Modele de previziune a riscului de faliment
pe baza reţelelor neuronale artificiale
Autor:
Doina PRODAN-PALADE
JEL:
M41, C53, G33
DOI:
10.20869/AUDITF/2017/147/418
Cuvinte cheie:
Reţele neuronale artificiale, propagare
inversă a erorii, risc de faliment, rată de lichiditate
globală, rată de solvabilitate globală
Abstract:
Obiectivul cercetării este de a studia capacitatea
reţelelor neuronale artificiale de a previziona riscul ca o
companie să întâmpine dificultăţi financiare. Am
previzionat riscul de faliment prin utilizarea indicatorilor
financiari asociaţi (rata de lichiditate globală şi rata de
solvabilitate globală), apelând la două modele de reţele
neuronale artificiale, bazate pe algoritmul de propagare
inversă a erorii. Modelele propuse au fost implementate
şi testate cu aplicaţia PyBrain, utilizând un număr de 55
de companii listate la Bursa de Valori Bucureşti, în
perioada 2010-2014. După un total de 19.944 iteraţii
pentru fiecare fază de învăţare, cei doi algoritmi au
devenit convergenţi, iar erorile obţinute pe parcursul
testării au atins ţinta fixată. Rezultatele empirice au
arătat că modelele bazate pe reţele neuronale artificiale
sunt eficiente şi fiabile în ceea ce priveşte detectarea
riscului de faliment. Reţelele neuronale artificiale sunt
foarte utile în analiza economică, atunci când
implementarea unor funcţii care descriu în mod adecvat
relaţia dintre variabilele economice este dificilă, din
cauza complexităţii datelor. Utilizarea metodei reţelelor
neuronale în previzionarea riscului de faliment este mai
puţin întâlnită în România. Intenţia prezentului studiu
este de a compensa acest deficit al literaturii de
specialitate. În opinia noastră, lucrarea poate trezi
interesul nu doar al companiilor listate la bursa de valori,
dar şi al investitorilor, acţionarilor şi băncilor.
Abstract(261KB)
Articol(1245KB)