Modélisation du risque de défaut des entreprises

Par Ilyes Abid

Parmi mes différentes thématiques de recherche, je m’intéresse notamment à la modélisation du risque de défaut des entreprises. Sur le plan théorique, de nombreux travaux ont été consacrés à cette question.

L’immense majorité d’entre eux retiennent cependant une spécification statique et donc des modélisations issues de l’analyse de données (Data Mining). Or, selon cette spécification, le changement d’horizon de prévision suppose un changement de modèle puisque la défaillance est un processus caractérisé par des signes avant-coureurs.

C’est pourquoi dans mon article « Dynamic analysis of the forecasting bankruptcy under presence of unobserved heterogeneity » (publié dans Annals of Operations Research, Mars 2018, j’ai élargi mon champ d’action au cadre dynamique en prenant en considération deux éléments :

  1. l’influence de la conjoncture économique ;
  2. l’influence sur les performances des entreprises de certains facteurs non mesurables a priori tels que la robustesse du cadre institutionnel ou celle de la stratégie de la firme ou encore le bien-fondé des politiques économiques.

Dans cet article, j’ai aussi utilisé une méthodologie alternative permettant d’appréhender correctement les chocs que peuvent subir les entreprises au cours du temps. Des difficultés financières temporaires peuvent en effet surgir suite à des chocs conjoncturels.

Tel est le cas du ralentissement des économies européennes, du renchérissement du coût des matières premières tiré par la flambée des cours du pétrole, de l’appréciation de l’euro qui a dégradé la compétitivité européenne et freiné les exportations, etc. Pour toutes ces raisons, les PME préfèrent généralement se constituer à court terme une réserve de trésorerie pour mieux amortir d’éventuels chocs temporaires plutôt que de recourir, dans des conditions parfois difficiles, à l’endettement.

C’est pourquoi j’ai privilégié une approche dynamique contenant une spécification dichotomique avec auto-corrélation des résidus tenant compte de l’hétérogénéité non observable. Une telle modélisation se traduit cependant par une trop grande complexité des calculs, complexité d’autant plus grande que la période d’observation est longue. Pour surmonter ce problème, j’ai utilisé des méthodes d’estimation par simulation.

Envie d’en savoir plus ? L’article complet est consultable sur demande à la bibliothèque.

>>> Retour <<<