Deep learning nella previsione del fallimento finanziario
Versandkostenfrei!
Versandfertig in 6-10 Tagen
39,99 €
inkl. MwSt.
PAYBACK Punkte
20 °P sammeln!
Per le aziende che operano in un Paese è estremamente importante sia mantenere la propria esistenza sia fornire benefici all'economia del Paese. La globalizzazione delle economie mondiali e le conseguenti crisi economiche nel mondo influenzano negativamente le economie degli Stati e delle imprese che operano nel mondo. Nel quadro di tutte queste situazioni, è diventato imperativo che le imprese siano gestite finanziariamente bene e che prendano le misure necessarie prima del fallimento, al fine di prevenire o minimizzare l'impatto di queste crisi. Per questo motivo, la previsione del fallime...
Per le aziende che operano in un Paese è estremamente importante sia mantenere la propria esistenza sia fornire benefici all'economia del Paese. La globalizzazione delle economie mondiali e le conseguenti crisi economiche nel mondo influenzano negativamente le economie degli Stati e delle imprese che operano nel mondo. Nel quadro di tutte queste situazioni, è diventato imperativo che le imprese siano gestite finanziariamente bene e che prendano le misure necessarie prima del fallimento, al fine di prevenire o minimizzare l'impatto di queste crisi. Per questo motivo, la previsione del fallimento finanziario è importante. In questo studio vengono confrontati e spiegati lo Z-Score di Altman, che è uno dei primi studi sui metodi tradizionali di previsione dei fallimenti finanziari ed è ancora oggi frequentemente utilizzato nella previsione dei fallimenti e delle bancarotte, e i metodi tradizionali e moderni come le reti neurali artificiali, il metodo della foresta casuale, le macchine a vettori di supporto, gli alberi decisionali e i metodi di apprendimento automatico. Questo studio deriva dalla tesi di dottorato scritta da ¿afak Sönmez Soydä (relatore: Assoc. Dr. Handan ÇAM) nel 2021 e accettata dal Gümü¿hane University Graduate Education Institute.
Andere Kunden interessierten sich für
