Zastosowanie metod taksonomiczno-sieciowych w procesie wyznaczania syntetycznego miernika rozwoju inwestycji

• Autorzy: Monika Hadaś-Dyduch

Warianty tytułu

The Use of Taxonomy of Network Methods in the Process of Determining the Synthetic Instrument Development Investments

• Języki publikacji: PL

Abstrakty

W artykule przedstawiono nieklasyczną koncepcję wyznaczania syntetycznego miernika rozwoju jako taksonomicznej miary atrakcyjności inwestycji. Konstrukcję syntetycznego miernika rozwoju zaproponowano przy użyciu sztucznych sieci neuronowych. Celem głównym artykułu jest przedstawienie możliwości predykcji syntetycznego miernika na podstawie sztucznych sieci neuronowych ze wskazaniem na funkcję treningu sieci, błąd uczenia sieci itp. parametry. Konstrukcję klasycznego syntetycznego miernika rozwoju przeprowadzono dla 33 spółek akcyjnych, przyjmując następujące miary: wskaźnik bieżącej płynności, wskaźnik szybkiej płynności, wskaźnik ogólnego poziomu zadłużenia, wskaźnik zadłużenia kapitału własnego, wskaźnik rotacji zapasów, okres spływu należności, wskaźnik rotacji zobowiązań, wskaźnik zyskowności netto, wskaźnik rentowności aktywów (ROA), wskaźnik rentowności kapitału własnego (ROE), wskaźnik P/E, wskaźnik P/BV. (abstrakt oryginalny)

EN

The paper presents a non-classical concept of determining the synthetic instrument development as a taxonomic measure of the attractiveness of the investment. The structure of the synthetic measure of development proposed here uses artificial neural networks. The main objective of this article is to present the possibilities of prediction of synthetic instrument based on artificial neural network with an indication of the function of network training, network learning, etc. error parameters. The structure of classical synthetic instrument development was carried out for 33 joint-stock companies, by adopting the following measures: current ratio, quick ratio, the rate of the overall level of debt, debt to equity ratio, inventory turnover, receivables collection period, payables turnover ratio, profitability ratio of net return on assets (ROA), return on equity (ROE), the P/E, P/BV.(original abstract)

Słowa kluczowe

PL

Analiza portfelowa; Syntetyczny miernik; Sztuczne sieci neuronowe (SSN); Wskaźnik zadłużenia

EN

Portfolio analysis; Synthetic meter; Artificial neural networks (ANN); Debt ratio

• Czasopismo: Zeszyty Naukowe Wyższej Szkoły Bankowej we Wrocławiu
• Rocznik: 2014
• Numer: nr 7 (45) Metody ilościowe
• Strony: 129--141

Twórcy

autor

Monika Hadaś-Dyduch

• Uniwersytet Ekonomiczny w Katowicach

Bibliografia

• Bień W., Zarządzanie finansami przedsiębiorstwa, wyd. 8, Difin, Warszawa 1998.
• Jajuga K., Inwestycje - instrumenty finansowe, ryzyko finansowe, inżynieria finansowa, WN PWN, Warszawa 1998.
• Łuniewska M., Tarczyński N., Metody wielowymiarowej analizy porównawczej na rynku kapitałowym, WN PWN, Warszawa 2006.
• Morrison D.F., Wielowymiarowa analiza statystyczna, PWN, Warszawa 1990.
• Osowski S., Sieci neuronowe do przetwarzania informacji, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2000.
• Sroczyńska-Baron A., The choice of portfolio based on the theory of cooperative games, w: European Financial Systems 2013. Proceedings of the 10th International Scientific Conference, red. O. Deev, V. Ksjurova, J. Krajicek, Masaryk University, Brno 2013.
• Węgrzyn Т., Stock selection based onfinancial ratios on the Warsaw Stock Exchange. Analysis between 2001 and 2010, w: European Financial Systems 2013. Proceedings of the 10th International Scientific Conference, red. O. Deev, V. Ksjurova, J. Krajicek, Masaryk University, Brno 2013.