A “User Friendly” Bankruptcy Prediction Model Using Neural Networks

Brédart, Xavier

doi:10.5430/afr.v3n2p124

Cited by 45 publications

(29 citation statements)

References 15 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Analisis rasio dapat dijadikan alat ukur untuk membantu manajemen dalam mengevaluasi kinerja perusahaan (Yuliastary dan Wirakusuma, 2014). Refait (2004), Brédart (2014) mengatakan bahwa rasio solvabilitas, likuiditas dan profitabilitas menunjukkan diskriminatif yang tinggi mengenai prediksi kebangkrutan.…”

Section: Pendahuluanunclassified

“…Ketiga rasio tersebut merupakan rasio yang paling sering digunakan dalam penelitian mengenai prediksi kebangkrutan (Akers et al,2007;Brédart, 2014). Selain itu, current ratio dan return on assets terbukti dapat memprediksi probabilitas terjadinya kebangkrutan (Platt dan Platt, 2002;Almilia dan Kristijadi, 2003;Widarjo dan Setiawan, 2009;Yuanita, 2010;Hapsari, 2012;Saleh dan Sudiyatno, 2013;Haq et al, 2013).…”

Section: Pendahuluanunclassified

“…Jumlah hidden layer yang digunakan adalah satu. Penggunaan hidden layer yang terlalu banyak akan menurunkan kemampuan generalisasi dari neural network (Paquet, 1997;Brédart, 2014). Setelah menentukan arsitektur model pelatihan ANN dan mendapatkan bobot dan kriteria error yang diinginkan, tahap selanjutnya adalah melakukan proses prediksi kebangkrutan pada sampel data uji menggunakan model jaringan yang sudah dilatih.…”

Section: Teknik Analisisunclassified

See 2 more Smart Citations

Analisis Prediksi Kebangkrutan Perusahaan Menggunakan Artificial Neural Network Pada Sektor Pertambangan Batubara

Nurdini

Priyadi

Norita

2018

J. Sistem Info. Bisnis

View full text Add to dashboard Cite

Indonesia's coal mining industry has been decreased since the last five years and causing the financial performance of companies in the industry to deteriorate. The aim of this paper is to analyze the bankruptcy prediction on coal mining sector companies listed in Indonesia Stock Exchange (IDX) in 2012 -2016 using data mining prediction method that is artificial neural network model with three financial ratios as an input parameter. The financial ratios used are shareholder's equity ratio, current ratio and return on assets. The results indicate that these ratios are very suitable to be used as an input parameter because it shows a quite significant difference in calculation results between bankrupted and non-bankrupted companies.The ANN training model used in the prediction process in this study resulted in the best training performance with the model architecture of 15 neurons on input layer and one hidden layer with 30 neurons in it. The training model produces training performance with the lowest MSE of 0,000000313 and the highest R of 99,9%. Bankruptcy prediction result using ANN showed that 7 (seven) coal mining sector companies are predicted to be bankrupt. Keywords: Bankruptcy Prediction; Financial Ratios; Data Mining; Artificial Neural Network AbstrakSejak lima tahun terakhir, industri batubara di Indonesia mengalami penurunan dan menyebabkan kinerja perusahaan yang bergerak pada sektor tersebut menurun. Penelitian ini bertujuan untuk menggunakan metode prediksi data mining yaitu model Artificial Neural Network (ANN) dalam memprediksi kebangkrutan pada perusahaan sektor pertambangan batubara yang terdaftar di Bursa Efek Indonesia (BEI) tahun 2012 -2016 dengan tiga rasio keuangan sebagai parameter inputnya. Rasio keuangan yang digunakan adalah shareholder's equity ratio, current ratio dan return on assets. Hasil penelitian ini menunjukkan bahwa ketiga rasio tersebut sangat baik untuk digunakan sebagai parameter input karena menunjukkan perbedaan hasil perhitungan yang cukup signifikan antara perusahaan yang bangkrut dan tidak bangkrut. Model pelatihan ANN yang digunakan dalam proses prediksi pada penelitian ini menghasilkan kinerja pelatihan terbaik dengan arsitektur model yaitu 15 neuron pada input layer dan 30 neuron pada hidden layer dengan jumlah hidden layer sebanyak satu. Model pelatihan tersebut menghasilkan kinerja pelatihan dengan MSE terendah 0,00000313 dan R tertinggi 99,9%. Hasil prediksi kebangkrutan menggunakan ANN menunjukkan bahwa 7 (tujuh) perusahaan sektor pertambangan batubara diprediksi akan mengalami kebangkrutan.

show abstract

Section: Pendahuluanunclassified

Section: Teknik Analisisunclassified

See 1 more Smart Citation

Analisis Prediksi Kebangkrutan Perusahaan Menggunakan Artificial Neural Network Pada Sektor Pertambangan Batubara

Nurdini

Priyadi

Norita

2018

J. Sistem Info. Bisnis

View full text Add to dashboard Cite

show abstract

“…К таким факторам можно отнести деловую репутацию компании, уровень менеджмента на предприятии, удовлетворенность потреби-телей и др. В то же время применение более продвинутых инструментов, таких как байесовские методы, нечеткая логика , нейронные сети (Bredart X., 2014), логистическая регрессия и др. требуют специального, чаще всего дорогостоящего программного обеспечения, а также определенной квалификации менеджеров, что для малых предприятий недоступно.…”

Section: обзор литературыunclassified

Estimation of Bankruptcy Risk of Small Business Companies Basing Methods of Machine Learning

Arinichev

Богдашев

2017

Vestn. Ross. univ. družby nar., Ser. Èkon.

View full text Add to dashboard Cite

В статье рассматривается методика построения алгоритма определения риска наступления банкротства предприятия с использованием методов машинного обучения. Преимуществом данной методики является использование не только количественных, но и качественных ин-дикаторов финансовой устойчивости субъектов бизнеса, а также возможность исключения факторов, слабо влияющих на итоговый рейтинг. Предполагается, что разработанная матема-тическая модель будет полезна представителям малого и среднего бизнеса и позволит получить объективную и точную картину о финансовом положении предприятия, текущих угрозах и риске банкротства.Ключевые слова: риск наступления банкротства, финансовая устойчивость, машинное об-учение, системы интеллектуальной аналитики, бинарное дерево, малый бизнес Введение Банкротство -это ситуация, когда фирма неспособна разрешить свои денеж-ные обязательства, ведущая к правовой угрозе. Финансовые активы компаний продаются для погашения задолженности, что приводит к огромным потерям как для собственников, так и для инвесторов. В этой связи компаниям необходимо разрабатывать эффективные стратегии прогнозирования банкротства на более раннем этапе, чтобы избежать финансового кризиса. Заинтересованными лица-ми в определении финансовой устойчивости организации могут выступать не только собственники и инвесторы. Различные физические и юридические лица нуждаются в информации о «реальном положении дел в компании, с которой они связаны»: от поставщиков и партнеров, до сотрудников настоящих и потен-циальных.С институциональной точки зрения, чем большей информацией обладают все экономические агенты, тем меньше будет риск возникновения трансакционных издержек. Другими словами, благодаря полноте информации, полученной в ре-зультате применения простой и надежной методики оценивания финансовой устойчивости и отслеживания угрозы наступления банкротства, ключевые игро-ки рынка смогут проявлять высокий уровень доверия к данной организации: кли-

show abstract

“…For instance, artificial neural networks on financial ratios have been used for corporate bankruptcy and failure prediction (see Tam & Kiang (1990), Tam (1991), Salchenberger et al (1992), Wilson & Sharda (1994), Rudorfer (1995), Olmeda & Fernández (1997), Zhang et al (1999, Atiya (2001), andBrédart (2014)). Based on previous cases of bankruptcy, the general case classifies firms based on their likelihood of bankruptcy or failure.…”

mentioning

confidence: 99%

Whose Balance Sheet Is This? Neural Networks for Banks' Pattern Recognition

León¹,

Moreno²,

Cely³

2017

Wilmott

View full text Add to dashboard Cite

The balance sheet is a snapshot that portraits the financial position of a firm at a specific point of time. Under the reasonable assumption that the financial position of a firm is unique and representative, we use a basic artificial neural network pattern recognition method on Colombian banks' 2000-2014 monthly 25-account balance sheet data to test whether it is possible to classify them with fair accuracy. Results demonstrate that the chosen method is able to classify out-of-sample banks by learning the main features of their balance sheets, and with great accuracy. Results confirm that balance sheets are unique and representative for each bank, and that an artificial neural network is capable of recognizing a bank by its financial accounts. Further developments fostered by our findings may contribute to enhancing financial authorities' supervision and oversight duties, especially in designing early-warning systems.

show abstract

A “User Friendly” Bankruptcy Prediction Model Using Neural Networks

Cited by 45 publications

References 15 publications

Analisis Prediksi Kebangkrutan Perusahaan Menggunakan Artificial Neural Network Pada Sektor Pertambangan Batubara

Analisis Prediksi Kebangkrutan Perusahaan Menggunakan Artificial Neural Network Pada Sektor Pertambangan Batubara

Estimation of Bankruptcy Risk of Small Business Companies Basing Methods of Machine Learning

Whose Balance Sheet Is This? Neural Networks for Banks' Pattern Recognition

Contact Info

Product

Resources

About