Bonitätsprüfung von Firmenkunden mit Hilfe künstlicher neuronaler Netze
In Zusammenarbeit mit einer süddeutschen Herstellerbank
Versandkostenfrei!
Versandfertig in 1-2 Wochen
38,00 €
inkl. MwSt.
PAYBACK Punkte
0 °P sammeln!
Diplomarbeit aus dem Jahr 1997 im Fachbereich BWL - Investition und Finanzierung, Note: 1, Universität Augsburg (Wirtschafts und Sozialwissenschaften, Betriebswirtschaft), Veranstaltung: Lehrstuhl für mathematische Methoden der Wirtschaftswissenschaften, Sprache: Deutsch, Abstract: Inhaltsangabe:Inhaltsverzeichnis:Inhaltsverzeichnis:1.Einleitung1.1Aktuelle Entwicklung der Insolvenzen1.2Motivation und Ziel der Arbeit1.3Gang der Darstellung2.Grundlagen der Bonitätsprüfung2.1Gegenstand und Ziel der Bonitätsprüfung2.2Jahresabschlußanalyse: Verfahrensüberblick2.3Verfahren der Kennzahlenanal...
Diplomarbeit aus dem Jahr 1997 im Fachbereich BWL - Investition und Finanzierung, Note: 1, Universität Augsburg (Wirtschafts und Sozialwissenschaften, Betriebswirtschaft), Veranstaltung: Lehrstuhl für mathematische Methoden der Wirtschaftswissenschaften, Sprache: Deutsch, Abstract: Inhaltsangabe:
Inhaltsverzeichnis:Inhaltsverzeichnis:
1.Einleitung
1.1Aktuelle Entwicklung der Insolvenzen
1.2Motivation und Ziel der Arbeit
1.3Gang der Darstellung
2.Grundlagen der Bonitätsprüfung
2.1Gegenstand und Ziel der Bonitätsprüfung
2.2Jahresabschlußanalyse: Verfahrensüberblick
2.3Verfahren der Kennzahlenanalyse
2.3.1Grundlagen
2.3.2Traditionelle Kennzahlenanalyse
2.3.3EDV-gestützte Kennzahlenanalyse
3.Empirisch-induktive Verfahren
3.1Regressionsanalyse
3.2Diskriminanzanalyse: Grundlagen und Vorbereitungen
3.2.1Begriffsabgrenzung
3.2.2Zweiteilung des Datenmaterials
3.2.3Auswahl der Kennzahlen
3.2.4Festlegung der Zielsetzung
3.3Univariate Diskriminanzanalyse
3.4Multivariate Diskriminanzanalyse
3.4.1Prüfung auf Normalverteilung
3.4.2Prüfung auf Trennfähigkeit
3.4.3Das Problem der Multikollinearität
3.4.4Gleichheit der Varianz-Kovarianz-Matrizen
3.4.5Ermittlung der Diskriminanzfunktion
3.4.6Vergleich der Methoden der MDA
3.5Mustererkennung
4.Künstliche Neuronale Netze
4.1Grundlagen und Begriffsabgrenzung
4.1.1Das biologische Vorbild
4.1.2Das Neuron
4.1.3Die Netz-Topologie
4.1.4Die Lernregeln
4.2Exemplarische Beschreibung einiger Netztypen
4.2.1Das Perzeptron
4.2.1.1Grundlagen
4.2.1.2Das Trainingsverfahren für das Perzeptron
4.2.1.3Beispiel 1: Das Perzeptron
4.2.2Das Multi-Layer-Perceptron
4.2.2.1Grundlagen
4.2.2.2Beispiel 2: Das XOR-Problem mit dem MLP
4.2.2.3Der Backpropagation-Algorithmus
4.2.2.4Beispiel 3: Der Backpropagation-Algorithmus
4.2.3Counterpropagation
4.2.4Learning Vector Quantization
4.3Probleme beim Training von KNN 15
.3.1Overlearning
4.3.2Probleme im Zusammenhang mit dem Gradientenabstiegsverfahren
5.Bonitätsprüfung mit Neuronalen Netzen
5.1Grundsätzliche Vorüberlegungen
5.1.1Wahl der freien Parameter
5.1.2Exkurs: Probleme bei der Datenbeschaffung
5.2Studien zur Bonitätsprüfung mit NN
5.2.1ODOM/SHARDA (1990)
5.2.2ERXLEBEN ET AL. (1992)
5.2.3REHKUGLER/PODDIG (1992)
5.2.4BAETGE ET AL. (1994B)
5.2.5ALTMAN ET AL. (1994)
5.2.6Weitere Studien
5.2.7Kritische Würdigung der Studien
5.2.8Leitfaden für die Erstellung eines NN zur Bonitätsprüfung
6.Zusammenfassung und Ausblick
Anhang
Literaturverzeichnis
Stichwortverzeichnis
Bei Interesse senden wir Ihnen gerne kostenlos und unverbindlich die Einleitung und einige Seiten der Studie als Textprobe zu.
Bitte fordern Sie die Unterlagen unter agentur@diplom.de, per Fax unter 040-655 99 222 oder telefonisch unter 040-655 99 20 an.
Inhaltsverzeichnis:Inhaltsverzeichnis:
1.Einleitung
1.1Aktuelle Entwicklung der Insolvenzen
1.2Motivation und Ziel der Arbeit
1.3Gang der Darstellung
2.Grundlagen der Bonitätsprüfung
2.1Gegenstand und Ziel der Bonitätsprüfung
2.2Jahresabschlußanalyse: Verfahrensüberblick
2.3Verfahren der Kennzahlenanalyse
2.3.1Grundlagen
2.3.2Traditionelle Kennzahlenanalyse
2.3.3EDV-gestützte Kennzahlenanalyse
3.Empirisch-induktive Verfahren
3.1Regressionsanalyse
3.2Diskriminanzanalyse: Grundlagen und Vorbereitungen
3.2.1Begriffsabgrenzung
3.2.2Zweiteilung des Datenmaterials
3.2.3Auswahl der Kennzahlen
3.2.4Festlegung der Zielsetzung
3.3Univariate Diskriminanzanalyse
3.4Multivariate Diskriminanzanalyse
3.4.1Prüfung auf Normalverteilung
3.4.2Prüfung auf Trennfähigkeit
3.4.3Das Problem der Multikollinearität
3.4.4Gleichheit der Varianz-Kovarianz-Matrizen
3.4.5Ermittlung der Diskriminanzfunktion
3.4.6Vergleich der Methoden der MDA
3.5Mustererkennung
4.Künstliche Neuronale Netze
4.1Grundlagen und Begriffsabgrenzung
4.1.1Das biologische Vorbild
4.1.2Das Neuron
4.1.3Die Netz-Topologie
4.1.4Die Lernregeln
4.2Exemplarische Beschreibung einiger Netztypen
4.2.1Das Perzeptron
4.2.1.1Grundlagen
4.2.1.2Das Trainingsverfahren für das Perzeptron
4.2.1.3Beispiel 1: Das Perzeptron
4.2.2Das Multi-Layer-Perceptron
4.2.2.1Grundlagen
4.2.2.2Beispiel 2: Das XOR-Problem mit dem MLP
4.2.2.3Der Backpropagation-Algorithmus
4.2.2.4Beispiel 3: Der Backpropagation-Algorithmus
4.2.3Counterpropagation
4.2.4Learning Vector Quantization
4.3Probleme beim Training von KNN 15
.3.1Overlearning
4.3.2Probleme im Zusammenhang mit dem Gradientenabstiegsverfahren
5.Bonitätsprüfung mit Neuronalen Netzen
5.1Grundsätzliche Vorüberlegungen
5.1.1Wahl der freien Parameter
5.1.2Exkurs: Probleme bei der Datenbeschaffung
5.2Studien zur Bonitätsprüfung mit NN
5.2.1ODOM/SHARDA (1990)
5.2.2ERXLEBEN ET AL. (1992)
5.2.3REHKUGLER/PODDIG (1992)
5.2.4BAETGE ET AL. (1994B)
5.2.5ALTMAN ET AL. (1994)
5.2.6Weitere Studien
5.2.7Kritische Würdigung der Studien
5.2.8Leitfaden für die Erstellung eines NN zur Bonitätsprüfung
6.Zusammenfassung und Ausblick
Anhang
Literaturverzeichnis
Stichwortverzeichnis
Bei Interesse senden wir Ihnen gerne kostenlos und unverbindlich die Einleitung und einige Seiten der Studie als Textprobe zu.
Bitte fordern Sie die Unterlagen unter agentur@diplom.de, per Fax unter 040-655 99 222 oder telefonisch unter 040-655 99 20 an.
Andere Kunden interessierten sich für
