Analiza jakości predykcji stanu ekonomiczno-finansowego małych i średnich przedsiębiorstw przy pomocy zespołów sztucznych sieci neuronowych

• Autorzy: Andrzej Burda , Barbara Kuczmowska
• Języki publikacji: PL

Abstrakty

W artykule przedstawiono wyniki przewidywania stanu ekonomiczno-finansowego dla małych i średnich firm regionu lubelskiego i podkarpackiego. W odróżnieniu od innych badań w tym obszarze, wykorzystano koncepcję modelowania mikro-makro (mezzo). Porównano wyniki predykcji samodzielnych perceptronów neuronowych oraz dwóch typów zespołów sztucznych sieci neuronowych. Przedstawiono wnioski oraz nakreślono kierunki dalszych badań nad wzrostem jakości modelu oraz rozszerzeniem jego funkcjonalności.(abstrakt oryginalny)

Słowa kluczowe

PL

Małe i średnie przedsiębiorstwa; Informacje ekonomiczno-finansowe; Modele neuronalne

EN

Small business; Economic and finance information; Neuronal models

• Czasopismo: Barometr Regionalny
• Rocznik: 2008
• Numer: nr 2(12)
• Strony: 109--114

Twórcy

autor

Andrzej Burda

• Wyższa Szkoła Zarządzania i Administracji w Zamościu

autor

Barbara Kuczmowska

• Wyższa Szkoła Zarządzania i Administracji w Zamościu

Bibliografia

• 1. Altman E. I.: Financial ratios, discriminant analysis and the prediction of corporate bankruptcy, Journal of Finance 23(1968)589-609.
• 2. Altman E. I.: Predicting financial distress of companies: revisiting the Z-score and ZETA® models (2000), http://www.stern.nyu.edu/~ealtman/Zscores.pdf.
• 3. Altman E. I., Marco G., Varetto F.: Corporate distress diagnosis: Comparisons using linear discriminant analysis and neural networks, Journal of Banking & Finance 18(1994)505-529.
• 4. Back B., Laitinen T., Sere K.: Neural networks and bankruptcy prediction: Funds flows, accrual ratios, and accounting data, Advances in Accounting 14(1996)23-37.
• 5. Beaver W. H.: Financial Ratios as Predictors of Fail- ure Empirical Research in Accounting: Selected Stud- ies, Supplement to Journal of Accounting Research 4(1966)71-111.
• 6. Burda A.: Prognozowanie kondycji ekonomiczno-finansowej przedsiębiorstw z wykorzystaniem sztucznych sieci neuronowych, Barometr Regionalny 6(2006)67-75.
• 7. Burda A., Kuczmowska B., Hippe Z. S.: Ensembles of Artificial Neural Networks for Predicting Economic Situation of Small and Medium Enterprises In: Kurzyn-ski, M.; Puchala, E.; Wozniak, M.; Zolnierek, A. (Eds.) Computer Recognition Systems 2, Springer, Berlin / Heidelberg 2007:808-815.
• 8. Burda A., Kuczmowska B., Hippe Z. S.: Zespoły sztucznych sieci neuronowych do przewidywania stanu ekonomicznego małych i średnich przedsiębiorstw, Zamojskie Studia i Materiały 23(2007):113-126.
• 9. Coats, P. K. & L. F. Fant : A neural network approach to forecasting distress, The Journal of Business Forecasting (Winter 1991), 9-12.
• 10. Fletcher D., Goss E.: Forecasting with neural networks. An application using bankruptcy data, Information & Management. 24(1993)159-167.
• 11. McKee T., Greenstein M.: Predicting Bankruptcy Using Recursive Partitioning and a Realistically Proportioned Data Set, Journal of Forecasting 19(2000)219-230.
• 12. Odom M., Sharda R.: A neural network model for bankruptcy prediction, International Joint Conference on Neural Networks, San Diego, cz. II(1990)163-168.
• 13. Ohlson J. A.: Financial Ratios and the Probabilistic Prediction of Bankruptcy, Journal of Accounting Research 18(1980)109-131.
• 14. Osowski S.: Sieci neuronowe, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 1994, s. 75-79.
• 15. Salchenberger, L., Cinar E., Lash N.: Neural networks: A new tool for predicting thrift failures, Decision Sciences, Vol. 23, No. 4(1992)899-916.
• 16. Sarkar S., Sriram R. S.: Bayesian Models for Early Warning of Bank Failures, Management Science 47(2001)1457-1475.
• 17. Tam K. Y., Kiang M.: Predicting Bank Failures- A Neural Network Approach, Applied Artificial Intelligence 4(1990)265-282.
• 18. Tam K., KiangM.: Managerial applications of neural networks: The case of bank failure predictions, Management Science 38:7(July 1992), 926-947.
• 19. Trigueiros D., Taffler R.: Neural networks and empirical research in accounting, Accounting and Business Research 26:4(1996)347-355.
• 20. Wilson R. L., Sharda R.: Bankruptcy prediction us ing neural networks, Decision Support Systems 11(1994)545-557.

Identyfikatory

DOI

doi.org/10.56583/br.1487