Mašininio mokymo metodų taikymas finansinius sunkumus patiriančių įmonių identifikavimui
Anotacija
Šioje disertacijoje sukurta finansinių sunkumų nustatymo metodika, panaudojanti mašininio mokymosi metodus. Ši metodika leidžia pradėti nuo bet kokio kintamųjų rinkinio ir sukurti perspektyvų finansinių sunkumų aptikimo modelį, derinant skirtingas dimensijų mažinimo, kintamųjų konstravimo, klasių balansavimo ir mašininio mokymosi metodų technikas tarpusavyje. Pasiūlyti nauji, duomenimis pagrįsti, finansinių sunkumų apibrėžimai. Šie prisitaikantys apibrėžimai leidžia nustatyti skirtingus naudos gavėjo rizikos tolerancijos lygius. Pasiūlyta metodika gali būti naudojama finansinių sunkumų identifikatoriui sukurti. Šis finansinių sunkumų identifikatorius galėtų būti naudojamas kaip atskira priemonė mažose ir vidutinėse įmonėse patiriamiems finansiniams sunkumams įvertinti. Be to, metodologijoje siūlomi finansinių sunkumų požymiai gali būti keičiami atsižvelgiant į naudos gavėjo finansinės rizikos tolerancijos lygį. Siūloma metodika analizuoja finansinius sunkumus iš blogiausio scenarijaus perspektyvos. Tačiau šią sąlygą galima pritaikyti prie naudos gavėjo reikalavimų, o permokytas modelis gali būti naudojamas pakoreguotam finansinių sunkumų nustatymui. Taigi, sukurta metodika yra lengvai adaptuojama skirtingiems finansinių sunkumų ar bankroto duomenų rinkiniams bei leidžia vystyti ir analizuoti kiekvieną tyrimo sritį atskirai.
Raktiniai žodžiai: mašininis mokymas, finansiniai sunkumai, bankrotas, dimensijų mažinimas, klasių balansavimas.
