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

 > 

Impact de la gestion des ressources humaines sur la performance des entreprises agro pastorales (cas de la compagnie pastorale du Haut-Lomami)


par Gloire BANZA
Université de Kamina  - Licence 2023
  

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

II.2. LES MODELES DE SCORES : ANALYSEURS DE PERFORMANCE PAR EXCELLE

II.2.1. CONCEPT DU MODELE DE SCORES

Les modèles de scores se sont développées grâce aux travaux qui ont été entrepris aux Etats- Unis d'Amérique dans les années 1960, notamment avec le fameux Z-score d'Altman inventé en 1968, fonction discriminante de cinq ratios financiers. Elle a significativement contribué au développement, à la promotion et à une meilleure compréhension du modèle de scores et de ses techniques, etc.

En France, ces modèles furent utilisés pour la première fois en 1975, essentiellement en matière de crédit à la consommation, sous l'impulsion de plusieurs auteurs : Collongues, 1977, Conan & Holder, 1979, Holder, et al, 1984 et les responsables successifs des travaux effectués au sein de la Banque de France à partir de l'exploitation des données de sa centrale de bilan (Wafia., 2019).

Les modèles de scores sont considérés comme « des outils d'aide à la prise de décision (...). Selon Anderson, ces modèles, sont le recours aux modèles statistiques en vue de transformer des données (qualitatives, quantitatives) en indicateurs numériques mesurables à des fins d'aide à la décision (...). Sa définition diffère selon le but pour lequel il lui est fait recours, mais le principe reste le même.

A. PRINCIPES DES MODELES

Les modèles de score utilisent l'indicateur probabiliste du risque de crédit, c'est-à-dire une note de risque ou une probabilité de défaut. Dans leur quasi-totalité, les banques et organismes financiers utilisent l'analyse statistique pour prédire si un emprunteur serait un bon ou un mauvais payeur et prendre la décision appropriée : acceptation sans condition, prise de garanties ou refus (Wafia., 2019). Ces modèles utilisent des données historiques (généralement l'histoire des performances passées des emprunteurs ou celle des prêts consentis) et des techniques statistiques qui se calculent à base de logiciels (Wafia., 2019).

B - OBJECTIF DES MODÈLES DE SCORES

Les modèles de scores ont pour objectif de déterminer les effets de diverses Caractéristiques des entreprises sur leur chance de faire défaut. Ils produisent également des « scores» qui sont des notes mesurant le risque de défaut des entreprises potentiels ou réels permettant de ranger ces différentes entreprises en classes de risques. En effet, les scores contribuent à la détection précoce de la défaillance et apporte une aide précieuse au diagnostic individuel (Wafia., 2019).

C - AVANTAGES ET LIMITES DE MODÈLES DE SCORES

précédent sommaire suivant






La Quadrature du Net

Ligue des droits de l'homme