Πρόβλεψη πτωχεύσεων επιχειρήσεων με μεθόδους εξόρυξης δεδομένων

Η επιχείρηση, ως θεσμός, σε παγκόσμιο επίπεδο, βρίσκεται αντιμέτωπη με την οικονομική κρίση, η οποία δυσχεραίνει τη βιωσιμότητά της. Για αυτό αποτελεί αδήριτη αναγκαιότητα η πρόβλεψη της πτώχευσής της. Τις τελευταίες δεκαετίες έχουν διεξαχθεί μελέτες βασισμένες στην ανάπτυξη μεθόδων που θα εκτιμού...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Καραγεώργου, Ιωάννα
Άλλοι συγγραφείς: Κωτσιαντής, Σωτήριος
Μορφή: Thesis
Γλώσσα:Greek
Έκδοση: 2019
Θέματα:
Διαθέσιμο Online:http://hdl.handle.net/10889/12530
Περιγραφή
Περίληψη:Η επιχείρηση, ως θεσμός, σε παγκόσμιο επίπεδο, βρίσκεται αντιμέτωπη με την οικονομική κρίση, η οποία δυσχεραίνει τη βιωσιμότητά της. Για αυτό αποτελεί αδήριτη αναγκαιότητα η πρόβλεψη της πτώχευσής της. Τις τελευταίες δεκαετίες έχουν διεξαχθεί μελέτες βασισμένες στην ανάπτυξη μεθόδων που θα εκτιμούν τη μελλοντική εξέλιξη της επιχείρησης. Σκοπός της παρούσας διπλωματικής εργασίας είναι η χρήση μεθόδων εξόρυξης δεδομένων ώστε να καταστεί επιτυχής η πρόβλεψη της πτώχευσης ή μη μιας επιχείρησης. Στο πρώτο μέρος της εργασίας ορίζονται οι έννοιες της εταιρικής αποτυχίας και της πτώχευσης. Ταυτόχρονα, αναλύεται η διαδικασία πτώχευσης βάσει του Νόμου 3588/2007 του ελληνικού πτωχευτικού κώδικα. Στο δεύτερο μέρος περιγράφεται η μέθοδος εξόρυξης δεδομένων. Παράλληλα, αναλύονται οι μέθοδοι μηχα- νικής μάθησης που χρησιμοποιήθηκαν κατά την διαδικασία της μελέτης - Multilayer Perceptron, Decision Tree, Random Forest, AdaBoost, Bagging-RF -. Τέλος, παρουσιάζεται η μεθοδολογία που εφαρμόστηκε σε δεδομένα, κάνοντας χρήση του πακέτου scikit-learn της γλώσσας προγραμματισμού PYTHON. Ως απόρροια της μεθοδολογίας που ακολουθήθηκε στην παρούσα διπλωματική εργασία, προκύπτει ότι πρα- κτικά το μοντέλο πρόβλεψης με τη μέγιστη συνολική ακρίβεια ως προς την ορθή ταξινόμηση των στιγμιοτύπων του συνόλου εκπαίδευσης είναι η μέθοδος Bagging με χρήση του ταξινομητή Random Forest.