Thèse pour le Doctorat ès Sciences de Gestion





télécharger 4.72 Mb.
titreThèse pour le Doctorat ès Sciences de Gestion
page1/57
date de publication08.07.2017
taille4.72 Mb.
typeThèse
d.20-bal.com > comptabilité > Thèse
  1   2   3   4   5   6   7   8   9   ...   57
UNIVERSITÉ MONTESQUIEU – BORDEAUX IV

Institut d’Administration des Entreprises

Centre de Recherches en Contrôle et Comptabilité Internationale




Thèse pour le Doctorat ès Sciences de Gestion

Présentée et soutenue publiquement le 27 mars 2007
Par
Zakwan KREIT

MEMBRES DU JURY

M. Pascal BARNETO
Professeur à l’Université de Bretagne Sud, rapporteur

M. Jean-Guy DEGOS
Professeur à l’Université Montesquieu-Bordeaux IV, directeur de thèse
M. Serge EVRAERT

Professeur à l’Université Montesquieu-Bordeaux IV

M. Didier LECLERE

Professeur au Conservatoire National des Arts et Métiers, rapporteur


REMERCIEMENTS

Mon séjour en France m’a enrichi considérablement sur le plan culturel et scientifique. La conclusion en est une contribution au domaine scientifique et technique certes modeste, mais,  j’espère, qui présente un certain intérêt.

Je tiens à exprimer mes plus sincères remerciements à :

  • Mon directeur de thèse, le professeur Jean-Guy DEGOS  pour l’aide compétente qu’il m’a apportée, pour sa patience et ses encouragements tout au long d’un travail de plusieurs années. Ses critiques pertinentes m’ont toujours été précieuses pour structurer mon travail et en améliorer la qualité.



  • Monsieur Serge EVRAERT,  Professeur à l’Université Bordeaux IV, pour avoir bien voulu me faire l’honneur de  présider le jury.



  • Monsieur Pascal BARNETO,  Professeur à l’Université de Bretagne Sud, pour l’honneur qu’il me fait d’accepter de participer au jury de soutenance de cette thèse. 



  • Monsieur Didier LECLERE, Professeur  au Conservatoire National des Arts et Métiers, qui m’honore en étant  membre de ce jury et rapporteur de cette thèse.



  • La SYRIE mon pays, et la FRANCE qui m’a permis de réaliser cette recherche.



  • Le CROUS de Bordeaux représenté par Madame C. LAOUÉ (Service des étudiants étrangers) pour son soutien et sa compréhension.



  • Madame J.OUSTALET et Monsieur R.CUILLIERIER qui m’ont aimablement accueilli et conseillé  pendant les années de préparation de ma thèse.

J’adresse aussi mes plus vifs remerciements à toutes les personnes qui m’ont aide d’une manière ou d’une autre à effectuer mes recherches- je ne citerai pas de noms  de peur d’en oublier certains.

Enfin, je dédie ce travail à ma femme aimée et ma fille Aya qui occupent une si grande place dans mon cœur, à ma famille et à tous mes amis français et syriens.
SOMMAIRE

REMERCIEMENTS 1

SOMMAIRE 3

INTRODUCTION 6

1- Revue et examen de la littérature 12

2- Méthodologie de la recherche 22

Première Partie

Analyse et méthodes d’aide à la décision ………………………………….29

Chapitre 1- ANALYSE DE LA DECISION 32

1- Définitions 32

2- Les bases de la prise de décision 35

3- Typologie de décision 44

4- Les cntextes du choix 51

5- Le degré de formalisation du comportement du décideur 52

6- Les classifications syntétiques 52

Chapitre 2- THÉORIE DU PROCESSUS DE DÉCISION 57

1- Définitions  263

Une décision est un choix entre une ou plusieurs possibilités et si on applique cette définition simple et réaliste au décideur dans l’entreprise on comprend que son comportement consiste à choisir : il décide de son action. La décision est à la fois l’élément moteur et le point culminant de gestion. 265

2-Les bases de la prise de décision 267

2.1. Présentation historique 267

2.2. Les ressources de la prise de décision 268

3- Typologie de décision 276

3.1. L'objet de la décision (le modèle pyramidal traditionnel) 276

3.2. L'échéance de la décision 278

3.3. Le degré de structure de la décision 281

4- Les contextes du choix 284

5- Le degré de formalisation du comportement du décideur 285

6- Les classifications synthétiques 285

Chapitre 2 291

THÉORIE DU PROCESSUS DE DÉCISION 291

1- Les théories de la décision 292

2.2. Le modèle classique 301

6 - Le système de décision 309

7 - Le management décisionnel 311

1 - L'aide à la décision en univers certain 316

2 - L'aide à la décision en univers aléatoire 320

3 - L'aide à la décision en univers conflictuel (hostile) 329

4 - L'aide à la décision en univers incertain 335

4.2. Le critère de WALD ou du « Maximin » 338

4.3. Le critère de SAVAGE ou du « Minimax Regret » 339

4.4. Le(s) critère(s) de HURWITZ 339

Chapitre 6 387

MÉTHODES DE PRÉVISION 387

1. La méthode ARIMA (moyenne mobile intégrée auto-régressive) 388

1.1.1. Premier critère : la différenciation 389

1.1.2. Deuxième critère : l’auto-régression 390


391

1.1.3. Troisième critère : la moyenne mobile 392

1.2. Signification des paramètres des modèles ARIMA 394

1.3. Les différentes étapes 395

1.3.1. Détermination de l'ordre de différenciation 396

1.3.2. Identification des termes AR (p: Auto-régressifs) 397

1.3.3. Identification des termes MA (q : Moyennes mobiles) 398

1.3.4. Estimation des paramètres 399

1.3.5. Validation 400

1.3.6. Prévision 400

2- Méthode des réseaux de neurones artificiels ANN 401

2.1. Présentation historique 402

2.2. Définitions 403

2.3. Composants de réseau neurones 404

405

2.4. Les étapes de la construction d'un réseau 405

2.4.1. Choix et préparation des échantillons 407

2.4.2. Elaboration de la structure du réseau 407

2.4.3. Apprentissage 407

2.4.4. Validation et Tests 408

2.5. Quelques types de réseaux connus 409

2.5.1. Le Perceptron 409

2.5.2. Les perceptrons multicouches (PMC) 409

2.5.3. Les réseaux de HOPFIELD 410

2.6. Applications des réseaux neurones artificiels 411

2.6.1. Réseaux neuronaux artificiels dans les marchés financiers 412

2.7. Les avantages de ANN 413

Chapitre 3- MÉTHODES D'AIDE À LA DÉCISION 81

1- L'aide à la décision en univers certain 81

2- L'aide à la décision en univers aléatoire 85

3- L'aide à la décision en univers conflictuel (hostile) 93

4- L'aide à la décision en univers incertain 99
Chapitre 4 - SYSTÈMES D'AIDE À LA DÉCISION 104

1- Systèmes interactifs d'aide à la décision (SIAD) 105

2- Les tableaux de bord électroniques TBE/EIS 110

3- Les systèmes d'entrepôts de données (Data Warehouse) 114

4- Les systèmes experts SE 119

Conclusion de première partie 125
Deuxième partie

Application des méthodes d’aide à la décision ………………………….129
Chapitre 5- MÉTHODES D’ANALYSE DES VALEURS DU MARCHÉ 132

1- Définitions et principes 131

2- Analyse chartiste (analyse tehnique traditionnelle) 134

3- Analyse fondamentale 141

4- L’efficience de marché 156

Chapitre 6 - MÉTHODES DE PRÉVISION 160

1- La méthode ARIMA (moyenne mobile intégrée auto- régressive) 161

2- Méthode des réseaux de neurones artificiels ANN 173

Chapitre 7- IDIOSYNCRASIE DU MARCHÉ BOURSIER ÉGYPTIEN 186

1- Introdiction historique 187

2- L’indice du marché Egyptien CASE 192

3- Analyse de l’indice CASE 30 199

4- Le cadre de normalisation 207

5- La Bourse des valeurs de l’Egypte 210

6- Efficience du marché Egyptien 213

Chapitre 8 - PERTINENC DES APPLICATIONS PRATIQUES 216

1- Présentation des données de l’échantillon 216

2- Le test de l’efficience du marché boursier Egyptien 217

3- Application de la méthode ARIMA 219

4- Application de la méthode de réseaux neurones artificiels ANN 233

5 - Les critères de comparaison 232
CONCLUSION GENERALE 237

- Recommandations 242

-Limites de la recherche 244

-Perspectives de la recherche 245

BIBLIOGRAPHIE 246

LISTE DES FIGURES ET TABLEAUX 266

ANNEXES 268
INDEX 331

TABLE DES MATIERES 340

RÉSUMÉS EN LANGUES ANGLAISE ET ARABE 347

INTRODUCTION

Au cours des dernières décennies, on a assisté au développement specta­culaire des méthodes quantitatives (MQ) appliquées à la gestion en général et à la finance en particulier. On peut définir ces méthodes comme un ensemble de techniques for­malisées (mathématiques, statistiques, et informatiques) visant à fournir une aide à la décision par le traitement logique d'un ensemble d'informations de nature quantitative. D'innombrables articles et ouvrages sont chaque année consacrés aux techniques statistiques, aux métho­des d'optimisation, de simulation, de gestion de projets, etc., sujets qui sont aussi désormais partie intégrante de la plupart des programmes universitaires en sciences de l'administration.

Ce développement s'est longtemps appuyé sur la conviction que le fait d'utiliser des méthodes formalisées, et partant, rationnelles à en croire certains, entraînait nécessairement une amélioration de la qualité des décisions au sein des entreprises et aussi au niveau des individus.
Des voix se sont cepen­dant élevées pour dénoncer cet engoue­ment. Ainsi PETERS et WATERMAN (1982), dans leur ouvrage «ln Search of Excel­lence», attribuent-ils principalement les échecs du management américain à la trop grande importance accordée aux méthodes quantitatives par les écoles de gestion. À une période d'optimisme général a succédé une ère de doute et de remise en question, comme en témoigne le célèbre article d' ACKOFF (1979). Ce désenchantement tient peut-­être en partie au fait que les spécialis­tes des méthodes quantitatives ont déve­loppé des techniques de calcul dont la sophistication est souvent loin d'être en rapport avec la signification des don­nées manipulées et le caractère probant des hypothèses effectuées.
Pour se faire une idée de la nature des problèmes abordés par les métho­des quantitatives dans le domaine de la gestion, de la nature des outils utilisés et du type d'organisations qui recourent à ces outils, nous avons décidé d'exa­miner quelques publications récentes présentant des applications de ce type d'outils. Dans cette perspective, la bro­chure intitulée «Réussites en recherche opérationnelle», publiée en 1983 par la Société Canadienne de Recherche Opérationnelle (SCRO) à l'occasion du 25 e anniversaire de sa fondation, apparaît comme particulièrement révélatrice.
D'ailleurs, traditionnellement, les MQ appli­quées à la gestion ont été conçues pour fournir une aide à la décision sous la forme d'une solution «optimale», cette solution optimale étant obtenue par la maximisation (minimisation) d'une fonction sensée incorporer les objectifs de l'entreprise ou des individus dans les contraintes que son environnement lui impose. Ce type de modèle recourt généralement à une formalisation débouchant sur la quan­tification, le calcul et l'utilisation de l'instrumentation mathématique (MOS­COROLA, 1978).
Ainsi se sont développées des méthodes algorithmiques et des codes de plus en plus puissants : les program­mations linéaires, quadratiques, en nom­bres entiers, dynamiques, accompagnées de leurs applications spécifiques à cer­tains problèmes généraux de production, d'ordonnancement, de file d'attente, de transport, etc. Avec le développement de la recherche théori­que et des capacités de l'informatique, ces techniques se sont enrichies de la programmation non linéaire, de certains algorithmes de décomposition permet­tant le traitement de programmes linéai­res géants, de la programmation stochastique, et avec la progression informatique nous avons assisté à la grande révolution de la naissance de la notion d'intelligence artificielle, définie comme la discipline visant à comprendre la nature de l'intelligence humaine et sur cette base construire des programmes d'ordinateur imitant cette intelligence. Toutes ces méthodes se sont aussi diversifiées pour aborder de nouveaux problèmes.
- La complexité des liaisons et interac­tions agissant sur le domaine à contrô­1er: en particulier, lorsque se développent les effets de boucles avec rétroactions, on a utilisé des tech­niques de simulation de la dynamique industrielle ainsi que l'analyse structurale ;

- La diversité d’informations dispa­rates sur des activités de gestion diffi­ciles à classer a entraîné le développement de diverses techniques d'analyse statistique ;
- La diversité des objectifs ou critères présidant au choix d'une solution a été à l'origine de la programmation à objec­tifs multiples, de la théorie de l'utilité multi- attribut et de diverses techniques multicritères.
Comme nous allons le présenter dans cette recherche, la diversité des applications (réelles ou potentielles) des MQ couvre la quasi totalité des problè­mes de gestion (gestion de la produc­tion, gestion financière, gestion commerciale, gestion du personnel) dans la plupart des secteurs. Elles offrent une aide à la décision, au plan opérationnel et tactique et aussi au niveau stratégique dans le développement d’une société ou dans la recherche attachée à une entreprise, ou encore dans une décision boursière. Selon CHEN (1981), l'utilité de ces diverses techni­ques pour les praticiens calculée selon les fréquences d'utilisation obtenues à la suite de plusieurs sondages est, dans l'ordre :

1- l'analyse statistique ; 2- la simulation ; 3- la programmation linéaire ; 4- le PERT/CPM ; 5- les tech­niques d'inventaire ; 6- l'analyse de la décision ; 7- les processus markoviens ; 8- les files d'attente ; 9- la programma­tion dynamique ; 10- la programmation en nombres entiers ; 11- la programma­tion non linéaire ; 12- la théorie des jeux.
Même si les cas d'application des MQ dont nous avons parlé plus haut n'en faisaient pas mention, l'outil statistique est pratiquement toujours employé, du moins au niveau des méthodes descriptives.
Bien que ces méthodes soient presque toujours appliquées avec succès, il reste néanmoins vrai, comme le note THEYS (1975), que les chercheurs opérationnels ne sont pas parvenus à convaincre définitivement les dirigeants d'entreprises ou d'autres organisations de l'efficacité de ces tech­niques. Les difficultés de mise en oeu­vre découlent en partie des rapports généralement distants qu'entretiennent les chercheurs en MQ et les praticiens, au point que les deux groupes s'expri­ment le plus souvent dans des revues différentes- par exemple, qu’y a-t-il de commun entre OPE­RATIONS RESEARCH et INTERFA­CE ?

Les problèmes d' «implémentation» ont engendré une littérature considérable (DOKTOR et al. 1979). Face à ces difficultés, des spécialistes parlent même de crise entre la recherche opérationnelle et l'approche rationnelle (HEURGON 1979) ; ce constat a été exprimé avec éloquence par ACKOFF en 1979 dans un article intitulé «The Future of Opera­tional Research is Past». Sans vraiment nous engager dans ce débat, nous ten­terons ici de souligner certains éléments qui peuvent contribuer à dire si les méthodes quantitatives d’aide à la décision sont vraiment capables de remplacer l'intelligence humaine - ce qui est l’ambition des réseaux de neurones artificiels – dans le cas particulier de la prévision des cours des valeurs de la Bourse.
En tout état de cause, dans la majorité des études dont l’objectif est l’aide à la décision par des méthodes quantitatives, on part de l’hypothèse que le décideur est un homme rationnel cherchant à maximiser ses objectifs personnels. De plus, comme l'indique (HAMMOND 1977), on suppose que ses objectifs se confondent avec ceux de son organisation, et donc que le décideur recherche l'action optimale qui lui per­mettra de maximiser simultanément ses objectifs et ceux de l'organisation. Comme le démontre ROY (1981), cette quête de l'optimum a certainement une part de responsabilité dans les difficul­tés d'application pratique des méthodes quantitatives.
Les contraintes inhérentes à la recherche d'un optimum sont



  • la globa­lité. Cette première contrainte impose que chaque action potentielle doive englober la totalité des aspects de la réalité en cause. Cela revient à dire que, dans le modèle, deux actions potentielles quelconques sont, par construction, mutuellement exclusives ;

  • la stabilité. La contrainte de stabilité porte sur la famille des actions potentielles prises en compte dans l'étude. Il doit s'agir d'un ensemble trivial ayant un caractère exhaustif. On entend par ensemble trivial un ensemble dans lequel chaque action imaginable peut être déclarée possible ou impossible; cela impose que soit définie une fron­tière précise séparant les actions possi­bles des actions impossibles. Dire que la famille des actions potentielles a un caractère exhaustif, cela signifie que cette frontière ne doit pas laisser échapper d'actions suscep­tibles d'être reconnues possibles ulté­rieurement. Ainsi, la méthodologie d'aide à la décision doit considérer une famille d'actions imposée a priori et durable ;

  • la complète comparabilité transitive. Cette troisième con­trainte porte sur la modélisation des pré­férences. Face à un couple d'actions, elle restreint la possibilité du choix : préférence stricte ou indifférence. Ces relations complémentaires doivent de plus être tran­sitives.


Prenant appui sur ces contraintes, ROY identifie quelques difficul­tés liées à cette problématique de l'optimisation :


  • Dans la réalité, les préférences sont souvent floues, incomplètement formu­lées, non transitives, différentes d'un acteur à l'autre et susceptibles d'évo­luer tout au long du processus. Il est donc difficile d'imposer la complète comparabilité transitive;




  • Le critère d'optimisation favorise un biais instrumental au niveau de la modélisation. En pratique, la comparai­son de deux actions potentielles prend appui sur ce que l'on peut appeler les conséquences. Or, celles-ci sont géné­ralement multiples, hétérogènes, enchevêtrées. Pour parvenir à asseoir cette complète comparabilité transitive, on sera inévitablement amené à chiffrer ces conséquences et à agréger tous ces chif­fres de façon à construire une fonction d'évaluation grâce à laquelle la compa­raison de deux actions deviendra sim­ple. Cette façon de faire pousse à modéliser les conséquences pour les­quelles de bons instruments permettent de «voir clair», et à délaisser la modé­lisation là où la médiocrité des instru­ments empêche de faire toute la lumière, c'est-à-dire là où les chiffres seraient en partie subjectifs, même s'ils concernent des facteurs qui peuvent paraître déterminants ;




  • Une conception trop formelle, trop figée, du travail à exécuter conduit fré­quemment à l'isolement pour trouver la solution du problème. On raisonne comme si on « évacuait » le décideur ou comme s'il s'agissait d'un décideur abstrait. Lorsque les décideurs font appel à un chercheur opérationnel pour résoudre un problème, ce spécialiste, après avoir recueilli toute l'information pertinente, prend en quelque sorte possession du problème et, par l'inter­médiaire d'un certain modèle, propose une solution dite «optimale». Ce type d'intervention a pour objectif final la présentation d’un rapport aux dirigeants, et non seulement le chercheur opérationnel n'est pas vraiment tenté d'insérer le décideur dans le processus de décision, mais en général il redoute même de le faire. Pourtant l'inser­tion du décideur dans le processus de décision est primordiale car, compte tenu de la contingence par rapport au contexte organisationnel, la décision ne peut être réduite à la résolution d'un problème abstrait seulement soumis à l'environnement ;




  • Le but de l'étude étant la découverte de l'action optimale, les techniques de calcul l’emportent souvent sur la formulation du problème, la collecte des données, etc. À la puissance théo­rique des techniques d'optimisation cor­respond souvent leur opacité pour l'utilisateur non spécialiste. Lorsqu'un manager veut utiliser des modèles de ce genre pour résoudre un problème de décision, il doit avoir recours à un spécialiste ; des difficultés de communication peuvent alors surgir. Une erreur fréquente consiste à vouloir absolument appliquer des techniques mathématiques qui imposent des hypo­thèses inacceptables pour tenter de résoudre des problèmes plutôt mal posés ; le «problem solving» l'emporte alors sur le «problem finding».

  1   2   3   4   5   6   7   8   9   ...   57

similaire:

Thèse pour le Doctorat ès Sciences de Gestion iconThèse pour le Doctorat en Sciences Économiques

Thèse pour le Doctorat ès Sciences de Gestion iconThèse pour le Doctorat de Sciences Économiques

Thèse pour le Doctorat ès Sciences de Gestion iconThèse de doctorat (N. R) en Sciences de l’Education

Thèse pour le Doctorat ès Sciences de Gestion iconAgrégation de droit privé et sciences criminelles
«Les actes ayant pour objet l’action en justice», Thèse de doctorat, Economica, 2001, préf. François Grua (325 p.)

Thèse pour le Doctorat ès Sciences de Gestion iconThèse de doctorat en Sciences de l’Éducation Sous la direction de Marc Derycke et Chia Longman

Thèse pour le Doctorat ès Sciences de Gestion iconLibrairie – Bibliographie
«Les marchés électroniques : structures, concurrence et conditions d’efficience». Thèse de doctorat, Université Lille 1 Sciences...

Thèse pour le Doctorat ès Sciences de Gestion iconThèse pour le Doctorat en science politique

Thèse pour le Doctorat ès Sciences de Gestion iconThèse pour le Doctorat en Science politique

Thèse pour le Doctorat ès Sciences de Gestion iconThèse pour l'obtention du doctorat de l'Université Lumière-Lyon II en histoire

Thèse pour le Doctorat ès Sciences de Gestion iconThèse de doctorat






Tous droits réservés. Copyright © 2016
contacts
d.20-bal.com