Articles avec le tag ‘cote de crédit’

Faillite: Prédire la faillite avec un calcul mathématique?

Le nombre de faillites personnelles a fortement augmenté ces dernières années. C’est pourquoi le groupe de recherche Prospectus de l’Université de Sherbrooke a étudié les comportements bancaires afin de trouver une solution mathématique.

Une méthode mathématique pour prévoir une faillite

Ernest Monga, mathématicien, André Mayers et Shengrui Wang, informaticiens, sont également professeurs à l’Université de Sherbrooke. L’équipe est à l’origine d’un modèle mathématique qui permet de prévenir les risques de faillites. 87 % des faillites sont dues aux cartes de crédit, selon Industries Canada. C’est pourquoi les chercheurs ont examiné plus de 4 000 comptes bancaires. Ceux-ci appartiennent aussi bien à des bons que des mauvais payeurs. Grâce à l’informatique, ils ont réussi à creuser les différentes données bancaires afin de cibler les comportements pouvant mener à des faillites.

En dix ans, de 1998 à 2008, le nombre de failles personnelles a quadruplé. Cependant pour l’équipe de Prospectus, le but de leurs recherches n’était pas de réinventer le calcul de code de crédit utilisé habituellement par les organismes de crédit. Ils ont donc étudié chaque comportement des utilisateurs de cartes de crédit dans un temps donné, et notamment les achats, les paiements, les avances de fonds ou les retards de paiement.

Essayer de connaître l’avenir financier peut paraître farfelu. Cependant, les chercheurs ont réussi à démontrer que cela était largement faisable, et notamment grâce au forage de données aussi nommé « data mining ». Cette branche des mathématiques, comme son nom l’indique, consiste à creuser dans les données avec pour intention de connaître et de découvrir les informations qui pourraient être cachées. Pour cela, ils ont analysé la fréquence et le type de transactions des mauvais et des bons payeurs. Ils ont ainsi analysé plus de 4000 comptes. Ceux-ci ont permis de définir des séquences qui représentent les modèles types des bons et mauvais payeurs. Selon le profil, une note chiffrée est attribuée au consommateur qui a été étudié et qui va exprimer sa propension à une faillite. Pour confirmer leurs études et calculs, l’équipe a mis le modèle à l’essai sur plus de 11 000 comptes. Ils ont obtenu des résultats très probants, précis et fidèles à la réalité.

Il reste encore beaucoup de travail avant que cet outil soit utilisable par les compagnies de cartes de crédit, et notamment la mise en place d’algorithmes afin de sécuriser le tout. Dans tous les cas, il est sûr que cette technologie séduira les institutions bancaires.

Faites une demande!