Методы мультипликативного дискриминантного анализа для формулировки моделей предсказания банкротства впервые использовались в США в 60-е гг. XX в. Фундаментальное исследование в этом направлении принадлежит Э. Альтману [64 65]. После этого проводились многочисленные исследования в области синтетической оценки финансового состояния на предприятии с точки зрения его жизнеспособности и непрерывности хозяйственной деятельности в краткосрочном периоде. [c.163]
Из сказанного следует, что качество модели прогнозирования банкротств можно оценить только при условии, что заранее заданы цена ошибок и вероятность банкротства/выживания. Если, например, нам известно, что цена одного не предсказанного вовремя банкротства равна цене пяти ложных тревог, и что потерпит банкротство один процент компаний, то мы можем оценить модели [c.203]
Оцененная модель правильно предсказывает банкротство 31 из 33 обанкротившихся и выживание 32 из 33 выживших фирм. Это соответствует 95.45% правильных предсказаний, тогда как тривиальная модель дает в рассматриваемом случае только 50% правильных предсказаний. [c.35]
Чтобы разработать эту модель, Альтман проводил исследования, используя парные выборки успешных и неуспешных компаний, собирал соответствующие данные по каждому предприятию за пять лет до краха. Он обнаружил, что модель, выраженная через указанную выше формулу, способна предсказать неудачу не позднее чем за два года до наступления банкротства. Однако точность предсказания модели снижалась по мере удаления от периода банкротства. [c.121]
Z-model - Z-модель (Альтмана) модель предсказания банкротства, разработанная Альтманом [c.253]
В гл. 5 на примере Европейской биржи опционов (ЕОЕ, Амстердам) исследуется вопрос о том, дают ли нейронные сети существенные возможности для получения прибыли в течение одного торгового дня. Гл. 6 посвящена результатам определения макроэкономических показателей (так называемых глобальных (pervasive) факторов), влияющих на доходы от общего индекса акций на Нью-Йоркской и Амстердамской фондовых биржах. В гл. 7 показано, что нейронные сети являются вполне жизнеспособным инструментом отбора в международном распределении активов, поскольку они позволяют выбрать среди всех портфелей тот, который имеет наивысший доход и наименьший риск. Гл. 8 посвящена оценке кредитного риска посредством данных нефинансового характера. До сих пор очень мало было сделано для того, чтобы в моделях предсказания банкротств учитывать качественные показатели. В то же время, нейронные сети могут работать как с числовыми, так и с нечисловыми данными. В гл. 9, напротив, чисто экономические числовые показатели используются для оценки возможности банкротства корпорации на примере английских производителей комплектующих для автомобилей. В последней, десятой, главе построена нейронная сеть для обнаружения критических точек при изменении показателей доходов по акциям. Результаты показывают, что простое техническое правило торговли, реализованное нейронно-сетевой системой с прямой свя- [c.17]
Многие модели предсказания банкротств убедительно демонстрируют свои способности к прогнозированию в задачах классификации задним числом (expost). В ситуации же ex ante, когда права при банкротстве, резервы выживания и кредитные резервы взаимосвязаны, эти модели работают плохо. С другой стороны, как заметил Ар-женти, при том, что нейронные сети могут работать и с числовыми, и с нечисловыми данными, было предпринято очень мало попыток включить в рассмотрение данные качественного характера. [c.169]
Не будем касаться вопросов ложного банкротства, решение о котором обычно принимается, а затем претворяется в жизнь узким, ограниченным количеством руководителей и сотрудников клиента. В обычных же ситуациях, даже если проверяемая хозяйственная система давным-давно испытывает большие затруднения, ее управляющая система (администрация экономического субъекта) все же прилагает отчаянные усилия, чтобы сохранить производственно-коммерческую деятельность. Поэтому аудиторам, чтобы выразить сомнение по концепции действующего предприятия, нужно представить комплексную оценку всех сторон его деятельности, воспользоваться основными моделями предсказания банкротства [33, 36, 37, 38], а также воспользоваться иными ПС АД. [c.535]
Теперь мо но прибегнуть к дополнительной информации не использовавшей ся при создании СОК, с тем чтобы проверить карту на релевантность. Мы можем совместить метод СОК с линейным дискриминантным анализом (ЛДА — LDA — Linear Dis riminant Analysis), наиболее распространенной математической моделью, применяемой для предсказания банкротств. Цель линейного дискриминант-ного анализа — получить показатель (показатель Z), который различается для двух или более групп Получив показатель Z для каждой фирмы, мы нанесли его на СОК. Это позволило нам ограничить некоторые области, состоящие из фирм со сходной, согласно нашему анализу, платежеспособностью. Этим областям было дано название диапазонов неплатежеспособности (диапазоны изменения Z) Как можно увидеть на рис. 1.1 За, всего этих областей — четыре. Заметим, что два диапазона неплатежеспособности с Z>7 относятся к зоне платежеспособности. Аналогично, диапазон неплатежеспособности с Z<2 полностью попадает в зону банкротства. Центральная зона объединяет фирмы со значениями показателя Z, лежащими в промежутке от 2 до 5 [c.59]
Существование множества парадигм, как доказывают Уэллс 17] и ААА [1], означает в теории Куна либо пред-научное, либо революционное состояние. Если это стадия революции, то до нее мы должны были наблюдать определенный период нормальной науки. Лафлин утверждает, что такого не было. Отсутствие условий для нормальной науки при характеристике бухгалтерского учета иллюстрируется далее отсутствием ряда условий нормальной науки. Нормальная наука собирает факты и использует их для составления качественных предсказаний. Однако сегодня бухгалтерский учет более озабочен проблемами подотчетности и точного отражения фактов , чем предсказаниями. Использование учетных коэффициентов в прогнозировании банкротства предприятия можно было бы считать применением нормальной науки в рамках парадигмы. Но сами по себе такие коэффициенты не предсказывают банкротство этим занимаются аналитики, а этот процесс выходит за рамки парадигмы и нормальной науки. Следовательно, бухгалтерский учет не обнаруживает признаков нормальной науки. Лафлин выдвигает предположение, что авторы статей и докладов, использовавшие модель Куна, выбирали ее потому, что историческое развитие легче вписывалось в нее, чем в модели Лакатоса или Поппера. [c.86]
В зарубежной и российской экономической литературе предлагается, несколько различных методик и математических моделей, связанных с диагностикой вероятности банкротства. Первые исследования аналитических коэффициентов для предсказания возможных осложнений в финансовой деятельности предприятий проводились в США еще в начале 1930-х гг. В современной практике финансово-хозяйственной деятельности зарубежных фирм для оценки вероятности банкротства наиболее широкое применение получили модели, разработанные Э. Альтманом и У. Бивером. [c.254]
Смотреть страницы где упоминается термин Модели предсказания банкротств
: [c.345] [c.57] [c.123]Смотреть главы в:
Нейронные сети и финансовые рынки -> Модели предсказания банкротств