Services on Demand
Journal
Article
Indicators
- Cited by SciELO
- Access statistics
Related links
- Cited by Google
- Similars in SciELO
- Similars in Google
Share
Innovar
Print version ISSN 0121-5051
Abstract
DIAZ-MARTINEZ, Zuleyka; SANCHEZ-ARELLANO, Alicia and SEGOVIA-VARGAS, Maria Jesús. Prédiction de crises financières par ensembles imprécis (rough sets) et arbres de décision. Innovar [online]. 2011, vol.21, n.39, pp.83-100. ISSN 0121-5051.
Ce travail a pour objectif de réaliser une étude approfondie des facteurs produisant l'apparition de crises financières. A partir d'un échantillon important de données de pays entre 1981 et 1999, deux méthodologies sont appliquées dans le domaine de l'Intelligence Artificielle (la théorie Rough Set et l'algorithme C4.5) pour analyser le rôle d'un ensemble de variables macroéconomiques et financières (autant qualitatives que quantitatives) dans l'explication des crises bancaires. Suivant ces méthodes, les variables ou les données utilisées ne doivent pas correspondre à un type d'hypothèse, à l'inverse des techniques statistiques utilisées traditionnellement qui présentent l'inconvénient de partir d'une hypothèse concernant les propriétés de distribution des variables explicatives qui ne sont pas respectées, ce qui rend l'analyse difficile. De très bons résultats ont été obtenus en ce qui concerne la classification (80% de classifications correctes pour un échantillon indépendant), démontrant la précision des deux méthodes.
Keywords : crise financière; intelligence artificielle; rough sets; arbres de décision; C4.5.