Les défaillances des entreprises sont en constante évolution. Il se pose donc le problème crucial de la détection de ces défaillances. L'objectif de cet ouvrage est d'étudier différentes méthodes de prévision aussi bien paramétriques que non paramétriques. Plus précisément, dans l'approche paramétrique, nous avons recouru aux méthodes de sélection des variables discriminantes en utilisant l'analyse discriminante et l'analyse en composantes principales. En ce qui concerne l'approche non paramétrique, nous avons utilisé la technique des réseaux de neurones et des SVM. Les deux approches s'appuient sur un échantillon de 300 PME, caractérisé par 29 ratios financiers. Les modèles développés montrent la supériorité des techniques d'intelligence artificielle en termes de performance de prévision par rapport à l'analyse discriminante. Aussi, au sein de cette recherche nous avons intégré dans l'analyse des variables qualitatives collectées à l'aide d'un questionnaire et nous avons constaté que l'association de ces dernières aux variables quantitatives améliore à chaque fois la qualité de prévision pour les différents modèles établis, d'où s'avère l'importance cruciale de ces variables.
Il n'y a pas encore de discussion sur ce livre
Soyez le premier à en lancer une !
Ce road-movie intimiste est l'une des BD à ne pas manquer en cette rentrée
Découvrez 5 romans en format poche et tentez de les gagner...
Lovecraft comme vous ne l'avez jamais lu, à travers une sélection de lettres qui rend son univers encore plus complexe et fascinant
Des conseils de lecture qui sentent bon la rentrée !
