Przeprowadzanie segmentacji przedsiębiorstw za pomocą drzew klasyfikacyjnych

• Autorzy: Mirosława Lasek , Marek Pęczkowski

Warianty tytułu

Segmentation of Firms by Means of Classification Trees

• Języki publikacji: PL

Abstrakty

W artykule podjęto próbę wykorzystania drzew klasyfikacyjnych do segmentacji przedsiębiorstw - polskich spółek giełdowych - na podstawie danych określających ich sytuację finansową i majątkową. Drzewa klasyfikacyjne (zwane także drzewami decyzyjnymi) są jedną z metod eksploracji danych.

EN

The objective of the paper was to present the utility and applicability of the method of generating classification trees for the purposes of segmentation of firms by their economic standing, i.e. their financial and assets condition. The method of classification tree generation belongs to the group of the "data mining" methods that permit to find out, basing on large data sets, the relationships and links among data. Variables used to classify the firms were financial and assets indices, indices of the firms' position in the capital market, as well as values from financial statements (balance sheet, profit and loss account, cash flow account). Different algorithms were used to generate the classification trees: Chaid, Exhaustion Chaid, C&RT, Quest. In the paper, examples were presented of applying the classification trees to segmentation of firms. Advantages and drawbacks of performing the segmentation of firms by means of the classification trees were discussed. (original abstract)

Słowa kluczowe

PL

Analiza statystyczna; Metody statystyczne; Przedsiębiorstwo; Spółki

EN

Statistical analysis; Statistical methods; Enterprises; Companies

• Czasopismo: Ekonomia / Uniwersytet Warszawski
• Rocznik: 2002
• Numer: nr 7
• Strony: 70--99

Twórcy

autor

Mirosława Lasek

autor

Marek Pęczkowski

Bibliografia

• AnswerTree. User's Guide, 1998, SPSS Inc., Chicago.
• Biggs D., de Ville B., Suen E., 1991, A method of choosing multiway partitions for classification and decision trees, "Journal of Applied Statistics" nr 18, s. 49-62.
• Breiman L., Friedman J., Olshen R., Stone C., 1984, Classification and Regression Trees, CRC Press, London.
• Gatnar E. 2001, Nieparametryczna metoda dyskryminacji i regresji, Wydawnictwo Naukowe PWN, Warszawa.
• Gatnar E., 1998, Symboliczne metody klasyfikacji danych, Wydawnictwo Naukowe PWN, Warszawa.
• http://www.spss.pl
• Kass G., 1980, An exploratory technique for investigating large quantities of categorical data, "Applied Statistics" 29:2, s. 119-127.
• Kovalerchuk B., Vityaev E., 2000, Data Mining in Finance. Advances in Relational and Hybrid Methods, Kluwer.
• Lasek M., Pęczkowski M., 1991, Knowledge Acquistition Method of Expert System for Analysis of Financial Standing of an Enterprise, w: Alty J. L., Mikulich L. I. (wyd.), Industrial Applications of Artificial Intelligence, North-Holland, s. 81-86.
• Loh W., Shih Y., 1997, Split selection methods for classification trees, Statistica Sinics.
• Shi Y., 2000, Data Mining, w: Zeleny M., The IEBM Handbook of Information Technology in Business, Business Press, Thomson Learning, s. 490-495.
• Witten J. H., Frank E., 2000, Data Mining. Practical Machine Learning Tools and Techniques with Java Implementations, Academic Press, Morgan Kaufmann Publishers.
• Zakrzewicz M., 2001, Eksploracja danych (Data Mining) - zbiór technik automatycznego odkrywania nietrywialnych zależności i schematów w dużych zbiorach danych, http://www.cs.put.poznan.pl/mzakrzewicz.