Podejście wielomodelowe w prognozowaniu zagrożenia przedsiębiorstw upadłością w Polsce

• Autorzy: Barbara Pawełek , Dorota Grochowina

Warianty tytułu

The Multiple-Model Approach in The Prediction of Company Bankruptcy Risk in Poland

• Języki publikacji: PL

Abstrakty

Tematyka pracy wpisuje się w nurt badań naukowych nad ważnym problemem ekonomicznym, jakim jest upadłość przedsiębiorstw. W zakresie badania zagrożenia przedsiębiorstw upadłością kontynuowane są prace nad metodologią przewidywania pierwszej i kolejnych upadłości przedsiębiorstw. Celem artykułu jest przedstawienie wyników badań empirycznych nad przydatnością stosowania podejścia wielomodelowego w prognozowaniu zagrożenia upadłością przedsiębiorstw w Polsce. Analizę przeprowadzono dla zbilansowanych i niezbilansowanych zbiorów przedsiębiorstw z sektora przetwórstwa przemysłowego. W badaniu zastosowano metody bagging, boosting, random subspaces i random forests. Przydatność podejścia wielomodelowego dla prognozowania upadłości oceniono na podstawie wartości mierników skuteczności klasyfikacyjnej przedsiębiorstw ze zbioru testowego. Wnioski z przeprowadzonych badań empirycznych wskazują na przydatność stosowania podejścia wielomodelowego w prognozowaniu zagrożenia przedsiębiorstw upadłością(abstrakt oryginalny)

EN

The subject matter of the paper fits into the mainstream of scientific research on an important economic problem, which is the bankruptcy of companies. Within the study of company bankruptcy risk, research is continued on the methodology for predicting the first and subsequent bankruptcies of companies. The aim of the paper is to present the results of empirical research on the usefulness of using the multiple-model approach in the prediction of company bankruptcy risk in Poland. The analysis was performed for balanced and unbalanced sets of enterprises from the industrial processing sector. The bagging, boosting, random subspaces and random forests methods were used in the research. The usefulness of the multiple-model approach for the prediction of bankruptcy was evaluated based on values of the classification efficiency measures for companies from the test set. The conclusions from the empirical research carried out indicate the usefulness of using the multiple-model approach in predicting the company bankruptcy risk(original abstract)

Słowa kluczowe

PL

Podejście wielomodelowe; Upadłość przedsiębiorstwa; Prognozowanie

EN

Multiple-model approach; Enterprise bankruptcy; Forecasting

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
• Rocznik: 2017
• Tom: 28
• Numer: nr 468
• Strony: 171--179

Twórcy

autor

Barbara Pawełek

• Uniwersytet Ekonomiczny w Krakowie

autor

Dorota Grochowina

• Szkoła Główna Handlowa w Warszawie

Bibliografia

• Altman E.I., 1968, Financial ratios, discriminant analysis and prediction of corporate ankruptcy, The Journal of Finance, vol. 23, no. 4, s. 589-609.
• Altman E.I., Branch B., 2015, The bankruptcy system's chapter 22 recidivism problem: How serious is ot?, The Financial Review, vol. 50, s. 1-26.
• Breiman L., 1996, Bagging predictors, Machine Learning, vol. 24, s. 123-140.
• Breiman L., 2001, Random Forests, Machine Learning, vol. 45, s. 5-32.
• Breiman L., Friedman J., Stone C.J., Olshen R.A., 1984, Classification and Regression Trees, CRC Press, Boca Raton.
• Freund Y., Schapire R.E., 1997, A decision-theoretic generalization of on-line learning and an application to boosting, Journal of Computer and System Sciences, vol. 55, s. 119-139 .
• Frydman H., Altman E.I., Kao D., 1985, Introducing recursive partitioning for financial classification: The case of financial distress, Journal of Finance, vol. 40, no. 1, s. 269-291.
• Gatnar E., 2008, Podejście wielomodelowe w zagadnieniach dyskryminacji i regresji, Wydawnictwo Naukowe PWN, Warszawa.
• Ho T.K., 1998, The random subspace method for constructing decision forests, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 20, no. 8, s. 832- 844.
• Kostrzewska J., Kostrzewski M., Pawełek B., Gałuszka K., 2016, The Classical and Bayesian Logistic Regression in the Research on the Financial Standing of Enterprises after Bankruptcy in Poland, [w:] Papież M., Śmiech S. (red.), The 10th Professor Aleksander Zeliaś International Conference on Modelling and Forecasting of Socio-Economic Phenomena. Conference Proceedings, Fundacja Uniwersytetu Ekonomicznego w Krakowie, Kraków, s. 72-81.
• Li H., Lee Y.-Ch., Zhou Y.-Ch., Sun J., 2011, The random subspace binary logit (RSBL) model for bankruptcy prediction, Knowledge-Based Systems, vol. 24, s. 1380-1388.
• Min S.-H., 2016a, A genetic algorithm-based heterogeneous random subspace ensemble model for bankruptcy prediction, International Journal of Applied Engineering Research, vol. 11, no. 4, s. 2927-2931.
• Min S.-H., 2016b, Integrating instance selection and bagging ensemble using a genetic algorithm, International Journal of Applied Engineering Research, vol. 11, no. 7, s. 5060-5066.
• Ohlson J., 1980, Financial ratios and the probabilistic prediction of bankruptcy, Journal of Accounting Research, vol. 18, no. 1, s. 109-131.
• Platt H.D., Platt M.B., 2002, A re-examination of the effectiveness of the bankruptcy process, Journal of Business Finance & Accounting, vol. 29, no. 9-10, s. 1209-1237.
• Pociecha J. (red.), Pawełek B., Baryła M., Augustyn S., 2014, Statystyczne metody prognozowania bankructwa w zmieniającej się koniunkturze gospodarczej, Fundacja Uniwersytetu Ekonomicznego w Krakowie, Kraków.
• Sun J., Li H., Huang Q.-H., He K.-Y., 2014, Predicting financial distress and corporate failure: A review from the state-of-the-art definitions, modeling, sampling, and featuring approaches, Know-ledge-Based Systems, vol. 57, s. 41-56.
• Virág M., Nyitrai T., 2014, The application of ensemble methods in forecasting bankruptcy, Financial and Economic Review, vol. 13, no. 4, s. 178-193.

Identyfikatory

DOI

10.15611/pn.2017.468.17