Prédiction de la défaillance d'entreprises par discrimination non paramétrique

  • Bénédicte Schmeler

Thèse de l'étudiant: Master typesMaster en sciences mathématiques

Résumé

Ce mémoire aborde le problème de la détection des entreprises défaillantes sur base de leurs documents comptables.
Des travaux réalisés dans ce domaine ont déjà été effectués sur base essentiellement de l'analyse discriminante linéaire de Fischer ainsi que de la régression logistique. Un nouveau domaine de recherche est d'appliquer la méthode des réseaux neuronaux.
L'objectif de ce travail est d'appliquer à ce problème l'estimation non paramétrique de densité qu'est la méthode des noyaux et de comparer nos résultats avec ceux obtenus précédemment. Ce travail de fin d'études se base sur des données fournies par Madame Mireille Bardos de la Banque de France de Paris. Il débutera par une présentation des fondements économiques et financiers concernant ce problème. Ensuite, nous présenterons divers outils mathématiques.
Pour terminer, nous comparerons nos résultats obtenus en utilisant la méthode des k plus proches voisins et la méthode des noyaux avec ceux obtenus par la Banque de France. Ceux-ci ont été trouvés en utilisant l'analyse discriminante linéaire de Fischer, la régression logistique, la méthode des réseaux de neurones ainsi que le score BDFL.
Date de réussitejuin 1999
langueFrançais
SuperviseurJean-Paul Rasson (Promoteur)

Citer ceci

Prédiction de la défaillance d'entreprises par discrimination non paramétrique
Schmeler, B. (Auteur). juin 1999

Thèse de l'étudiant: Master typesMaster en sciences mathématiques