Wykorzystanie liniowej funkcji dyskryminacyjnej oraz sieci neuronowych do prognozowania kondycji finansowej gospodarstw rolniczych

• Autorzy: Joanna Kisielińska

Warianty tytułu

Application of Linear Discriminating Function and Neural Networks to Farms Financial Condition Forecasting

• Języki publikacji: PL

Abstrakty

W artykule dokonano weryfikacji hipotezy analizy dyskryminacyjnej. Jest ona wykorzystywana do oceny sytuacji finansowej przedsiębiorstw w oparciu o wskaźniki finansowe co pozwala przypuszczać, że może być ona stosowana również w przypadku gospodarstw rolniczych. Podstawowym problemem w bezpośredniej adaptacji metody stosowanej w przypadku przedsiębiorstw dla gospodarstw rolniczych wynika z istotnych różnic w zasadach ich funkcjonowania w systemie rynkowym. Przedmiotem przeprowadzonych badań była grupa 851 gospodarstw rolniczych prowadzących rachunkowość rolną pod kierunkiem Instytutu Ekonomiki Rolnictwa i Gospodarki Żywnościowej w latach 2000 i 2001.

EN

The paper presents the results of discrimination analysis undertaken for 851 farms keeping the agricultural accounts under conduction of Institute for Agriculture and Catering Economy in the years 2000 and 2001. The base for classification was the farm income obtained in the year 2001. If the income was positive the farm was classified as I class, otherwise it was classified as II class. The classes were distinguished on the basis of the set of financial indicators calculated for the year 2000, which was derived through statistical analysis. The community was divided into two parts - the set of farms of typical values of characteristics (all characteristics contained in the interval +-3 standard deviation), and the others - of non-typical values. For discrimination we used the linear discrimination function and the neural network. The models were created for the farm of typical values of characteristics and they were rated on the basis of the proper classifications for both sets. For the linear discrimination function gave much better results than neural network as applied to the farms of non-typical values of characteristics, it has been considered the most effective (for the farms of typical characteristics the both methods gave the similar quality of classification). The highest forecasting abilities of financial situation of the farms for the consecutive year has the following indicators: the earning capacity of sales, the cash flow, the level of intensity of the production organization, the productivity of land, and engagement of floating capital. For the linear discriminating function gave better results of classification than the network, it was used to distinguish the indicators of the highest forecasting ability of financial situation of the farm for the future year. The biggest influence on the value of the function had the following indicators: the earning capacity of sales, the cash flow, the level of intensity of the production

Słowa kluczowe

PL

Sieci neuronowe; Gospodarstwa rolne; Wskaźniki finansowe; Analiza dyskryminacyjna

EN

Neural networks; Arable farm; Financial indicators; Discriminant analysis

• Czasopismo: Przegląd Statystyczny
• Rocznik: 2004
• Tom: 51
• Numer: z. 2
• Strony: 69--83

Twórcy

autor

Joanna Kisielińska

Bibliografia

• [1] Altman E.I., Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy, Journal of Finance 23, September 1968.
• [2] Altman E.I., Giancarlo M., Varetto F., CorporateDistress Diagnostic: Comparison Using Linear Discriminant Analysis and Neural Networks (the Italian Experience), Journal of Banking and Finance 18, 1994.
• [3] Hołda A., Prognozowanie bankructwa jednostki w warunkach gospodarki polskiej z wykorzystaniem funkcl1 dyskryminacyjnej ZH, Rachunkowość 5, 2001.
• [4] Hołda A., Wstępna weryfikacja skuteczności z wykorzystaniem funkcji dyskryminacyjnej ZH w warunkach gospodarki polskiej, Rachunkowość 10, 2001.
• [5] Jajuga K., Statystyczna teoria rozpoznawania obrazów, Państwowe Wydawnictwo Naukowe, Warszawa 1990.
• [6] Kisielińska J., Sieci neuronowe i modele regresyjne w analizach zależności przyczynowo-skutkowych, Wiadomości Statystyczne 3, 2003.
• [7] Kulawik J., Wskaźniki finansowe i ich systemy w zarządzaniu gospodarstwami rolniczymi, Studia i monografie z. 72, IERiGŻ, Warszawa 1995.
• [8] Nowak E., Zarys metod ekonometrii. Zbiór zadań, Wydawnictwo Naukowe PWN, Warszawa 1994.
• [9] Olko-Bagieńska T, Ziętara W., Materiały do ćwiczeń z organizacji i ekonomiki gospodarstw rolniczych, Wydawnictwo SGGW, Warszawa 1995.
• [10] Rachunek ekonomiczny i analiza finansowa w przedsiębiorstwie rolniczym, Warszawa 1994.
• [11] Statistica Pl, Tom I: Ogólne konwencje i statystyki I, StatSoft, 1997.
• [12] Statistica Pl, Tom III: Statystyki II, StatSoft, 1997.
• [13] Tarczyński W, Analiza dyskryminacyjna na Giełdzie Papierów Wartościowych, Przegląd Statystyczny 1-2, 1996.
• [14] Yang Z.R., Platt M.B., Platt H.D., Probabilistic neural Networks in Bankruptcy Prediction, Journal of Business Research 44, 1999.
• [15] Wawrzyniak K., Batóg B., Wykorzystanie funkcji dyskryminacyjnej do oceny kondycji finansowo-ekonomicznej spółek i przedsiębiorstw I, II, III i IV transzy, ulokowanych do narodowych funduszy inwestycyjnych, Przegląd statystyczny 1, 1997.
• [16] Wyszkowska Z., Wybrane elementy wskaźnikowej analizy finansowej na przykładzie przedsiębiorstw rolniczych, ART, Bydgoszcz 1996.