|
EconStor >
Humboldt-Universität 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
|
| | |
Full metadata record
| DC Field | | Value | | Language |
| dc.contributor.author | | Franken, Ronald | | en_US |
| dc.date.accessioned | | 2008-02-19 | | en_US |
| dc.date.accessioned | | 2009-07-23T14:44:59Z | | - |
| dc.date.available | | 2009-07-23T14:44:59Z | | - |
| dc.date.issued | | 2007 | | en_US |
| dc.identifier.uri | | http://hdl.handle.net/10419/25216 | | - |
| dc.description.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. | | en_US |
| dc.language.iso | | ger | | en_US |
| dc.publisher | | SFB 649, Economic Risk Berlin | | en_US |
| dc.relation.ispartofseries | | SFB 649 discussion paper 2007,044 | | en_US |
| dc.subject.jel | | C45 | | en_US |
| dc.subject.jel | | G32 | | en_US |
| dc.subject.jel | | G33 | | en_US |
| dc.subject.ddc | | 330 | | en_US |
| dc.subject.keyword | | Insolvenzprognose | | en_US |
| dc.subject.keyword | | externe Bilanzanalyse | | en_US |
| dc.subject.keyword | | Künstliche Neuronale Netze : Binäres Logit-Modell | | en_US |
| dc.subject.keyword | | logistische Regression | | en_US |
| dc.subject.stw | | Kreditwürdigkeit | | en_US |
| dc.subject.stw | | Prognoseverfahren | | en_US |
| dc.subject.stw | | Bilanzanalyse | | en_US |
| dc.subject.stw | | Logit-Modell | | en_US |
| dc.subject.stw | | Neuronale Netze | | en_US |
| dc.subject.stw | | Vergleich | | en_US |
| dc.subject.stw | | Theorie | | en_US |
| dc.subject.stw | | Deutschland | | en_US |
| dc.title | | Ein Vergleich des binären Logit-Modells mit künstlichen neuronalen Netzen zur Insolvenzprognose anhand relativer Bilanzkennzahlen | | en_US |
| dc.type | | Working Paper | | en_US |
| dc.identifier.ppn | | 558561047 | | en_US |
| dc.rights | | http://www.econstor.eu/dspace/Nutzungsbedingungen | | - |
| Appears in Collections: | | SFB 649 Discussion Papers, HU Berlin
|
| Files in This Item:
| |
|
| No. of Downloads:
| |
| last Month |
last 3 Month |
total |
|
|
|
|
|
Items in EconStor are protected by copyright, with all rights reserved, unless otherwise indicated.
|