Thèse pour le Doctorat ès Sciences de Gestion
télécharger 4.72 Mb.
|
| 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 :
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
Prenant appui sur ces contraintes, ROY identifie quelques difficultés liées à cette problématique de l'optimisation :
|
similaire:
 | | ||
| «Informatique et télécommunications» implanté au Groupe des Formations Inter-consulaires de la Manche depuis octobre 1994 83 | | |
|  | ||
| | ||
| |