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
  

Full metadata record

DC FieldValueLanguage
dc.contributor.authorFranken, Ronalden_US
dc.date.accessioned2008-02-19en_US
dc.date.accessioned2009-07-23T14:44:59Z-
dc.date.available2009-07-23T14:44:59Z-
dc.date.issued2007en_US
dc.identifier.urihttp://hdl.handle.net/10419/25216-
dc.description.abstractDie 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.isogeren_US
dc.publisherSFB 649, Economic Risk Berlinen_US
dc.relation.ispartofseriesSFB 649 discussion paper 2007,044en_US
dc.subject.jelC45en_US
dc.subject.jelG32en_US
dc.subject.jelG33en_US
dc.subject.ddc330en_US
dc.subject.keywordInsolvenzprognoseen_US
dc.subject.keywordexterne Bilanzanalyseen_US
dc.subject.keywordKünstliche Neuronale Netze : Binäres Logit-Modellen_US
dc.subject.keywordlogistische Regressionen_US
dc.subject.stwKreditwürdigkeiten_US
dc.subject.stwPrognoseverfahrenen_US
dc.subject.stwBilanzanalyseen_US
dc.subject.stwLogit-Modellen_US
dc.subject.stwNeuronale Netzeen_US
dc.subject.stwVergleichen_US
dc.subject.stwTheorieen_US
dc.subject.stwDeutschlanden_US
dc.titleEin Vergleich des binären Logit-Modells mit künstlichen neuronalen Netzen zur Insolvenzprognose anhand relativer Bilanzkennzahlenen_US
dc.typeWorking Paperen_US
dc.identifier.ppn558561047en_US
dc.rightshttp://www.econstor.eu/dspace/Nutzungsbedingungen-
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
Show simple item record
Download bibliographical data as: BibTeX

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