| Autor: |
Le, Hong Hanh |
| Přispěvatelé: |
Centre de recherche en économie et management (CREM), Université de Caen Normandie (UNICAEN), Normandie Université (NU)-Normandie Université (NU)-Université de Rennes (UR)-Centre National de la Recherche Scientifique (CNRS), Université de Rennes, Jean-Laurent Viviani |
| Jazyk: |
francouzština |
| Rok vydání: |
2018 |
| Předmět: |
|
| Zdroj: |
Gestion et management. Université de Rennes, 2018. Français. ⟨NNT : 2018REN1G022⟩ |
| Popis: |
The thesis consists of six chapters. Each chapter can be read independently of the others, but all six chapters share the thesis’s overall topic: Using Machine learning techniques to predict, explain and prevent the failure of banks. Chapter 1 summarizes the motivation and contribution of the thesis. Chapter 2 introduces a global review of the literature. Chapter 3 compares the accuracy of two approaches: traditional statistical techniques and machine learning techniques, which attempt to predict bank failure. Chapter 4 investigates the material loss review published by the Federal Deposit Insurance Corporation on the U.S. failed banks from 2008 to 2015 using text mining techniques. Chapter 5 investigates the efficiency of loan loss provision of large US banks via Data Envelopment Analysis and Neural networks. Chapter 6 remarks the main finding and discusses directions for future research.; La thèse se compose de six chapitres. Chaque chapitre peut être lu indépendamment des autres, mais les six chapitres partagent le thème général de la thèse : L’utilisation de techniques d'apprentissage automatique pour prédire, expliquer et prévenir les défaillances des banques. Le chapitre 1 résume les motivations et les contributions de la thèse. Le chapitre 2 présente la revue de la littérature scientifique. Le chapitre 3 compare la précision de deux approches qui tentent de prédire la défaillance des banques : les techniques statistiques traditionnelles et les techniques d'apprentissage automatique. Le chapitre 4 examine examen des pertes matérielles publiés par la Federal Deposit Insurance Corporation sur les banques américaines en faillite de 2008 à 2015 à l’aide de techniques de text mining. Le chapitre 5 examine l'efficacité de la provision pour pertes sur prêts des grandes banques américaines par le biais de l'analyse des enveloppes de données et des réseaux de neurones. Le chapitre 6 commente les principaux résultats et discute des orientations pour les recherches futures. |
| Databáze: |
OpenAIRE |
| Externí odkaz: |
|
