Please use this identifier to cite or link to this item:https://hdl.handle.net/20.500.12259/124948
Type of publication: master thesis
Field of Science: Matematika / Mathematics (N001)
Author(s): Užupytė, Rūta
Title: Lietuvoje veikiančių įmonių nemokumo prognozavimas
Other Title: Insolvency Prediction of Businesses Operating in Lithuania
Extent: 150 p.
Date: 25-May-2015
Keywords: Bankroto prognozavimas;įmonės nemokumas;logistinė regresija;mašininio mokymo metodai;Bankruptcy prediction;corporate insolvency;logistic regression;artificial intelligence models
Abstract: Bankroto prognozavimas yra svarbus kreditų rizikos vertinimo uždavinys. Įmonių bankroto prognozavimui gali būti taikomi įvairūs modeliai, paremti statistiniais ir mašininio mokymo metodais, tačiau jų pritaikymas Lietuvos rinkai nėra aukštas. Šiame darbe pristatomas tyrimas, kurio metu buvo suformuluota nauja nemokumo sąvoka, kurios pagrindu buvo atlikti eksperimentai lyginantys: įvairius statistinius ir mašininio mokymo metodus, kintamųjų rinkinius (pradinis požymių rinkinys vs. koreliacija pagrįstas požymių atrinkimas) ir mokymo strategijas (modeliai apmokyti naudojant konkrečios veiklos srities ir visų veiklos sričių įmonių duomenis).
Bankruptcy prediction is an important task having a significant impact in credit risk management. Both statistical approaches and computational intelligence techniques have been proposed for corporate bankruptcies prediction, but their application in Lithuanian market is not straightforward and common. This thesis presents a new concept of corporate insolvency and a framework that evaluates several models, by comparing different algorithms (statistical and artificial intelligence models), feature selection (full feature set vs. correlation-based feature selection) and training strategies (training set consisting of companies from the same sector vs. companies from different sectors).
Internet: https://hdl.handle.net/20.500.12259/124948
Affiliation(s): Vytauto Didžiojo universitetas
Appears in Collections:VDU, ASU ir LEU iki / until 2018

Files in This Item:
Show full item record
Export via OAI-PMH Interface in XML Formats
Export to Other Non-XML Formats


CORE Recommender

Page view(s)

10
checked on Mar 30, 2021

Download(s)

33
checked on Mar 31, 2021

Google ScholarTM

Check


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