- CMI - CURSUS DE MASTER EN INGENIERIE

Rechercher
Aller au contenu

Menu principal :

Programme > Matières
 
 
 
 

Les Méthodes du scoring

Volume horaire

Unité d’Enseignement

Semestre

Niveau

Cours

TD

15

0

Complémentaire

9

M2 ISF

Enseignante

Evaluation

Coefficient

ECTS

Catherine Silvestri

Ecrit

1

1.25


 
 


Objectifs de l’enseignement

Ce cours présente les principales méthodes du scoring rencontrées dans le secteur bancaire et de l’assurance. Les modèles du scoring relèvent du domaine du data-mining, elles permettent de définir des cibles spécifiques de clientèle. Dans un premier chapitre introductif, nous définissons les concepts, présentons l’évolution historique de ses développements méthodologiques et appliqués.  Dans un paragraphe suivant, les grandes étapes d’un projet de scoring et les gains attendus sont décrits ainsi que les principaux  outils statistiques rencontrés. Nous exposons dans un second chapitre les fondements méthodologiques de la régression logistique, la plus pratiquée en entreprise, ses indicateurs d’analyse et de performance, suivi d’un cas d’étude appliqué pour un score d’appétence bancaire. Plusieurs méthodes sont examinées selon cette démarche dans les chapitres suivant :   l’analyse discriminante linéaire de Fisher, puis la méthode DISQUAL. Nous appliquons les méthodes dans le cas le plus général ou les cibles sont binaires. Nous présentons enfin dans un dernier chapitre les techniques de classifications ascendantes hiérarchiques, une autre catégorie de méthodes, complémentaires, permettant de définir des groupes d’individus selon des similarités.


Descriptif de l’enseignement

  • Introduction aux méthodes de scoring

  • Modélisation d’un score d’une cible binaire avec la régression logistique

  • Modélisation selon l’analyse discriminante linéaire

  • Modélisation DISQUAL

  • Techniques de Classification


Méthode d’enseignement
Cours et illustrations à partir de sorties SAS

Pré-requis
Analyse de données (ACP, AFCM), régression linéaire multi-variée
Notions en analyse numérique matricielle
Notions de bases en langage SAS ( Data Step)

Bibliographie
(ouvrages uniquement)

  • Tuffery, S. (2007), Data Mining et statistique décisionnelle, Editions TECHNIP

  • Saporta, G. (2011), Probabilités, analyse des données et statistique, Editions TECHNIP



 
 
Retourner au contenu | Retourner au menu