Ocena przydatności wskaźników finansowych do prognozowania bankructwa przedsiębiorstw w zależności od rozmiaru obiektów

Warianty tytułu

Assessment of Suitability of Financial Indicators for Enterprises' Bankruptcy Prediction Depending On The Size of An Enterprise

• Języki publikacji: PL

Abstrakty

Celem pracy jest przedstawienie wyników badań empirycznych nad przydatnością wybranych wskaźników finansowych do prognozowania bankructwa przedsiębiorstw, w zależności od rozmiaru analizowanych obiektów. Wartością dodaną pracy jest propozycja zastosowania Sensitivity Analysis w połączeniu z ABC Analysis do oceny przydatności wskaźników finansowych do prognozowania bankructwa przedsiębiorstw. W analizie wykorzystano dane finansowe przedsiębiorstw z sektora przetwórstwa przemysłowego w Polsce z lat 2005-2008. Badaniem objęto takie metody, jak: drzewo klasyfikacyjne, bagging, boosting, lasy losowe. Modele były budowane na podstawie danych finansowych dotyczących zarówno wszystkich obiektów w rozważanym zbiorze, jak i obiektów zaklasyfikowanych do trzech podzbiorów uzyskanych dzięki ABC Analysis. Ocenę przydatności wybranych wskaźników finansowych do prognozowania bankructwa przedsiębiorstw przeprowadzono z wykorzystaniem algorytmu Data-based Sensitivity Analysis(abstrakt oryginalny)

EN

The aim of the paper is to present the results of empirical research on the suitability of selected financial indicators for corporate bankruptcy prediction, depending on the size of considered objects. The added value of the work is the proposal for the application of Sensitivity Analysis in conjunction with the ABC Anaindicators for corporate bankruptcy prediction. The analysis uses financial data of companies in the industrial processing sector of Poland in the years 2005-2008. The study included such methods as: classification trees, bagging, boosting, random forests. The models were built on the basis of financial data for all considered objects, and objects to be found in three subsets obtained from the ABC Analysis. The assessment of the suitability of selected financial indicators for corporate bankruptcy prediction was carried out using Data-based Sensitivity Analysis algorithmlysis to assess the suitability of financial (original abstract)

Słowa kluczowe

PL

Bankructwo; Przedsiębiorstwo; Wskaźniki finansowe

EN

Bankruptcy; Enterprises; Financial indicators

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
• Rocznik: 2018
• Tom: 30
• Numer: nr 507 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 191--199

Twórcy

Bibliografia

• Brown M.B., Forsythe A.B., 1974, Robust tests for the equality of variances, Journal of the American Statistical Association, vol. 69, no. 346, s. 364-367.
• Cortez P., 2015, rminer: Data Mining Classification and Regression Methods. R package version 1.4.1, http://CRAN.R-project.org/package=rminer.
• Cortez P., Embrechts M.J., 2013, Using sensitivity analysis and visualization techniques to open Black Box Data Mining Models, Information Sciences, vol. 225, s. 1-17. doi: 10.1016/j.ins.2012.10.039.
• Dunn O.J., 1964, Multiple comparisons using rank sums, Technometrics, vol. 6, no. 3, s. 241-252.
• Gatnar E., 2008, Podejście wielomodelowe w zagadnieniach dyskryminacji i regresji, Wydawnictwo Naukowe PWN, Warszawa.
• Heiberger R.M., 2016, HH: Statistical Analysis and Data Display: Heiberger and Holland. R package version 3.1-31, http://CRAN.R-project.org/ package=HH.
• Kruskal W.H., Wallis W.A., 1952, Use of ranks in one-criterion variance analysis, Journal of the American Statistical Association, vol. 47, no. 260, s. 583-621.
• Pawełek B., 2017, Prediction of company bankruptcy in the context of changes in the economic situation, [w:] The 10th Professor Aleksander Zeliaś International Conference on Modelling and Forecasting of Socio-Economic Phenomena. Conference Proceedings, eds. M. Papież, S. Śmiech, Foundation of the Cracow University of Economics, Cracow, s. 290-299.
• Pawełek B., Pociecha J., Baryła M., 2016, Dynamic aspects of bankruptcy prediction logit model for manufacturing firms in Poland, [w:] Analysis of Large and Complex Data. Studies in Classification, eds. A.F.X. Wilhelm, H.A. Kestler, Data Analysis, and Knowledge Organization, Springer, Switzerland, s. 369-382.
• Shapiro S.S., Wilk M.B., 1965, An analysis of variance test for normality (complete samples), Biometrika, vol. 52, no. 3/4, s. 591-611.
• Thrun M., Lötsch J., Ultsch A., 2015, ABCanalysis: Computed ABC Analysis. R package version 1.1.0, http://CRAN.R-project.org/package=ABCanalysis.
• Ultsch A., Available from: Alfred Ultsch, Oct 21, 2014, Proof of Pareto's 80/20 law and Precise Limits for ABC-Analysis, https://www.researchgate.net/publication/228908722 (17.10. 2016).
• Ultsch A., Lötsch J., 2015, Computed ABC Analysis for rational selection of most informative variables in multivariate data, PLoS one, vol. 10, no. 6, s. e0129767. doi: 10.1371/ journal.pone.0129767.

Identyfikatory

DOI

10.15611/pn.2018.507.19