Modelowanie stanu małych i średnich przedsiębiorstw w warunkach niepewności

Andrzej Burda; Zdzisław Hippe

doi:10.56583/br.1363

Data publikacji : 2010-10-11

Nr 3 (21) (2010)

Modelowanie stanu małych i średnich przedsiębiorstw w warunkach niepewności

Andrzej Burda

Zdzisław Hippe

DOI: https://doi.org/10.56583/br.1363

Abstrakt

W artykule przedstawiono nową procedurę uczenia i testowania modeli opracowaną specjalnie dla danych niepewnych. Opiera się ona na kombinacji metody resubstytucji ze zmodyfikowanym paradygmatem uczenia i testowania, zwanym przez nas walidacją kolejkową. W początkowej fazie eksperymentu opracowane procedury zostały sprawdzone na niepewnych danych, prze-kłamanych prawdopodobnie w procesie kreatywnej i agresywnej księgowości, odnoszących się do małych i średnich przedsiębiorstw pochodzących z regionu podkarpackiego. W trakcie tych badań zweryfikowano modele uczenia w formie drzew i reguł decyzji. Poprawność klasyfikacji obu typów modeli (drzewa i reguły) oszacowano w oparciu o wskaźnik błędu klasyfikacji. Potwierdzono, że błędy fałszywie pozytywnej klasyfikacji są znacznie większe niż klasyfikacji fałszywie negatywnej. Różnice odkryte za pomocą zaproponowanej procedury walidacji mogą być prawdopodobnie wykorzystane jako sygnał występowania przekłamań w danych poddawanych analizie.

Słowa kluczowe:

validation, small and medium enterprises, creative accounting

Inne teksty tego samego autora

Jarosław Bielak, Andrzej Burda, Mieczysław Kowerski, Krzysztof Pancerz, Modelowanie i prognozowanie wypłat gotówki w banku , Barometr Regionalny. Analizy i Prognozy : Tom 13 Nr 4 (2015)
Krzysztof Pancerz, Andrzej Burda, Piotr Grochowalski, Wiesław Paja, Ontologiczny generator testów wiedzy z tekstów na przykładzie wiedzy o geografii Polski , Barometr Regionalny. Analizy i Prognozy : Tom 19 Nr 1 (2023)
Andrzej Burda, Krzysztof Pancerz, Klasteryzacja i wizualizacja wzorców bankructwa przy użyciu samoorganizujących się map Kohonena , Barometr Regionalny. Analizy i Prognozy : Tom 12 Nr 3 (2014)
Andrzej Burda, Zdzisław Hippe, Metodyka prognozowania stanu ekonomiczno-finansowego małych i średnich przedsiębiorstw , Barometr Regionalny. Analizy i Prognozy : Nr 1 (19) (2010)
Andrzej Burda, Paweł Cudek, Zdzisław Hippe, ProfileSEEKER — system informatyczny wczesnego ostrzegania małych i średnich przedsiębiorstw przed bankructwem , Barometr Regionalny. Analizy i Prognozy : Nr 3 (29) (2012)
Zbigniew Omiotek, Andrzej Burda, Metody selekcji cech w badaniach przesiewowych, realizowanych w szpitalach pierwszego kontaktu w kierunku wykrywania choroby Hashimoto , Barometr Regionalny. Analizy i Prognozy : Tom 14 Nr 2 (2016)
Andrzej Burda, Wielokryterialna ocena modeli prognozowania stanu ekonomiczno-finansowego małych i średnich przedsiębiorstw , Barometr Regionalny. Analizy i Prognozy : Nr 1 (15) (2009)
Andrzej Burda, Prognozowanie kondycji przedsiębiorstw z wykorzystaniem sztucznych sieci neuronowych , Barometr Regionalny. Analizy i Prognozy : Nr 6 (2006)
Andrzej Burda, Barbara Kuczmowska, Analiza jakości predykcji stanu ekonomiczno-finansowego małych i średnich przedsiębiorstw przy pomocy zespołów sztucznych sieci neuronowych , Barometr Regionalny. Analizy i Prognozy : Nr 2 (12) (2008)
Andrzej Burda, Analiza nastrojów gospodarczych z wykorzystaniem sieci Kohonena , Barometr Regionalny. Analizy i Prognozy : Nr 4 (14) (2008)

Szczegóły

Bibliografia

Statystyki

Autorzy

Pobierz pliki

PDF

Zasady cytowania

Burda, A., & Hippe, Z. (2010). Modelowanie stanu małych i średnich przedsiębiorstw w warunkach niepewności. Barometr Regionalny. Analizy I Prognozy, (3 (21), 21–26. https://doi.org/10.56583/br.1363

Wskaźniki altmetryczne

Cited by / Share

Licencja

Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Użycie niekomercyjne – Bez utworów zależnych 4.0 Międzynarodowe.

Bibliografia

Burda A (2009): Wielokryterialna ocena modeli prognozowania stanu ekonomiczno-finansowego małych i średnich przedsiębiorstw, „Barometr Regionalny”, nr 1(15), s. 77–84.

Hippe Z.S. (1999): Data Mining and Knowledge Discovery In Business: Past, Present, and Future, [w:] W. Abramowicz, M. Orłowska (red.): Business Information Systems’99, Springer-Verlag, London, s. 158–169. DOI: https://doi.org/10.1007/978-1-4471-0875-7_14

Hippe Z.S., Knap M. (2003): Badania nad generowaniem pewnych oraz możliwych drzew decyzji, „Zeszyty Naukowe Wydziału ETI Politechniki Gdańskiej, Technologie informacyjne”, nr 1, Wyd. Wydziału ETI Politechniki Gdańskiej, Gdańsk, s. 189–194.

Haider S.A., Bukhari A.S. (2007): Evaluating Financial Sector Firm’s Creditworthiness for South-Asian Countries, „Asian Journal of Information Technology”, vol. 6, s. 329–341.

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

Nowak M. (1998): Praktyczna ocena kondycji finansowej przedsiębiorstwa, Fundacja Rozwoju Rachunkowości w Polsce, Warszawa.

Pongsatat S., Rama ge J., Lawrence H. (2004): Bankruptcy Prediction for Large and Small Firms in Asia: A Comparison of Ohlson and Altman, „Journal of Accounting and Corporate Governance”, vol. 2, s. 1–13.

Schmiema nn M. (2008): Enterprises by Size Class-Overview of SMEs in the EU, http://epp.eurostat.ec.europa.eu/cache/ITY_OFFPUB/KS-SF-08-031/EN/KS-SF-08-031-EN.PDF. DOI: https://doi.org/10.1088/1126-6708/2008/08/031

Andrzej Burda

br@akademiazamojska.edu.pl

Afiliacja:

Wyższa Szkoła Zarządzania i Administracji w Zamościu Polska

Zdzisław Hippe

br@akademiazamojska.edu.pl

Afiliacja:

Wyższa Szkoła Informatyki i Zarządzania w Rzeszowie Polska