Wyniki wyszukiwania - Biblioteka Nauki

1

Extreme gradient boosting method in the prediction of company bankruptcy

100%

Pawełek B.

|

tom 20

|

nr 2

155-171

EN

Machine learning methods are increasingly being used to predict company bankruptcy. Comparative studies carried out on selected methods to determine their suitability for predicting company bankruptcy have demonstrated high levels of prediction accuracy for the extreme gradient boosting method in this area. This method is resistant to outliers and relieves the researcher from the burden of having to provide missing data. The aim of this study is to assess how the elimination of outliers from data sets affects the accuracy of the extreme gradient boosting method in predicting company bankruptcy. The added value of this study is demonstrated by the application of the extreme gradient boosting method in bankruptcy prediction based on data free from the outliers reported for companies which continue to operate as a going concern. The research was conducted using 64 financial ratios for the companies operating in the industrial processing sector in Poland. The research results indicate that it is possible to increase the detection rate for bankrupt companies by eliminating the outliers reported for companies which continue to operate as a going concern from data sets.

2

Prognozowanie bankructwa a koniunktura gospodarcza

63%

Pawełek B. , Pociecha J.

Zeszyty Naukowe Uniwersytetu Ekonomicznego w Krakowie

|

2011

|

nr 873

5-27

EN

The paper presents the problem of predicting bankruptcy in changing business cycles. A firm’s bankruptcy risk depends on the quality of management, the firm’s efficiency and other internal microeconomic factors as well as on macroeconomic external factors, which the business cycle is one measure of. Classical bankruptcy prediction models have focused on only internal factors in the form of financial ratios. Our main conclusion is that some measures of the business cycle situation should be included in bankruptcy prediction models. Our research shows that there are significant links between firm bankruptcies and the business cycle, and that the global economic situation strongly affects the risk of bankruptcy. Some regional and sectoral differences in bankruptcy risk are also evident in the Polish economy. Our research has allowed us to created bankruptcy prediction models that use business cycle synthetic measures.

3

The Use of Structural Equation Modelling to Select Financial Indicators for a Bankruptcy-prediction Model

63%

Pawełek B. , Pociecha J.

Argumenta Oeconomica Cracoviensia

|

2015

|

nr 12

9-25

EN

The classical tool of bankruptcy prediction is the multivariate discriminant Altman model. The aim of this paper is to present a proposal for the use of structural equation modelling (SEM) to select financial indicators for an Altman-type bankruptcy prediction model. Financial factors, as diagnostic variables in bankruptcy prediction models, are not in fact directly measurable variables, and they ought to be recognised as latent variables described by various measured financial indicators. So it is possible to use a structural equation modelling (SEM) approach for this purpose. A path diagram in terms of SEM for the Altman model is presented. Based on this diagram, three variants of SEM models for the general Altman model are estimated. The essential problem tackled in this paper is how to appropriately select non-bankrupt firms. Matching pair sample selection methods are applied. The non-bankrupt firms are from the same branch of industry and are similar in size. The major objective of our methodological proposal to use a general SEM model to study corporate bankruptcy is to overcome the difficulties in the modelling of bankruptcy risk through the use of previously-applied methods.

PL

Klasycznym narzędziem prognozowania bankructwa jest model Altmana w postaci wielowymiarowej funkcji dyskryminacyjnej. Celem pracy jest przedstawienie propozycji wykorzystania modeli równań strukturalnych (SEM) do wyboru wskaźników finansowych predykcji bankructwa w modelu typu Altmana. Czynniki finansowe, jako zmienne diagnostyczne w modelach prognozowania bankructwa, nie są zmiennymi bezpośrednio i jednoznacznie mierzalnymi, mogą więc być traktowane jako zmienne ukryte, opisywane przez różnie definiowane wskaźniki finansowe. Możliwe jest zatem wykorzystanie metodologii SEM. W pracy przedstawiono wykres ścieżkowy, w kategoriach SEM, dla modelu Altmana. Wychodząc od tego diagramu, zaproponowano trzy warianty SEM dla uogólnionego modelu Altmana, estymując ich parametry. Głównym problemem rozważanym w pracy jest właściwy wybór firm niebankrutów do próby bankrutów. Zastosowano tutaj metodę parowania, wybierając firmy z tej samej branży i podobnej wielkości. Przedstawiona propozycja wykorzystania modeli równań strukturalnych do badania bankructwa firm pozwala przezwyciężyć trudności modelowania ryzyka bankructwa, jakie pojawiają się przy stosowaniu dotychczasowych metod.

4

Podejście wielomodelowe w prognozowaniu zagrożenia przedsiębiorstw upadłością w Polsce

63%

Pawełek B. , Grochowina D.

|

nr 468

171-179

PL

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.