Évaluation de risque de non-remboursement de crédit bancai

Abstract

La crise financière qui secoue le monde actuellement, notamment les défaillances successives des grandes banques, qu’ont remis sur le devant de la scène la problématique des risques bancaires, dont le risque crédit. Ce risque doit être géré actuellement par des méthodes plus sophistiquées. Dans ce mémoire nous avons présenté deux méthodes qui nous ont permet d’établir deux fonctions, à savoir l’analyse discriminante de Fisher, et la régression logistique. Ces deux fonctions nous ont permet d’évaluer les risques de non remboursement encourus par une banque au vu de nos données. Il en ressort que l’analyse discriminante de Fisher est plus efficace par rapport à la régression logistique pour l’évaluation du risque de non remboursement de crédit.

The financial crisis that is currently shaking the world, particularly the successive failures of the major banks, has brought the issue of banking risks, including credit risk, back to the forefront. This risk must now be managed by more sophisticate methods. In this work we present two methods that allow us to establish two functions, Fisher discriminant analysis, and logistic regression. Both functions allow us to evaluate the risk of non payment incurred by a bank in view of our data, it appears that Fisher discriminant analysis is more efficient than logistic regression for the evaluation risk of credit non payed.