Bibliothèque de L'IMIST/CNRST

PH.D Université Mohammed V 2017

Le travail de recherche présenté dans cette thèse porte sur le développement d’un modèle de classification pour le credit scoring en utilisant Hidden Markov Model (HMM). En fait, malgré le grand succès qu’avait connu l’application du HMM dans les domaines de la reconnaissance des formes, de l’intelligence artificielle et du traitement du langage
naturel, l’utilisation du HMM dans les problèmes de classification supervisée reste très restreinte due a l’absence d’un classifieur basé sur HMM. La motivation de ce travail vient d’enrichir les techniques de classification par un nouveau modèle qui permet de fournir des avantages par rapport à l’existent.
D’abord, nous commençons par une introduction de la théorie du Hidden Markov Model (HMM) et sa description dans le cas discret pour l’espace des états et l’espace des mesures. Ensuite nous présentons le modèle développé qui sera utile pour les problèmes
de classification. Nous présentons le domaine du credit scoring ainsi que les enjeux du credit risk posés par les différents secteurs utilisant les modèles du credit scoring dans leurs activités. Nous détaillons par la suite l’injection du modèle développé par HMM dans
la problématique du credit scoring. L’implémentation du nouveau modèle est réalisée sur deux bases de données connues avec une analyse de performance et une évaluation des résultats trouvés.