Metodyka prognozowania stanu ekonomiczno-finansowego małych i średnich przedsiębiorstw

Andrzej Burda; Zdzisław Hippe

doi:10.56583/br.1377

Data publikacji : 2010-05-13

Nr 1 (19) (2010)

Metodyka prognozowania stanu ekonomiczno-finansowego małych i średnich przedsiębiorstw

Andrzej Burda

Zdzisław Hippe

DOI: https://doi.org/10.56583/br.1377

Abstrakt

W artykule przedstawiono koncepcję nowej metodyki prognozowania stanu ekonomiczno-finansowego małych i średnich przedsiębiorstw opartej na specyficznym sposobie wykorzystania metod uczenia maszynowego. Procedura bazuje na kontrolowanym usprawnianiu danych źródłowych opisujących badane obiekty gospodarcze. Do tego celu wykorzystano zespoły sztucznych sieci neuronowych o architekturze perceptronu dwuwarstwowego. W dalszej kolejności do opisu reguł klasyfikacji firm utworzono i usprawniono modele za pomocą różnych algorytmów uczenia maszynowego. Wiarygodność proponowanej metodyki potwierdza ponad 80-procentowa dokładność klasyfikacji małych i średnich przedsiębiorstw z regionu podkarpackiego uzyskana w trakcie wyczerpujących testów na danych pochodzących z lat 1999–2007.

Słowa kluczowe:

small and medium enterprises, neural networks, predicting the future condition

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, 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, 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, Prognozowanie kondycji przedsiębiorstw z wykorzystaniem sztucznych sieci neuronowych , Barometr Regionalny. Analizy i Prognozy : Nr 6 (2006)
Andrzej Burda, Zdzisław Hippe, Modelowanie stanu małych i średnich przedsiębiorstw w warunkach niepewności , Barometr Regionalny. Analizy i Prognozy : Nr 3 (21) (2010)
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). Metodyka prognozowania stanu ekonomiczno-finansowego małych i średnich przedsiębiorstw. Barometr Regionalny. Analizy I Prognozy, (1 (19), 7–10. https://doi.org/10.56583/br.1377

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 15.

Burda A., Kuczmowska B., Hippe Z.S. (2007): Ensembles of Artificial Neural Networks for Predicting Economic Situation of Small and Medium Enterprises, [w:] M. Kurzynski, E. Puchala, M. Wozniak, A. Zolnierek (red.), Computer Recognition Systems 2, Springer, Berlin–Heidelberg. DOI: https://doi.org/10.1007/978-3-540-75175-5_100

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. DOI: https://doi.org/10.1007/978-1-4471-0875-7_14

Hippe Z.S., Grzymała-Busse J.W., Mroczek T. (2006): Belief Networks vs. Relief Rules: Basic Theory and Practical Issues, [w:] D. Zuba, A. Parczewski (red.), Chemometrics. Methods and Applications, Institute of Forensic Research Publishers, Kraków.

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

Kowerski M. (2006): Koncepcja badań sektora małych i średnich przedsiębiorstw w projekcie „System przeciwdziałania bezrobociu na obszarach słabo zurbanizowanych”, „Barometr Regionalny”, nr 6. DOI: https://doi.org/10.56583/br.1649

Lula P., Tadeusiewicz R. (red.) (2001): Statistica Neural NetworksTM, StatSoft Polska, Kraków.

Mączyńska E., Zawadzki E. (2006): Dyskryminacyjne modele predykcji bankructwa przedsiębiorstw, „Ekonomista” nr 2.

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

Paja W. (2008): Development of the Optimal Learning Models Using Secondary Sources of Knowledge, Ph.D. Thesis, AGH University of Science and Technology, Kraków.

Pongsatat S., Ramage J., Lawrence H. (2004): Bankruptcy Prediction for Large and Small Firms in Asia: A Comparison of Ohlson and Altman, „Journal of Accounting and Croporate Governance” nr 2.

Rutkowska J. (2006): Ocena przydatności metod prognozowania bankructwa w warunkach polskich, „Zeszyty Naukowe Akademii Ekonomicznej w Krakowie”, nr 683.

Schmiemann 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