Nous utilisons des cookies pour améliorer votre expérience. Pour nous conformer à la nouvelle directive sur la vie privée, nous devons demander votre consentement à l’utilisation de ces cookies. En savoir plus.
Détection précoce de la faillite des entreprises
Univ Europeenne - EAN : 9786138428770
Édition papier
EAN : 9786138428770
Paru le : 27 juil. 2022
96,90 €
91,85 €
Disponible
Pour connaître votre prix et commander, identifiez-vous
Notre engagement qualité
-
Livraison gratuite
en France sans minimum
de commande -
Manquants maintenus
en commande
automatiquement -
Un interlocuteur
unique pour toutes
vos commandes -
Toutes les licences
numériques du marché
au tarif éditeur -
Assistance téléphonique
personalisée sur le
numérique -
Service client
Du Lundi au vendredi
de 9h à 18h
- EAN13 : 9786138428770
- Réf. éditeur : 1094806
- Editeur : Univ Europeenne
- Date Parution : 27 juil. 2022
- Disponibilite : Disponible
- Barème de remise : NS
- Nombre de pages : 308
- Format : H:220 mm L:150 mm
- Poids : 415gr
- Interdit de retour : Retour interdit
- Résumé : Les défaillances des entreprises sont en constante évolution. Il se pose donc le problème crucial de la détection de ces défaillances. L'objectif de cet ouvrage est d'étudier différentes méthodes de prévision aussi bien paramétriques que non paramétriques. Plus précisément, dans l'approche paramétrique, nous avons recouru aux méthodes de sélection des variables discriminantes en utilisant l'analyse discriminante et l'analyse en composantes principales. En ce qui concerne l'approche non paramétrique, nous avons utilisé la technique des réseaux de neurones et des SVM. Les deux approches s'appuient sur un échantillon de 300 PME, caractérisé par 29 ratios financiers. Les modèles développés montrent la supériorité des techniques d'intelligence artificielle en termes de performance de prévision par rapport à l'analyse discriminante. Aussi, au sein de cette recherche nous avons intégré dans l'analyse des variables qualitatives collectées à l'aide d'un questionnaire et nous avons constaté que l'association de ces dernières aux variables quantitatives améliore à chaque fois la qualité de prévision pour les différents modèles établis, d'où s'avère l'importance cruciale de ces variables.
- Biographie : Mohamed Sofien NOURI, Docteur en sciences économiques, Université de Sfax, FSEGS.Younes BOUJELBENE, Professeur d'Enseignement Supérieur et doyen de la FSEG - Sfax.