Bankruptcy Prediction via Hybrid Resampling and Stacking Ensemble Techniques with Explainable Artificial Intelligence (XAI)-Driven Analysis

Résumé Technique : Prédiction de la faillite via des techniques d'ensemble de rééchantillonnage hybride et de stacking avec analyse pilotée par l'XAI

Énoncé du problème
L'étude traite le défi critique de la prédiction de la faillite des entreprises au sein de jeux de données financières sévèrement déséquilibrés, où la classe minoritaire (entreprises en faillite) ne constitue qu'une faible fraction de la population totale (environ 3,23 % dans le jeu de données cible). Les métriques d'évaluation traditionnelles comme l'exactitude sont trompeuses dans de tels contextes, favorisant souvent la classe majoritaire et échouant à détecter les entreprises en difficulté financière. L'article soutient que la prédiction de la faillite est un problème de décision sensible aux coûts, où manquer une entreprise en détresse (faible rappel) entraîne des conséquences plus lourdes que des fausses alertes. De plus, le domaine nécessite des modèles qui soient non seulement prédictifs, mais aussi interprétables pour soutenir l'auditabilité, la gouvernance et la conformité réglementaire.

Méthodologie
La recherche emploie un cadre complet de bout en bout utilisant le jeu de données de prédiction de la faillite taïwanaise du dépôt UCI Machine Learning Repository (6 819 observations d'entreprises, 95 prédicteurs). La méthodologie se déroule en quatre étapes distinctes :

1. Sélection de caractéristiques basée sur le consensus : Pour réduire l'espace d'entrée de haute dimension (95 caractéristiques) et améliorer la robustesse, cinq algorithmes de sélection de caractéristiques ont été appliqués : l'optimisation de la baleine (WOA), l'optimisation par essaim de particules (PSO), l'optimisation d'essaim de saumons (SSO), l'algorithme de la chauve-souris (BA) et l'information mutuelle (MI). Une règle de rétention par consensus a été appliquée, ne conservant que les prédicteurs identifiés par au moins deux des cinq algorithmes. Cela a réduit l'ensemble des caractéristiques à 23 variables robustes, incluant des mesures liées à la rentabilité, au levier, à la solvabilité et à l'efficacité opérationnelle.
2. Rééchantillonnage hybride : Pour traiter le déséquilibre des classes, trois techniques de rééchantillonnage hybride ont été implémentées sur les données d'entraînement : SVM-SMOTE, SMOTE-Tomek et SMOTE-Edited Nearest Neighbors (SMOTE-ENN). Ces méthodes ont été utilisées pour générer des distributions d'entraînement équilibrées tout en tentant de préserver l'intégrité de la classe minoritaire.
3. Architecture de modèle et Stacking :
   • Apprenants de base (Base Learners) : Cinq classifieurs d'apprentissage automatique d'ensemble ont été évalués : Gradient Boosting (GB), Extreme Gradient Boosting (XGB), Histogram-based Gradient Boosting (HGB), LightGBM (LGBM) et AdaBoost (AB).
   • Méta-apprenants (Meta-Learners) : Cinq modèles d'apprentissage profond (DL) ont été testés : Réseau de neurones récurrents (RNN), Long Short-Term Memory (LSTM), Gated Recurrent Unit (GRU), Réseau de neurones profonds (DNN) et Perceptron multicouche (MLP).
   • Stacking hybride : Un cadre d'ensemble de stacking a été construit où les cinq classifieurs de ML servent d'apprenants de base, et chacun des cinq modèles de DL sert de méta-apprenant, créant ainsi 25 configurations hybrides uniques.
4. IA explicable (XAI) : Le cadre Shapley Additive Explanations (SHAP) a été appliqué aux meilleurs modèles pour interpréter les contributions des caractéristiques aux niveaux global et local, garantissant que la logique de décision du modèle s'aligne sur la théorie économique.

Résultats clés
L'étude a évalué les modèles à l'aide de l'exactitude (accuracy), du rappel (recall), de la spécificité, du G-mean et de l'AUC-ROC. Les principales conclusions sont les suivantes :

• Impact du rééchantillonnage : Le choix de la stratégie de rééchantillonnage a dicté de manière significative le comportement du modèle. SVM-SMOTE et SMOTE-Tomek favorisent une exactitude et une spécificité élevées (identification correcte des entreprises non en faillite), tandis que SMOTE-ENN offre une détection supérieure de la classe minoritaire (rappel) et une performance équilibrée (G-mean).
• Performance des modèles autonomes : Parmi les modèles autonomes, le classifieur GRU combiné avec SMOTE-ENN a obtenu le meilleur équilibre prédictif global, enregistrant un rappel de 0,8627, un G-mean de 0,8517 et un ROC-AUC de 0,9431.
• Performance de l'ensemble de Stacking : L'ensemble de stacking hybride utilisant SMOTE-ENN avec (GB+XGB+HGB+LGBM+AB) comme apprenants de base et LSTM comme méta-apprenant a fourni le meilleur compromis entre sensibilité et spécificité parmi les modèles empilés (Rappel : 0,7255, G-mean : 0,8254, ROC-AUC : 0,9270).
• Comparaison des modèles : Bien que les ensembles basés sur les arbres (spécifiquement LGBM) excellent en exactitude et en spécificité, les modèles d'apprentissage profond (MLP, GRU, LSTM, RNN) ont systématiquement surpassé les modèles d'apprentissage automatique en termes de rappel et de G-mean, particulièrement sous le régime SMOTE-ENN.
• Importance des caractéristiques : L'analyse SHAP a identifié les indicateurs de levier, de rentabilité, de solvabilité et d'efficacité opérationnelle (ex : bénéfices non répartis par rapport aux actifs totaux, ROA, ratio d'endettement, rotation des actifs totaux) comme les prédicteurs les plus influents du risque de faillite.

Signification et Revendications
L'article affirme que sa principale contribution réside dans la démonstration que le déséquilibre des classes est un déterminant central de l'utilité du modèle, et non un simple désagrément de prétraitement. L'étude affirme que :

1. Viabilité de l'apprentissage profond : Les architectures d'apprentissage profond (spécifiquement GRU et LSTM) offrent des gains substantiels dans la détection de la classe minoritaire en faillite, même dans des contextes de données tabulaires structurées, surpassant les méthodes de boosting traditionnelles en termes de rappel.
2. L'importance de la stratégie de rééchantillonnage : Il n'existe pas de méthode de rééchantillonnage unique "optimale" ; le choix dépend de l'objectif opérationnel. SMOTE-ENN s'est avéré particulièrement efficace pour les systèmes d'alerte précoce où la minimisation des faillites manquées est la priorité.
3. Intégration de l'interprétabilité : En intégrant SHAP, l'étude valide que les modèles capturent des signaux économiquement plausibles (rentabilité et levier) plutôt que des artefacts statistiques, soutenant ainsi le déploiement de ces modèles dans la gouvernance financière à enjeux élevés.
4. Évaluation de référence (Benchmarking) : L'étude établit une référence robuste en utilisant uniquement des ratios financiers structurés, suggérant que lorsqu'ils sont combinés avec une sélection de caractéristiques par consensus, un rééchantillonnage hybride et l'XAI, les données comptables traditionnelles restent hautement informatives pour la prédiction de la faillite.

Les auteurs concluent que bien que leur cadre fasse progresser le domaine, les travaux futurs devraient se concentrer sur l'intégration de trajectoires multi-périodes et de données textuelles non structurées pour améliorer davantage la robustesse et la généralisabilité à travers différents environnements réglementaires et économiques.