Upadłość przedsiębiorstw a wykorzystanie sztucznej inteligencji (wyd. II). Rozdział 3. Metody prognozowania upadłości prz / Błażej Prusak, Tomasz Korol

Autorzy zajęli się w książce modelowaniem prognozowania upadłości polskich przedsiębiorstw na przestrzeni ostatnich 10 lat, koncentrując swoją uwa­gę na doborze metod, ich modyfikacji, doborze odpowiedniej próby uczącej i testującej, identyfikacji kluczowych wskaźników oraz testowaniu skutecz­ności proponowanych metod z uwzględnieniem różnych wersji modeli. W książce można wskazać trzy nurty rozważań: teoretyczny, oparty na najnow­szej literaturze z zakresu omawianego problemu, metodyczny, prezentowany w postaci modelu dyskryminacyjnego i sztucznych sieci neuronowych oraz aplikacyjny, wyrażający się próbą wdrożenia tego modelu w warunkach polskich.

Wstęp

Rozdział 1
Prawne uwarunkowania upadłości przedsiębiorstw
1.1. Podstawowe zagadnienia z zakresu upadłości
1.2. Funkcje i cele postępowania upadłościowego
1.3. Unormowanie upadłości w świetle ustawodawstwa polskiego

Rozdział 2
Ekonomiczne uwarunkowania upadłości przedsiębiorstw
2.1. Od kryzysu do upadku
2.2. Symptomy kryzysu przedsiębiorstwa
2.3. Przyczyny upadłości przedsiębiorstw
2.3.1. Wprowadzenie
2.3.2. Przyczyny upadłości przedsiębiorstw w krajach rozwiniętych.
2.3.3. Przyczyny upadłości przedsiębiorstw w Polsce
2.3.4. Podsumowanie

Rozdział 3
Metody prognozowania upadłości przedsiębiorstw
3.1. Prognozowalność zachowań systemów ekonomicznych
3.1.1. Pojęcie oraz istota prognozowania upadłości przedsiębiorstw
3.1.2. Bariery prognozowalności
3.1.3. Metody pomiaru i oceny symptomów zagrożenia upadłością
przedsiębiorstw
3.2. Klasyfikacja i założenia metod parametrycznych - modeli analizy
dyskryminacyjnej
3.2.1. Założenia analizy dyskryminacyjnej
3.2.2. Metody jednowymiarowe
3.2.3. Metody wielowymiarowe
3.2.4. Ograniczenia i wady wielowymiarowej analizy dyskryminacyjnej
3.3. Charakterystyka metod nieparametrycznych - modeli sztucznych sieci
neuronowych oraz ich zastosowanie w prognozowaniu upadłości
przedsiębiorstw
3.3.1. Zalety sztucznych sieci neuronowych
3.3.2. Przegląd modeli sztucznych sieci neuronowych prognozowania
upadłości firm

Rozdział 4
Sztuczne sieci neuronowe modelem wczesnego ostrzegania
4.1. Wprowadzenie
4.2. Krótka charakterystyka programu BRAINMAKER
4.3. Założenia badawcze
4.3.1. Dobór przedsiębiorstw do próby uczącej i testowej
4.3.2. Dobór danych wejściowych modelu SSN
4.3.3. Przebieg i warianty przeprowadzonych badań
4.4. Wyniki analizy empirycznej
4.4.1. Modele prognozowania upadłości przedsiębiorstw - podejście Kl .
4.4.2. Modele prognozowania upadłości przedsiębiorstw - podejście K2 .
4.4.3. Modele prognozowania upadłości przedsiębiorstw - podejście K3 ,
4.4.4. Modele prognozowania upadłości przedsiębiorstw - analiza
porównawcza wyników sztucznych sieci neuronowych Kl oraz K2
z tradycyjną analizą dyskryminacyjną
4.5. Wnioski oraz rekomendacje

Załącznik 1
Załącznik 2
Załącznik 3
Załącznik 4
Bibliografia