Altman E.I. (1968): Financial Ratios, Discriminant Analysis and Prediction of Corporate Bankruptcy. „Journal of Finance”, nr 23 (4), s. 589–609. DOI: https://doi.org/10.1111/j.1540-6261.1968.tb00843.x

Altman E.I. (2001): Predicting Financial Distress of Companies: Revisiting the Z-score and ZETA® Models (Originally Published in, Journal of Banking & Finance, 1 1977). [dostęp: 2012.10.03], [@:] http://people.stern.nyu.edu/ealtman/Zscores.pdf.

Altman E.I., Marco G., Varetto F. (1994): Corporate Distress Diagnosis — Comparisons Using Linear Discriminant-Analysis and Neural Networks (the Italian Experience). „Journal of Banking & Finance”, nr 18 (3), s. 505–529. DOI: https://doi.org/10.1016/0378-4266(94)90007-8

Antonowicz P. (2007): Metody oceny i prognoza kondycji ekonomiczno-finansowej przedsiębiorstw. Gdańsk, Ośrodek Doradztwa i Doskonalenia Kadr.

Atiya A.F. (2001): Bankruptcy Prediction for Credit Risk Using Neural Networks. A Survey and New Results. „Ieee Transactions on Neural Networks”, nr 12 (4), s. 929–935. DOI: https://doi.org/10.1109/72.935101

Baek J., Cho S.Z. (2003): Bankruptcy Prediction for Credit Risk Using an Auto-Associative Neural Network in Korean Firms. „2003 Ieee International Conference on Computational Intelligence for Financial Engineering, Proceedings”, s. 25–29.

Beaver W.H. (1966): Financial Ratios as Predictors of Failure. „Journal of Accounting Research”, nr 4, s. 71–111. DOI: https://doi.org/10.2307/2490171

Burda A., Hippe Z.S. (2010): Uncertain Data Modeling. The Case of Small and Medium Enterprises. 3rd International Conference on Human System Interaction, 2010.05.13–15, Rzeszów. DOI: https://doi.org/10.1109/HSI.2010.5514586

Chaudhuri A., De K. (2011): Fuzzy Support Vector Machine for Bankruptcy Prediction. „Applied Soft Computing”, nr 11 (2), s. 2472–2486. DOI: https://doi.org/10.1016/j.asoc.2010.10.003

Coats P.K., Fant L.F. (1993): Recognizing Financial Distress Patterns Using a Neural-Network Tool. „Financial Management”, nr 22 (3), s. 142–155. DOI: https://doi.org/10.2307/3665934

Derelioglu G., Gurgen F. (2011): Knowledge Discovery Using Neural Approach for SME’s Credit Risk Analysis Problem in Turkey. „Expert Systems with Applications”, nr 38 (8), s. 9313–9318. DOI: https://doi.org/10.1016/j.eswa.2011.01.012

Frydman H., Altman E.I., Kao D.L. (1985): Introducing Recursive Partitioning for Financial Classification — the Case of Financial Distress. „Journal of Finance”, nr 40 (1), s. 269–291. DOI: https://doi.org/10.1111/j.1540-6261.1985.tb04949.x

Fulmer J.G.J., Moon J.E., Gavin T.A., Erwin M.J. (1984): A Bankruptcy Classification Model For Small Firms. „Journal of Commercial Bank Lending”, nr 66 (11), s. 25–37.

Gajdka J., Stos D. (1996): Wykorzystanie analizy dyskryminacyjnej w ocenie kondycji finansowej przedsiębiorstw. [w:] R. Borowiecki (red.): Restrukturyzacja w procesie przekształceń i rozwoju przedsiębiorstw, Kraków, Wydawnictwo Akademii Ekonomicznej w Krakowie.

Greco S., Matarazzo B., Slowinski R. (1998): A New Rough Set Approach to Multicriteria and Multiattribute Classification. „Lecture Notes in Computer Science”, nr 1424, s. 60–67. DOI: https://doi.org/10.1007/3-540-69115-4_9

Hadasik D. (1998): Upadłość przedsiębiorstw w Polsce i metody jej prognozowania. Zeszyty Naukowe/Akademia Ekonomiczna w Poznaniu. Seria 2, Prace Habilitacyjne, t. 153, Poznań, Wydawnictwo AE.

Hamrol M., Chodakowski J. (2008): Prognozowanie zagrożenia finansowego przedsiębiorstwa. Wartość predykcyjna polskich modeli analizy dyskryminacyjnej. „Badania operacyjne i decyzje”, nr 3, s. 17–32.

Iwanienko I. (2009): Wpływ fazy rozwoju projektu innowacyjnego na możliwość wyboru źródła finansowania przedsiębiorstw przemysłowych. [w:] A. Nalepka i A. Ujwary-Gil (red.): Organizacje komercyjne i niekomercyjne wobec wzmożonej konkurencji oraz wzrastających wymagań konsumentów, Nowy Sącz, Wyższa Szkoła Biznesu.

Jo H.K., Han I.G., Lee H.Y. (1997): Bankruptcy Prediction Using Case-Based Reasoning, Neural Networks, and Discriminant Analysis. „Expert Systems with Applications”, nr 13 (2), s. 97–108. DOI: https://doi.org/10.1016/S0957-4174(97)00011-0

Kaski S., Sinkkonen J., Peltonen J. (2001): Bankruptcy Analysis with Self-Organizing Maps in Learning Metrics. „Ieee Transactions on Neural Networks”, nr 12 (4), s. 936–947. DOI: https://doi.org/10.1109/72.935102

Kim H.S., Sohn S.Y. (2010): Support Vector Machines for Default Prediction of SMEs Based on Technology Credit. „European Journal of Operational Research”, nr 201 (3), s. 838–846. DOI: https://doi.org/10.1016/j.ejor.2009.03.036

Korol T., Prusak B. (2005): Upadłość przedsiębiorstw a wykorzystanie sztucznej inteligencji. Warszawa, CeDeWu.

Lech P. (2003): Zintegrowane systemy zarządzania ERP/ERP II. Wykorzystanie w biznesie, wdrażanie. Warszawa, LST — Logika Systemy Technologia: “Difin”.

Littlestone N., Warmuth M.K. (1994): The Weighted Majority Algorithm. „Information and Computation”, nr 108 (2), s. 212–261. DOI: https://doi.org/10.1006/inco.1994.1009

Łapiński J. (2011): Stan sektora małych i średnich przedsiębiorstw w Polsce. [w:] A. Brussa i A. Tarnawa (red.): Raport o stanie sektora małych i średnich przedsiębiorstw w Polsce, Warszawa, Polska Agencja Rozwoju Przedsiębiorczości.

Marjański A. (2011): Najnowsze badania w kontekście rozwoju przedsiębiorstw rodzinnych w Polsce. Firmy rodzinne — nowe drogi rozwoju. Zakończenie Projektu Szkoleniowo-Doradczego Firmy Rodzinne, 2011.09.07–09, Zawiercie.

McKee T.E., Greenstein M. (2000): Predicting Bankruptcy Using Recursive Partitioning and a Realistically Proportioned Data Set. „Journal of Forecasting”, nr 19 (3), s. 219–230. DOI: https://doi.org/10.1002/(SICI)1099-131X(200004)19:3<219::AID-FOR752>3.0.CO;2-J

Nowak E. (2006): Propozycje zmiennych oceniających kondycję ekonomiczno-finansową przedsiębiorstw. „Barometr Regionalny. Pismo społeczno-gospodarcze”, nr 6, s. 35–41. DOI: https://doi.org/10.56583/br.1653

Odom M.D., Sharda R. (1990): A Neural Network Model for Bankruptcy Prediction. „International Joint Conference on Neural Networks, Vols 1–3”, s. B163-B168. DOI: https://doi.org/10.1109/IJCNN.1990.137710

Ohlson J.A. (1980): Financial Ratios and the Probabilistic Prediction of Bankruptcy. „Journal of Accounting Research”, nr 18 (1), s. 109–131. DOI: https://doi.org/10.2307/2490395

Piramuthu S., Ragavan H., Shaw M.J. (1998): Using Feature Construction to Improve the Performance of Neural Networks. „Management Science”, nr 44 (3), s. 416–430. DOI: https://doi.org/10.1287/mnsc.44.3.416

Ranjan J. (2009): Business Intelligence: Concepts, Components, Techniques and Benefits. „Journal of Theoretical and Applied Information Technology”, nr 9 (1), s. 60–70.

Reich Y., Barai S.V. (1999): Evaluating Machine Learning Models for Engineering Problems. „Artificial Intelligence in Engineering”, nr 13 (3), s. 257–272. DOI: https://doi.org/10.1016/S0954-1810(98)00021-1

Ribeiro B., Silva C., Chen N., Vieira A., das Neves J.C. (2012): Enhanced Default Risk Models with SVM. „Expert Systems with Applications”, nr 39 (11), s. 10140–10152. DOI: https://doi.org/10.1016/j.eswa.2012.02.142

Salchenberger L.M., Cinar E.M., Lash N.A. (1992): Neural Networks — a New Tool for Predicting Thrift Failures. „Decision Sciences”, nr 23 (4), s. 899–916. DOI: https://doi.org/10.1111/j.1540-5915.1992.tb00425.x

Sarkar S., Sriram R.S. (2001): Bayesian Models for Early Warning of Bank Failures. „Management Science”, nr 47 (11), s. 1457–1475. DOI: https://doi.org/10.1287/mnsc.47.11.1457.10253

Schmiemann M. (2008): Enterprises by Size Class — Overview of SMEs in the EU. „Statistics in focus”, nr 31, s. 1–8.

Serrano-Cinca C. (1996): Self Organizing Neural Networks for Financial Diagnosis. „Decision Support Systems”, nr 17 (3), s. 227–238. DOI: https://doi.org/10.1016/0167-9236(95)00033-X

Starczewska-Krzysztoszek M. (2008): Bariery rozwoju małych i średnich przedsiębiorstw w Polsce. „Infos”, nr 4 (28), s. 1–4.

Sun J., Li H. (2008): Listed Companies’ Financial Distress Prediction Based on Weighted Majority Voting Combination of Multiple Classifiers. „Expert Systems with Applications”, nr 35 (3), s. 818–827. DOI: https://doi.org/10.1016/j.eswa.2007.07.045

Tam K.Y. (1991): Neural Network Models and the Prediction of Bank Bankruptcy. „Omega”, nr 19 (5), s. 429–445. DOI: https://doi.org/10.1016/0305-0483(91)90060-7

Tam K.Y., Kiang M.Y. (1990): Predicting Bank Failures: A Neural Network Approach. „Applied Artificial Intelligence”, nr 4 (4), s. 265–282. DOI: https://doi.org/10.1080/08839519008927951

Torabi K., Sayad S., Balke S.T. (2005): On-Line Adaptive Bayesian Classification for In-Line Particle Image Monitoring in Polymer Film Manufacturing. „Computers & Chemical Engineering”, nr 30 (1), s. 18–27. DOI: https://doi.org/10.1016/j.compchemeng.2005.06.008

Tseng F.M., Hu Y.C. (2010): Comparing Four Bankruptcy Prediction Models: Logit, Quadratic Interval Logit, Neural and Fuzzy Neural Networks. „Expert Systems with Applications”, nr 37 (3), s. 1846–1853. DOI: https://doi.org/10.1016/j.eswa.2009.07.081

Varetto F. (1998): Genetic Algorithm Applications in the Analysis of Insolvency Risk. „Journal of Banking and Finance”, nr 22, s. 1421–14–39. DOI: https://doi.org/10.1016/S0378-4266(98)00059-4

Waniak-Michalak H. (2007): Pozabankowe źródła finansowania małych i średnich przedsiębiorstw: fundusze pożyczkowe, fundusze poręczeniowe, rynek venture capital. Kraków–Warszawa, Wolters Kluwer Polska.

Wu Y., Gaunt C., Gray S. (2010): A Comparison of Alternative Bankruptcy Prediction Models. „Journal of Contemporary Accounting & Economics”, nr 6 (1), s. 34–45. DOI: https://doi.org/10.1016/j.jcae.2010.04.002

Żołnierski A. (2009): Znaczenie sektora MŚP w Polsce. [w:] A. Żołnierski (red.): Raport o stanie sektora małych i średnich przedsiębiorstw w Polsce w latach 2007–2008, Warszawa, Polska Agencja Rozwoju Przedsiębiorczości.