WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Scoring crédit: une application comparative de la régression logistique et des réseaux de neurones

( Télécharger le fichier original )
par Fred NTOUTOUME OBIANG-NDONG
Université Cheikh Anta Diop (UCAD) - Master Methodes Statistiques et Econometriques 2006
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

CONCLUSION

En définitive, il ressort de notre étude que la prévision du risque de contrepartie, par la mise en place d'un scoring dont les données de bases sont en grandes majorité nominales, peut être fiable. L'idée que les modèles de scoring crédit étaient difficilement approchables dans le contexte de variables qualitatives, comme semblait le défendre l'esprit dans lequel les plus célèbres modèles de score sont nés, nous parait donc excessive du point de vue des résultats de notre recherche.

En effet, cette appréhension a d'abord été levée d'un point de vue méthodologique. Les premiers modèles de scoring crédit admettaient une liaison linéaire entre les « income » et les « outcome », ce qui n'est pas toujours le cas, nous l'avons vu. Or cette hypothèse de départ enferme de facto le modélisateur dans le difficile compromis de l'indépendance des observations et de normalité des variables explicatives, impossibles à satisfaire si on possède au moins une variable explicative qualitative. Nous avons donc opté pour une solution méthodologique non paramétrique, admettant des relations non linéaires entre variables exogènes et variable endogène.

Cette appréhension a ensuite été levée du point de vue de la performance statistique, puisque les résultats obtenus, dans les deux modèles prédictifs estimés étaient fiables à plus de 90%.. Ainsi, nous avons pu atteindre, avec un bon seuil de confiance, nos objectifs de départ qui tenaient à la description, à l'explication, puis à la prédiction par la modélisation statistique et l'intelligence artificielle.

Dans les deux premiers points en effet, nous nous sommes intéressés à la distribution des clients (PME) de l'UMECUDEFS au sein des « bon payeurs » et des « mauvais payeurs ». Il en ressort que les clients « mauvais payeurs » présents dans notre échantillon comptent plus de cas dont l'age est compris entre 30 et 50, et que le risque de crédit augmente avec l'âge. Il en ressort aussi que la relation entre le niveau de revenu des dirigeant des PME et le risque de crédit évolue en sens inverse, confirmant que « mieux vaut ne prêter qu'aux riches », de même d'ailleurs qu'entre la durée d'existence de l'entreprise elle-même et la probabilité de défaut.

Nous observons par ailleurs que la distribution des PME est plus forte chez les « mauvais payeurs » si la valeur de la garantie proposée baisse, ou si le montant du crédit a une tendance haussière. Enfin, la sélection adverse des agents de crédits ainsi que le nombre d'échéances de retard que peuvent accuser les débiteurs pendant le remboursement, ont une importante influence positive sur la distribution des « mauvais payeurs » de notre échantillon..

Dans le troisième point, l'objectif de prédiction aura été atteint à travers une régréssion logistique binaire, puis une régression neuronale par parceptron multicouches. Le modèle de scoring finalement retenu a confirmé notre hypothèse numero 1. En effet, nous avons admis dans notre hyperplan que les données démographiques du dirigeant, l'expérience du dirigeant en matière de crédit, la forme juridique de la PME, le secteur d'activité, le type de garantie, le facteur temps et le montant de la demande de prêt influencent le risque de crédit de manière significative.

En outre, nous avons confirmé que le modèle logistique présente de meilleures performances prédictives que le modèle neuronal, dans le cadre de notre deuxième hypothèse de recherche.

Cependant, cette étude tiendra son importance de l'applicabilité de la grille de scoring crédit à laquelle elle aura permis d'aboutir, via une implémentation informatique progressive au sein de l'UMECUDEFS, et via un système de suivi évaluation participatif continue ou ponctuel.

fred.ntoutoume@yahoo.fr

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Aux âmes bien nées, la valeur n'attend point le nombre des années"   Corneille