PL EN


2015 | 13 (19) |
Article title

Prognozowanie bankructwa za pomocą klasyfikatorów rozmytych realizujących ideę maksymalnego marginesu

Authors
Content
Title variants
EN
Bankruptcy prediction with Maximum Margin Fuzzy Classifiers
Languages of publication
PL EN
Abstracts
EN
The paper is devoted to the bankruptcy prediction problem. Analyzed concept is the usage of Maximum Margin Fuzzy Classifiers. The article gives a brief overview of approaches used for the purpose of bankruptcy prediction. The most important theoretical aspects of MMFC method are presented. The final part contains results and conclusions of a study on real-world data regarding Warsaw Stock Exchange companies.
Contributors
author
References
  • Abe S., Kernel-based methods, [w:] Support Vector Machines for Pattern Classification. Springer, 2010a, rozdz. 6.
  • Abe S., Maximum-Margin Fuzzy Classifiers, [w:] Support Vector Machines for Pattern Classification. Springer, 2010b, rozdz. 10.
  • Agresti A., Categorical Data Analysis. John Wiley & Sons, 2002.
  • Beaver H. W., Financial Ratios As Predictors of Failure, „Journal of Accounting Research” 1966, s. 71-102..
  • Breiman L., Random Forests, Machine Learning, 2001.
  • Burges C., A tutorial on support vector machines for pattern recognition, Data Mining and Knowledge Discovery, February 1998, s. 121-167.
  • Ćwik J., Koronacki J., Statystyczne systemy uczące się, EXIT, Warszawa 2008.
  • Devulapalli K.C., Vadlamani R., Feature selection and fuzzy rule-based classifier applied to bankruptcy prediction in bank, „Int. J. of Information and Decision Sciences” 2009, nr 1, s. 343-365.
  • Gąska D., Zastosowanie metody SVM do oceny ryzyka bankructwa i prognozowania upadłości przedsiębiorstw, „Śląski Przegląd Statystyczny” 2013, nr 11, s. 289-310.
  • Hastie T., Tibshirani R., Friedman J., The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer, 2009.
  • Kohavi R., A study of cross-validation and bootstrap for accuracy, [w:] 14th Intl. Joint Conf. Art. Int., 1995, s. 1137-1143.
  • Korol T., Multi-Criteria Early Warning System Multi-Criteria Early Warning System, „International Research Journal of Finance and Economics” 2011.
  • Korol T., Nowe podejście do analizy wskaźnikowej w przedsiębiorstwie, Wolters Kluwer Polska Warszawa, Polska, 2013.
  • Korol T., Prognozowanie upadłości firm przy wykorzystaniu miękkich technik obli- czeniowych, Finansowy Kwartalnik Internetowy „e-Finanse” 2010.
  • Krzyśko M., Wołyński W., Górecki T., Skorzybut M., Systemy uczące się, WNT War-szawa 2008.
  • Nogueira R., Vieira M. S., Sousa M. C. J., The prediction of bankruptcy using fuzzy classifiers, [w:] 2005 ICSC Congres, 2005.
  • Ostasiewicz W., Certainty And Uncertainty Versus Precision And Vagueness, „Badania Operacyjne i Decyzje” 2003, s. 139-148.
  • Ostasiewicz W., Myślenie statystyczne. Wolters Kluwer Polska, 2012.
  • Prusak B., Nowoczesne metody prognozowania zagrożenia finansowego przesiębiorstw, Difin Warszawa 2005.
  • Rutkowski L., Metody rozpoznawania wiedzy z wykorzystaniem zbiorów rozmytych typu 1, [w:] tegoż, Metody i techniki sztucznej inteligencji, PWN Warszawa, 2005, rozdz. 4, s. 52-131.
  • Vapnik V. V., The Nature of Statistical Learning Theory, New York, 1995.
Document Type
Publication order reference
Identifiers
YADDA identifier
bwmeta1.element.desklight-7aea5c9a-4b83-442e-997f-34af778b9b4e
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.