Warianty tytułu
Bankruptcy Prediction Models in the Corporate Early Warning
Języki publikacji
Abstrakty
Prognozy ostrzegawcze i systemy wczesnego ostrzegania ze swojej natury mają charakter dynamiczny. Modele prognozowania bankructwa są z reguły modelami klasyfikacyjnymi, a więc mają charakter statyczny. Z tego względu nie są one spójnym elementem systemów wczesnego ostrzegania. W pracy dokonano przeglądu podstawowych metod prognozowania bankructwa, przedstawiono miary sprawności prognoz oparte na modelach klasyfikacyjnych oraz wskazano źródła możliwych błędów w prognozowaniu bankructwa firm. W pracy podkreślono konieczność uwzględniania koniunktury gospodarczej jako podstawowej determinanty ryzyka bankructwa. W końcowej części wskazano możliwości dynamicznego ujęcia modeli predykcji bankructwa, w modelach sztucznych sieci neuronowych, modelach logitowych i modelach SEM.(abstrakt oryginalny)
Warning predictions and early warning systems are, by their very nature, dynamic. Bankruptcy prediction models, on the other hand, are usually classification models and as such are static. For this reason, they do not constitute cohesive components of early warning systems. The paper is a review of major bankruptcy prediction models and it presents the measures of prediction efficiency based on classification models as well as the possible sources of errors in predicting corporate bankruptcy. The author stresses the necessity of considering business cycles as the major determinants of bankruptcy risk. The final part of the paper discusses the possibility of a dynamic approach to bankruptcy prediction models in artificial neural network, logit and SEM models.(original abstract)
Rocznik
Strony
124--134
Opis fizyczny
Twórcy
autor
- Uniwersytet Ekonomiczny w Krakowie
Bibliografia
- Altman E.I., Financial ratios, discriminant analysis and prediction of corporate bankruptcy, "The Journal of Finance" 1968, vol. 23, September.
- Badanie koniunktury gospodarczej, Główny Urząd Statystyczny, Warszawa, listopad 2009.
- Bell T.B., Ribar G.S., Verchio J., Neural nets versus logistic regression: A comparison of each model's ability to predict commercial bank failures, [w:] R.P. Srivastava (red.), Proceedings of the 1990 Deloitte and Touché/University of Kansas Symposium of Auditing Problems, 1990.
- Gajdka J., Stos D., Wykorzystanie analizy dyskryminacyjnej w ocenie kondycji finansowej przedsiębiorstw, [w:] R. Borowiecki (red.), Restrukturyzacja w procesie przekształceń i rozwoju przedsiębiorstw, Wydawnictwo Akademii Ekonomicznej, Kraków 1996.
- Gruszczyński M., Modele i prognozy zmiennych jakościowych w finansach i bankowości, "Monografie i Opracowania" nr 490, SGH, Warszawa 2001.
- Gruszczyński M., Modele mikroekonometrii w analizie i prognozowaniu zagrożenia finansowego przedsiębiorstw, "Working papers" no. 34, Instytut Nauk Ekonomicznych PAN, Warszawa 2003.
- Hadasik D., Upadłość przedsiębiorstw w Polsce i metody jej prognozowania, "Zeszyty Naukowe AE w Poznaniu", seria II, z. 153, Poznań 1998.
- Hellwig Z., Polak H., Zarys koncepcji statystycznej procedury wczesnego ostrzegania (na przykładzie gospodarki żywnościowej), Z prac Zakładu Badań Statystyczno-Ekonomicznych, z. 158, Zakład Badań Statystyczno-Ekonomicznych GUS i PAN, Warszawa 1986.
- Hołda A., Prognozowanie bankructwa jednostki w warunkach gospodarki polskiej z wykorzystaniem funkcji dyskryminacyjnej ZH, "Rachunkowość" 2001, nr 5.
- Hołda A., Zasada kontynuacji działalności i prognozowanie upadłości w polskich realiach gospodarczych, Wydawnictwo Akademii Ekonomicznej, seria specjalna nr 174, Kraków 2006.
- Konarski R., Modelowanie równań strukturalnych, Wydawnictwo Naukowe PWN, Warszawa 2009.
- Korol T., Prusak B., Upadłość przedsiębiorstw a wykorzystanie sztucznej inteligencji, CeDeWu, Warszawa 2005.
- Mączyńska E., Ocena kondycji przedsiębiorstwa (uproszczone metody), "Życie Gospodarcze" 1994, nr 38.
- McKee T.E., Developing a bankruptcy prediction model via rough sets theory, "International Journal of Intelligent Systems in Accounting, Finance and Management" 2000, no. 9.
- Michaluk K., Efektywność modeli prognozujących upadłość przedsiębiorstw, praca doktorska, Uniwersytet Szczeciński, Szczecin 2000.
- Odom M.D., Sharda R., A neural network model for bankruptcy prediction, [w:] Proceedings of IEEE International Conference on Neural Networks, vol. 2, San Diego 1990.
- Ohlson J., Financial ratios and the probabilistic prediction of bankruptcy, "Journal of Accounting Research" 1980, no. 1.
- Pociecha J., Dyskryminacyjne metody klasyfikacji danych w prognozowaniu bankructwa firmy, [w:] K. Jajuga, M. Walesiak (red.), Klasyfikacja i analiza danych - teoria i zastosowania, Prace Naukowe Akademii Ekonomicznej nr 1126, "Taksonomia" 13: Wydawnictwo Akademii Ekonomicznej, Wrocław 2006.
- Pociecha J., Problemy prognozowania bankructwa firmy metodą analizy dyskryminacyjnej, "Acta Universitatis Lodziensis, Folia Oeconomica" nr 205, Łódź 2007.
- Pociecha J., Metodologiczne problemy prognozowania bankructwa, [w:] K. Jajuga, M. Walesiak (red.), Klasyfikacja i analiza danych - teoria i zastosowania, Prace Naukowe Uniwersytetu Ekonomicznego nr 107, "Taksonomia 17", Wydawnictwo Uniwersytetu Ekonomicznego, Wrocław 2010.
- Pociecha J., Zastosowania sztucznych sieci neuronowych w prognozowaniu bankructwa firm, [w:] Nauki ekonomiczne wobec wyzwań współczesnej gospodarki światowej, Wydawnictwo Uniwersytetu Ekonomicznego, Kraków 2010.
- Prusak B., Nowoczesne metody prognozowania zagrożenia finansowego przedsiębiorstw, Difin, Warszawa 2005.
- Sharda R., Wilson L., Bankruptcy prediction using neural networks, "Decision Support System" 1994, nr 11.
- Siedlecka U., Prognozowanie ostrzegawcze w gospodarce, PWE, Warszawa 1996.
- Strąk T., Stępień P., Binomial Logit Models Predicted Corporate Bankruptcy, Uniwersytet Szczeciński, Szczecin 1999.
- Wędzki D., Zastosowanie logitowego modelu upadłości przedsiębiorstw, "Ekonomista" 2005, nr 5.
- Zeliaś A., Pawełek B., Wanat S., Prognozowanie ekonomiczne. Teoria, przykłady, zadania, Wydawnictwo Naukowe PWN, Warszawa 2004.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171371503