Пошук академічних текстів

Інформація × Реєстраційний номер 2120U001240, Матеріали видань та локальних репозитаріїв Категорія Стаття Назва роботи Innovations in Financial Management: Recursive Prediction Model Based on Decision Trees Автор Дата публікації 01-01-2020 Постачальник інформації Сумський державний університет Першоджерело https://essuir.sumdu.edu.ua/handle/123456789/80027 Видання Sumy State University Опис У статті проаналізовано ефективність інновацій у фінансовому менеджменті підприємства. Авторами зазначено, що банкрутство є одним із наслідків не ефективного фінансового менеджменту компанії. При цьому менедджмент компанії піж час розроблення системи фінансових інтсрументів поивинен враховувати наявні зовнішні та внутрішні ризики діяльності ккомпанії. У статті розглянуто алгоритм дерева рішень, як один із найбільш інтуїтивних методів збору даних, який можна використовувати для прогнозування ймовірності настання фінансових ризиків. Результати систематизації наукового доробку за даним напрямом засвідчили, що експерти використовують дерево рішень у якості інноваційного інструменту фінансового менеджменту. Статтю присвячено аналізу можливостей застосування алгоритму дерева рішень для створення моделі прогнозування банкрутсва компанії. Авторами розроблено комплексну модель прогнозування фінансової бідності підприємств на основі дерева рішень з використанням алгоритму CART. Для формування моделі прогнозування використано дані 2 359 731 підприємств (30% від загальної суми) із 17 країн, а саме: Словаччини, Чехії, Польщі, Угорщини, Румунії, Болгарії, Литви, Латвії, Естонії, Словенії, Хорватії, Сербії, Росії, України, Білорусії, Чорногорії та Македонії. При цьому зазначено, що 1 802 027 компанфї є процвітаючими та 557 704 – не прибутковими. Статистичні дані згенеровано з бази даних Amadeus. Вхідними змінними моделі обрано 24 фінансові показники, 3 допоміжні змінні та дані про ВВП країн у 2015 та 2016 роках. Вибірку для розроблення моделі сформовано на основі даних 80% підприємств, тоді як дані 20% – для її тестування. Отримана модель дозволилаа класифікувти 93,2% підприємств як процвітаючі та 83,5% – не прибуткові. Авторами наголошено, що запропонована модель прогнозування є придатною для класифікації підприємств за рівнем ефекткивності їх діяльності на зростаючих ринках. Issue of enterprise financial distress represents the actual and interdisciplinary topic for the economic community. The bankrupt is thus one of the major externalities of today’s modern economies, which cannot be avoided even with every effort. Where there are investment opportunities, there are individuals and businesses that are willing to assume their financial obligations and the resulting risks to maintain and develop their standard of living or their economic activities. The decision tree algorithm is one of the most intuitive methods of data mining which can be used for financial distress prediction. Systematization literary sources and approaches prove that decision trees represent the part of the innovations in financial management. The main propose of the research is a possibility of application of a decision tree algorithm for the creation of the prediction model, which can be used in economy practice. Paper main aim is to create a comprehensive prediction model of enterprise financial distress based on decision trees, under the conditions of emerging markets. Paper methods are based on the decision tree, with emphasis on algorithm CART. Emerging markets included 17 countries: Slovak Republic, Czech Republic, Poland, Hungary, Romania, Bulgaria, Lithuania, Latvia, Estonia, Slovenia, Croatia, Serbia, Russia, Ukraine, Belarus, Montenegro and Macedonia. Paper research is focused on the possibilities of implementation of decision tree algorithm for creation of prediction model in the condition of emerging markets. Used data contained 2,359,731 enterprises from emerging markets (30% of total amount); divided into prosperous enterprises (1,802,027) and non-prosperous enterprises (557,704); obtained from Amadeus database. Input variables for model represented 24 financial indicators, 3 dummy variables and countries GDP data, in the years 2015 and 2016. The 80% of enterprises represented training sample and 20% test sample, for model creation. The model correctly classified 93.2% of enterprises from both the training and test sample. Correctly classification of non-prosperous enterprises was 83.5% in both samples. The result of the research brings the new model for identification of bankrupt of enterprises. The created prediction model can be considered sufficiently suitable for classifying enterprises in emerging markets. Додано в НРАТ 2025-03-24 Закрити