Résumé:
Les banques étant tenues de respecter strictement la réglementation financière de leur
pays, la gestion du risque de crédit est confrontée à de nombreux défis. Il s'agit notamment
d'une gestion inadéquate de données, d'un manque de cadre de modélisation des risques à
l'échelle du groupe, d'un travail constant sur le ratio d'efficacité, d' outils de risque insuffisants
et de rapports inexacts.
Les institutions financières cherchent à trouver une solution sécurisée pour automatiser
les processus dans l'ensemble de l'entreprise afin d’aider leurs analystes à prendre des
décisions correctes sur la base des prédictions fiables. Pour cela, les Blockchains et les
techniques de Machine Learning peuvent offrir un large éventail d'opportunités et de solutions
dans différents aspects de la gestion du risque de crédit.
Sur la base des résultats empiriques, l'étude tire plusieurs propositions normatives sur la
manière d'assembler une base de données de prédiction de faillite ainsi que sur la sélection de
la/les méthodes de classification appropriées pour réaliser une prédiction efficace de la faillite
d'entreprise.
Mots-clés : Apprentissage automatique, Classification, gestion du risque crédit, prédiction des
faillites, Blockchain.
