REAL

Mesterséges intelligencia és gépi tanulási módszerek a vállalati fizetésképtelenség becslésére = Artificial intelligence and machine learning methods to estimate firm insolvency

Ágoston, Norbert (2022) Mesterséges intelligencia és gépi tanulási módszerek a vállalati fizetésképtelenség becslésére = Artificial intelligence and machine learning methods to estimate firm insolvency. STATISZTIKAI SZEMLE, 100 (6). pp. 584-609. ISSN 0039-0690

[img]
Preview
Text
2022_06_584.pdf

Download (1MB) | Preview

Abstract

A gazdasági társaságok, a pénzügyi intézmények és a biztosítók vezetőit folyamatosan foglalkoztatja vállalati ügyfeleik fizetőképessége. A fokozott elemzési igény és a megnövekedett számítástechnikai kapacitások lendületet adnak a hagyományostól eltérő módszerek elterjedésének. A szerző vállalati fizetésképtelenség-vizsgálatának fókuszában Pécs, valamint Budapest városrégió kis- és középvállalatai állnak. A tanulmány betekintést nyújt a mesterséges intelligencia és a gépi tanulási módszerek használatába; a neurális háló, az ún. szupportvektorgép módszerek (support vector machine, SVM), valamint a zsákolás (bagging) és a véletlen erdő (random forest) metamódszerek több szempontú összehasonlító elemzését foglalja magába.1 A magyarázó változók fontosságának értékelésével kísérletet tesz a „fekete doboz” jelenség feloldására és a legjelentősebb pénzügyi magyarázó változók feltárására. = Company managers, financial institutions and insurers are constantly concerned about the solvency of their corporate clients. The increased demand for solvency analysis and higher computing capacity are driving the adoption of non-traditional methods. The present study examines firm insolvency from a geographically concentrated perspective, focusing on small and medium-sized enterprises in the Pécs and Budapest city regions. It builds on artificial intelligence and machine learning methods and provides a comparative analysis of several aspects of neural network, SVM, bagging, and random forest meta-methods. The authors finally attempt to open the ‘black-box’ phenomenon by assessing the importance of explanatory variables and identifying the most significant financial explanatory variables.

Item Type: Article
Subjects: H Social Sciences / társadalomtudományok > HA Statistics / statisztika
H Social Sciences / társadalomtudományok > HG Finance / pénzügy
Q Science / természettudomány > QA Mathematics / matematika > QA75 Electronic computers. Computer science / számítástechnika, számítógéptudomány
SWORD Depositor: MTMT SWORD
Depositing User: MTMT SWORD
Date Deposited: 12 Oct 2022 09:18
Last Modified: 12 Oct 2022 09:18
URI: http://real.mtak.hu/id/eprint/151530

Actions (login required)

Edit Item Edit Item