Word Categorization of Corporate Annual Reports for Bankruptcy Prediction by Machine Learning Methods

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25410%2F15%3A39899766" target="_blank" >RIV/00216275:25410/15:39899766 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-319-24033-6_14" target="_blank" >http://dx.doi.org/10.1007/978-3-319-24033-6_14</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-24033-6_14" target="_blank" >10.1007/978-3-319-24033-6_14</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Word Categorization of Corporate Annual Reports for Bankruptcy Prediction by Machine Learning Methods

Popis výsledku v původním jazyce

The language of company related documents is recognized as being an important indicator of future financial performance. This study aims to extract various word categories from corporate annual reports and examine their effect on bankruptcy prediction. We show that the language used by bankrupt companies is characterized by stronger tenacity, accomplishment, familiarity, present concern, exclusion and denial. Bankrupt companies also use more modal, positive, uncertain and negative language. We used neural networks, support vector machines, decision trees and ensembles of decision trees to predict corporate bankruptcy. The prediction models utilized both financial indicators and word categorizations as input variables. We show that both general dictionary and financial dictionary categories can significantly improve the accuracy of the prediction models.

Název v anglickém jazyce

Word Categorization of Corporate Annual Reports for Bankruptcy Prediction by Machine Learning Methods

Popis výsledku anglicky

The language of company related documents is recognized as being an important indicator of future financial performance. This study aims to extract various word categories from corporate annual reports and examine their effect on bankruptcy prediction. We show that the language used by bankrupt companies is characterized by stronger tenacity, accomplishment, familiarity, present concern, exclusion and denial. Bankrupt companies also use more modal, positive, uncertain and negative language. We used neural networks, support vector machines, decision trees and ensembles of decision trees to predict corporate bankruptcy. The prediction models utilized both financial indicators and word categorizations as input variables. We show that both general dictionary and financial dictionary categories can significantly improve the accuracy of the prediction models.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

<a href="/cs/project/GA13-10331S" target="_blank" >GA13-10331S: Úloha textové informace v modelech predikce finanční tísně podniků - přístupy specifické podle států a průmyslových odvětví</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2015

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Text, Speech, and Dialogue: 18th International Conference, TSD 2015 Proceedings

ISBN

978-3-319-24032-9

ISSN

0302-9743

e-ISSN

—

Počet stran výsledku

9

Strana od-do

122-130

Název nakladatele

Springer

Místo vydání

Berlin

Místo konání akce

Plzeň

Datum konání akce

14. 9. 2015

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000365947800014