Man Group étudie l'apprentissage automatique pour les prévisions de notation de crédit

Man Group PLC, en collaboration avec la Pension Insurance Corporation (PIC), l'Université de Stanford et SAS, a exploré le potentiel des techniques avancées d'analyse de données et d'apprentissage automatique pour prévoir les transitions de notation de crédit des obligations d'entreprises. La recherche vise à améliorer l'optimisation des portefeuilles d'investissement des compagnies d'assurance en fournissant des prévisions plus précises des dégradations et améliorations de notation de crédit.

Les obligations d'entreprises représentent typiquement plus de 50 % des bilans des assureurs, ce qui rend la gestion de la qualité du crédit cruciale. Les changements inattendus de notation de crédit peuvent avoir des impacts significatifs sur la gestion du capital des entreprises, la correspondance actifs-passifs et les notations de crédit externes. Une dégradation des notations peut entraîner une augmentation des exigences de capital, une diminution de la compétitivité et des ventes forcées d'actifs dans des conditions de marché défavorables.

La recherche a développé un cadre basé sur l'apprentissage automatique qui utilise des données propriétaires pour identifier les entreprises présentant une probabilité accrue de changement de notation de crédit. Bien que les données historiques des marchés d'obligations d'entreprises aient été traditionnellement moins abondantes que celles des marchés actions, les améliorations de la disponibilité et des capacités de traitement des données permettent de telles analyses avancées.

Les résultats empiriques de l'étude suggèrent que les méthodes d'apprentissage automatique peuvent fournir des prévisions plus précises et cohérentes des transitions de notation de crédit par rapport aux approches traditionnelles. Cela pourrait aider les assureurs à rester compétitifs sur les marchés de crédit complexes et à gérer leurs risques plus efficacement.