LA PREVENTION DU RISQUE DE DEFAUT DANS LES BANQUES TUNISIENNES. Analyse comparative entre les méthodes linéaires classiques et les méthodes de l'intelligence artificielle : les réseaux de neurones artificiels

Hamadi Matoussi (1) , Aida Krichène Abdelmoula (2)

1 ISCAE
2 UCAR - Université de Carthage (Tunisie)

This paper addresses the question of default prediction of short term loans for a Tunisian commercial bank. We make a comparative analysis of three different statistical method of classification (artificial neural network and linear logistic regression with panel data). We use a database of 1435 files of credits granted to industrial Tunisian companies by a commercial bank in 2003, 2004, 2005 and 2006.The results show that the best prediction model is the multilayer neural network model and the best information set is the one combining accrual, cash-flow and collateral variables. We got a good classification rate of 97% in the training data set and 89.8% in the validation data set.

Ce papier porte sur le risque de non remboursement des crédits de gestion par une banque commerciale tunisienne. Ainsi, la maîtrise du risque de défaut des crédits est devenue l'un des axes stratégiques majeurs de la gestion des organismes bancaires. Ce papier se fixe pour objectif de comparer le pouvoir prédictif de trois méthodes de prévision du risque à savoir : le scoring, la régression logistique et les réseaux de neurones artificiels. Nous avons utilisé une base de données composée de 1435 dossiers de crédit octroyés aux entreprises industrielles tunisiennes en 2003,2004,2005 et 2006. Les résultats montrent la supériorité des réseaux de neurones artificiels par rapport aux autres méthodes classiques en matière de détresse financière des firmes emprunteuses. Dans ce sens nous avons obtenu un taux de bon classement global de 97% pour l‟échantillon d‟apprentissage et 89.9% pour l‟échantillon test

Mots clés: Banking sector; scoring; logistic regression; Default risk Prediction; Neural network Models

Mots clés: Secteur bancaire scoring; régression logistique; panel; réseaux de neurones; la prévision du risque de défaut

Domaines: Gestion et management

Hamadi Matoussi, Aida Krichène Abdelmoula. LA PREVENTION DU RISQUE DE DEFAUT DANS LES BANQUES TUNISIENNES. Analyse comparative entre les méthodes linéaires classiques et les méthodes de l'intelligence artificielle : les réseaux de neurones artificiels. Crises et nouvelles problématiques de la Valeur, May 2010, Nice, France. pp.CD-ROM. ⟨hal-00481087⟩