文献

J-GLOBAL ID：201902227760216431   整理番号：19A2772670

機械学習を用いた会社バランスシートデータに基づく倒産リスク予測【JST・京大機械翻訳】

Bankrupcy Risk Forecast Based on Company Balance Sheet Data Using Machine Learning

著者 (5件)： Kesgin H. Toprak (Bilgisayar Mueh. Boeluemue, YTUe, Davutpas,a Kampuesue,,,,,Istanbul) ,  Shakeri Saber (Finnet Elektronik, YTUe Teknopark, Davutpas,a Esenler,,,,,Istanbul) ,  Bulut Necip (Finnet Elektronik, YTUe Teknopark, Davutpas,a Esenler,,,,,Istanbul) ,  Yuzuk Secil (MGA Yazilim, YTUe Teknopark, Davutpas,a Esenler,,,,,Istanbul) ,  Aktas Mehmet S. (Bilgisayar Mueh. Boeluemue, YTUe, Davutpas,a Kampuesue,,,,,Istanbul)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： UBMK  ページ： 195-200  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 企業のbankrupのリスクを推定することは,その所有者,投資家にとって重要な経済的影響を持つ。bankrupのリスクを決定するために,他の単語において,将来における企業の成功または失敗について,異なるモデルを,文献において提示した。2つの顕著なものは,Ohlson OスコアとAltman Zスコアモデルである。過去に公表されたすべてのバランスシートを評価する代わりに,これらのモデルは,最新の公表されたバランスシート,すなわち歴史的データよりもむしろ局所的データを考慮に入れて,bankrupリスクを推定する。本研究の目的は,企業のbankrupリスクのリスクを評価することであり,より成功した推定の効果を考慮に入れて,過去数年における企業の性能の影響を評価することである。したがって,機械学習モデルが形成され,モデルの予測された成功は,以前の期間におけるbankrupのリスクに関する会社のラベルであるバランスシートデータに関して調査された。モデルの前処理段階において,情報は,属性の選択のための情報ゲインと主成分分析アプローチを行う。ロジスティック回帰,サポートベクトルマシンおよびランダムフォレストを機械学習アルゴリズムとして用いた。これらの結果は,以前のバランスシートデータからのモデル学習が,局所データに基づいて決定される金融モデルよりも,より成功したbankrupリスクを推定することを明らかにした。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *貸借対照表 ,  *機械学習 ,  サポートベクトルマシン ,  学習アルゴリズム ,  利得 ,  *倒産 ,  単語 ,  主成分分析 ,  金融 ,  前処理
準シソーラス用語： ランダムフォレスト ,  ロジスティック回帰分析 ,  スコア ,  投資家 ,  所有者 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 機械学習 ,  会社 ,  バランスシート ,  倒産 ,  リスク予測