Bankruptcy Prediction Models Based on Value Measures
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In the existing studies devoted to predicting bankruptcy, the authors of such models only used book measures. Considering the fact that the evolution of corporate measure efficiency (in addition to book measures) brought into existence and exposed the importance of cash measures, market measures, and measures based on the economic profit concept, it is justified to carry out research into the possibility of using these measures as variables within the discriminant function. The studied dataset was divided into a training set and a testing set based on two variants of the sample division. The assessment of the statistical significance of the built discriminant functions as well as the diagnostic variables was conducted using the STATISTICA package. The research was conducted separately for each variant. In the first step, a total of 30 discriminant models were created. This enabled us to select 20 diagnostic variables that were considered within the two models that were characterised by the highest predictive abilities—one for each variant. The discriminant function that was estimated for the first variant was based on the use of eight diagnostic variables, and 13 diagnostic variables were used in the function that was estimated for the second variant. The conducted analysis has proven that shareholder value measures are a useful tool that can be applied for the needs of corporate risk management in the area of the assessment of a firm’s bankruptcy risk. Using two variants of the division of the research sample into the training and testing sets, it turned out that the division affects the predictive efficiency of the discriminant functions. At the same time, the obtained findings tend to claim that the presence of the value measures from all four of the studied groups in the output set of the diagnostic variables is necessary for possibly building the most efficient tool for the early warning signs of bankruptcy risk.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle