37 research outputs found
LES PRODUITS STRUCTURES BANCAIRES ET LE CONTRÔLE DE GESTION UNE APPROCHE COMPARATIVE UTILISANT LES TAUX DE MARCHE DE REFERENCE
No full textInternational audienceLes produits structurés sont des nouveaux produits de placement financiers combinant différents produits dérivés. Ces produits offrent par exemple des caractéristiques intéressantes comme une garantie en capital avec les potentialités de la hausse d'un indice boursier. Ces produits intéressants pour le client mais complexes à gérer sont en fait un véritable défit pour les contrôles de gestion bancaire. Nous présentons dans cet article comment analyser leur rentabilité en utilisant une approche comparative qui utilise les taux de marché de référence
La détection avancée du risque de défaut : el'impact de l'information comptable sur le risque de faillite et le risque boursier
No full textThe problematic of this thesis is the impact of accounting information on the risk or failure and on the market risk form firms. We have showed that the financial theory is not unified about the risk of failure. We have improved the prediction of failure risk with expert system and with a new building method of discrimination model. The expert system detects some accounting handing. Therefore the statistical analysis is more reliable with the expert system. The improvement of discrimination model is the use of step by step building under two constraints (statistical and financial constraints). The risk of failure rating includes the sectorial activity and the last accounting innovation (The cash flow of R. Dornier). The model is conceived with 901 firms and tested with 5000 balance sheets belonging to SNVB customers. For firms rating on the stock exchange, we have successively realised an analytical and empirical approach to apprehend the impact of accounting information on the market risk. We pointed out in two theorical models that the evaluation of market risk may be improved by accounting variables such as the firm growth. Finally, we have showed, on a small sample (155 cases) that the impact of accounting information may be improved by mathematical fonction of jump on the share returns distributions.La problématique de cette thèse propose d'étudier l'impact de l'information comptable de la liasse fiscale sur le risque de faillite et le risque boursier pour les entreprises. En ce qui concerne le risque de faillite, nous avons montré que la théorie financière n'est pas unifiée à ce sujet. Notre réflexion méthodologique sur la construction de modèle de prévision de faillite nous a permis d'améliorer la qualité de la différenciation entre les entreprises faillies et les entreprises non faillies. La cotation comprend en amont, un système expert de détection des manipulations comptables afin de fiabiliser l'analyse statistique et propose une méthode optimale de construction pas à pas du modèle sous deux contraintes statistiques et financières. La cotation prend en compte l'activité sectorielle des entreprises et intègre les derniers développements comptables (trésorerie nette au bilan de R. Dornier). Le modèle a été construit sur 901 entreprises et testé sur près de 5000 bilans appartenant à la clientèle entreprise de la banque SNVB. Pour les entreprises cotées sur le marché financier, nous avons réalisé successivement une recherche phypthetico-déductive formelle, empirique et positiviste pour appréhender l'impact de l'information comptable sur le risque boursier. Nous avons montré dans les deux modèles théoriques que l'évaluation du risque boursier peut être enrichie par des variables comptables notamment celles liées à la croissance de l'entreprise. Finalement, nous avons montré sur un petit échantillon exploratoire de 155 cas, que l'impact de l'information comptable peut être amélioré par des fonctions mathématiques de saut au sens de Rothschild et Stiglitz sur les distributions de rentabilité
Les produits structures bancaires et le contrôle de gestion une approche comparative utilisant les taux de marche de référence
No full textInternational audienceLes produits structurés sont des nouveaux produits de placement financiers combinant différents produits dérivés. Ces produits offrent par exemple des caractéristiques intéressantes comme une garantie en capital avec les potentialités de la hausse d'un indice boursier. Ces produits intéressants pour le client mais complexes à gérer sont en fait un véritable défit pour les contrôles de gestion bancaire. Nous présentons dans cet article comment analyser leur rentabilité en utilisant une approche comparative qui utilise les taux de marché de référence
LES PRODUITS STRUCTURES BANCAIRES ET LE CONTRÔLE DE GESTION UNE APPROCHE COMPARATIVE UTILISANT LES TAUX DE MARCHE DE REFERENCE
No full textLes produits structurés sont des nouveaux produits de placement financiers combinant différents produits dérivés. Ces produits offrent par exemple des caractéristiques intéressantes comme une garantie en capital avec les potentialités de la hausse d'un indice boursier. Ces produits intéressants pour le client mais complexes à gérer sont en fait un véritable défit pour les contrôles de gestion bancaire. Nous présentons dans cet article comment analyser leur rentabilité en utilisant une approche comparative qui utilise les taux de marché de référence.Contrôle de gestion ; marge d'intérêt ; produits structurés
Scientific Methodology to Model Liquidity Risk in UCITS Funds with an Asset Liability Approach: A Global Response to Financial and Prudential Requirements
No full textInternational audienceThe financial crisis began with the collapse of Lehman Brothers and the subprime asset backed securities debacle. Credit risk was turned into liquidity risk, resulting from a lack of confidence among financial institutions. To overcome this problem, Basel III agreements for banks and 2009/65/EC UCITS IV Directive (UCITS IV) for regulated mutual funds, enhanced the recognition of liquidity risk. In this article, we focus on the evaluation of liquidity risk for UCITS funds. We will propose a quantified way to apprehend this risk through an asset liability approach. For assets, we will show that liquidity risk is a new type of risk and the current way to deal with is based solely on observed variables without any theoretical link. We propose a heuristic approach to combine the numerous liquidity risk indicators. To model and forecast the liability side we provide several parameters to create a Kalman filter process. This paper brings a comprehensive response to the regulatory requirements
A stone in the methodological building of assessing the assets side of UCITS funds liquidity: the liquidity scoring of bonds
No full textInternational audienc
L´audit financier et les PME : L´audit financier apporte t´il de la valeur ajoutée aux PME ?
No full textDCA-based machine learning techniques with applications in finance and healthcare
No full textLes techniques d'apprentissage automatique (ML) jouent un rôle de plus en plus central aujourd'hui. Le développement de nouvelles techniques ML est essentiel, étant donné leur rôle crucial dans divers domaines. Cela englobe la résolution des défis posés par les données à grande échelle et de grande dimension, ainsi que par les données déséquilibrées et la rareté des données. Cette thèse se concentre sur le développement de nouvelles techniques ML pour résoudre des problèmes pressants dans trois domaines principaux : la gestion des données à grande échelle, la gestion des données déséquilibrées dans le domaine financier et l'atténuation de la rareté des données grâce à l'apprentissage par transfert en santé. Nos méthodologies de ML reposent sur la programmation DC (Différence de fonctions convexes) et les algorithmes DCA (DC), intégrant et améliorant trois techniques ML fondamentales : SVM, bagging et l'apprentissage en profondeur par transfert. La thèse comprend cinq chapitres : Le chapitre 1 sert d'introduction, présentant les concepts fondamentaux de ML, la programmation DC et DCA. Dans le chapitre 2, nous examinons la technique de coordonnées par bloc pour traiter les problèmes à grande échelle dans SVM dans le contexte des mégadonnées. En combinant cette technique avec DCA, nous proposons l'algorithme SVM DCA à coordonnées par bloc (BC-DCASVM), qui permet à l'algorithme SVM à noyau de résoudre les problèmes liés à la grande dimensionnalité. Dans le processus d'apprentissage, l'algorithme met à jour un bloc de coordonnées (dimensions) à la fois pour réduire efficacement la valeur de l'objectif tout en maintenant les autres blocs fixes. Le chapitre 3 se concentre sur l'étude de la technique du bagging et de divers problèmes financiers, suivie de la proposition d'une solution pour relever ces défis. Le premier algorithme, appelé Bagging DCA pondéré (BaggingDCA), vise à résoudre les problèmes qui peuvent survenir lors de l'application du bagging à des problèmes d'apprentissage automatique généraux. Le deuxième algorithme intègre BaggingDCA et des techniques de sensibilité au coût dans l'algorithme de bagging, appelé Bagging DCA pondéré sensible au coût (CSB-DCA). Cet algorithme s'attaque directement à l'un des problèmes les plus difficiles en ML, à savoir les données déséquilibrées, qui affectent également de nombreuses tâches de classification financière. En incorporant BaggingDCA et la technique de sensibilité au coût, l'algorithme vise à réduire le biais induit par le déséquilibre et à améliorer les performances prédictives sur des ensembles de données financières biaisés. Nous concevons les algorithmes de bagging pondéré basés sur DCA pour être polyvalents, permettant l'utilisation de différents apprenants de base et de différentes fonctions de perte dans une conception unifiée. Le quatrième chapitre explore divers problèmes de santé, où les données textuelles médicales sont souvent rares en raison de leur sensibilité. En tirant parti des perspectives prometteuses de l'algorithme de DCA stochastique à chaînes de Markov (MCSDCA), un optimiseur basé sur DCA pour l'apprentissage en profondeur, qui a été évalué sur des architectures d'apprentissage en profondeur traditionnelles, nous proposons une nouvelle architecture d'apprentissage en profondeur qui combine CNN et BiLSTM avec l'algorithme MCSDCA pour relever certains défis cruciaux dans le domaine de la santé. De plus, nous utilisons plusieurs modèles de langage pré-entraînés pour relever le défi de la rareté des données, en nous inspirant des principes de l'apprentissage par transfert. En comparant avec des optimiseurs populaires, des architectures d'apprentissage en profondeur et des modèles de langage pré-entraînés, notre méthode démontre sa compétitivité par rapport aux approches existantes. Enfin, le chapitre 5 sert de conclusion de la thèse, fournissant un résumé complet des principales conclusions et des recommandations pour les orientations futures de la recherche.Machine learning (ML) techniques are assuming an ever more pivotal role in today's landscape. The development of new ML techniques is essential, given their crucial role in diverse domains. This encompasses addressing challenges posed by large-scale and high-dimensional data, as well as imbalanced data and scarcity of data. This thesis focuses on the development of new ML techniques to address pressing issues in three main topics: Addressing large-scale data, handling imbalanced data in the financial domain, and mitigating data scarcity using transfer learning in healthcare. Our proposed ML methodologies are based on DC (Difference of Convex functions) programming and DCA (DC Algorithms), integrating and enhancing three fundamental ML techniques: SVM, bagging, and deep transfer learning. The thesis comprises five chapters: Chapter 1 serves as an introduction, presenting fundamental concepts of ML, DC programming, and DCA. In Chapter 2, we investigate the block-coordinate technique to handle large-scale problems in SVM within the context of big data. By combining this technique with DCA, we propose the algorithm named Block-Coordinate DCA SVM (BC-DCASVM), which enables the kernel-SVM algorithm to address problems arising from high dimensionality. In the training process, the algorithm updates one block of coordinates (dimensions) at a time to effectively decrease the objective value while keeping the other blocks fixed. Chapter 3 focuses on studying the bagging technique and various financial problems, followed by the proposal of a solution to address these challenges. The first algorithm, called DCA weighted bagging (BaggingDCA), aims to address issues that can arise when applying bagging to general machine learning problems. The second algorithm integrates BaggingDCA and cost-sensitive techniques into the bagging algorithm. Which is named cost-sensitive weighted bagging DCA (CSB-DCA). This algorithm directly tackles one of the most difficult issues in ML—imbalanced data—which also plagues many financial classification tasks. By incorporating BaggingDCA and the cost-sensitive technique, the algorithm aims to reduce imbalance-driven bias and improve predictive performance on skewed financial datasets. We design the DCA-based weighted bagging algorithms to be versatile, allowing the use of various base learners and different loss functions within a unified design. The fourth chapter explores various issues in health care, where medical text data is often scarce due to its sensitivity. Leveraging the promising prospects of the Markov-chain stochastic DCA (MCSDCA) algorithm, an optimizer based on DCA for deep learning, which has been evaluated on traditional deep learning architectures, we propose a new deep learning architecture that combines CNN and BiLSTM with the MCSDCA algorithm to address some crucial challenges in the healthcare field. Moreover, we employ several pre-trained language models to address the data scarcity challenge, drawing inspiration from the principles of transfer learning. Through comparisons with popular optimizers, deep learning architectures, and pre-trained language models, our method demonstrates competitiveness with existing approaches. Lastly, Chapter 5 serves as the concluding chapter of the thesis, providing a comprehensive summary of the key findings and recommendations for future research directions
