Predicting Bankruptcy at Polish Companies: A Comparison of Selected Machine Learning and Deep Learning Algorithms
Journal Title: Zeszyty Naukowe Uniwersytetu Ekonomicznego w Krakowie - Year 2018, Vol 0, Issue 6
Abstract
Insolvency prediction is one of the crucial abilities in corporate finance and financial management. It is critical in accounts receivable management, capital budgeting decisions, financial analysis, capital structure management, going concern assessment and co-operation with other companies. The purpose of this paper is to compare the efficiency of selected deep learning and machine learning algorithms trained on a representative sample of Polish companies for the period 2008–2017. In particular, the paper tested the following popular machine learning algorithms: discriminant analysis (DA), logit (L), support vector machines (SVM), random forest (RF), gradient boosting decision trees (GB), neural network with one hidden layer (NN), convolutional neural network (CNN), and naïve Bayes (NB). The research hypotheses evaluated in the paper state that if one has access to a large sample of companies, the most accurate algorithm (first choice) in bankruptcy prediction will be gradient boosting decision trees (H1), random forest (H2) and neural networks (H3) (deep learning) algorithms. The initial hypotheses were formulated based on the practitioners’ opinions regarding the usefulness of various machine learning and artificial intelligence algorithms in bankruptcy prediction. As the results of the research suggest, both deep learning and machine learning algorithms proved to have very comparable efficiency. The new factor introduced in the paper was that the training of the models was carried out on a representative sample of companies (for years 2008–2013) and also the testing phase used a significant number of bankrupt and active companies (validation included a completely different set of companies than those used in the training phase: data were taken from a different time period, 2014–2017, and companies in both sets were also completely different).
Authors and Affiliations
Joanna Wyrobek
Keywords
Related Articles
- EP ID EP535783
- DOI 10.15678/ZNUEK.2018.0978.0603
- Views 81
- Downloads 0
Wpływ odroczonego podatku dochodowego na kształtowanie wyniku finansowego jednostki gospodarczej
Celem artykułu jest wskazanie rozbieżności między prawem bilansowym i podatkowym w zakresie ustalania wyniku finansowego (dochodu podatkowego) oraz przedstawienie roli odroczonego podatku dochodowego w kompensowaniu obci...
Zróżnicowanie poziomu sprawności fizycznej oraz parametrów somatycznych studentów kierunku turystyki i rekreacji wybranych krakowskich szkół wyższych
Celem pracy było określenie poziomu sprawności fizycznej oraz parametrów somatycznych studentów kierunku turystyki i rekreacji wybranych krakowskich szkół wyższych. Łączenie zbadano 194 studentów (151 kobiet oraz 43 mężc...
Od klasycznych papierów wartościowych do zdematerializowanych instrumentów finansowych – ewolucja i perspektywy
W artykule skoncentrowano się głównie na problematyce historycznoprawnej, przedstawiając przebieg procesu, który od materialnych akcji i obligacji, poprzez tzw. odcinki zbiorowe, będące materialnym wyrazem istnienia papi...
Wpływ restrykcyjności regulacji nadzorczych na stabilność banków spółdzielczych w krajach Unii Europejskiej
Celem przedstawionych w artykule badań była identyfikacja determinant stabilności finansowej banków spółdzielczych w Unii Europejskiej w latach 2008–2015 ze szczególnym uwzględnieniem wpływu restrykcyjności działań regul...
Predicting Bankruptcy at Polish Companies: A Comparison of Selected Machine Learning and Deep Learning Algorithms
Insolvency prediction is one of the crucial abilities in corporate finance and financial management. It is critical in accounts receivable management, capital budgeting decisions, financial analysis, capital structure ma...