Zastosowanie sztucznych sieci neuronowych do prognozowania upadłości przedsiębiorstw

• Autorzy: Tomasz Pisula

Warianty tytułu

Application of Artificial Neural Networks for Forecasting Corporate Bankruptcy

• Języki publikacji: PL

Abstrakty

W dobie pogłębiającego się kryzysu ekonomicznego bardzo wiele przedsiębiorstw jest zagrożonych ryzykiem upadłości. Efektywne przewidywanie upadłości jest jednym z ważniejszych zagadnień zarządzania ryzykiem. W ostatnich kilkunastu latach, z racji większej dostępności na rynku specjalistycznych pakietów oprogramowania, zaczęto intensywnie wykorzystywać modele sztucznej inteligencji do prognozowania upadłości firm. W publikacji przedstawiono możliwości wykorzystania sztucznych sieci neuronowych w klasyfikacji przedsiębiorstw zagrożonych upadłością. Na podstawie próby badawczej 207 polskich przedsiębiorstw, które ogłosiły upadłość od stycznia 2007 r. do grudnia 2010 r., przeprowadzono badania empiryczne porównujące skuteczność prognostyczną modeli neuronowych w porównaniu z klasycznymi modelami parametrycznymi (logitowym i analizy dyskryminacyjnej).(abstrakt oryginalny)

EN

(original abstract)

Słowa kluczowe

PL

Prognozowanie upadłości przedsiębiorstwa

EN

Enterprises bankruptcy forecasting

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu
• Rocznik: 2012
• Numer: nr 254 Inwestycje finansowe i ubezpieczenia - tendencje światowe a rynek polski
• Strony: 219--234

Twórcy

autor

Tomasz Pisula

• Politechnika Rzeszowska im. Ignacego Łukasiewicza

Bibliografia

• Altman E.I., Financial ratios, discriminant analysis and the prediction of corporate bankruptcy, "Journal of Finance" 1968, no 23.
• Altman E.I., Haldeman R.C., Narayanan P., ZETA analysis: A new model to identify bankruptcy risk of corporations, "Journal of Banking and Finance" 1977, no 1.
• Aziz M.A., Dar H.A., Predicting corporate bankruptcy: Where we stand?, "Corporate Governance" 2006, no 6 (1).
• Beaver W.H., Financial ratios as predictors of failure, "Journal of Accounting Research" 1966, no 4.
• Bednarski L., Analiza finansowa w przedsiębiorstwie, Polskie Wydawnictwo Ekonomiczne, Warszawa 2001.
• Beynon M.J., Peel M.J., Variable precision rough set theory and data discretisation: an application to corporate failure prediction, "Omega" 2001, no 29.
• Booth P.J., Decomposition measure and the prediction of financial failure, "Journal of Business Finance & Accounting" 1983, no 10 (1).
• Gajdka J., Stos D., Wykorzystanie analizy dyskryminacyjnej do badania podatności przedsiębiorstwa na bankructwo, [w:] Przedsiębiorstwo na rynku kapitałowym, red. R. Borowiecki, Wydawnictwo AE, Kraków 1996.
• Hadasik D., Upadłość przedsiębiorstw w Polsce i metody jej prognozowania, Prace Naukowe Akademii Ekonomicznej nr 153, Wydawnictwo AE, Poznań 1998.
• Jardin P., Predicting bankruptcy using neural networks and other classification methods: The influence of variable selection techniques on model accuracy, "Neurocomputing" 2010, no 73.
• Korol T., Prusak B., Upadłość przedsiębiorstw a wykorzystanie sztucznej inteligencji, Wydawnictwo CeDeWu, Warszawa 2009.
• Ohlson J., Financial ratios and the probabilistic prediction of bankruptcy, "Journal of Accounting Research" 1980, no 18.
• Pogodzińska M., Sojak S., Wykorzystanie analizy dyskryminacyjnej w przewidywaniu bankructwa przedsiębiorstw, [w:] AUNC, Ekonomia XXV, Toruń 1995.
• Prusak B., Nowoczesne metody prognozowania zagrożenia finansowego przedsiębiorstw, Difin, Warszawa 2005.
• Shin K., Lee Y., A genetic algorithm application in bankruptcy prediction modelling, "Expert Systems With Applications" 2002, no 23 (3).
• Skogsvik K., Current cost accounting ratios as predictors of business failure: the Swedish case, "Journal of Business Finance and Accounting" 1990, no 17(1).
• Stone M., Rasp J., Tradeoffs in the choice between logit and OLS for accounting choice studies, "The Accounting Review" 1991, no 66 (1).
• Tadeusiewicz R., Sieci neuronowe, Akademicka Oficyna Wydawnicza, Warszawa 1993.
• Tadeusiewicz R., Elementarne wprowadzenie do techniki sieci neuronowych z przykładowymi programami, Wydawnictwo PLJ, Warszawa 1998.
• Theodossiou P.T., Alternative models for assessing the financial condition of business in Greece, "Journal of Business Finance and Accounting" 1991, no 18(5).
• Wilcox J., A prediction of business failure using accounting data, "Journal of Accounting Research: Supplement on Empirical Research in Accounting" 1973.
• Witkowska D., Sztuczne sieci neuronowe i metody statystyczne, Wydawnictwo C.H. Beck, Warszawa 2002.
• Żmijewski M.E., Methodological issues related to the estimation of financial distress prediction models, "Journal of Accounting Research" 1984, no 22.