Prédiction de la performance financière des entreprises cotées en Thaïlande pendant la période de transition : Une approche par classes utilisant la régression logistique et l'algorithme des forêts aléatoires

Cette étude présente une approche par classes développée pour évaluer la performance financière des entreprises ayant subi une introduction en bourse sur le marché boursier. En utilisant à la fois l'analyse statistique et les méthodes d'apprentissage automatique, les modèles prennent en compte deux déterminants importants : les déterminants de la capacité interne de l'entreprise avant de devenir publique et le montant des fonds levés lors de l'offre publique initiale (IPO) pour prédire la performance financière de l'entreprise après son entrée sur le marché boursier. L'étude démontre que la méthode d'apprentissage automatique (algorithme des forêts aléatoires) surpasse la méthode statistique (régression logistique) en matière de prédiction de la performance financière. Les résultats révèlent également que certains déterminants influencent de manière significative la performance financière prédite dans une période spécifique. De plus, l'étude examine l'impact des fonds IPO sur la performance financière et observe que, bien que la première année après la cotation n'exhibe pas d'effet significatif, une corrélation positive subséquente émerge dans les deux à trois années suivantes, jusqu'à un certain seuil, des fonds excessifs pouvant conduire à des effets néfastes. Dans l'ensemble, les modèles prédictifs fournissent des informations précieuses pour les entreprises, leur permettant de prioriser les ressources vers des déterminants significatifs dans une année relative spécifique, de prendre des décisions éclairées et d'améliorer leur succès à long terme sur le marché boursier.