Stock és flow típusú számviteli adatok alkalmazása a csődelőrejelző modellekben

Nyitrai, Tamás

doi:10.14267/veztud.2017.09.07

Cited by 6 publications

(10 citation statements)

References 19 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The impact of relating stock balance sheet items to flow profit-and-loss statement items on the performance of bankruptcy prediction models was in-depth researched by Nyitrai (2017). The effects of handling outliers on model performance in different manners were examined by Nyitrai and Virág (2019).…”

Section: The Challenges Of Data Transformations and Methods Combinationsmentioning

confidence: 99%

A Comprehensive Review of Corporate Bankruptcy Prediction in Hungary

Kristóf

Virág

2020

JRFM

View full text Add to dashboard Cite

The article provides a comprehensive review regarding the theoretical approaches, methodologies and empirical researches of corporate bankruptcy prediction, laying emphasis on the 30-year development history of Hungarian empirical results. In ex-socialist countries corporate bankruptcy prediction became possible more than 20 years later compared to the western countries, however, based on the historical development of corporate bankruptcy prediction after the political system change it can be argued that it has already caught up to the level of international best practice. Throughout the development history of Hungarian bankruptcy prediction, it can be tracked how the initial, small, cross-sectional sample and classic methodology-based bankruptcy prediction has evolved to today’s corporate rating systems meeting the requirements of the dynamic, through-the-cycle economic capital calculation models. Contemporary methodological development is characterized by the domination of artificial intelligence, data mining, machine learning, and hybrid modelling. On the basis of empirical results, the article draws several normative proposals how to assemble a bankruptcy prediction database and select the right classification method(s) to accomplish efficient corporate bankruptcy prediction.

show abstract

Section: The Challenges Of Data Transformations and Methods Combinationsmentioning

confidence: 99%

A Comprehensive Review of Corporate Bankruptcy Prediction in Hungary

Kristóf

Virág

2020

JRFM

View full text Add to dashboard Cite

show abstract

“…A logisztikus regresszió csődelőrejelzés területén való alkalmazása már az 1970-es években elterjedt, a banki hitelezői scorecardok 95%-a azonban még mindig ezen a módszeren alapul, a bankok tehát előszeretettel használják hitelezési döntéseik meghozatala során a módszert (Nyitrai-Virág 2017). A logisztikus regresszió egy rendkívül népszerű technika a csődelőrejelzés területén, ugyanis nem követeli meg a változók normális eloszlását, ugyanakkor nagyon érzékeny a kiugró adatokra, amely főként a csődbe kerülő vállalkozásokra jellemző, amiatt ezen értékek kezelése mindenképpen szükséges modellépítés során (Nyitrai 2017). A kiugró értékek kezelésének két legelterjedtebb gyakorlata a kiugró értékek helyettesítése a hozzájuk legközelebb eső, de már nem kiugró értékkel, valamint a kiugró adatokat mutató vállalkozások mintából való kizárása (Nyitrai-Virág 2017, Nyitrai 2017.…”

Section: Bevezetésunclassified

“…A logisztikus regresszió egy rendkívül népszerű technika a csődelőrejelzés területén, ugyanis nem követeli meg a változók normális eloszlását, ugyanakkor nagyon érzékeny a kiugró adatokra, amely főként a csődbe kerülő vállalkozásokra jellemző, amiatt ezen értékek kezelése mindenképpen szükséges modellépítés során (Nyitrai 2017). A kiugró értékek kezelésének két legelterjedtebb gyakorlata a kiugró értékek helyettesítése a hozzájuk legközelebb eső, de már nem kiugró értékkel, valamint a kiugró adatokat mutató vállalkozások mintából való kizárása (Nyitrai-Virág 2017, Nyitrai 2017.…”

Section: Bevezetésunclassified

Handling outliers in bankruptcy prediction models based on logistic regression

Szántó

2023

PSZ

View full text Add to dashboard Cite

The primary tool for managing bank default risk is the credit rating of potential customers. The focus of the present study is on the logistic regression method used to construct 95% of the lender scorecards. The aim of the research is to determine how much the treatment of outliers improves the classification accuracy of the models when using a method that is highly sensitive to outliers, and which method of treating outliers results in the highest classification accuracy. Furthermore, what criteria should be used to determine the cut-off value of the models for a sample that does not contain solvent and insolvent businesses in equal proportions. The analysis was carried out on a sample of 1677 construction companies. The results show that the treatment of outliers significantly improves the predictive ability of the models, while the replacement of outliers with the closest non-outlier proved to be the most effective for treating outliers. When determining the cut-off, it is inappropriate to use the value that results in the highest classification accuracy, as this may lead to an increase in the proportion of first-order errors. The optimisation of this value may depend on the degree of credit risk taken by a given financial institution in its portfolio of loans.

show abstract

“…Elemzőként fontos szem előtt tartani, hogy a mutatók a múlt adatait hordozzák, ugyanakkor a pénzügyi mutatók teljesítményértékelése relatív, hiszen ágazatonként, sőt vállalatonként változik a működési feltétel, nem mellesleg a különböző országok eltérő pénzügyi kimutatása nehezíti az összehasonlíthatóságot (Virág, 2001). A pénzügyi adatok bizonyos hiányosságuk ellenére domináns szerepet játszanak a csődmodellezésben (Nyitrai, 2017). Az adatok átfedés nélkül a kizárólag pénzügyi, valamint a pénzügyi és piaci mutatókat alkalmazó tanulmányok összehasonlító vizsgálatát teszik lehetővé.…”

Section: A Magyarázó Változók Típusaiunclassified

Külföldi csődelőrejelző módszerek szisztematikus irodalomelemzése

Ágoston

2022

Veztud

View full text Add to dashboard Cite

A vállalati fizetésképtelenség, csőd és pénzügyi nehézség vizsgálata egy intenzív kutatási terület, amelynek számos különböző gyakorlati eljárása megfigyelhető. A tanulmány a vállalati csődelőrejelzés külföldi szakirodalmát vizsgálja, a szisztematikus irodalomelemzés módszerével. A kutatás célkitűzése kettős, elsősorban megvizsgálja a vállalati csődelőrejelzés legjobban teljesítő módszereit, másodsorban felfedi az ehhez kapcsolódó legyakoribb tényezőket, a magasan hivatkozott külföldi csődkutatások alapján. Három tudományos adatbázist felhasználva, 105 szakirodalmi cikket dolgoztak fel, amelyeket 1966 és 2017 közötti időszakban tettek közzé. A szakirodalmi áttekintés, hat módszercsalád összehasonlítását teszi lehetővé. Az eredmények azt mutatják, hogy a döntési fa módszercsalád fölülmúlja az SVM, a neuronháló és a hagyományos statisztikai módszereket. A közepes pontosságú módszerek közül a példányalapú módszercsalád és a logisztikus regresszió összemérésekor nem lehetett egyértelmű rangsort felállítani. A csőd tényezőinek vizsgálatánál körvonalazódott, hogy a hagyományos pénzügyi mutatók mellet alkalmazott piaci mutatók átlagosan nem vezetnek magasabb előrejelző pontossághoz, mint a csak kizárólag pénzügyi mutatókat tartalmazó modellek.

show abstract

Stock és flow típusú számviteli adatok alkalmazása a csődelőrejelző modellekben

Cited by 6 publications

References 19 publications

A Comprehensive Review of Corporate Bankruptcy Prediction in Hungary

A Comprehensive Review of Corporate Bankruptcy Prediction in Hungary

Handling outliers in bankruptcy prediction models based on logistic regression

Külföldi csődelőrejelző módszerek szisztematikus irodalomelemzése

Contact Info

Product

Resources

About