ratios as Predictors of Bankruptcy in Japan : An Empirical Research , Proceedings of the Second Asian Pacific Interdisciplinary Research in Accounting Conference.

55

St-Pierre J. et Allept N., 1998, Le crdit bancaire aux PME : les banques discriminent-elles selon la taille ou selon le risque des entreprises emprunteuses ? , Actes du 4me CIFPME, Metz-Nancy.

56

ANNEXES

Annexe 1 : Rsultats complmentaires pour la modlisation un an de la dfaillance

Tableau 10 : Corrlation des variables un an de la dfaillance
| R3 R4 R5 R6 R7 R8 R9 R10 R11 R12 R13 R14 R15 R16 R17 R18 R19

-------------+-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------R3 | 1.0000 R4 | 0.0614 1.0000 R5 | 0.0489 0.0353 1.0000 R6 | 0.0401 -0.0645 -0.0428 1.0000 R7 | 0.0054 -0.0525 -0.0347 -0.0376 1.0000 R8 | 0.1099 0.5294 -0.0421 -0.1241 -0.0724 1.0000 R9 | 0.0835 0.4218 0.1833 -0.0060 -0.1920 0.6899 1.0000 R10 | -0.0145 -0.0383 -0.2399 0.0234 -0.0052 -0.0195 -0.0722 1.0000 R11 | 0.2947 -0.0141 0.1087 -0.1041 -0.0714 0.0910 0.1252 0.0243 1.0000 R12 | 0.0116 -0.0234 -0.0807 0.0513 -0.0050 0.0891 -0.0614 0.0103 -0.2238 1.0000 R13 | 0.1473 -0.0657 0.0139 -0.5828 -0.0478 0.0641 0.0242 0.0054 0.1739 -0.0629 1.0000 R14 | 0.0836 0.5834 -0.0039 -0.0913 -0.0709 0.0941 0.1796 0.0191 -0.0931 -0.0417 -0.1199 1.0000 R15 | -0.0578 -0.0742 -0.0941 -0.0650 -0.0150 0.0252 -0.0521 -0.0080 -0.0038 -0.0548 -0.0654 R16 | 0.1649 0.1102 0.2978 -0.1038 0.1203 0.1291 0.2399 -0.1053 0.3021 -0.3065 -0.2018 R17 | 0.2322 -0.0000 0.0087 -0.5239 -0.0383 0.0606 -0.0050 -0.0022 -0.0810 0.0081 0.9270 R18 | 0.2181 0.1526 0.1011 0.0194 -0.0497 0.0471 0.1274 -0.0005 0.3921 -0.2496 0.2277 R19 | -0.0127 0.1851 -0.1899 0.0048 0.0355 0.0835 -0.0568 0.0492 -0.1602 0.1314 0.0686 -0.1094 1.0000 -0.0099 -0.0126 1.0000 -0.0085 -0.2066 -0.2440 1.0000 0.2008 -0.2842 0.3069 0.2303 1.0000 0.1850 -0.2612 -0.2792 0.1825 -0.0158 1.0000

Source : stata, calculs de lauteur

Graphique 1 : Courbes des sensibilits et des spcificits un an de la dfaillance

1.00 0.00
0.00

0.25

0.50

0.75

0.25

0.50 Probabil ity cutoff Sensitivi ty

0.75 Speci fi ci ty

1.00

Source : stata, calculs de lauteur

57

Graphique 2 : Courbe ROC un an de la dfaillance

1.00 Sensitivity 0.00
0.00

0.25

0.50

0.75

0.25

0.50 1 - Specificity

0.75

1.00

Area under ROC curve = 0.9400

Source : stata, calculs de lauteur

Annexe 2 : Rsultats complmentaires pour la modlisation deux ans de la dfaillance

Tableau 11 : Corrlation des variables deux ans de la dfaillance
| R3 R4 R5 R6 R7 R8 R9 R10 R11 R12 R13 R14 R15 R16 R17 R18 R19

-------------+-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------R3 | 1.0000 R4 | 0.0577 1.0000 R5 | 0.0835 0.0253 1.0000 R6 | 0.0185 -0.0028 -0.0055 1.0000 R7 | 0.1734 0.0311 0.0098 -0.0260 1.0000 R8 | -0.2650 -0.0361 -0.0450 -0.1078 0.0446 1.0000 R9 | 0.0506 -0.1423 0.0928 0.0138 0.0200 0.2672 1.0000 R10 | 0.0162 0.0924 0.3516 -0.0344 -0.0143 -0.0269 0.0788 1.0000 R11 | 0.1900 0.1723 0.0314 0.0374 -0.0780 0.0765 0.0941 0.0769 1.0000 R12 | -0.0227 -0.0371 0.1932 -0.0112 -0.0544 0.0759 -0.0385 -0.0451 -0.1189 1.0000 R13 | 0.0530 0.0400 0.0030 -0.5807 -0.0113 0.0604 0.0961 -0.0050 -0.0362 -0.0175 1.0000 R14 | -0.0327 -0.1476 -0.0059 -0.0584 0.0099 -0.1412 -0.2003 -0.0009 -0.4343 -0.0346 -0.1972 1.0000 R15 | -0.4900 0.0085 -0.1011 -0.0531 0.1911 0.1596 0.0124 -0.0378 -0.0260 -0.0698 -0.0726 -0.0733 1.0000 R16 | -0.0319 0.0484 0.1969 -0.0160 -0.1059 0.1240 0.2512 0.2445 0.1300 -0.1653 -0.2798 -0.0308 0.0311 1.0000 R17 | 0.0960 0.0324 0.0138 -0.5713 -0.0163 0.0273 0.0096 -0.0133 -0.2136 0.0090 0.9597 -0.1087 -0.1807 -0.2971 1.0000 R18 | 0.2422 0.1240 0.0757 -0.0181 -0.0041 0.0511 0.0338 0.0528 0.1956 -0.2786 0.1521 -0.2449 -0.3129 0.1560 0.1951 1.0000 R19 | 0.1274 -0.0585 -0.2205 -0.0137 -0.0524 0.0071 -0.0498 -0.2418 -0.0731 0.0431 0.1043 -0.0732 -0.2522 -0.2881 0.1688 -0.0129 1.0000

Source : stata, calculs de lauteur

58

Graphique 3 : Courbes des sensibilits et des spcificits deux ans de la dfaillance

1.00 0.00
0.00

0.25

0.50

0.75

0.25

0.50 Probability cutoff Sensitivity

0.75 Specificity

1.00

Source : stata, calculs de lauteur

Graphique 4 : Courbe ROC deux ans de la dfaillance

1.00 Sensitivity 0.00
0.00

0.25

0.50

0.75

0.25

0.50 1 - Specificity

0.75

1.00

Area under ROC curve = 0.9286

Source : stata, calculs de lauteur

59