Application of Discriminant Analysis and Neural Networks to Forecasting the Financial Standing of Farms

• Autorzy: Joanna Kisielińska

Warianty tytułu

Wykorzystanie analizy dyskryminacyjnej oraz sieci neuronowych do prognozowania sytuacji finansowej gospodarstw rolniczych z uwzględnieniem czasu

• Języki publikacji: EN

Abstrakty

EN

The aim of the research was to determinate a linear discriminant function and neural network that could be applied for financial situation forecasting in polish farms sector. The construction of discriminant models was based on set of financial indicators and the classification criterion was based on the private farm's income. The investigated population was divided into two equal groups with respect to the median value of income. The data was gathered in the period of several years that allowed examine the influence of the time on the quality of discriminant models. Also the set of indicators with large forecasting ability was determined. The data used for the discriminant models was sourced from private farms keeping farm accountancy under auspices the Institute of Agricultural and Food Economics in the years 1992-2002. The calculations was made with help of STATISTICA and data analysis with Excel using VISUAL BASIC FOR APPLICATION. (original abstract)

Celem prezentowanych badań było wyznaczenie liniowej funkcji dyskryminacyjnej oraz sieci neuronowej do tworzenia prognoz sytuacji finansowej gospodarstw rolniczych. Podstawę, konstrukcji modeli dyskryminacyjnych stanowił zestaw wskaźników finansowych, natomiast kryterium klasyfikacji oparte zostało na dochodzie rolniczym. Badaną zbiorowość podzielono na dwie równoliczne klasy. Gospodarstwa osiągające dochód rolniczy mniejszy od mediany (gospodarstwa słabe) zaliczano do klasy I, natomiast o dochodzie od niej większym (gospodarstw dobre) do II. Taki dobór kryterium klasyfikacji wynika z tego, że w przypadku gospodarstw rolniczych problem bankructwa praktycznie nie występuje, wobec czego nie można dla nuli budować typowych modeli ostrzegawczych. Analizy przeprowadzono na podstawie danych pochodzących z kilku lat, co pozwoliło im zbadanie wpływu czasu na jakość uzyskanych modeli dyskryminacyjnych. Chodziło o sprawdzenie, czy model zbudowany dla jednego roku można będzie wykorzystać w lalach kolejnych. Cel dodatkowy polegał na określeniu wskaźników finansowych o największych zdolnościach prognostycznych, czyli takich, których wpływ na wartość funkcji dyskryminacyjnej jest najistotniejszy. Modele dyskryminacyjne utworzono w oparciu o wyniki finansowe gospodarstw rolniczych prowadzących rachunkowość rolną pod kierunkiem Instytutu Ekonomiki Rolnictwa i Gospodarki Żywnościowej w latach 1992-2001. Do obliczeń wykorzystany został pakiet STATISTICA, natomiast obróbkę danych i analizę wyników wykonano w arkuszu kalkulacyjnym EXCEL wykorzystując język VISUAL BASIC FOR APPLICATION. (abstrakt oryginalny)

Słowa kluczowe

EN

Discriminant analysis; Neural networks; Forecasting; Arable farm; Financial performance

PL

Analiza dyskryminacyjna; Sieci neuronowe; Prognozowanie; Gospodarstwa rolne; Wynik finansowy

• Czasopismo: Acta Universitatis Lodziensis. Folia Oeconomica
• Rocznik: 2009
• Tom: 225 Methodological Aspects and Applications of Multivariate Statistical Analysis
• Strony: 283--294

Twórcy

autor

Joanna Kisielińska

• Warsaw University Life Sciences - SGGW

Bibliografia

• Atman E. I. (1968), Financial ratios, discriminant analysis and the prediction of corporate bankruptcy, "Journal of Finance", 23.
• Altman E. I., Giancarlo M., Varetto F. (1994), Corporate distress diagnostic: comparison using linear discriminant analysis and neural networks (the Italian experience), "Journal of Banking and Finance", 18.
• Hadasik D. (1998), Upadłość przedsiębiorstw w Polsce i metody jej prognozowania, Wydawnictwo Akademii Ekonomicznej w Poznaniu, Poznań.
• Harmol M., Czajka B., Piechocki A. (2004), Analiza dyskryminacyjna. Przegląd najważniejszych modeli, "Przegląd Organizacji", 4.
• Hołda A. (2001), Prognozowanie bankructwa jednostki w warunkach gospodarki polskiej z wykorzystaniem funkcji dyskryminacyjnej ZH, "Rachunkowość", 5.
• Kisielińska J. (2004), Wykorzystanie liniowej funkcji dyskryminacyjnej oraz sieci neuronowych do prognozowania kondycji finansowej gospodarstw rolniczych, "Przegląd Statystyczny", 2, 51.
• Kulawik J. (1995), Wskaźniki finansowe i ich systemy w zarządzaniu gospodarstwami rolniczymi, Studia i monografie, z. 72, lERiGŻ, Warszawa.
• Mączyńska E. (2004), Systemy wczesnego ostrzegania, "Nowe Życie Gospodarcze", 12.
• Olko-Bagieńska T., Ziętara W. (1995), Materiały do ćwiczeń z organizacji i ekonomiki gospodarstw rolniczych, Wydawnictwo SGGW, Warszawa.
• Rachunek ekonomiczny i analiza finansowa w przedsiębiorstwie rolniczym, Warszawa 1994.
• Staniec I. (2004), Analiza dyskryminacyjna w ocenie wiarygodności kredytobiorców, "Taksonomia", 11.
• Witkowska D., Staniec I. (2002), Dychotomiczna klasyfikacja kredytobiorców przy utyciu wielowymiarowej analizy dyskryminacyjnej, "Acta Universitatis Lodzensis", Folia Oeconomica 156.
• Wyszkowska Z. (1996), Wybrane elementy wskaźnikowej analizy finansowej na przykład: w przedsiębiorstw rolniczych, ART, Bydgoszcz.
• Yang Z. R., Platt M. B., Platt H. D. (1999), Probabilistic neural networks in bankruptcy prediction, "Journal of Business Research", 44.
• Zalewska M. (2002), Ocena ekonomiczno-finansowa przedsiębiorstwa przez analityka bankowego, Szkoła Główna Handlowa, Warszawa.