Deep Learning bei der Vorhersage von finanziellem Scheitern
Versandkostenfrei!
Versandfertig in 6-10 Tagen
60,90 €
inkl. MwSt.
PAYBACK Punkte
0 °P sammeln!
Für die in einem Land tätigen Unternehmen ist es äußerst wichtig, sowohl ihre eigene Existenz zu sichern als auch der Wirtschaft des Landes Nutzen zu bringen. Die Globalisierung der Weltwirtschaft und die daraus resultierenden Wirtschaftskrisen in der Welt wirken sich negativ auf die Wirtschaft der Staaten und der in der Welt tätigen Unternehmen aus. Im Rahmen all dieser Situationen ist es für Unternehmen unerlässlich geworden, finanziell gut geführt zu werden und vor dem Scheitern die notwendigen Maßnahmen zu ergreifen, um die Auswirkungen dieser Krisen zu verhindern oder zu minimier...
Für die in einem Land tätigen Unternehmen ist es äußerst wichtig, sowohl ihre eigene Existenz zu sichern als auch der Wirtschaft des Landes Nutzen zu bringen. Die Globalisierung der Weltwirtschaft und die daraus resultierenden Wirtschaftskrisen in der Welt wirken sich negativ auf die Wirtschaft der Staaten und der in der Welt tätigen Unternehmen aus. Im Rahmen all dieser Situationen ist es für Unternehmen unerlässlich geworden, finanziell gut geführt zu werden und vor dem Scheitern die notwendigen Maßnahmen zu ergreifen, um die Auswirkungen dieser Krisen zu verhindern oder zu minimieren. Aus diesem Grund ist die Vorhersage eines finanziellen Scheiterns wichtig. In dieser Studie werden Altman Z-Score, eine der ersten Studien über traditionelle Methoden zur Vorhersage von Insolvenzen und Konkursen, und traditionelle und moderne Methoden wie künstliche neuronale Netze, Random-Forest-Methode, Support Vector Machines und Entscheidungsbäume aus dem Bereich des maschinellen Lernens verglichen und erläutert. Diese Studie stammt aus der Dissertation von Safak Sönmez Soydas (Betreuer: Assoc. Dr. Handan ÇAM) aus dem Jahr 2021, die vom Institut für Graduiertenausbildung der Gümüshane-Universität angenommen wurde.
Andere Kunden interessierten sich für
