Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Three-Dimensional Model of Signal Processing in the Presynaptic Bouton of the Neuron Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Company Bankruptcy Prediction with Neural Networks

verfasst von : Jolanta Pozorska, Magdalena Scherer

Erschienen in: Artificial Intelligence and Soft Computing

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Bankruptcy prediction is a very important issue in business financing. Raising availability of financial data makes it more and more viable. We use large data concerning the health of Polish companies to predict their possible bankruptcy in a relatively short period. To this end, we utilize feedforward neural networks.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Motivated Reinforcement Learning Using Self-Developed Knowledge in Autonomous Cognitive Agent
Nächstes Kapitel Soft Patterns Reduction for RBF Network Performance Improvement
Literatur
1.
Altman, E.I., Hotchkiss, E.: Corporate Financial Distress and Bankruptcy: Predict and Avoid Bankruptcy, Analyze and Invest in Distressed Debt, vol. 289. Wiley, Hoboken (2010)
2.
Atiya, A.F.: Bankruptcy prediction for credit risk using neural networks: a survey and new results. IEEE Trans. Neural Networks 12(4), 929–935 (2001)CrossRef
3.
Bartczuk, Ł., Łapa, K., Koprinkova-Hristova, P.: A new method for generating of fuzzy rules for the nonlinear modelling based on semantic genetic programming. In: Rutkowski, L., Korytkowski, M., Scherer, R., Tadeusiewicz, R., Zadeh, L.A., Zurada, J.M. (eds.) ICAISC 2016. LNCS (LNAI), vol. 9693, pp. 262–278. Springer, Cham (2016). https://​doi.​org/​10.​1007/​978-3-319-39384-1_​23CrossRef
4.
Bioch, J., Popova, V.: Bankruptcy prediction with rough sets. ERIM Report Series Research in Management ERS-2001-11-LIS, Erasmus Research Institute of Management (ERIM), ERIM is the joint research institute of the Rotterdam School of Management, Erasmus University and the Erasmus School of Economics (ESE) at Erasmus University Rotterdam, February 2001
5.
Bologna, G., Hayashi, Y.: Characterization of symbolic rules embedded in deep dimlp networks: a challenge to transparency of deep learning. J. Artif. Intell. Soft Comput. Res. 7(4), 265–286 (2017)CrossRef
6.
de Andrés, J., Landajo, M., Lorca, P.: Forecasting business profitability by using classification techniques: a comparative analysis based on a Spanish case. Eur. J. Oper. Res. 167(2), 518–542 (2005)MATHCrossRef
7.
du Jardin, P.: A two-stage classification technique for bankruptcy prediction. Eur. J. Oper. Res. 254(1), 236–252 (2016)CrossRef
8.
9.
Gorzalczany, M.B., Piasta, Z.: Neuro-fuzzy approach versus rough-set inspired methodology for intelligent decision support. Inf. Sci. 120(1), 45–68 (1999)CrossRef
10.
11.
Jensen, R., Cornelis, C.: Fuzzy-rough nearest neighbour classification and prediction. Theor. Comput. Sci. 412(42), 5871–5884 (2011). Rough Sets and Fuzzy Sets in Natural ComputingMathSciNetMATHCrossRef
12.
Kumar, P.R., Ravi, V.: Bankruptcy prediction in banks and firms via statistical and intelligent techniques - a review. Eur. J. Oper. Res. 180(1), 1–28 (2007)MATHCrossRef
13.
Łapa, K., Cpałka, K., Galushkin, A.I.: A new interpretability criteria for neuro-fuzzy systems for nonlinear classification. In: Rutkowski, L., Korytkowski, M., Scherer, R., Tadeusiewicz, R., Zadeh, L.A., Zurada, J.M. (eds.) ICAISC 2015. LNCS (LNAI), vol. 9119, pp. 448–468. Springer, Cham (2015). https://​doi.​org/​10.​1007/​978-3-319-19324-3_​41CrossRef
14.
Lin, F.Y., McClean, S.: A data mining approach to the prediction of corporate failure. Knowl.-Based Systems 14(3–4), 189–195 (2001)CrossRef
15.
Marquardt, D.W.: An algorithm for least-squares estimation of nonlinear parameters. J. Soc. Ind. Appl. Math. 11(2), 431–441 (1963)MathSciNetMATHCrossRef
16.
Mckee, T.E.: Developing a bankruptcy prediction model via rough sets theory. Int. J. Intell. Syst. Account. Financ. Manag. 9(3), 159–173 (2000)MathSciNetCrossRef
17.
Min, J.H., Lee, Y.C.: Bankruptcy prediction using support vector machine with optimal choice of kernel function parameters. Expert Syst. Appl. 28(4), 603–614 (2005)CrossRef
18.
Olson, D.L., Delen, D., Meng, Y.: Comparative analysis of data mining methods for bankruptcy prediction. Decis. Support Syst. 52(2), 464–473 (2012)CrossRef
19.
Scherer, M.: Waste flows management by their prediction in a production company. J. Appl. Math. Comput. Mech. 16, 135–144 (2017)CrossRef
20.
Scherer, M.: Multi-layer neural networks for sales forecasting. J. Appl. Math. Comput. Mech. 17, 61–68 (2018)MathSciNetCrossRef
21.
22.
Shin, K.S., Lee, T.S., Kim, H.J.: An application of support vector machines in bankruptcy prediction model. Expert Syst. Appl. 28(1), 127–135 (2005)CrossRef
23.
Tinoco, M.H., Wilson, N.: Financial distress and bankruptcy prediction among listed companies using accounting, market and macroeconomic variables. Int. Rev. Financ. Anal. 30, 394–419 (2013)CrossRef
24.
Villmann, T., Bohnsack, A., Kaden, M.: Can learning vector quantization be an alternative to SVM and deep learning? - recent trends and advanced variants of learning vector quantization for classification learning. J. Artif. Intell. Soft Comput. Res. 7(1), 65–81 (2017)CrossRef
25.
Zikeba, M., Tomczak, S.K., Tomczak, J.M.: Ensemble boosted trees with synthetic features generation in application to bankruptcy prediction. Expert Syst. Appl. 58, 93–101 (2016)CrossRef
Metadaten
Titel
Company Bankruptcy Prediction with Neural Networks
verfasst von
Jolanta Pozorska
Magdalena Scherer
Copyright-Jahr
2018
Buch
Artificial Intelligence and Soft Computing

Print ISBN: 978-3-319-91252-3

Electronic ISBN: 978-3-319-91253-0

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-91253-0_18