Early warning against insolvency of enterprises based on a self-learning artificial neural network of the SOM type

Kamila Migdał-Najman , Krzysztof Najman , Paweł Antonowicz

Abstract

The article describes the use of a self-learning neural network of the SOM type to forecast insolvency of enterprises in construction industry. The research was carried out on the basis of information regarding 578 enterprises that went into bankruptcy in the years 2007–2013. These entities constituted a sample singled out from a population of 4750 enterprises that went bankrupt in Poland during that time, for which it was possible to obtain financial statements in the form of balance sheets and profit-and-loss accounts for the period of 5 years prior to the bankruptcy. Twelve (12) variables in the form of financial analysis indicators have been assessed, which are most commonly used in the systems of earlywarning about insolvency. The network constructed allowed effective classification of nearly all entities as insolvent a year before the announcement of their bankruptcy.
Author Kamila Migdał-Najman (FM / DS)
Kamila Migdał-Najman,,
- Department of Statistics
, Krzysztof Najman (FM / DS)
Krzysztof Najman,,
- Department of Statistics
, Paweł Antonowicz (FM / DBE / BEU)
Paweł Antonowicz,,
- Business Economics Unit
Pages165-176
Publication size in sheets0.55
Book Tarczyński Waldemar, Nermend Kesra (eds.): Effective investments on capital markets: 10th Capital Market Effective Investments Conference (CMEI 2018), Springer Proceedings in Business and Economics, 2019, Springer International Publishing, ISBN 978-3-030-21273-5, [978-3-030-21274-2], 526 p., DOI:10.1007/978-3-030-21274-2
Keywords in Polishfinansowa, sztuczne sieci neuronowe, prognozowanie, ocena kondycji ekonomiczno-finansowej
Keywords in Englishbankruptcy, insolvency, artificial neural network, forecasting
Abstract in PolishW artykule opisane zostało wykorzystanie samouczącej się sieci neuronowej typu SOM do prognozowania upadłości przedsiębiorstw z branży budowlanej. Badania przeprowadzone zostały na podstawie 578 upadłych w latach 2007-2013 przedsiębiorstw. Jednostki te stanowiły próbę wyodrębnioną z populacji 4.750 upadłych w tych latach w Polsce przedsiębiorstw, dla której możliwe było pozyskanie sprawozdań finansowych w postaci bilansów i rachunków i strat za okres 5 lat przed ogłoszeniem upadłości. Poddanych ocenie zostało 12 zmiennych w postaci wskaźników analizy finansowej, które są najczęściej stosowane w systemach wczesnego ostrzegania przed niewypłacalnością. Skonstruowana sieć pozwoliła na skuteczne zaklasyfikowanie niemal wszystkich obiektów do jednostek niewypłacalnych na rok przed ogłoszeniem ich upadłości.
DOIDOI:10.1007/978-3-030-21274-2_12
URL https://link.springer.com/content/pdf/10.1007%2F978-3-030-21274-2_12.pdf
Languageen angielski
File
Migdal_Najman_Kamila_Early_warning_against_insolvency_of_enterprises_based_on_a_self-learning_artificial_neural_network_of_the_SOM_type_2019.pdf 722.82 KB
Score (nominal)20
Score sourcepublisherList
ScoreMinisterial score = 20.0, 19-11-2019, ChapterFromConference
Citation count*
Cite
Share Share

Get link to the record


* presented citation count is obtained through Internet information analysis and it is close to the number calculated by the Publish or Perish system.
Back
Confirmation
Are you sure?