Skip to Main content Skip to Navigation
Conference papers

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

Résumé : 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.
Complete list of metadata

Cited literature [15 references]  Display  Hide  Download

https://hal.inria.fr/inria-00494721
Contributor : Conférence Sfds-Hal Connect in order to contact the contributor
Submitted on : Thursday, June 24, 2010 - 8:54:22 AM
Last modification on : Thursday, April 1, 2021 - 6:22:01 PM
Long-term archiving on: : Monday, September 27, 2010 - 11:28:18 AM

File

p130.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : inria-00494721, version 1

Collections

Citation

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⟩

Share

Metrics

Record views

382

Files downloads

854