Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl
Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 2

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  modele predykcji bankructwa
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
|
|
nr 5
EN
The article aimed to identify the main symptoms of Próchnik’s bankruptcy risk. Próchnik announced its liquidation bankruptcy in 2018. Analysis and assessment of Próchnik’s risk of insolvency was based on the Polish models of bankruptcy prediction, and the study covered the activity of the company between 2010 and 2017. The most important identifid risk factors that determined Próchnik’s insolvency were loss of profiability, problems with financial liquidity, diminishing effectiveness of the management of the company’s assets, and poor structure of capital.
PL
Celem artykułu było wskazanie głównych symptomów ryzyka bankructwa spółki Próchnik, wobec której w 2018 r. ogłoszono upadłość likwidacyjną. Analizę i ocenę zagrożenia niewypłacalnością przeprowadzono na podstawie polskich modeli predykcji bankructwa. Badaniem objęto działalność przedsiębiorstwa w latach 2010–2017. Wśród najważniejszych zidentyfiowanych czynników ryzyka, które przesądziły o niewypłacalności spółki Próchnik, wskazano utratę rentowności, problemy z płynnością fiansową, malejącą efektywność zarządzania zasobami majątkowymi przedsiębiorstwa oraz niewłaściwą strukturę kapitałową.
2
Content available remote Przewidywanie upadłości firm w przemyśle chemicznym
84%
PL
W celu dokonania oceny ryzyka upadłości zgromadzono 3631 sprawozdań finansowych nieupadłych firm chemicznych (spośród których 2776 było prosperujących i 855 znajdowało się w szarej strefie) oraz 621 sprawozdań finansowych upadłych firm chemicznych. Metodą lasu losowego opracowano kostkę danych dotyczących upadłości w przemyśle chemicznym. Łączyła ona modele Altmana, Neumaiersa i Tafflera. Kostka danych dotyczących upadłości w przemyśle chemicznym osiągnęła dokładność na poziomie 88% dla modelu 3-klasowego w zbiorze danych testowych, co stanowiło najwyższą uzyskaną dokładność spośród wszystkich testowanych modeli.
EN
To assess bankruptcy possibilities, financial statements of 3631 non-bankrupt chem. companies (out of which were 2776 prosperous and 855 grey-zone ones) and 621 bankrupt chem. companies were collected. The chem. bankruptcy cube was developed by random forest method by combining the Altman, Neumaiers and Taffler models. Chem. bankruptcy cube achieved accuracy of 88% for three-class model on testing dataset which was the highest among all tested models.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.