DI-UMONS : Dépôt institutionnel de l’université de Mons

Recherche transversale
Rechercher
(titres de publication, de périodique et noms de colloque inclus)
2021-09-24 - Colloque/Présentation - communication orale - Français - 23 page(s)

Cultrera Loredana , Vermeylen Guillaume , "Evaluation de techniques de sélection de variables pour les modèles de prediction de faillite: La position dans la chaîne de valeur mondiale est-elle importante?" in 19e colloque francophone sur le risque - ORIANE, Bayonne, France, 2021

  • Codes CREF : Economie (DI4300), Gestion financière (DI4361), Economie de l'entreprise (DI4322)
  • Unités de recherche UMONS : Analyse économique du travail (W718), Finance (W751)
  • Instituts UMONS : Institut des Sciences et du Management des Risques (Risques), Institut de Recherche en Développement Humain et des Organisations (HumanOrg)

Abstract(s) :

(Français) Cette étude présente une analyse comparative de l'application des techniques statistiques et d'intelligence artificielle pour résoudre le problème de la prédiction de la faillite des petites et moyennes entreprises. En conséquence, les techniques de sélection utilisées sont (i) les procédures backward et (ii) forward, ainsi que (iii) la technique d'apprentissage automatique lasso et (iv) la technique d'ensemble appelée arbres de classification et de régression. En s'appuyant sur une base de données complète de 7 104 PME belges, nous montrons que les techniques intelligentes offrent des performances de prédiction supérieures lors de la prédiction de la faillite. Il est intéressant de noter que nos résultats empiriques sont sensibles à la position de l'entreprise dans la chaîne de valeur globale (CVG), la performance de prédiction des variables clés étant plus faible pour les entreprises se comportant en amont dans le processus de production, ce qui soutient les effets de contagion ascendante de la faillite le long de la CVG.