Machine learning and applications : new models to predict the bankruptcy of banks

Apprentissage automatique et applications : nouveaux modèles pour prédire la faillite des banques

Hong Hanh Le (1)

1 CREM - Centre de recherche en économie et management

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.

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.

Mots clés: Bank; Failure; Text mining; Machine learning

Mots clés: Banque; Faillite; Extraction de texte; Apprentissage automatique

Domaines: Gestion et management

Hong Hanh Le. Apprentissage automatique et applications : nouveaux modèles pour prédire la faillite des banques. Gestion et management. Université de Rennes, 2018. Français. ⟨NNT : 2018REN1G022⟩. ⟨tel-03629969⟩