Podręcznik

Sieci neuronowe mogą pełnić użyteczną rolę w ocenie podatności przedsiębiorstwa na bankructwo. W zastosowaniu tym wykorzystuje się ich funkcję klasyfikatora porównującego aktualne dane wejściowe z wektorem wzorcowym ukształtowanym w procesie uczenia na danych dotyczących przedsiębiorstw zdrowych i bankrutujących. W zależności od relacji do wektora wzorcowego wektor wejściowy danych aktualnych jest zaliczany albo do odpowiedniej klasy przedsiębiorstw zdrowych (wartość d=1) albo bankrutujących (d=0). Za bankrutującą firmę uznaje się taką dla której jest ogłoszona upadłość, firmę kończącą działalność biznesową z powodu trudności rynkowych, firmę która od kilku lat regularnie przynosi straty i jest pod kontrolą ustawową.

Najważniejszymi elementami decydującymi o skuteczności działania takiego klasyfikatora są cechy diagnostyczne, na podstawie których klasyfikator będzie podejmował decyzję. Potencjalne cechy tworzy się na podstawie danych finansowych przedsiębiorstwa. Do najważniejszych należą:

• Wskaźniki wzrostu, na przykład majątku całkowitego, majątku trwałego, sprzedaży, dochodu, dochodu netto, całkowitych należności z tytułu spłat długu

• Rentowność przedsiębiorstwa wyrażana poprzez stosunek różnego rodzaju dochodów do innych danych finansowych, na przykład dochodu ze sprzedaży do majątku całkowitego, dochodu netto do majątku całkowitego, dochodu ze sprzedaży do kapitału firmy, dochodu oraz dochodu netto ze sprzedaży do wartości akcji firmy na giełdzie czy do kapitału akcyjnego, dochodu oraz dochodu netto do wartości sprzedaży, zysku do wartości sprzedaży, wydatków finansowych do wartości sprzedaży czy dywidendy do kapitału akcyjnego.

• Stabilność wyrażana przez takie wskaźniki jak stosunek kapitału akcyjnego do całkowitego majątku firmy, wskaźnik zobowiązań bieżących, stałych i krótkoterminowych, wskaźnik zadłużenia, wskaźnik płatności bieżących i stałych, całkowite płatności i zadłużenie firmy, stosunek rezerw do wartości majątku i aktualna zmiana tego wskaźnika, aktualne odsetki od zaciągniętego długu, wskaźnik pokrycia tych odsetek.

• Przepływy pieniężne, w tym przepływ kapitału do majątku udziałowców, koszty pokrycia długów i obligacji, koszty poniesione dla zwiększenia majątku firmy czy na zwiększenie sprzedaży.

• Aktywność wyrażająca się fluktuacją majątku całkowitego, majątku udziałowców, majątku stałego, rezerw, zmian wartości rezerw.

• Wiarygodność firmy wyrażana przez takie wskaźniki jak stosunek płatności do należności i jego zmiana, stosunek płatności do aktualnych zobowiązań i jego zmiana, zmiana stosunku należności do bieżącego majątku firmy.

W pracy [39] rozważono 57 wskaźników ekonomicznych bazujących na wymienionych wyżej danych finansowych badając ich znaczenie w przewidywaniu bankructwa 126 firm koreańskich na przestrzeni 12 lat. Jednym z ważniejszych czynników decydujących o skuteczności predykcji jest ocena wartości diagnostycznej poszczególnych wskaźników ekonomicznych. Z kilku rozważanych metod selekcji cech diagnostycznych najlepszą efektywnością wykazała się miara dyskryminacyjna Fishera oraz drzewo decyzyjne stosujące miarę entropijną [3,18].

Przy zastosowaniu miary Fishera wyselekcjonowano 17 najważniejszych wskaźników, należących do wszystkich wymienionych grup. Jako klasyfikator została zastosowana sieć MLP o jednej warstwie ukrytej zawierającej 17 neuronów sigmoidalnych. Uzyskano dokładność predykcji równą 80%.

Przy zastosowaniu drzewa decyzyjnego liczba wyselekcjonowanych cech diagnostycznych była równa 9, a zastosowana sieć neuronowa MLP uznana za optymalną miała 9 neuronów ukrytych. Przy zastosowaniu tego rozwiązania uzyskano dokładność predykcji bankructwa firm sięgającą 82,5%.