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 "Dzik-Walczak, Aneta" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-2 z 2
    Tytuł:
    Do the financially constrained firms lease the asset? Evidence from Polish listed enterprises
    Autorzy:
    Dzik-Walczak, Aneta
    Kubiak, Monika
    Powiązania:
    https://bibliotekanauki.pl/articles/2084917.pdf
    Data publikacji:
    2021-12-30
    Wydawca:
    Wyższa Szkoła Finansów i Zarządzania w Białymstoku
    Tematy:
    leasing kapitałowy
    finansowanie
    spółki giełdowe
    Opis:
    W artykule zbadano determinanty wykorzystania leasingu kapitałowego. Badanie prowadzono dla polskich spółek giełdowych w latach 2010-2016. Analiza opiera się na danych z bazy EMIS. Zweryfikowano, czy ograniczenia finansowe wpływają na wybór finansowania przez firmę. Wskazano, iż korzystanie z leasingu jest silnie związane z ograniczeniami finansowymi. Skoncentrowano się na analizie struktury aktywów oraz wielkości firmy. W celu weryfikacji hipotez badawczych oszacowano model ekonometryczny za pomocą estymatora Prais-Wintena. Wskazano, iż mniejsze firmy w większym stopniu wykorzystują leasing kapitałowy. Dodatkowo zauważono, że firmy charakteryzujące niższym wskaźnikiem ryzyka oraz przedsiębiorstwa z ujemnym kapitałem własnym w większym stopniu finansują działalność leasingiem kapitałowym.
    Źródło:
    Przedsiębiorstwo & Finanse; 2021, 2; 31-42
    2084-1361
    Pojawia się w:
    Przedsiębiorstwo & Finanse
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modelling cross-sectional tabular data using convolutional neural networks: Prediction of corporate bankruptcy in Poland
    Autorzy:
    Dzik-Walczak, Aneta
    Odziemczyk, Maciej
    Powiązania:
    https://bibliotekanauki.pl/articles/1965119.pdf
    Data publikacji:
    2021-11-27
    Wydawca:
    Uniwersytet Warszawski. Wydział Nauk Ekonomicznych
    Tematy:
    convolutional neural networks
    machine learning
    simulation
    bankruptcy prediction
    financial indicators
    Opis:
    The paper deals with the topic of modelling the probability of bankruptcy of Polish enterprises using convolutional neural networks. Convolutional networks take images as input, so it was thus necessary to apply the method of converting the observation vector to a matrix. Benchmarks for convolutional networks were logit models, random forests, XGBoost, and dense neural networks. Hyperparameters and model architecture were selected based on a random search and analysis of learning curves and experiments in folded, stratified cross-validation. In addition, the sensitivity of the results to data preprocessing was investigated. It was found that convolutional neural networks can be used to analyze cross-sectional tabular data, especially for the problem of modelling the probability of corporate bankruptcy. In order to achieve good results with models based on parameters updated by a gradient (neural networks and logit), it is necessary to use appropriate preprocessing techniques. Models based on decision trees have been shown to be insensitive to the data transformations used.
    Źródło:
    Central European Economic Journal; 2021, 8, 55; 352-377
    2543-6821
    Pojawia się w:
    Central European Economic Journal
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-2 z 2

      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