Université de Rennes 1 Machine learning and applications : New models to predict the bankruptcy of banks Apprentissage automatique et applications : nouveaux modèles pour prédire la faillite des banques Banque Faillite Extraction de texte Apprentissage automatique Bank Failure Text mining Machine learning Évaluation du risque Banques -- Faillites Modèles mathématiques Apprentissage automatique La thèse se compose de six chapitres. Chaque chapitre peut être lu indépendamment des autres, mais les six chapitres partagent le thème général de la thèse : L’utilisation de techniques d'apprentissage automatique pour prédire, expliquer et prévenir les défaillances des banques. Le chapitre 1 résume les motivations et les contributions de la thèse. Le chapitre 2 présente la revue de la littérature scientifique. Le chapitre 3 compare la précision de deux approches qui tentent de prédire la défaillance des banques : les techniques statistiques traditionnelles et les techniques d'apprentissage automatique. Le chapitre 4 examine examen des pertes matérielles publiés par la Federal Deposit Insurance Corporation sur les banques américaines en faillite de 2008 à 2015 à l’aide de techniques de text mining. Le chapitre 5 examine l'efficacité de la provision pour pertes sur prêts des grandes banques américaines par le biais de l'analyse des enveloppes de données et des réseaux de neurones. Le chapitre 6 commente les principaux résultats et discute des orientations pour les recherches futures. The thesis consists of six chapters. Each chapter can be read independently of the others, but all six chapters share the thesis’s overall topic: Using Machine learning techniques to predict, explain and prevent the failure of banks. Chapter 1 summarizes the motivation and contribution of the thesis. Chapter 2 introduces a global review of the literature. Chapter 3 compares the accuracy of two approaches: traditional statistical techniques and machine learning techniques, which attempt to predict bank failure. Chapter 4 investigates the material loss review published by the Federal Deposit Insurance Corporation on the U.S. failed banks from 2008 to 2015 using text mining techniques. Chapter 5 investigates the efficiency of loan loss provision of large US banks via Data Envelopment Analysis and Neural networks. Chapter 6 remarks the main finding and discusses directions for future research. Electronic Thesis or Dissertation Text en application/pdf 1 : 2968 Ko https://ged.univ-rennes1.fr/nuxeo/site/esupversions/bdf39f15-6a11-4296-a563-e69b835dd258 Le Hong Hanh 1990-10-17 VN 245139621 hanh_vn90@yahoo.com 2018REN1G022 http://www.theses.fr/2018REN1G022 2018-11-21 Sciences de gestion Universite de Rennes 1 thesis.degree.grantor_1 02778715X Doctorat non oui Viviani Jean-Laurent intervenant_1 031107591 Sciences économiques et sciences de gestion ecoleDoctorale_1 204771242 Universite Bretagne Loire partenaireRecherche_1 191639044 CREM partenaireRecherche_2 115825169 ddc:330 Viviani Jean-Laurent Universite de Rennes 1 Sciences et technologie, medecine, pharmacie, odontologie, droit, economie, gestion, philosophie Sciences économiques et sciences de gestion École doctorale Sciences économiques et sciences de gestion (Rennes) Universite Bretagne Loire Communaute des etablissements d enseignement superieur et de recherche (ComuE) CREM ASCII PDF 3039348