Wykorzystanie sieci jednokierunkowej wielowarstwowej oraz sieci rekurencyjnej w prognozowaniu upadłości przedsiębiorstw

• Autorzy: Tomasz Korol

Warianty tytułu

The Application of Feedforward Artificial Neural Network and Recurrent Neural Network in Predicting Corporate Bankruptcy

• Języki publikacji: PL

Abstrakty

W pracy skupiono się na rozważaniach nad możliwością wykorzystania różnych rodzajów SSN (sztucznych sieci neuronowych), tj. dokonano analizy porównawczej skuteczności modelu sieci jednokierunkowej wielowarstwowej z modelem sieci rekurencyjnej na rok i na dwa lata przed upadłością firm. (fragment tekstu)

Słowa kluczowe

PL

Upadłość przedsiębiorstwa; Prognozowanie upadłości przedsiębiorstwa; Sztuczne sieci neuronowe (SSN); Prognozowanie ostrzegawcze

EN

Enterprise bankruptcy; Enterprises bankruptcy forecasting; Artificial neural networks (ANN); Warning forecasting

• Czasopismo: Materiały i Prace Instytutu Funkcjonowania Gospodarki Narodowej
• Rocznik: 2005
• Tom: 93 (XCIII) Zagrożenie upadłością
• Strony: 169--181

Twórcy

autor

Tomasz Korol

• Politechnika Gdańska

Bibliografia

• Baetge J., Krause C., The Classification of Companies by Means of Neural Networks, "Journal of Information Science and Technology" Vol. 3, October 1993.
• Gajda J., Prognozowanie i symulacja a decyzje gospodarcze. Wydawnictwo C.H. Beck, Warszawa 2001, s. 222.
• Hadasik D., Upadłość przedsiębiorstw w Polsce i metody jej prognozowania. Wydawnictwo Akademii Ekonomicznej w Poznaniu. Poznań 1998. s. 136-139.
• Harris C., An Expert Decision Support System for Auditor Going Concern Evaluation, The University of Texas at Arlington, 1989.
• Odom M., Sharda R., A Neural Network Model for Bankruptcy Prediction, [w:] R. Trippi, Neural Networks in Finance and Investing, Probus Publishing Company, Chicago 1993.
• http://galaxy.uci.agh.edu.pl/~vlsi/AI/wstep/.
• Korol T., Zjawisko upadłości przedsiębiorstw w Polsce w okresie transformacji gospodarczej, "Gospodarka w Praktyce i Teorii" 2003, nr 1 (12), Wydawnictwo Katedry Ekonomii Uniwersytetu Łódzkiego, s. 79-89.
• Rahimian E., Singh S., Bankruptcy Prediction by Neural Networks, [w:] R. Trippi, Neural Networks in Finance and Investing, Probus Publishing Company, Chicago 1993.
• Saunders A., Metody pomiaru ryzyka kredytowego. Dom Wydawniczy ABC, Kraków 2001, s. 13.
• Siemińska E., Metody pomiaru i oceny kondycji finansowej przedsiębiorstwa, TNOIK, Toruń 2002, s. 238.
• Tadeusiewicz R., Wprowadzenie do praktyki stosowania sieci neuronowych, http://www.statsoft.pl/czytelnia/neuron/wprowdoprak.html. Akademia Górniczo-Hutnicza w Krakowie.
• Urbanek M., Klasyfikacja i selekcja wskaźników finansowych. Ekonometryczne modelowanie danych finansowo-księgowych. materiały na II konferencję naukową, red. E. Nowak, Wydawnictwo UMCS, Lublin 1996, s. 120-122.
• Witkowska D., Sztuczne sieci neuronowe i metody statystyczne. Wydawnictwo C.H. Beck. Warszawa 2002, s. 125-133.
• Zeliaś A., Teoria prognozy, PWE, Warszawa 1997, s. 12.