Number of the records: 1
SMEs' Failure Prediction: Are Machine Learning Models Superior?
SYS 0310819 LBL 00000naa--22^^^^^---450- 005 20250618123801.3 014 $a 001502826900001 $2 WOS 014 $a 2-s2.0-105007534321 $2 SCOPUS 017 70
$a 10.1108/SEF-09-2024-0629 $2 DOI 100 $a 20250618a2025łłłłm--y0sloc0103----ba 101 0-
$a eng $d eng 102 $a GB 200 1-
$a SMEs' Failure Prediction: Are Machine Learning Models Superior? $f Marek Káčer, Martin Alexy 301 $a VEGA 1/0639/21 321 $a Registrovaný: Web of Science 321 $a Registrovaný: Scopus 330 $a Modely predikcie zlyhania sú atraktívnou súčasťou podnikových financií pre akademikov aj odborníkov z praxe. Tradične sa používali štatistické metódy, ale postupne do tejto oblasti prenikajú modely strojového učenia (ML - Machine Learning). Veľká časť štúdií využívajúcich metódy ML sa spolieha výlučne na finančné ukazovatele. Cieľom práce je porovnať metódy ML s tradičnými štatistickými modelmi pre rôzne skupiny vysvetľujúcich premenných a vyhodnotiť dôležitosť premenných vo všetkých modeloch. Autori používajú údaje o slovenských malých a stredných podnikoch (MSP) v období pred pandémiou Covid-19 s 587 993 pozorovaniami pre 168 259 unikátnych spoločností. Na predpovedanie bankrotu spoločností sa používajú metódy logistickej regresie a bagging and boosting tree-based modely. 463 -1
$1 001 eu_un_cat*0310801 $1 011 $a 1086-7376 $1 011 $a 1755-6791 $1 200 1 $a Studies in Economics and Finance $v Vol. early access (2025), pp. [1-37] $1 210 $a Bingley $c Emerald Group Publishing 541 1-
$a Predikcia zlyhania MSP: sú modely strojového učenia lepšie? 610 1-
$9 eu_un_auth*h0004293 $a podnik malý 610 1-
$9 eu_un_auth*h0004308 $a podnik stredný 610 1-
$9 eu_un_auth*0084077 $a učenie strojové 610 1-
$9 eu_un_auth*h0002460 $a informácie 610 1-
$9 eu_un_auth*h0004828 $a predvídanie 610 1-
$9 eu_un_auth*h0001201 $a bankrot 610 1-
$9 eu_un_auth*h0003397 $a modely 700 -1
$3 eu_un_auth*0033806 $a Káčer $b Marek $p EUBFNHKFI $4 070 $9 50 $f 1976- $T Katedra financií FNH 701 -1
$3 eu_un_auth*p0056025 $a Alexy $b Martin $p EUBFNHKFI $4 070 $9 50 $f 1976- $T Katedra financií FNH 801 -0
$a SK $b BA004 $c 20250618 $g AACR2 830 $a gu- Publikácia je v režime: „early access“/„published online“. T85 $x existuji fulltexy
Number of the records: 1