Informacja

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

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "modele predykcji" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Identyfiacja symptomów ryzyka bankructwa przedsiębiorstwa na podstawie polskich modeli predykcji bankructwa – case study Próchnik S.A.
    Autorzy:
    Kuciński, Andrzej
    Powiązania:
    https://bibliotekanauki.pl/articles/610703.pdf
    Data publikacji:
    2018
    Wydawca:
    Uniwersytet Marii Curie-Skłodowskiej. Wydawnictwo Uniwersytetu Marii Curie-Skłodowskiej
    Tematy:
    enterprise bankruptcy
    bankruptcy prediction models
    enterprise
    upadłość przedsiębiorstwa
    modele predykcji bankructwa
    przedsiębiorstwo
    Opis:
    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.
    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.
    Źródło:
    Annales Universitatis Mariae Curie-Skłodowska, sectio H – Oeconomia; 2018, 52, 5
    0459-9586
    Pojawia się w:
    Annales Universitatis Mariae Curie-Skłodowska, sectio H – Oeconomia
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Predicting bankruptcy of agriculture companies : validating selected models
    Prognozowanie upadłości spółek rolnych : weryfikacja wybranych modeli
    Autorzy:
    Karas, M.
    Reznakova, M.
    Pokorny, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/406121.pdf
    Data publikacji:
    2017
    Wydawca:
    Politechnika Częstochowska
    Tematy:
    bankruptcy prediction models
    ROC curves
    agriculture
    modele predykcji bankructwa
    krzywe ROC
    rolnictwo
    Opis:
    Many bankruptcy prediction models have been published so far, most of them were especially designated for the manufacturing companies. According to several studies, these models are inappropriate for other industries, as such application would be connected with a significantly lower accuracy than could be expected. The aim of this paper is to analyse the current accuracy of four traditional bankruptcy prediction models in the field of agriculture. The results showed that these models are less accurate in this field in comparison with the original results. This motivates the effort of deriving new models that would be specially developed for agriculture business.
    Dotychczas opublikowano wiele modeli predykcji bankructwa, większość została przeznaczona dla firm produkcyjnych. Według badań, modele te są nieodpowiednie dla innych gałęzi przemysłu, ponieważ takie zastosowanie wiązałoby się ze znacznie niższą dokładnością, niż można byłoby się spodziewać. Celem niniejszego artykułu jest analiza aktualnej dokładności czterech tradycyjnych modeli predykcji bankructwa w rolnictwie. Wyniki wykazały, że modele te są mniej dokładne w tej dziedzinie w porównaniu z pierwotnymi wynikami. Motywuje to wysiłek do wyprowadzania nowych modeli, które zostałyby specjalnie opracowane dla przedsiębiorstw rolniczych.
    Źródło:
    Polish Journal of Management Studies; 2017, 15, 1; 110-120
    2081-7452
    Pojawia się w:
    Polish Journal of Management Studies
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Przewidywanie upadłości polskich przedsiębiorstw - zastosowanie analizy dyskryminacyjnej. Wyniki badań pilotażowych
    Bankruptcy Prediction of Polish Companies -The Application of Discriminant Analysis. Results of Pilot Studies
    Autorzy:
    Kokczyński, Bernard
    Powiązania:
    https://bibliotekanauki.pl/articles/35097258.pdf
    Data publikacji:
    2023
    Wydawca:
    Uniwersytet Gdański. Wydział Ekonomiczny
    Tematy:
    bankruptcy prediction models
    forecasting corporate bankruptcy
    bankruptcy
    corporate finance
    early warning systems
    modele predykcji bankructwa
    prognozowanie upadłości przedsiębiorstw
    bankructwo
    finanse przedsiębiorstw
    systemy wczesnego ostrzegania
    Opis:
    Celem artykułu jest prezentacja wyników wstępnych badań z zakresu modeli predykcji bankructwa oraz porównanie metod doboru zmiennych do modelu. Czy modele oparte na zmiennych eliminowanych na podstawie siły wzajemnej korelacji cechują się lepszą predykcją, niż modele ze zmiennymi dobranymi arbitralnie. Problem bankructwa w gospodarce jest szczególnie istotny w warunkach kryzysu gospodarczego. Według raportu PIE Polskę i pozostałe gospodarki Unii Europejskiej czeka wyraźne spowolnienie w roku 2023. Liczba upadłości przedsiębiorstw w Polsce w IV kwartale 2022 roku wyniosła 112 i była o 28,7% większa niż w analogicznym okresie roku poprzedniego, według raportu GUS. Metodą stosowaną w badaniach była analiza dyskryminacyjna. W 6 modelach wskaźniki do budowy funkcji dyskryminacyjnej zostały dobrane za pomocą eliminacji najbardziej skorelowanych zmiennych. W 4 modelach wskaźniki zostały wybrane arbitralnie. W wyniku przeprowadzonych badań ustalono, że metody statystyczne doboru zmiennych do modeli, są skuteczniejsze od arbitralnego wyboru zmiennych. Najlepszą predykcją cechowały się modele oparte na danych na rok przed bankructwem. W próbie testowej modele prawidłowo sklasyfikowały 62,5% niebankrutów i 87,5% bankrutów. Ponadto dokonano analizy porównawczej błędnie zaklasyfikowanych podmiotów przez modele. Ustalono, że modele błędnie klasyfikowały te same przedsiębiorstwa. Może to świadczyć o nietypowych przypadkach, które przy niewielkiej bazie danych mają wysoki udział procentowy w błędach klasyfikacji.
    The aim of the article is to present preliminary research results in the field of bankruptcy prediction models and compare methods of variable selection for the model. Whether models based on variables eliminated based on mutual correlation show better prediction than models with arbitrarily selected variables. The problem of bankruptcy in the economy is particularly significant in times of economic crisis. According to the PIE report, Poland and other European Union economies are expected to experience a clear slowdown in 2023. The number of corporate bankruptcies in Poland in the fourth quarter of 2022 amounted to 112, which was 28.7% higher than in the corresponding period of the previous year, according to the GUS report. Discriminant analysis was the method used in the research. In 6 models, indicators for constructing the discriminant function were selected by eliminating the most correlated variables. In 4 models, indicators were chosen arbitrarily. The conducted research revealed that statistical methods of variable selection for models are more effective than arbitrary selection of variables. The best prediction was observed in models based on data one year before bankruptcy. In the test sample, the models correctly classified 62.5% of non-bankrupt companies and 87.5% of bankrupt companies. Additionally, a comparative analysis of misclassified entities by the models was conducted. It was found that the models misclassified the same companies. This may indicate atypical cases that, with a small database, have a high percentage share in classification errors.
    Źródło:
    Współczesna Gospodarka; 2023, 17, 2 (41); 81-94
    2082-677X
    Pojawia się w:
    Współczesna Gospodarka
    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