Bitte verwenden Sie diesen Link, um diese Publikation zu zitieren, oder auf sie als Internetquelle zu verweisen: https://hdl.handle.net/10419/29370 
Erscheinungsjahr: 
1996
Schriftenreihe/Nr.: 
ZEW Discussion Papers No. 96-27
Verlag: 
Zentrum für Europäische Wirtschaftsforschung (ZEW), Mannheim
Zusammenfassung: 
In diesem Artikel prognostizieren wir Insolvenzwahrscheinlichkeiten von kleinen und mittleren Unternehmen, die bislang noch keine hinreichende Beachtung gefunden haben, obwohl diese Unternehmen besonders insolvenzgefährdet sind. Die Schwierigkeit bei der Insolvenzprognose von kleinen und mittleren Unternehmen besteht darin, daß meist nur wenige Bilanzdaten verfügbar sind, so daß qualitative Angaben zu den Unternehmen hinzugezogen werden müssen. Wir zeigen, daß trotz dieser Einschränkungen gute Insolvenzprognosen möglich sind. Als Verfahren verwenden wir die logistische Regression und neuronale Netzwerke. Zur Modellselektion nutzen wir bei beiden Verfahren statistische Inferenztechniken. Für die logistische Regression ist dies ein Standard, für neuronale Netzwerke ist es dagegen neu. Mit Hilfe der Inferenztechniken gelangen wir zu sparsam parametrisierten Modellen und vermeiden ein Overfitting der Daten. Abschließend werden die Wirkungszusammenhänge in den resultierenden Modellen analysiert. Mit Hilfe des neuronalen Netzwerkmodells können die Nichtlinearitäten in den Wirkungszusammenhängen abgebildet werden, wodurch wesentlich differenziertere Aussagen über das Insolvenzrisiko in Abhängigkeit bestimmter Merkmalsausprägungen getroffen werden können als bei der logistischen Regression.
Dokumentart: 
Working Paper
Dokumentversion: 
Digitized Version

Datei(en):
Datei
Größe
1.53 MB





Publikationen in EconStor sind urheberrechtlich geschützt.