Résumé

Abstrait :
Le processus d'évaluation du risque des crédits est extrêmement important pour toute banque, et cela s'inscrit dans l'effort qui vise à préserver les fonds accordés et à éviter de tomber dans des situations d'incapacité de payer ces fonds. Cette importance n'est pas moindre, ainsi que pour l'économie dans son ensemble, car une bonne évaluation du risque de prêts par les banques y contribuera directement en orientant correctement ces prêts vers des projets économiques qui ont la capacité réelle de réaliser la croissance et la continuité, et cela se reflétera à son tour dans l'efficacité économique, surtout si cette économie ne contient pas de marché financier actif ; mais l'évolution de l'environnement bancaire a rendu le processus d'évaluation du risque de ces prêts plus difficile.
Par conséquent, il y avait un besoin de nouveaux modèles basés sur l'intelligence artificielle qui ont une plus grande capacité à suivre le rythme de tous ces développements, dont le plus important était le modèle des réseaux de neurones artificiels, et la chose la plus importante qui distingue ce modèle des autres modèles intelligents est sa grande capacité à s'adapter et à absorber de nouvelles variables grâce à ses caractéristiques de non-linéarité dans la manière dont il résout les problèmes, et il a fait ses preuves dans le domaine de l'évaluation du risque de crédit, en particulier dans l'aspect lié à la rapidité et à la précision des performances.
Dans de nombreuses banques dans le monde, comme pour les banques commerciales algériennes, l'application de ce type de modèle en est encore à ses balbutiements, comme cette étude qui vise à construire un modèle de réseau de neurones artificiels pour estimer le risque des prêts bancaires et l'appliquer à un échantillon de dossiers sur les prêts d'investissement qui ont été accordés au cours de la période 2015-2018 et qui ont été envoyés par un certain nombre d'agences commerciales de la Banque Nationale d'Algérie à la Direction Régionale de l'Est située à Annaba, puis par la suite, l'efficacité de l'utilisation de ce modèle a été comparée à la méthode traditionnelle adoptée dans cette banque, et cette étude a conclu que le modèle de réseau de neurones artificiels était d’un efficacité supérieure à la méthode utilisée pour estimer le risque des crédits d'investissement dans cette banque.
Mots clés: prêts d’investissement, L’intelligence artificielle, réseaux de neurones artificiels, estimation risques des crédits.

Information

Item Type:	Thesis
Divisions:	» Laboratoire de Recherches et des Etudes Economiques » Faculté des Sciences Economiques, Commerciales et Gestion
ePrint ID:	2641
Date Deposited:	2021-07-14
Further Information:	Google Scholar
URI:	https://www.univ-soukahras.dz/fr/publication/article/2641

BibTex