RAZISKAVA KREDITNEGA TVEGANJA S POMOČJO NEVRONSKIH MREŽ

Šenk, Bernarda

| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Prva stran > Izpis gradiva

Izpis gradiva

Naslov:	RAZISKAVA KREDITNEGA TVEGANJA S POMOČJO NEVRONSKIH MREŽ
Avtorji:	ID Šenk, Bernarda (Avtor) ID Mrkaić, Mićo (Mentor) Več o mentorju... ID Avsec, Andreja (Komentor)
Datoteke:	DR_Senk_Bernarda_2010.pdf (1,95 MB) MD5: CD861E32EEDD7335E5E00996140BC7C9 PID: 20.500.12556/dkum/f3d3893f-6421-44bb-8d7a-c50dcab70f4f
Jezik:	Slovenski jezik
Vrsta gradiva:	Doktorska disertacija
Organizacija:	FOV - Fakulteta za organizacijske vede
Opis:	Aktivno upravljanje s tveganji je nujno za vsako podjetje, katerega cilj je dolgoročni obstoj in konkurenčnost na trgu. Ignoriranje kreditnega tveganja oziroma premajhno posvečanje (pozornosti) temu problemu lahko podjetje pripelje v resne težave, še posebno v času recesije. Mehanizem odloga plačila omogoča dobavitelju nadzorovati finančno stabilnost kupca, kar je v primeru prodaj brez odloga plačila onemogočeno. Vsa podjetja se pri prodaji z odlogom plačila srečujejo z zamudami, ki so pri izpolnitvah pogodbenih obveznosti v poslovni praksi pogoste. V pričujočem delu analiziramo tiste informacije, ki podjetjem izboljšajo napovedi o verjetnosti in zamudi poravnavanju računov. Tega problema smo se lotili tako, da smo ocenjevali zamude z različnimi empiričnimi modeli. V raziskavo smo vključili kazalnike bonitete kupcev in osebnostne lastnosti njihovih odgovornih oseb ter predhodne zamude pri plačilih. Pokazalo se je, da so osebnostne lastnosti zelo pomembne v odnosu kupec — dobavitelj. V tem odnosu medsebojno zaupanje, ki temelji na vestnosti, lahko vodi do povečanega obsega sodelovanja. Raziskava je potrdila, da bodo osebe, ki so bolj vestne, z večjo verjetnostjo vestno izpolnjevale obveznosti. Če ima direktor višje izražen nivo vestnosti in s tem tudi faceto izpolnjevanje obveznosti, bo to podjetje svoje obveznosti plačevalo svojemu dobavitelju z večjo verjetnostjo v dogovorjenem roku plačila. Hkrati s tem pa si bo to podjetje bolj verjetno poskušalo izboljšati boniteto, posledično pa bo imelo lažji in cenejši dostop do finančnih virov pri bankah. Modelski rezultati kažejo, da sta najboljši napovedovalki zamud prvi dve predhodni zamudi, sledijo oblika podjetja, leto, produktivnost zaposlenega (dodana vrednost in skupni prihodki na zaposlenega), plačilni pogoji (dnevi vezave kratkoročnih poslovnih obveznosti in dnevi odloženega plačila), odprtost za izkušnje in izpolnjevanje obveznosti. Pri analizi kreditnega tveganja s pomočjo kazalnikov bonitete podjetij in faktorji bonitete je bila najboljša splošna regresijska nevronska mreža (GRNN). Za analizo povezave dimenzij osebnosti in poddimenzij vestnosti z zamudami pa je bila najboljša nevronska mreža z večplastnimi perceptroni (NN z MLP), ki vsebuje eno skrito plast. Ravno tako smo dobili najučinkovitejše ocenjevanje zamud, kjer so vključeni vsi faktorji in predhodne zamude, z linearno nevronsko mrežo, s splošno regresijsko nevronsko mrežo (GRNN) in nevronsko mrežo z večplastnimi perceptroni (NN z MLP). V vseh primerih pa je bila najslabša nevronska mreža z radialno osnovno funkcijo (RBFNN).
Ključne besede:	kreditno tveganje, nevronske mreže, boniteta, kazalniki, osebnost, vestnost, faktorska analiza, zamude.
Kraj izida:	Maribor
Leto izida:	2008
PID:	20.500.12556/DKUM-15408
COBISS.SI-ID:	244176128
NUK URN:	URN:SI:UM:DK:LIVPK5SZ
Datum objave v DKUM:	05.01.2011
Število ogledov:	3680
Število prenosov:	307
Metapodatki:
Področja:	FOV
:	ŠENK, Bernarda, 2008, RAZISKAVA KREDITNEGA TVEGANJA S POMOČJO NEVRONSKIH MREŽ [na spletu]. Doktorska disertacija. Maribor. [Dostopano 22 marec 2025]. Pridobljeno s: https://dk.um.si/IzpisGradiva.php?lang=slv&id=15408 Kopiraj citat

Skupna ocena:	0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 (0 glasov)
Vaša ocena:	Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:

Iščem podobna dela... Prosim, počakajte...

Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Sekundarni jezik

Jezik:	Angleški jezik
Naslov:	THE CREDIT RISK INVESTIGATION WITH NEURAL NETWORKS
Opis:	Active risk management is necessary for every company whose goal is long-term existence and competitiveness on the market. Ignoring credit risk or devoting too little attention to this problem can get companies into serious trouble, especially in times of recession. The payment delay mechanism enables a supplier to control customer’s financial stability. If all sales were without delay, such control would be impossible. In business practice it is quite common that payments are late. In present work we tried to ascertain which pieces of information helps companies improve their forecasts of the probability of invoice settlement. We examine this problem using different empirical models. We used creditworthiness indexes, personality properties and previous delays as explanatory variables. Our results show that personality traits are play an important role in the customer-supplier relationship. In this relationship mutual confidence can lead to increased collaboration. Investigation has confirmed that firms employing more conscientious executives are more likely to fulfil their financial obligations. If the chief/financial executive officer has a higher level conscientiousness, his company will more likely pay its debt to its supplier in time. In addition, such companies are more likely to attempt to improve their creditworthiness and in order to reduce the cost of external financing. Empirical results show that the best predictors of payment delays are: the first and the second lag of prior delays, the legal form of the company, the year, employee productivity (value added per employee and total revenues per employee), payment condition (days payables outstanding – average days’ credit and payables deferral period), openness to experiences and dutifulness. General regression neural network (GRNN) was the best for credit risk analysis with creditworthiness indexes and creditworthiness factors. Neural network with multi layer perceptron (NN with MLP) containing one hidden layer was the best for linking analysis between the personality dimension and the conscientiousness subdimensions. We got the most efficient delay estimation including all factors and prior delays with the linear neural network, general regression neural network (GRNN) and neural network with multi layer perceptron (NN with MLP). Radial basis function neural network (RBFNN) was the worst in all cases.
Ključne besede:	credit risk, nevron networks, creditworthiness, indexes, personality, conscientiousness, factor analysis, delays.

Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)

0 - 0 / 0

Ni komentarjev!

Nazaj