PL EN


2014 | 3(37) | 133-138
Article title

Clustering and Visualization of Bankruptcy Patterns Using the Self-Organizing Maps

Title variants
PL
Klasteryzacja i wizualizacja wzorców bankructwa przy użyciu samoorganizujących się map Kohonena
Languages of publication
EN
Abstracts
EN
Pattern recognition of bankrupt or non-bankrupt enterprises may not only extend or confirm the knowledge in economics, but also deliver to experts, from the standpoint of the decision support, a view of the economic and financial situation of the audited enterprise. Therefore, it may be an effective tool for early warning of the bankruptcy risk of the enterprise. Such a tool is especially important for small and medium enterprises (SMEs) in the underdeveloped regions. The research described in the paper is intended for generation and visualization of the state of SMEs in the Podkarpacie region on the basis of information included in financial reports. A self-organizing map (SOM), often called the Kohonen net, has been used in the unsupervised modelling mode. Results of research show a high potential of the method to the stated objectives and the simplicity of the representation of knowledge transferred to entrepreneurs and financial analysts.
PL
Rozpoznawanie wzorców przedsiębiorstw w stanie bankrupt lub non-bankrupt, może nie tylko poszerzyć lub potwierdzić wiedzę z dziedziny ekonomii, ale również z punktu widzenia wspomagania decyzji, może dać ekspertom pogląd na stan ekonomiczno-finansowy audytowanego przedsiębiorstwa. A zatem, może stanowić skuteczne narzędzie wczesnego ostrzegania przedsiębiorstwa przed bankructwem. Narzędzie takie jest szczególnie istotne dla małych i średnich przedsiębiorstw (SME) w regionach słabo zurbanizowanych. Przeprowadzone i opisane w tym artykule badania miały na celu wygenerowanie i wizualizację stanu SME w regionie podkarpackim na podstawie informacji zawartych w sprawozdaniu finansowym. Do modelowania w trybie klasyfikacji bezwzorcowej użyto sieć Kohonena (SOM). Wyniki badań pokazały duże możliwości zastosowanej metody do wskazanych celów oraz prostotę reprezentacji wiedzy przekazywanej przedsiębiorcom i analitykom finansowym.
Contributors
author
  • University of Management and Administration in Zamość, Poland
  • University of Management and Administration in Zamość, Poland
  • University of Information Technology and Management in Rzeszów, Poland
References
  • Burda, A., and Z.S. Hippe. 2010. Uncertain Data Modeling. The Case of Small and Medium Enterprises. In 3rd International Conference on Human System Interaction, edited by T. Pardela and B. Wilamowski. Rzeszów.
  • Goldberg, D.E. 1989. Genetic Algorithms in Search, Optimization, and Machine Learning. Reading, MA: Addison-Wesley Pub. Co.
  • Haykin, S.S. 1994. Neural Networks. A Comprehensive Foundation. New York-Toronto: Macmillan.
  • Kohonen, T. 1982. “Self-Organized Formation of Topologically Correct Feature Maps.” Biological Cybernetics (43):59–69.
  • Kowerski, M. 2006. “Koncepcja badań sektora małych i średnich przedsiębiorstw w projekcie System przeciwdziałania powstawaniu bezrobocia na terenach słabo zurbanizowanych.” Barometr Regionalny no. 6:1–5.
  • Kowerski, M. 2008. “Assessment of the Economic Condition of Small Enterprises with Logit Micro-Macro Models. The Case of the Lubelskie Voivodship.” 2008 Conference on Human System Interactions, Vols 1 and 2:375–380.
  • Lee, K., D. Booth, and P. Alam. 2005. “A Comparison of Supervised and Unsupervised Neural Networks in Predicting Bankruptcy of Korean Firms.” Expert Systems with Applications no. 29 (1):1–16. doi: 10.1016/j.eswa.2005.01.004.
  • López-Iturriaga, F.J., and I.P. Sanz. 2014. “Bankruptcy Visualization and Prediction Using Neural Networks: A Study of U.S. Commercial Banks.” Expert Systems with Applications: Available online 25 November 2014, In Press, Uncorrected Proof – Note to users. doi: 10.1016/j.eswa.2014.11.025.
  • Nowak, E. 2006. “Propozycje zmiennych oceniających kondycję ekonomiczno-finansową przedsiębiorstw.” Barometr Regionalny no. 6:35–41.
  • Paliwal, M., and U.A. Kumar. 2009. “Neural Networks and Statistical Techniques: A Review of Applications.” Expert Systems with Applications no. 36 (1):2–17. doi: 10.1016/j.eswa.2007.10.005.
  • Patterson, D.W. 1996. Artificial Neural Networks. Theory and Applications. Singapore-New York: Prentice Hall.
  • Reich, Y., and S.V. Barai. 1999. “Evaluating Machine Learning Models for Engineering Problems.” Artificial Intelligence in Engineering no. 13 (3):257–272. doi: 10.1016/S0954–1810(98)00021–1.
  • Schmiemann, M. 2008. “Enterprises by Size Class — Overview of SMEs in the EU.” Statistics in Focus no. 31:1–8.
  • Tseng, F.-M., and Y.-C. Hu. 2010. “Comparing Four Bankruptcy Prediction Models: Logit, Quadratic Interval Logit, Neural and Fuzzy Neural Networks.” Expert Systems with Applications no. 37 (3):1846–1853. doi: 10.1016/j.eswa.2009.07.081.
Document Type
Publication order reference
Identifiers
YADDA identifier
bwmeta1.element.desklight-c16fdb7a-246b-42ca-9381-5a13d6f593eb
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.