The choice of the type of image for graphical processing of input data for corporate bankruptcy prediction using CNN

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26510%2F21%3APU141810" target="_blank" >RIV/00216305:26510/21:PU141810 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

The choice of the type of image for graphical processing of input data for corporate bankruptcy prediction using CNN

Popis výsledku v původním jazyce

This paper deals with the application of Convolutional Neural Networks (CNN) for the bankruptcy prediction of firms in the Czech Republic. It proposes several variants based on the GoogLeNet architecture that predict the bankruptcy of a company 1 to 3 years in advance. The inputs of the model are financial ratios whose values are converted into several types of images. The various types of images are searched to improve the accuracy of company bankruptcy prediction and the right type of image is found. CNN networks can effectively distinguish between active and bankrupt enterprises. The predictive accuracy of the best proposed model ranges between 85 and 93% (depending on the number of years before bankruptcy).

Název v anglickém jazyce

The choice of the type of image for graphical processing of input data for corporate bankruptcy prediction using CNN

Popis výsledku anglicky

This paper deals with the application of Convolutional Neural Networks (CNN) for the bankruptcy prediction of firms in the Czech Republic. It proposes several variants based on the GoogLeNet architecture that predict the bankruptcy of a company 1 to 3 years in advance. The inputs of the model are financial ratios whose values are converted into several types of images. The various types of images are searched to improve the accuracy of company bankruptcy prediction and the right type of image is found. CNN networks can effectively distinguish between active and bankrupt enterprises. The predictive accuracy of the best proposed model ranges between 85 and 93% (depending on the number of years before bankruptcy).

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

50206 - Finance

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2021

Kód důvěrnosti údajů

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

Název statě ve sborníku

Financial Management of Firms and Financial Institutions

ISBN

978-80-248-4548-7

ISSN

—

e-ISSN

—

Počet stran výsledku

9

Strana od-do

164-172

Název nakladatele

VSB - Technical University of Ostrava

Místo vydání

Ostrava

Místo konání akce

Ostrava

Datum konání akce

6. 9. 2021

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—