Mοντελοποίηση πρόβλεψης πτώχευσης επιχειρήσεων με χρήση μεθόδων τεχνητής νοημοσύνης
Το αντικείμενο της παρούσας διπλωματικής εργασίας είναι η συγκριτική επίλυση του προβλήματος της πτώχευσης με τη χρήση μεθόδων τεχνητής νοημοσύνης και η εύρεση του καλύτερου μοντέλου πρόβλεψης για το πρόβλημα αυτό, καθώς και η παραγωγή αξιόπιστων και χρήσιμων λύσεων για τους ειδικούς που ασχολούνται...
Αποθηκεύτηκε σε:
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | Greek |
| Δημοσίευση: |
2015
|
| Θέματα: | |
| Διαθέσιμο Online: | https://vsmart.lib.aegean.gr/webopac/List.csp?SearchT1=%CE%9A%CE%B1%CE%BB%CE%BF%CE%BD%CE%AC%CE%BA%CE%B7%2C+%CE%91%CE%B9%CE%BA%CE%B1%CF%84%CE%B5%CF%81%CE%AF%CE%BD%CE%B7&Index1=Keywordsbib&Database=1&NumberToRetrieve=50&OpacLanguage=gre&SearchMethod=Find_1&SearchTerm1=%CE%9A%CE%B1%CE%BB%CE%BF%CE%BD%CE%AC%CE%BA%CE%B7%2C+%CE%91%CE%B9%CE%BA%CE%B1%CF%84%CE%B5%CF%81%CE%AF%CE%BD%CE%B7&Profile=Default&PreviousList=Start&PageType=Start&EncodedRequest=*B8*40*0F*92*AC*A7*3D*C3*B9*89*3F*E9*BD*27*A3*5D&WebPageNr=1&WebAction=NewSearch&StartValue=1&RowRepeat=0&MyChannelCount= http://hdl.handle.net/11610/8555 |
| Ετικέτες: |
Προσθήκη ετικέτας
Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!
|
| Περίληψη: | Το αντικείμενο της παρούσας διπλωματικής εργασίας είναι η συγκριτική επίλυση του προβλήματος της πτώχευσης με τη χρήση μεθόδων τεχνητής νοημοσύνης και η εύρεση του καλύτερου μοντέλου πρόβλεψης για το πρόβλημα αυτό, καθώς και η παραγωγή αξιόπιστων και χρήσιμων λύσεων για τους ειδικούς που ασχολούνται με την πτώχευση. Η ανάλυση αυτή γίνεται με τη βοήθεια του προγράμματος WEKA 3.5.5 που αναπτύχθηκε στο Πανεπιστήμιο Waikato της Νέας Ζηλανδίας από τους ερευνητές Eibe Frank, Len Trigg και Mark Hall. Στο πρόγραμμα WEKA υπάρχουν αρκετοί αλγόριθμοι εκμάθησης σε γλώσσα προγραμματισμού Java από τους οποίους εμείς χρησιμοποιήσαμε τους 57 για το πρόβλημα της πτώχευσης. Το σύνολο των δεδομένων μας αποτελείται από 118 επιχειρήσεις από τις οποίες οι μισές είναι πτωχευμένες και οι υπόλοιπες μη πτωχευμένες. Γενικά στη βιβλιογραφία υπάρχουν αρκετές έρευνες γύρω από το πρόβλημα της πτώχευσης χρησιμοποιώντας διάφορες τεχνικές πρόβλεψης που βασίζονται στην στατιστική (π.χ. ανάλυση διαφοροποίησης, μοντέλα υπό συνθήκη πιθανοτήτων, στατιστικές προσεγγίσεις μιας μεταβλητής, ανάλυση επιβίωσης, αλγόριθμος αναδρομικής τμηματοποίησης, μαθηματικός προγραμματισμός, μέθοδος ασαφώς προσδιορισμένων συνόλων κ.α.) ή στην τεχνητή υπολογιστική νοημοσύνη (π.χ. νευρωνικά δίκτυα, γενετικοί αλγόριθμοι, γενετικός προγραμματισμός, έμπειρα συστήματα, ασαφή συστήματα, δένδρα αποφάσεων κ.α.). Στην παρούσα μελέτη χρησιμοποιούνται μέθοδοι τεχνητής νοημοσύνης για την ανάλυση και εύρεση του καλύτερου αλγορίθμου μηχανικής μάθησης για το συγκεκριμένο πρόβλημα της πτώχευσης. Επίσης, χρησιμοποιήσαμε τη μεθοδολογία αξιολόγησης μέσω επαναλαμβανόμενων δοκιμών σε άγνωστα δεδομένα (cross validation) καθώς και τη μεθοδολογία αξιολόγησης των νέων άγνωστων δεδομένων (holdout) για την μελέτη της απόδοσης των αλγορίθμων. Σημαντικό κριτήριο για την ανάλυση της απόδοσης και αξιοπιστίας των αλγορίθμων εξάλλου, αποτελούν τα ποσοστά σφάλματος της ταξινόμησης που υπολογίζονται για κάθε προσέγγιση. Τέλος, οι μεταβλητές που προκύπτουν ως βασικές (π.χ. συχνότερα εμφανιζόμενες ή ιεραρχικά σπουδαιότερες κτλ.) για την πρόβλεψη της πτώχευσης αναλύονται και από την οπτική γωνία του αποφασίζοντα εντός των συναφών οικονομικών οργανισμών (π.χ. τράπεζες) ώστε να γίνει κατανοητό το πρόβλημα της πτώχευσης και να ληφθούν κατάλληλα μέτρα για να αποτραπεί ο ενδεχόμενος κίνδυνος της χρεοκοπίας. |
|---|