Sélection de variables pour la classification multiclasse : Comparaisons et applicaion à la discrimination des banques selon le taux des prêts non performants - Inria - Institut national de recherche en sciences et technologies du numérique Access content directly
Conference Papers Year : 2010

Sélection de variables pour la classification multiclasse : Comparaisons et applicaion à la discrimination des banques selon le taux des prêts non performants

Abstract

Le volume élevé des Prêts Non Performants (PNP) reste toujours le problème le plus important dans le secteur bancaire tunisien. La classification des banques selon leur niveau des PNP semble alors cruciale pour les autorités de supervision locales afin de prendre les actions correctives adéquates. Dans cette étude, nous comparons trois méthodes de classification différentes, à savoir: les réseaux de neurones, les machines à vecteurs supports multiclasses et le classifieur bayésien sous l'hypothèse de normalité. Nous utilisons des données spécifiques aux dix banques commerciales tunisiennes collectées sur une période de sept ans, de 2000 à 2006. Il s'agit de vingt huit facteurs de risque appartenant au rating CAMELS. Ces facteurs sont ordonnés selon leur importance et sélectionnés en utilisant des algorithmes de sélection de variables. La comparaison des trois méthodes utilisées montre une légère suprématie des machines à vecteurs supports multiclasses.
Fichier principal
Vignette du fichier
p130.pdf (663.43 Ko) Télécharger le fichier
Origin : Files produced by the author(s)
Loading...

Dates and versions

inria-00494721 , version 1 (24-06-2010)

Identifiers

  • HAL Id : inria-00494721 , version 1

Cite

Asma Feki, Anis Ben Ishak, Saber Feki. Sélection de variables pour la classification multiclasse : Comparaisons et applicaion à la discrimination des banques selon le taux des prêts non performants. 42èmes Journées de Statistique, 2010, Marseille, France, France. ⟨inria-00494721⟩

Collections

INSMI SFDS10
394 View
866 Download

Share

Gmail Facebook X LinkedIn More