| Titre | Modèles de prévision de défaillance d'entreprise et sélection de variables explicatives : le cas de la France | |
|---|---|---|
| Auteur | Madiha Zammel, Xavier Brédart | |
 |
Revue | Gestion 2000 |
| Numéro | Volume 37, 2020/3 | |
| Page | 67-90 | |
| Résumé |
Cet article vise à élaborer différents modèles de prévision de défaillance d'entreprises et à comprendre la trajectoire de la défaillance au fil du temps des entreprises françaises. Les modèles utilisés sont la régression logistique et le réseau de neurones. Les variables introduites dans ces modèles ont été sélectionnées sur la base de trois techniques que sont l'Analyse en Composante Principale (ACP), la technique LASSO (the least absolute shrinkage and selection operator) et l'Analyse Discriminante Linéaire (ADL). Les résultats de nos modèles rapportent que la technique LASSO permet d'obtenir le meilleur « taux de bons classements ». En outre, plus on élargit l'horizon d'analyse, plus la capacité prévisionnelle du modèle se réduit. Source : Éditeur (via Cairn.info) |
|
| Résumé anglais |
The purpose of this paper is to establish different business failure prediction models and to investigate the path to failure of French companies. The used models are the logistic regression and neural network model. The variables introduced in these models were selected on the basis of three techniques : Principal Component Analysis (PCA), LASSO (the least absolute shrinkage and selection operator) and Linear Discriminant Analysis (LDA). The results of our models show that the LASSO technique makes it possible to obtain the best rate of good rankings. In addition, the further away the study horizon, the smaller the forecast capacity of the model. Source : Éditeur (via Cairn.info) |
|
| Article en ligne | http://www.cairn.info/article.php?ID_ARTICLE=G2000_373_0067 |
