Bitte verwenden Sie diesen Link, um diese Publikation zu zitieren, oder auf sie als Internetquelle zu verweisen: https://hdl.handle.net/10419/25216 
Kompletter Metadatensatz
DublinCore-FeldWertSprache
dc.contributor.authorFranken, Ronalden
dc.date.accessioned2008-02-19-
dc.date.accessioned2009-07-23T14:44:59Z-
dc.date.available2009-07-23T14:44:59Z-
dc.date.issued2007-
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
dc.language.isogeren
dc.publisher|aHumboldt University of Berlin, Collaborative Research Center 649 - Economic Risk |cBerlinen
dc.relation.ispartofseries|aSFB 649 Discussion Paper |x2007,044en
dc.subject.jelC45en
dc.subject.jelG32en
dc.subject.jelG33en
dc.subject.ddc330en
dc.subject.keywordInsolvenzprognoseen
dc.subject.keywordexterne Bilanzanalyseen
dc.subject.keywordKünstliche Neuronale Netze : Binäres Logit-Modellen
dc.subject.keywordlogistische Regressionen
dc.subject.stwKreditwürdigkeiten
dc.subject.stwPrognoseverfahrenen
dc.subject.stwBilanzanalyseen
dc.subject.stwLogit-Modellen
dc.subject.stwNeuronale Netzeen
dc.subject.stwVergleichen
dc.subject.stwTheorieen
dc.subject.stwDeutschlanden
dc.titleEin Vergleich des binären Logit-Modells mit künstlichen neuronalen Netzen zur Insolvenzprognose anhand relativer Bilanzkennzahlen-
dc.type|aWorking Paperen
dc.identifier.ppn558561047en
dc.rightshttp://www.econstor.eu/dspace/Nutzungsbedingungenen

Datei(en):
Datei
Größe
615.43 kB





Publikationen in EconStor sind urheberrechtlich geschützt.