The using of fuzzy-neural system to monitoring and control of liquidity in a small business

• Autorzy: Relich M.

Warianty tytułu

PL

Wykorzystanie systemu rozmyto-neuronowego do monitorowania i sterowania płynnością finansową w małym przedsiębiorstwie

• Języki publikacji: PL

Abstrakty

PL

W pracy przedstawiono podejście szacowania płynności finansowej z wykorzystaniem technik drążenia danych. Monitorowanie i sterowanie płynnością finansową odbywa się w oparciu o bazę reguł rozmytych generowaną przez system rozmyto-neuronowy. Sterowanie płynnością finansową następuje poprzez zmiany w obszarze należności, zobowiązań oraz zapasów. Czas potrzebny na wystąpienie skutków tych zmian oraz korzyści i koszty z nimi związane są podstawą wielokryterialnego systemu sterowania płynnością.

EN

This paper presents the monitoring of liquidity in a small business with the application the data mining techniques. It is an alternative approach as compared to the ones that have been applied so far. In proposed approach used the fuzzy-neural system, that sought the relations in data base of enterprise. The example presented in this paper relates the estimation a delay in accounts receivable payment. There was led to the comparison of the conventional approach results with the proposed approach results. Additional on the base the sought rules, there may try improve the liquidity level.

Słowa kluczowe

PL

przedsiębiorstwo; płynność finansowa; system rozmyto-neuronowy

EN

small enterprises; control of liquidity; fuzzy-neural system

• Wydawca: University of Zielona Góra, Faculty of Economics and Management
• Czasopismo: Management
• Rocznik: 2008
• Tom: Vol. 12, no 1
• Strony: 295--305
• Opis fizyczny: Bibliogr. 12 poz., tab.

Twórcy

autor

Relich M.

• Uniwersytet Zielonogórski, Wydział Ekonomii i Zarządzania

Bibliografia

• 1. Badiru A. B., Cheung J.Y. (2002), Fuzzy engineering expert systems with neural network applications, John Wiley & Sons, New York.
• 2. Davies T., Pain B. (2002), Business accounting and finance, McGraw Hill. London.
• 3. Gardin F., Power R., Martinelli E. (1995), Liquidity management with fuzzy qualitative constraints, Decision Support Systems, vol. 15, no. 2, pp. 147-156.
• 4. Henderson J. W., Maness T. S. (1989), The Financial Analyst's Deskbook: A Cash Flow Approach to Liquidity, Van Nostrand Reihold, New York.
• 5. Mramor D., Valentincic A (2003), Forecasting the liquidity of very small private companies, Journal of Business Venturing, vol. 18, no. 6, pp. 745-771.
• 6. Nelles O. (2001), Nonlinear system identification: from classical approaches to neural networks and fuzzy models, Springer- Verlag, Berlin.
• 7. Pal S., Mitra S. (1999), Neuro-Fuzzy Pattern Recognition, John Wiley & Sons, New York.
• 8. Relich M. (2006), Liquidity management in a small enterprise by the application of reverse approach. Management 2006, vol. 10. no. 2, pp. 129-137.
• 9. Relich M., Kluge P.D., Ważna L. (2007a), The application of data mining techniques to the cash flow planning in SME, Contemporary problems in enterprise management, ed. Lewandowski J., pp. 66-73, Media Press, Łódź.
• 10. Relich M., Witkowski K., Ważna L. (2007b), The application of constraint programming to building the tool of liquidity planning in enterprise, Management 2007, vol. 11. no. 1, pp. 121-130.
• 11. Smith K. A, Gupta J. N. (2000), Neural networks in business: techniqueus and application for the operations researcher, Computers & Operations Research 27, pp. 1023-1044.
• 12. Tarazzo M., Gutierrez L. (2000), Economic expectations fuzzy sets and financial planning, European Journal of Operational Research 126, pp. 89-105.