EconStor >
Humboldt-Universität zu Berlin >
Sonderforschungsbereich 649: Ökonomisches Risiko, Humboldt-Universität Berlin >
SFB 649 Discussion Papers, HU Berlin >

Please use this identifier to cite or link to this item:

http://hdl.handle.net/10419/25216
  
Title:Ein Vergleich des binären Logit-Modells mit künstlichen neuronalen Netzen zur Insolvenzprognose anhand relativer Bilanzkennzahlen PDF Logo
Authors:Franken, Ronald
Issue Date:2007
Series/Report no.:SFB 649 discussion paper 2007,044
Abstract:Die Prognose der Insolvenzgefährdung von Unternehmen anhand statistischer Methodik war und ist eine bedeutende Aufgabe empirischer Forschung. Eine Möglichkeit der Beurteilung der finanziellen bzw. wirtschaftlichen Verfassung von Unternehmen stellt die sog. externe Bilanzanalyse anhand verschiedener relativer Kennzahlen(-systeme) dar, welche aus den veröffentlichten Jahresabschlüssen von Kapitalgesellschaften abgeleitet werden können. In der aktuellen Praxis der empirischen Insolvenz- und Risikoforschung ist nach wie vor die klassische parametrische Methode der binären logistischen Regression weit verbreitet. In der jüngsten Vergangenheit haben jedoch neue Methoden der statistischen Lerntheorie, die aus den Methoden des maschinellen Lernens hervorgegangen sind, zunehmend an Bedeutung erlangt. In der vorliegenden Arbeit wird ein künstliches Netu zur Insolvenzklassifikation anhand relativer Bilanzkennzahlen entwickelt und mit den Ergebnissen der logistischen Regressionsanalyse verglichen und evaluiert.
Subjects:Insolvenzprognose
externe Bilanzanalyse
Künstliche Neuronale Netze : Binäres Logit-Modell
logistische Regression
JEL:C45
G32
G33
Document Type:Working Paper
Appears in Collections:SFB 649 Discussion Papers, HU Berlin

Files in This Item:
File Description SizeFormat
558561047.PDF615.43 kBAdobe PDF
No. of Downloads: Counter Stats
Download bibliographical data as: BibTeX
Share on:http://hdl.handle.net/10419/25216

Items in EconStor are protected by copyright, with all rights reserved, unless otherwise indicated.