Wpływ maksymalizacji danych wejściowych na skuteczność modeli parametrycznych i nieparametrycznych prognozowania upadłości spółek akcyjnych notowanych na WGPW - Publikacja - MOST Wiedzy

Wyszukiwarka

Wpływ maksymalizacji danych wejściowych na skuteczność modeli parametrycznych i nieparametrycznych prognozowania upadłości spółek akcyjnych notowanych na WGPW

Abstrakt

Celem tego opracowania było zbadanie wpływu maksymalizacji danych wejściowych na skuteczność prognozowania upadłości spółek giełdowych na podstawie takiej samej populacji spółek S.A. notowanych na WGPW dla modeli parametrycznych (logitowych, probitowych, analizy dyskryminacyjnej) oraz nieparametrycznych ( sztucznych sieci neuronowych. Realizacja tego celu pozwoliła między innymi na stwierdzenie, czy i do jakich modeli opłaca się wprowadzać większą ilość zmiennych wejściowych, wydłużając przez to znacząco czas opracowania modeli oraz czas uzyskania wyniku przy ocenianiu ''standingu'' finansowego firm w praktyce.

Cytuj jako

Pełna treść

pełna treść publikacji nie jest dostępna w portalu

Słowa kluczowe

Informacje szczegółowe

Kategoria:
Publikacja monograficzna
Typ:
rozdział, artykuł w książce - dziele zbiorowym /podręczniku o zasięgu krajowym
Tytuł wydania:
Konkurencyjność gospodarki Polski strony 230 - 239
Język:
polski
Rok wydania:
2008
Opis bibliograficzny:
Korol T.: Wpływ maksymalizacji danych wejściowych na skuteczność modeli parametrycznych i nieparametrycznych prognozowania upadłości spółek akcyjnych notowanych na WGPW// Konkurencyjność gospodarki Polski/ ed. pod red. nauk. Adama P. Balcerzaka i Elżbiety Rogalskiej. Toruń: Wydawnictwo Adam Marszałek, 2008, s.230-239
Weryfikacja:
Politechnika Gdańska

wyświetlono 87 razy

Publikacje, które mogą cię zainteresować

Meta Tagi