Wykorzystanie drzew decyzyjnych w prognozowaniu upadłości przedsiębiorstw w branży budowlanej

• Autorzy: Artur Hołda

Warianty tytułu

Use of Decision Trees to Forecast the Bankruptcy of Enterprises in the Construction Industry

• Języki publikacji: PL

Abstrakty

Technika drzew decyzyjnych stanowi jedną z podstawowych metod indukcyjnego zdobywania i eksploracji wiedzy o systemach ekonomicznych. Zaprezentowano możliwości wykorzystania tych drzew do prognozowania upadłości przedsiębiorstw w branży budowlanej.

EN

In this article, the author presents the essence of decision trees and their potential use in forecasting enterprise bankruptcy. He identifies the usefulness and limitations of the decision tree technique. The advantages of decision trees have been used by many authors, including for the purpose of forecasting enterprise bankruptcy. In the article, the author also presents an original decision tree (DHB) created on the basis of data in regard to Polish construction firms. In the proposed decision tree for the construction industry, the author uses two financial indicators (ZOM1P, CFIM). Significantly, this decision tree was shown to have a high classification capacity and significantly lower forecasting values. It is worth noting the use of the CFIM indicator to forecast enterprise bankruptcy. This indicator takes into account cash flows from investment activities. (original abstract)

Słowa kluczowe

PL

Prognozowanie upadłości przedsiębiorstwa; Upadłość przedsiębiorstwa; Przedsiębiorstwo budowlane; Drzewo decyzyjne

EN

Enterprises bankruptcy forecasting; Enterprise bankruptcy; Construction company; Decision tree

• Czasopismo: Zeszyty Naukowe / Uniwersytet Ekonomiczny w Krakowie
• Rocznik: 2009
• Numer: nr 796
• Strony: 165--175

Twórcy

autor

Artur Hołda

• Uniwersytet Ekonomiczny w Krakowie

Bibliografia

• Breiman L. i in. [1984], Classification and Regression Trees, Wadsworth, Belmont, CA.
• Cherkassky V., Mulier F. [1998], Learning from Data. Adaptive and Learning Systems for Signal Processing, Communications and Control, J. Wiley & Sons, Inc., New York.
• Cichosz P. [2000], Systemy uczące się, WNT, Warszawa.
• Frydman H., Altman E.I., Kao D. [1995], Introducing Recursive Partitioning for Finan-cial Classification: The Case of Financial Distress, „Journal of Finance”, 40(1).
• Hołda A. [2006a], Istota drzew decyzyjnych i możliwość ich wykorzystania w prognozowaniu upadłości jednostek produkcyjnych w polskich realiach gospodarczych [w:] Zarządzanie finansami, Inwestycje i wycena przedsiębiorstw, t. II, red. D. Zarzecki, Uniwersytet Szczeciński, Szczecin.
• Hołda A. [2006b], Zasada kontynuacji działalności i prognozowanie upadłości w pol-skich realiach gospodarczych, Zeszyty Naukowe AE w Krakowie, Seria specjalna: Monografie nr 174, Wydawnictwo AE w Krakowie, Kraków.
• Hunt E.B., Marin J., Stone PT. [1966], Experiments in Induction, Academic Press, New York.
• Lasek M. [2002], Data Mining, Zastosowania w analizach i ocenach klientów banko-wych, Warszawa.
• Messier W.F., Hansen J.V. [1988], Inducing Rules for Expert System Development: An Example using Default and Bankruptcy Data, Management Science 34 (12).
• Michie D., Spiegelhalter D.J., Taylor C.C. [1994], Machine Learning, Neural and Statistical Classification, Elis Horwood, London.
• Pompe P., Feelders A. [1997], Using Machine Learning, Neural Networks, and Statistics to Predict Corporate Bankruptcy, Microcomputers in Civil Engineering 12.
• Quinlan J.R. [1986], Induction of Decision Trees, Machine Learning, 1.
• Sinkey J.S. [1992], Commercial Bank Financial Management - In the Financial Services Industry, Macmillan Publ. Co., New York.
• Srinivasan V., Kim Y. [1987], Credit Granting: A Comparative Analysis of Classification Procedures, „Journal of Finance”, vol. XLII, nr 3.