Параметри
Прогнозування банкрутства підприємств методами машинного навчання
Дата випуску :
2023
Автор(и) :
Костовецький Євгеній Дмитрович
Науковий(і) керівник(и)/редактор(и) :
Кравець Тетяна Вікторівна
Анотація :
Обʼєкт дослідження: банкрутство підприємств
Мета дослідження: порівняння різних алгоритмів машинного навчання для прогнозування неплатоспроможності підприємства за певний період часу на основі сукупності фінансових показників компанії
Методи дослідження: алгоритми машинного та глибинного навчання – бутстрепова агрегація, опорно-векторні машини з лінійним та радіально-базисним ядром, штучні нейронні мережі, випадковий ліс, алгоритм підсилювання, алгоритм k-найближчих сусідів, дерева рішень, логістична регресія, згорткові нейронні мережі, нейронні мережі прямого поширення, рекурентні нейронні мережі та довга короткочасна пам’ять, а також методи балансування даних – Random over-sampling, SMOTE, ADASYN, Random under-sampling та Near-Miss
Наукова новизна, теоретична значимість: виявлення найбільш ефективної комбінації методів машинного навчання та балансування даних для прогнозування банкрутства
Практична цінність: використання методології прогнозування банкрутства підприємствами для аналізу поточного фінансового стану та визначення ймовірності неплатоспроможності компанії
Мета дослідження: порівняння різних алгоритмів машинного навчання для прогнозування неплатоспроможності підприємства за певний період часу на основі сукупності фінансових показників компанії
Методи дослідження: алгоритми машинного та глибинного навчання – бутстрепова агрегація, опорно-векторні машини з лінійним та радіально-базисним ядром, штучні нейронні мережі, випадковий ліс, алгоритм підсилювання, алгоритм k-найближчих сусідів, дерева рішень, логістична регресія, згорткові нейронні мережі, нейронні мережі прямого поширення, рекурентні нейронні мережі та довга короткочасна пам’ять, а також методи балансування даних – Random over-sampling, SMOTE, ADASYN, Random under-sampling та Near-Miss
Наукова новизна, теоретична значимість: виявлення найбільш ефективної комбінації методів машинного навчання та балансування даних для прогнозування банкрутства
Практична цінність: використання методології прогнозування банкрутства підприємствами для аналізу поточного фінансового стану та визначення ймовірності неплатоспроможності компанії
The work is interesting for comparing different methods of machine and deep learning along with approaches for handling imbalanced data sets for bankruptcy predicting.
Бібліографічний опис :
Костовецький Є. Д. Прогнозування банкрутства підприємств методами машинного навчання : кваліфікаційна робота бакалавра : 051 Економіка / Костовецький Євгеній Дмитрович. - Київ, 2023. - 77 с.
Файл(и) :
Ескіз недоступний
Формат
Adobe PDF
Розмір :
1.56 MB
Контрольна сума:
(MD5):e48ff6ad713e5d0f7831df387082b400
Ця робота розповсюджується на умовах ліцензії Creative Commons CC BY-NC