Titre original :

Corporate failure prediction models : contributions from a novel explanatory variable and imbalanced datasets approach

Titre traduit :

Modèles de prédiction de la faillite : contributions d'une nouvelle variable explicative et d'une approche de données déséquilibrés

Mots-clés en français :
  • Déséquilibre des données

  • Faillite
  • Rentabilité
  • Information financière
  • Entreprises -- Profits
  • Prévision commerciale
  • Analyse financière
  • Langue : Anglais
  • Discipline : Science de gestion
  • Identifiant : 2018LILUA004
  • Type de thèse : Doctorat
  • Date de soutenance : 12/07/2018

Résumé en langue originale

Cette thèse explore de nouvelles approches pour développer des modèles de prédiction de la faillite. Elle contient alors trois nouveaux domaines d'intervention. La première est une nouvelle variable explicative basée sur la gestion des résultats. À cette fin, nous utilisons deux mesures (accruals et activités réelles) qui évaluent la manipulation potentielle des bénéfices. Nous avons mis en évidence que les modèles qui incluent cette nouvelle variable en combinaison avec des informations financières sont plus précis que ceux qui dépendent uniquement de données financières. La seconde analyse la capacité des modèles de faillite d'entreprise dans des ensembles de données déséquilibrés. Nous avons mis en relation les différents degrés de déséquilibre, la perte de performance et la capacité de récupération de performance, qui n'ont jamais été étudiés dans les modèles de prédiction de la faillite. Le troisième unifie les domaines précédents en évaluant la capacité de notre modèle de gestion des résultats proposé dans des ensembles de données déséquilibrés. Les recherches abordées dans cette thèse fournissent des contributions uniques et pertinentes à la littérature sur les finances d'entreprise, en particulier dans le domaine de la prédiction de la faillite.

Résumé traduit

This dissertation explores novel approaches to develop corporate failure prediction models. This thesis then contains three new areas for intervention. The first is a novel explanatory variable based on earnings management. For this purpose, we use two measures (accruals and real activities) that assess potential earnings manipulation. We evidenced that models which include this novel variable in combination with financial information are more accurate than those relying only on financial data. The second analyzes the capacity of corporate failure models in imbalanced datasets. We put into relation the different degrees of imbalance, the loss on performance and the performance recovery capacity, which have never been studied in corporate failure. The third unifies the previous areas by evaluating the capacity of our proposed earnings management model in imbalanced datasets. Researches covered in this thesis provide unique and relevant contributions to corporate finance literature, especially to corporate failure domain.

  • Directeur(s) de thèse : Séverin, Éric
  • Laboratoire : Laboratoire de Recherche Interdisciplinaire en Management et en Économie (2015-....)
  • École doctorale : École doctorale Sciences économiques, sociales, de l'aménagement et du management (Lille ; 1992-....)

AUTEUR

  • Veganzones, David
Droits d'auteur : Ce document est protégé en vertu du Code de la Propriété Intellectuelle.
Accès réservé aux membres de l'Université de Lille sur authentification