Evaluation des techniques de traitment des refusés pour l'octroi de crédit

Disponible uniquement sur Etudier
  • Pages : 15 (3609 mots )
  • Téléchargement(s) : 0
  • Publié le : 17 avril 2011
Lire le document complet
Aperçu du document
EVALUATION DE TECHNIQUES DE TRAITEMENT DES REFUSÉS POUR L’OCTROI DE CRÉDIT
Emmanuel Viennet *, Françoise Fogelman Soulié ** & Benoît Rognier ** * Université Paris 13, Institut Galilée, LIPN UMR 7030 CNRS 99, Avenue J-B. Clément - 93430 Villetaneuse Emmanuel.Viennet@lipn.univ-paris13.fr, http://www-lipn.univ-paris13.fr ** Kxen, 25 Quai Gallieni, 92 158 Suresnes cedexFrancoise.SoulieFogelman@kxen.com, Benoit.Rognier@kxen.com, http://www.kxen.com Résumé. Nous présentons la problématique du traitement des refusés dans le cadre de l’octroi de crédit. Du fait de la
législation (Bâle II), les organismes de crédit doivent mettre en place des techniques systématiques d’octroi de crédit et de traitement des refusés. Nous présentons ici une méthodologie de comparaison de différentes techniques detraitement des refusés et montrons qu’il est nécessaire, en l’absence de résultat théorique solide, de pouvoir produire et comparer des modèles adaptés aux données (sélection du “meilleur” modèle conditionnellement aux données). Nous décrivons quelques simulations sur une base de petite taille pour illustrer la démarche et comparer différentes stratégies de choix du groupe de contrôle, qui restela seule technique fondée de traitement des refusés.

Abstract. We present the problem of « Reject Inference » for credit acceptance. Because of the current legal framework
(Basel II), credit institutions need to industrialize their processes for credit acceptance, including Reject Inference. We present here a methodology to compare various techniques of Reject Inference and show that it isnecessary, in the absence of real theoretical results, to be able to produce and compare models adapted to available data (selection of “best” model conditionnaly on data). We describe some simulations run on a small data set to illustrate the approach and some strategies for choosing the control group, which is the only valid approach to Reject Inference. Mots-clés. Data mining, choix de modèles,risque crédit.

Introduction
Le traitement des refusés (ou Reject Inference) est un problème rencontré de façon systématique dans les activités bancaires d’octroi de crédit. Ce problème est lié au fait que les scores d’octroi sont construits sur les historiques de données disponibles (clients de la banque ayant obtenu et remboursé un crédit, en faisant ou non défaut sur une ou plusieursmensualités) ce qui fait que l’échantillon des données utilisées pour le calibrage du modèle est systématiquement biaisé en recrutement puisque seuls les Acceptés en font partie. Bien qu’on trouve dans la littérature de très nombreuses techniques de traitement des Refusés, il n’en existe aucune réellement fondée théoriquement, sinon à choisir un groupe de contrôle. On est donc amené, dans la pratique, soità en choisir une, plus ou moins arbitrairement, soit à comparer, pour chaque nouvelle situation (crédit sur un certain produit), un ensemble de techniques dont la meilleure (conditionnellement à ces données) sera dorénavant utilisée pour ce score produit. La difficulté réside alors dans la capacité à produire facilement de nombreux modèles et à les comparer efficacement. Nous présentons ici uneméthodologie systématique de traitement des refusés, basée sur la production de modèles selon différentes techniques classiques et leur évaluation. Nous utilisons le logiciel KXEN qui permet, très rapidement, de produire les modèles, quelle que soit la volumétrie des données. Nous présentons ici quelques résultats de simulation sur une petite base de données et montrons qu’il est préférable d’utiliserdes indicateurs locaux (taux de défaut parmi les acceptés, par exemple) qui seuls permettent d’évaluer le risque du score d’octroi (Hand, 2005).

Le problème
La plupart des grands organismes de crédit (crédit immobilier ou crédit à la consommation) utilisent des techniques de scoring pour décider de l’opportunité d’accorder leurs prêts et évaluer leurs risques. Les techniques de score...
tracking img