Description

par Carole Doueiry Verne

Cet article propose d’analyser le point de vue des managers sur les causes de la banqueroute au Liban, autres que celles relatives à la guerre et aux instabilités politiques, durant la période 2019-2023. En utilisant et comparant deux modèles de prédiction de la banqueroute appartenant aux méthodes du Machine Learning, tels que la régression dite « Lasso-Logit » et le modèle de l’arbre de décision, il met en exergue les variables ayant l’impact le plus significatif sur la probabilité que les entreprises subissent une banqueroute.

Ainsi, à travers les réponses à un questionnaire adressé aux managers de 118 entreprises tous secteurs confondus, les dettes contractées par l’entreprise, les stratégies adoptées par celle-ci pour éviter la banqueroute ainsi que la  dévaluation de la livre libanaise et, dans une moindre mesure, l’absence d’innovation, constituent, selon les deux modèles, les variables les plus explicatives du risque de banqueroute.

Mots-clés : banqueroute, Machine Learning, crise multidimensionnelle