Acceso usuarios
Jean-Pierre Durand, Gaёtan Le Quang, Arnold Vialfont
L’objectif de l’article est d’illustrer l’intérêt des méthodes d’apprentissage automatique interprétables dans le cas de l’économie bancaire. En particulier, nous utilisons un modèle de boosting de gradient de manière à déterminer le ratio de capital réglementaire optimal dans le cadre de la régulation prudentielle des banques. Pour ce faire, nous développons, d’une part, un modèle de classification qui permet de déterminer les bénéfices à attendre en termes de réduction de la probabilité de défaut bancaire d’un accroissement du ratio de capital et, d’autre part, un modèle de régression qui permet d’évaluer les coûts sur la performance des banques d’un tel accroissement. En mobilisant différents outils d’interprétabilité (importance par permutations, valeur de Shapley, fonctions de dépendance partielle, effets locaux accumulés), nous mettons en évidence les valeurs optimales suivantes : 15 % pour le ratio de capital pondéré par les risque et 10 % pour le ratio de levier simple. La détermination de ces valeurs repose sur la mise en évidence des effets non-linéaires et des effets d’interaction qui caractérisent les relations entre les différentes variables étudiées.
