La boutique ne fonctionnera pas correctement dans le cas où les cookies sont désactivés.
Le stockage local semble être désactivé dans votre navigateur.
Pour une meilleure expérience sur notre site, assurez-vous d’activer le cache dans votre navigateur.
Leader de l'occasion depuis 1886
En ce moment : SOLDES JUSQU'À - 70%
Livraison à 0.01€ dès 30€ d’achats
-5% sur les livres neufs et livraison offerte avec le retrait dans nos magasins
En ce moment, livraison gratuite pour tous les coolos !
Avantages Fidélité
Service client
Besoin d'aide
Leader de l'occasion depuis 1886
En ce moment : SOLDES JUSQU'À - 70%
Livraison à 0.01€ dès 30€ d’achats
-5% sur les livres neufs et livraison offerte avec le retrait dans nos magasins
En ce moment, livraison gratuite pour tous les coolos !
Avantages Fidélité
Service client
Besoin d'aide
Leader de l'occasion depuis 1886
Livraison à 0.01€ dès 30€ d’achats
-5% sur les livres neufs et livraison offerte avec le retrait dans nos magasins
En ce moment, livraison gratuite pour tous les coolos !
Disponibilités communiquées à titre indicatif, nous ne pouvons vous les garantir.
Les prix de vente peuvent varier des prix en ligne et entre chaque magasin.
L''objectif de cette étude est de construire un modèle de stress testing appliqué au risque de crédit d''un portefeuille de prêts aux particuliers. La modélisation du risque de crédit des prêts aux particuliers n''est pas un cas particulier des modèles du risque de crédit pour les entreprises. Le problème de ce genre de portefeuille est la présence importante d''une composante du risque spécifique par rapport au risque systématique. Nous développerons notre modèle à la base de Wilson (1997a, b), de sorte à capter la composante spécifique par des variables idiosyncratiques des prêts et des individus eux-mêmes. D''autre part, la composante systématique est captée par des facteurs macroéconomiques pertinents. Pour ce faire, nous ferons appel aux fonctions de survie de Cox (1975) et Shumway (2001). Nous explorerons également l''initiative fondatrice de Gouréroux et al. (2006) pour modéliser le taux de recouvrement. Des simulations Monte Carlo nous permettront d''évaluer les prédictions des pertes, aussi bien dans le cas de l''exploitation normale de notre institution financière qu''en cas de crises économiques hypothétiques. Notre échantillon provient d''une banque canadienne de la place.