Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "financial models" wg kryterium: Temat


Wyświetlanie 1-3 z 3
Tytuł:
Prezentacja going concern concept w sprawozdaniach finansowych
Autorzy:
Fenyves, Veronika
Orbán, Ildiko
Bács, Zoltán
Böcskei, Elvira
Powiązania:
https://bibliotekanauki.pl/articles/950378.pdf
Data publikacji:
2015
Wydawca:
Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
Tematy:
responsible behaviour
financial reports
going concern concept
corporate life-cycle models
Opis:
Are the Hungarian and international financial statements drawn up annually suitable to indicate problems, possibly to inform those involved about the declining phase of an enterprise? The information demand of the different market operators is divergent, thus the question is whether the corporate management, possibly the owners place some emphasis on providing adequate information. The global economic, social and environmental changes have increasingly motivated the corporations to demonstrate a responsible behaviour for their indirect and direct environment. But what does responsible employer behaviour, also known as CSR (Corporate Social Responsibility), mean? We would like to draw attention to a particular, broad interpretation of responsibility-taking which shall be presented in the statements, as well as in the business report not forming part of the statement. We examine the issue of social responsibility in a specific perspective in which there is emphasis on, beside the corporate lifecycle models, the information content of the Hungarian and international financial statements and the content of another report made, which is not part of the statement. By paralleling the additional appendix and the other reports, the aim of our research is to draw attention to whether the content of the enterprises’ statements does not comply with the legal regulations so then one of the most important accounting principles i.e. the going concern principle, which the other principles are built on, will (or can) be infringed. Beyond the addressees of accounting, the authors point out the issue of social responsibility based on those similarities which can be observed in the relation system of the value-oriented corporate management.
Źródło:
Financial Sciences. Nauki o Finansach; 2015, 4(25); 24-38
2080-5993
2449-9811
Pojawia się w:
Financial Sciences. Nauki o Finansach
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The Polish contribution to financial econometrics. A review of methods and applications
Polski wkład w ekonometrię finansową. Przegląd metod i zastosowań
Autorzy:
Osińska, Magdalena
Powiązania:
https://bibliotekanauki.pl/articles/425108.pdf
Data publikacji:
2016
Wydawca:
Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
Tematy:
financial econometrics
volatility models
risk measures
extreme value theory
microstructure
behavioral information
Opis:
Since 1982 the term “financial econometrics” has been present in the enormous literature that covers both methodologies and empirical analyses of the processes observed on the financial markets. The purpose of the presented paper is to indicate the milestones in financial econometrics and their usefulness and to show the contribution of the research from Poland into its development. ‘Pure’ financial econometrics methods are of special interest. The paper is directed at reviewing the recent methodologies and their applications. We focused on the contribution of Polish researchers into financial econometrics over the years, considering both the methodology and the applications. Some of the indicated publications are cited quite often, including international quotations, others are not very popular due to the language of the publication or the local reach of the journal, although many of them can be considered in line with the achievements that are presented in international empirical publications.
Źródło:
Econometrics. Ekonometria. Advances in Applied Data Analytics; 2016, 4 (54); 9-35
1507-3866
Pojawia się w:
Econometrics. Ekonometria. Advances in Applied Data Analytics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Synthetic Financial Data: A Case Study Regarding Polish Limited Liability Companies Data
Syntetyczne dane finansowe: studium przypadku dla danych polskich spółek z ograniczoną odpowiedzialnością
Autorzy:
Szymura, Aleksandra
Powiązania:
https://bibliotekanauki.pl/articles/38890071.pdf
Data publikacji:
2024
Wydawca:
Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
Tematy:
synthetic data
generative models
financial data
CTGAN
TVAE
dane syntetyczne
modele generatywne
dane finansowe
Opis:
Aim: The aim of this article is to present and evaluate the concept of synthetic data. They are completely new, artificially generated data, but keep the statistical properties of real data. Due to the statistical similarity with real data, they can be used instead of them. This action allows data to be shared externally while guaranteeing their privacy. Methodology: New datasets were generated based on financial information about Polish limited liability companies, which come from the Orbis database and refers to 2020. To create synthetic data, it was decided to use generative models: CTGAN (based on GAN architecture) and TVAE (based on autoencoders). Finally, the synthetic data were compared with the real ones in terms of statistical properties (e.g. shape of distributions, correlations etc.) and their applicability to machine learning models (PCA method). Results: The Overall Quality Score was higher for the data generated by TVAE, but after examining the results in more detail, it was seen that the data generated by CTGAN had a better quality in terms of keeping the statistical properties of the real data. Comparing the results of the PCA method, TVAE was better than CTGAN. In addition, the TVAE method was less time-consuming than CTGAN. Implications and recommendations: Before publishing the synthetic data externally, it is recommended that the data are generated using several algorithms, evaluating their final results and finally selecting the best option. This action enables the resulting dataset to be of the highest quality. In further research, it is proposed that other algorithms are tested (e.g. CopulaGAN or TableGAN), in an attempt to deal with some of the realistic data problems that were missed in this analysis, such as missing values (the work was carried out with a complete dataset). Data generated in this study may be used to build financial indicators; which in turn could be used to construct company assessment models. Originality/value: Synthetic data help to deal with some of the data limitations, such as data privacy or scarcity. Due to their statistical similarity with real data, it is possible to use them in advanced machine learning methods instead of real datasets. Analysis on high quality synthetic data allows conclusions similar to analysis on real data to be achieved, while retaining privacy and without publishing sensitive data to third parties.
Cel: Celem artykułu jest prezentacja i ocena koncepcji danych syntetycznych. Są to całkowicie nowe, sztucznie wygenerowane dane, ale zachowujące własności statystyczne danych rzeczywistych. Ze względu na ich statystyczne podobieństwo do danych rzeczywistych mogą być wykorzystywane zamiast nich. Pozwala to na udostępnianie danych na zewnątrz z jednoczesnym zagwarantowaniem ich prywatności. Metodyka: Nowe zbiory wygenerowano na bazie informacji finansowych polskich spółek z ograniczoną odpowiedzialnością. Wszystkie potrzebne dane wejściowe pochodzą z bazy Orbis i dotyczą 2020 roku. Do tworzenia danych syntetycznych zdecydowano się wykorzystać modele generatywne: CTGAN (oparte na architekturze GAN) i TVAE (oparte na autoenkoderach). Finalnie porównano otrzymane dane syntetyczne z rzeczywistymi pod kątem własności statystycznych (np. podobieństwo rozkładów, korelacje) oraz ich możliwości zastosowania w analizie danych (PCA). Wyniki: Ogólny wskaźnik oceny jakości danych był wyższy dla danych wygenerowanych metodą TVAE, ale zagłębiając się w szczegóły, stwierdzono, że dane wygenerowane metodą CTGAN są lepszej jakości pod względem zachowania własności statystycznych w stosunku do danych rzeczywistych. Po porównaniu wyników metody PCA ponownie stwierdzono, że TVAE okazało się lepsze niż CTGAN. Dodatkowo metoda TVAE była mniej czasochłonna niż CTGAN. Implikacje i rekomendacje: Przed udostępnieniem danych syntetycznych na zewnątrz zaleca się wygenerowanie ich z wykorzystaniem kilku algorytmów, porównanie ich wyników końcowych, a następnie – na ich podstawie – wybranie jednej, najlepszej opcji. Takie działanie pozwoli na otrzymanie zbioru o najwyższej jakości. W przyszłych badaniach proponuje się sprawdzenie innych algorytmów (np. CopulaGAN lub TableGAN) oraz podjęcie próby poradzenia sobie z rzeczywistymi problemami występującymi w danych, które zostały pominięte w tej analizie, jak np. występowanie braków danych (w tym artykule pracowano na kompletnym zbiorze danych). Dane wygenerowane w tym badaniu mogą być wykorzystane do budowy wskaźników finansowych, które z kolei mogą być później zastosowane w tworzeniu modeli oceny przedsiębiorstw. Oryginalność/wartość: Dane syntetyczne pomagają przezwyciężyć liczne ograniczenia, jak np. prywatność danych czy ich niedobór. Ze względu na ich statystyczne podobieństwo do danych rzeczywistych możliwe jest użycie ich w zaawansowanych modelach uczenia maszynowego zamiast danych rzeczywistych. Analiza na dobrych jakościowo danych syntetycznych pozwala na osiągnięcie podobnych wniosków co analiza przeprowadzana na danych rzeczywistych, z zachowaniem przy tym prywatności danych, bez udostępniania danych wrażliwych osobom trzecim.
Źródło:
Econometrics. Ekonometria. Advances in Applied Data Analytics; 2024, 28, 2; 1-17
1507-3866
Pojawia się w:
Econometrics. Ekonometria. Advances in Applied Data Analytics
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-3 z 3

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies