Les déterminants du risque de crédit : comparaison entre le modèle logistique à l'aide du lasso et le réseau des neurones au sein d'une microfinance au Burkina Faso
Balima, Hassana
Promotor(s) : Hambuckers, Julien
Date of defense : 2-Sep-2020/8-Sep-2020 • Permalink : http://hdl.handle.net/2268.2/10724
Details
Title : | Les déterminants du risque de crédit : comparaison entre le modèle logistique à l'aide du lasso et le réseau des neurones au sein d'une microfinance au Burkina Faso |
Author : | Balima, Hassana |
Date of defense : | 2-Sep-2020/8-Sep-2020 |
Advisor(s) : | Hambuckers, Julien |
Committee's member(s) : | Lefevre, Mélanie
Moreno Miranda, Nicolas |
Language : | French |
Number of pages : | 65 |
Keywords : | [fr] Risque de crédit [fr] microfinance [fr] modèle logistique [fr] lasso [fr] réseau de neurones artificiels |
Discipline(s) : | Business & economic sciences > Finance |
Target public : | Student |
Institution(s) : | Université de Liège, Liège, Belgique |
Degree: | Master en ingénieur de gestion, à finalité spécialisée en Financial Engineering |
Faculty: | Master thesis of the HEC-Ecole de gestion de l'Université de Liège |
Abstract
[fr] Les institutions de microfinance sont des organisations qui fournissent des services financiers aux personnes pauvres ou exclues du système financier. Cependant, elles sont souvent confrontées à de nombreuses difficultés, comme le non-remboursement des prêts par les emprunteurs. Au Burkina Faso, cette situation a conduit à la faillite de plusieurs institutions de microcrédit. L'objectif de cette étude est d'examiner les facteurs qui affectent la défaillance des emprunteurs en utilisant une régression logistique à l’aide du lasso d’une part et du réseau neuronal artificiel d’autre part. L’étude a porté sur un échantillon de 18 240 prêts accordés dont 1 782 n'ont pas été remboursés. Les variables utilisées dans cette étude regroupent le profil sociodémographique des clients, les caractéristiques des prêts et de leurs entreprises. Les résultats ont montré l'importance des du nombre de prêts antérieurs non soldés, de l'âge et de la durée du prêt dans l’explication des défauts de remboursement. Dans l'ensemble, le modèle de réseau neuronal et celui de la régression logistique donnent des résultats similaires.
File(s)
Document(s)
Description:
Size: 1.19 MB
Format: Adobe PDF
Cite this master thesis
The University of Liège does not guarantee the scientific quality of these students' works or the accuracy of all the information they contain.