insea ebay
Vous souhaitez réagir à ce message ? Créez un compte en quelques clics ou connectez-vous pour continuer.
insea ebay


 
AccueilAccueil  RechercherRechercher  Dernières imagesDernières images  S'enregistrerS'enregistrer  Connexion  
-20%
Le deal à ne pas rater :
-20% sur le Lot de 2 écrans PC GIGABYTE 27″ LED M27Q
429 € 539 €
Voir le deal

 

 pfe 19 Elaboration d’un modèle statistique d’évaluation risk

Aller en bas 
AuteurMessage
yassir
Admin
yassir


Nombre de messages : 83
Age : 41
Localisation : near u
Date d'inscription : 13/10/2006

pfe 19 Elaboration d’un modèle statistique d’évaluation risk Empty
MessageSujet: pfe 19 Elaboration d’un modèle statistique d’évaluation risk   pfe 19 Elaboration d’un modèle statistique d’évaluation risk Icon_minitimeLun 20 Nov - 16:34

pfe fé par la promo de 2005 option statistique sur " Elaboration d’un modèle statistique d’évaluation du risque de contrepartie" fé a la CCG.

L’évaluation du risque de crédit est devenue un des soucis majeurs des établissements financiers, entrant dans le cadre des recommandations du Comité de Bâle, qui insistent sur la nécessité d’instaurer des systèmes de notation internes afin de ramener le niveau des fonds propres aux niveau du risque réellement encouru.

Dans ce cadre, et à travers notre projets de fin d’études qui s’intitule « Elaboration d’un modèle statistique d’évaluation du risque crédit », nous avons essayé de mettre en place un modèle statistique d’évaluation du risque de défaillance des entreprises, ainsi que d’identifier des classes de risque homogènes avec leurs probabilités de défaillance associées.

Dans notre application nous nous sommes basés principalement sur la méthodologie de l’analyse discriminante de Fisher, étant largement utilisée par des établissements financiers comme Banque de France dans l’évaluation et la prédiction du risque de défaillance des entreprises. Sa robustesse et sa facilité d’intrépretation sont reconnues par la littérature existante. Cette méthode nécessite la validité de deux hypothèses à savoir la multinormalité et l’homoscédasticité que nous avons supposé approximativement leurs vérifications.

Après un travail de préparation des données et variables, l’application de l’analyse discriminante, en utilisant le logiciel SPSS comme outil technique sur un échantillon composé à partir du portefeuille de la Caisse Centrale de Garantie, a porté sur deux parties :

Dans une première partie nous avons procédés à la sélection des ratios les plus déterminants dans le processus de la défaillance, les ratios identifiés étaient le ratio endettement et le ratio rémunération moyenne par individu, bien que ce résultat a une certaine significativité sur le terrain, mais n’empêche que c’est un constat qui dépend dans une grande partie des caractéristiques de l’échantillon de base, en particulier de la taille et de la nature des données. Sur la base de ces ratios, nous avons constitué un modèle d’évaluation du risque basé sur une règle de décision géométrique, l’évaluation de ce modèle a donnée des taux de bons classement satisfaisants dans le cas global et celui des entreprises non défaillante, cependant le taux de bon classement dans le groupe défaillant n’était pas assez intéressant. C’est pour ça que nous avons essayé d’ajuster le seuil de décision dans le but d’équilibrer ces taux de bons classement, et effectivement après son ajustement, il s’est avéré que ces taux se sont améliorés mais tout en restant toujours en dessous du seuil espéré. L’application d’une classification dans un premier temps empirique, ensuite automatique a permis d’obtenir des classes de risque homogènes avec leurs probabilités de défaillance associées, ainsi que leur coefficients de risque·
Dans une deuxième partie et en vu d’aboutir à des taux de bon classement plus intéressants, l’introduction simultanée des ratios financiers a permis de garder 24 ratios, ayant un niveau d’explication significatif, parmi ces ratios figurent principalement avec des contributions importantes des ratios qui se rapportent à l’endettement à long et à court terme. Sur la base de ces ratios nous avons construit un modèle de classement basé sur la fonction linéaire de Fisher, un modèle qui a donnée des taux de bons classements satisfaisants, toutefois ce modèle présente le défaut de produire des scores très élevés, pour les deuxgroupes, ce qui a donné des classes de risquetrès agrégées et éloignées, un défaut que l’on a pu rectifier par une transformation multiplicative à une constante près, pour obtenir des classes de risques désagrégées avec les probabilités de risque et les coefficients de risque associés .

En perspectives, une étude qualitative serait propice à l’analyse du risque de défaillance et permettrait de palier aux problèmes des données financiers qui souffrent d’une certaine imprécision et d’une relative incrédibilité. Cette étude qualitative pourrait être menées sur la base de plusieurs méthodes, à titre d’exemple l’application d’une analyse des correspondance multiples pour aboutir à des facteurs synthétiques et sur la base des quels on pourrait appliquer une analyse discriminante. La régression logistique présente aussi un grand intérêt en terme d’interprétation et d’efficacité pour l’analyse des variables qualitatives. Une préparation des données et variables serraient nécessaire avant d’entamer cette étude, les variables pourront se rapporter aux caractéristiques du projet ainsi qu’aux celles des promoteurs.

Signalons que notre échantillon s’est basé sur les dossiers d’entreprises en phase de développement qui constituent le tiers du portefeuille de la CCG, le reste étant réservé aux dossiers de création. Notre étude s’est basée sur l’utilisation des ratios financiers qui ne sont pas toujours disponibles dans ces dossiers, ainsi une étude statistique portant sur des nouvelles variables orientées plus vers l’aspect qualitatif de ces projets de création ainsi que de leurs promoteurs, permettrait avec la taille importante de ce types de dossiers de parvenir à des résultats plus satisfaisants en terme d’analyse du risque de défaillance.
Mots clés
défaillance, risque de contrepartie, évaluation du risque, analyse discriminante, scoring, classes de risque.


Dernière édition par le Lun 20 Nov - 16:45, édité 1 fois
Revenir en haut Aller en bas
http://insea.skyblog.com/
 
pfe 19 Elaboration d’un modèle statistique d’évaluation risk
Revenir en haut 
Page 1 sur 1
 Sujets similaires
-
» pfe 12 Une analyse par un modele d'optimisation spatiale
» PFE sur les modele VAR SVAR serie chronos 2006

Permission de ce forum:Vous ne pouvez pas répondre aux sujets dans ce forum
insea ebay :: stounate :: rapporate-
Sauter vers:  
Ne ratez plus aucun deal !
Abonnez-vous pour recevoir par notification une sélection des meilleurs deals chaque jour.
IgnorerAutoriser