Vliv metody SMOTE na přesnost bankrotních modelů založených na konvolučních neuronových sítích

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26510%2F22%3APU147778" target="_blank" >RIV/00216305:26510/22:PU147778 - isvavai.cz</a>

Výsledek na webu

<a href="https://www.sting.cz/sites/default/files/inline-images/acta-sting/acta4_2022_web.pdf" target="_blank" >https://www.sting.cz/sites/default/files/inline-images/acta-sting/acta4_2022_web.pdf</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Vliv metody SMOTE na přesnost bankrotních modelů založených na konvolučních neuronových sítích

Popis výsledku v původním jazyce

Tento článek zkoumá vliv metody SMOTE na přesnost predikce bankrotních modelů. Pro predikci bankrotu podniků v České republice byly použity konvoluční neuronové sítě založené na architektuře GoogLeNet. Vstupy do modelů jsou tvořeny finančními ukazateli podniků, jejichž hodnoty jsou převedeny na několik typů obrázků. Z provedeného výzkumu vyplynulo, že použití techniky SMOTE výrazně zvyšuje přesnost klasifikace aktivních a bankrotních podniků, a zároveň snižuje chybu II. druhu, která způsobuje nesprávnou klasifikaci bankrotního podniku za aktivní.

Název v anglickém jazyce

The Effect of the SMOTE method on the Accuracy of Bankruptcy Models Based on Convolutional Neural Networks

Popis výsledku anglicky

This paper analyzes the effect of the SMOTE method on the prediction accuracy of bankruptcy models. Convolutional neural networks based on the GoogLeNet architecture are used for bankruptcy prediction of firms in the Czech Republic. The inputs to the models are composed of financial indicators of enterprises, whose values are converted into several types of images. The research conducted shows that the use of the SMOTE technique significantly improves the accuracy of classification of active and bankrupt enterprises, while reducing the type II error, which is the misclassification of a bankrupt enterprise as active.

Druh

J_ost - Ostatní články v recenzovaných periodicích

CEP obor

—

OECD FORD obor

50202 - Applied Economics, Econometrics

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2022

Kód důvěrnosti údajů

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

Název periodika

ACTA STING

ISSN

1805-6873

e-ISSN

—

Svazek periodika

neuveden

Číslo periodika v rámci svazku

4/2022

Stát vydavatele periodika

CZ - Česká republika

Počet stran výsledku

74

Strana od-do

56-73

Kód UT WoS článku

—

EID výsledku v databázi Scopus

—