Neuro-Fuzzy Modeling Techniques in Economics

Neuro-Fuzzy Modeling Techniques in Economics

Нечіткі, нейромережеві та дискримінантні моделі діагностування можливості банкрутства підприємств

Fuzzy, Neuronet and Discriminant Models for Diagnosing the Possibility of Bankruptcy of Enterprises

DOI:

10.33111/nfmte.2013.071

Анотація: У статті розроблено концептуальний підхід до моделювання фінансової стійкості підприємств, що полягає в оцінюванні стану компанії шляхом діагностування можливості її банкрутства за рахунок пошуку аналогій між показниками діяльності цієї компанії та підприємств, що вже збанкрутували, а також фінансово стабільних компаній. Для побудови економіко-математичних моделей передбачення банкрутства було застосовано методи теорій нечіткої логіки, нейронних мереж та дискримінантного аналізу. Аналіз проведених експериментів дозволив виявити значну невідповідність відомих раніше дискримінантних моделей умовам трансформаційної економіки, а також показав досить високу точність передбачення банкрутств підприємств із використанням розроблених автором економіко-математичних моделей. Всі моделі побудовано на одних і тих самих множинах пояснюючих змінних та оптимізовано на однакових статистичних даних щодо діяльності українських підприємств. Тестування моделей також здійснювалось на одній статистичній вибірці, що дало можливість зробити порівняльний аналіз та отримати відповідні висновки щодо ефективності різноманітного математичного інструментарію при вирішенні задачі класифікації об’єктів дослідження.
Abstract: It is developed in the article the conceptual approach to modeling of financial stability of enterprises which permit to assess the state of the company through diagnosis of its bankruptcy possibility by finding similarities between the performance indicators of this company and enterprises have gone bankrupt and financially stable companies. The methods of theories of fuzzy logic, neural networks and discriminant analysis have been applied for the construction of economic and mathematical models of bankruptcy prediction. The analysis of carried out experiments revealed essential misfit of previously known discriminant models to conditions of transformational economy, and also shown relatively high correctness in predicting of enterprises’ bankruptcy with usage of developed by the author economic and mathematical models. All models are built on the same sets of explanatory variables and optimized on the same statistical data of Ukrainian enterprises. The testing of models also was carried out on one statistical sample, which allowed make a comparative analysis and obtain appropriate conclusions about the effectiveness of various mathematical tools to solve the problem of classification of objects of research.
Ключові слова: Фінансова стійкість підприємства, діагностика банкрутства, нечітка логіка, нейронна мережа, персептрон, карта самоорганізації, нейронна мережа зустрічного розповсюдження, дискримінантний аналіз
Key words: Enterprise’s financial stability, bankruptcy diagnostics, fuzzy logic, neural network, perceptron, self-organizing map, counterpropagation neural network, discriminant analysis.
УДК: 519.86+330.46
UDC: 519.86+330.46
To cite paper
In APA style
Matviychuk, A. (2013). Fuzzy, Neuronet and Discriminant Models for Diagnosing the Possibility of Bankruptcy of Enterprises. Neuro-Fuzzy Modeling Techniques in Economics, 2, 71-118. http://doi.org/10.33111/nfmte.2013.071
In MON style
Матвійчук А. Нечіткі, нейромережеві та дискримінантні моделі діагностування можливості банкрутства підприємств. Нейро-нечіткі технології моделювання в економіці. 2013. № 2. С. 71-118. http://doi.org/10.33111/nfmte.2013.071 (дата звернення: 22.02.2024).
With transliteration
Matviychuk, A. (2013) Nechitki, neiromerezhevi ta dyskryminantni modeli diahnostuvannia mozhlyvosti bankrutstva pidpryiemstv [Fuzzy, Neuronet and Discriminant Models for Diagnosing the Possibility of Bankruptcy of Enterprises]. Neuro-Fuzzy Modeling Techniques in Economics, no. 2. pp. 71-118. http://doi.org/10.33111/nfmte.2013.071 [in Ukrainian] (accessed 22 Feb 2024).
# 2 / 2013 # 2 / 2013
60
Views
2
Downloads
5
Cited by