Veuillez utiliser cette adresse pour citer ce document : http://repository.enp.edu.dz/jspui/handle/123456789/10833
Affichage complet
Élément Dublin CoreValeurLangue
dc.contributor.authorBensefia, Walid-
dc.contributor.authorNamani, Nawal-
dc.contributor.otherArki, Oussama, Directeur de thèse-
dc.contributor.otherAit Ouarabi, Chems-Eddine, Directeur de thèse-
dc.date.accessioned2023-10-10T08:16:02Z-
dc.date.available2023-10-10T08:16:02Z-
dc.date.issued2023-
dc.identifier.otherEP00637-
dc.identifier.urihttp://repository.enp.edu.dz/jspui/handle/123456789/10833-
dc.descriptionMémoire de Projet de Fin d’Études : Génie Industriel. Data Science et Intelligence Artificielle : Alger, École Nationale Polytechnique : 2023fr_FR
dc.description.abstractDepuis la crise financière de 2008, de nouvelles réformes ont été mises en place visant à fournir un cadre réglementaire plus protecteur notamment par la mise en place d’outils d’analyse de risque dont les tests de résistance bancaire “Les stress-tests” visant à évaluer la robustesse des banques face aux chocs financiers qui peuvent causer une crise de liquidité. En plus de l’élaboration d’un scénario de stress, l’étape la plus importante est d’établir un prévisionnel des postes les plus significatifs de la trésorerie de la banque afin de le stresser pour ensuite avoir le stress-test final. L’objectif de ce PFE est en premier lieu de proposer un modèle de prévision pour la trésorerie de la SGA grâce à des algorithmes de Machine Learning, ensuite de lui injecter des scénarios de stress basés sur des hypothèses macroéconomiques et microéconomiques pour minimiser le risque futur de liquidité afin que la banque puisse faire face à ses engagements.fr_FR
dc.language.isofrfr_FR
dc.subjectLiquiditéfr_FR
dc.subjectStress-testfr_FR
dc.subjectMachine learningfr_FR
dc.subjectBanquefr_FR
dc.subjectPrévisionfr_FR
dc.subjectALMfr_FR
dc.titleUtilisation de l’IA pour la conception d’un outil de stress-test de la trésorerie de la société générale Algériefr_FR
dc.typeThesisfr_FR
Collection(s) :Département Génie industriel : Data Science_Intelligence Artificielle

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
BENSEFIA.Walid_NAMANI.Nawal.pdfPI023234.38 MBAdobe PDFVoir/Ouvrir


Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.