EnglishНа русском

Переглянути у форматі pdf

РОЗШИРЕНА КЛАСИФІКАЦІЯ МЕТОДІВ ОЦІНКИ ЙМОВІРНОСТІ БАНКРУТСТВА СУБ'ЄКТІВ ГОСПОДАРЮВАННЯ
Є. О. Ліндер

Назад

УДК: 657.338:334.68

Є. О. Ліндер

РОЗШИРЕНА КЛАСИФІКАЦІЯ МЕТОДІВ ОЦІНКИ ЙМОВІРНОСТІ БАНКРУТСТВА СУБ'ЄКТІВ ГОСПОДАРЮВАННЯ

Анотація

У статті розглянуто найбільш поширені методи оцінки банкрутства суб'єктів господарювання. Проаналізовано вітчизняну та зарубіжну літературу, присвячену дослідженню та оцінці банкрутства. Вивчено переваги та недоліки як класичних дискримінантних моделей, так і сучасних перспективних моделей штучного інтелекту, що автоматично підлаштовують свої параметри під структуру вхідних даних. Розглянуті моделі розділено на такі класи відповідно до їх внутрішньої структури: статистичні моделі, моделі штучного інтелекту, теоретичні моделі та методи фінансового аналізу. Визначено ключові та найбільш ефективні методи прогнозування банкрутства для зарубіжних та вітчизняних господарюючих суб'єктів. У зв'язку зі збільшенням обсяг фінансової інформації, особливого поширення набувають моделі штучного інтелекту такі, як нейронні мережі, дерева рішень та інші.

Y. Linder

EXTENDED CLASSIFICATION OF METHODS FOR BUSINESS ENTITIES BANKRUPTCY PROBABILITY ESTIMATION

Summary

The article discusses the most common methods of entities bankruptcy assessment. The analysis of domestic and foreign literature on research and evaluation of bankruptcy was conducted. The advantages and disadvantages of both classical discriminant models and modern advanced models of artificial intelligence that automatically adjusts its settings depending on the structure of input data was analyzed. The models are divided into classes according to their internal structure: statistical models, models of artificial intelligence, theoretical models and techniques of financial analysis. The essential and most effective methods for predicting bankruptcy for foreign and domestic businesses was determined. Due to the increasing volume of financial information, models of artificial intelligence, such as neural networks, decision trees and others become widely distributed.

№ 22 2016, стор. 84 - 87

Рубрика: Економіка

Кількість переглядів: 177

Відомості про авторів

Є. О. Ліндер

аспірант кафедри обліку в кредитних і бюджетних установах та економічного аналізу, Київський національний економічний університет імені Вадима Гетьмана, м. Київ

Y. Linder

Postgraduate student of Credit and Budget Institutions Accounting and Economic Analysis Department of Kyiv National Economic University named after Vadym Hetman, Kiev

Creative Commons License

Стаття розповсюджується за ліцензією
Creative Commons Attribution 4.0 Міжнародна.