schliessen

Filtern

 

Bibliotheken

Kritische Analyse des neuronalen Netzes BP-14 als Instrument zur Beurteilung der Kreditwürdigkeit von Unternehmungen / Jörg Weber

Inhaltsangabe:Einleitung: Mit einem Verfahren der Künstlichen Intelligenz, der Künstlichen Neuronalen Netzanalyse, haben Professor Dr. Jörg Baetge und seine Mitarbeiter ein Neuronales Netz entwickelt, das die Bonität eines Unternehmens anhand von 14 Kennzahlen entweder als künftig solvent oder als i... Full description

PPN (Catalogue-ID): 77268622X
Nebentitel: Diplomarbeit
Personen: Weber, Jörg [VerfasserIn]
Format: eBook eBook
Language: German
Published: Hamburg, Diplomarbeiten Agentur, [2013?]
Series: Wirtschaft
Hochschule: Diplomarbeit, Universität des Saarlandes, Fachbereich Wirtschaftswissenschaft, 1998
Formangabe: Hochschulschrift
Notes: Erscheinungsdatum aus den Dokumenteigenschaften des PDFs ermittelt
Literaturverzeichnis: Seite 113-121
Physical Description: 1 Online-Ressource (XI, 122 Seiten), Illustrationen.
ISBN: 3-8324-1502-5
978-3-8324-1502-0

Similar Items

Vorhandene Hefte/Bände

more (+)

Informationen zur Verfügbarkeit werden geladen

Staff View
LEADER 06176cam a2200457 4500
001 77268622X
003 DE-627
005 20180324173346.0
007 cr uuu---uuuuu
008 131128s2013 xx |||||om 00| ||ger c
020 |a 3832415025  |9 3-8324-1502-5 
020 |a 9783832415020  |9 978-3-8324-1502-0 
028 5 2 |a ID 1502 
035 |a (DE-627)77268622X 
035 |a (DE-599)GBV77268622X 
040 |a DE-627  |b ger  |c DE-627  |e rda 
041 |a ger 
044 |c XA-DE-HH 
100 1 |a Weber, Jörg  |e verfasserin  |4 aut 
245 1 0 |a Kritische Analyse des neuronalen Netzes BP-14 als Instrument zur Beurteilung der Kreditwürdigkeit von Unternehmungen  |c Jörg Weber 
246 1 |i Umschlagtitel  |a Diplomarbeit 
264 1 |a Hamburg  |b Diplomarbeiten Agentur  |c [2013?] 
300 |a 1 Online-Ressource (XI, 122 Seiten)  |b Illustrationen 
336 |a Text  |b txt  |2 rdacontent 
337 |a Computermedien  |b c  |2 rdamedia 
338 |a Online-Ressource  |b cr  |2 rdacarrier 
490 0 |a Wirtschaft 
500 |a Erscheinungsdatum aus den Dokumenteigenschaften des PDFs ermittelt 
500 |a Literaturverzeichnis: Seite 113-121 
502 |b Diplomarbeit  |c Universität des Saarlandes, Fachbereich Wirtschaftswissenschaft  |d 1998 
520 |a Inhaltsangabe:Einleitung: Mit einem Verfahren der Künstlichen Intelligenz, der Künstlichen Neuronalen Netzanalyse, haben Professor Dr. Jörg Baetge und seine Mitarbeiter ein Neuronales Netz entwickelt, das die Bonität eines Unternehmens anhand von 14 Kennzahlen entweder als künftig solvent oder als insolvenzgefährdend einstuft. Im Rahmen meiner Arbeit werden die Künstlichen Neuronalen Netze als Verfahren der Jahresabschlußanalyse erörtert und das BP-14 als Instrument zur Beurteilung der Kreditwürdigkeit dargestellt. Des weiteren werden neben den grundsätzlichen Grenzen der Jahresabschlußanalyse auch verfahrenstechnische Probleme beim Einsatz des BP-14 in der Kreditwürdigkeitsprüfung diskutiert. Inhaltsverzeichnis:Inhaltsverzeichnis: InhaltsverzeichnisII AbkürzungsverzeichnisV AbbildungsverzeichnisVII SymbolverzeichnisIX TabellenverzeichnisX Verzeichnis der Anlagen im AnhangXI 1.Einführung und Aufbau der Arbeit1 2.Die Beurteilung der Kreditwürdigkeit von Unternehmungen3 2.1.Die Kreditwürdigkeitsprüfung von Unternehmungen3 2.1.1.Aufbau und Inhalt der Kreditwürdigkeitsprüfung3 2.1.2.Beurteilungskriterien der Kreditwürdigkeitsprüfung von Unternehmungen4 2.1.2.1.Vorbemerkungen4 2.1.2.2.Beurteilung des Managements5 2.1.2.3.Beurteilung der Produkte und Leistungen und der technischen Ausstattung6 2.1.2.4.Beurteilung der finanziellen Verhältnisse7 2.2.Die Jahresabschlußanalyse als Mittel zur Bonitätsanalyse von Unternehmungen11 2.2.1.Begriff und Zweck der Jahresabschlußanalyse11 2.2.2.Die Jahresabschlußanalyse als Kennzahlenrechnung13 2.2.2.1.Vorbemerkungen13 2.2.2.2.Bedeutung der Bildung von Kennzahlen14 2.2.2.3.Vergleichende Kennzahlenanalyse15 2.2.2.4.Zusammenfassung16 2.2.3.Die Jahresabschlußanalyse mit Künstlichen Neuronalen Netzen17 2.2.3.1.Vorbemerkungen17 2.2.3.2.Biologische Grundlagen Neuronaler Netze17 2.2.3.3.Aufbau Künstlicher Neuronaler Netze20 2.2.3.3.1.Das Künstliche Neuron20 2.2.3.3.2.Zusammenfassung einzelner Neuronen zu einem KNN21 2.2.3.4.Funktionale Zusammenhänge in Künstlichen Neuronalen Netzen23 2.2.3.4.1.Allgemeines23 2.2.3.4.2.Die Eingabefunktion24 2.2.3.4.3.Die Aktivierungsfunktion24 2.2.3.4.4.Die Ausgabefunktion25 2.2.3.5.Lernen in Künstlichen Neuronalen Netzen26 2.2.3.5.1.Grundlagen des Lernens26 2.2.3.5.2.Das Lernverfahren nach dem Backpropagation-Algorithmus27 2.2.3.5.3.Lern-, Test- und Validierungsstichprobe34 3.Das Künstliche Neuronale Netz BP-14 als Instrument zur Beurteilung der Kreditwürdigkeit von Unternehmungen37 3.1.Vorüberlegungen37 3.2.Entwicklung des BP-1438 3.2.1.Beschaffung und Aufbereitung des empirischen Datenmaterials38 3.2.1.1.Definition der in die Untersuchung einbezogenen Unternehmen38 3.2.1.2.Abgrenzung von solventen und insolventen Unternehmen39 3.2.1.3.Aufteilung des verwendeten Datenmaterials40 3.2.1.4.Konzeption des Kennzahlenkatalogs41 3.2.1.4.1.Die verwendeten Kennzahlen41 3.2.1.4.2.Die Clusteranalyse45 3.2.1.4.3.Statistische Voranalysen46 3.2.2.Entwicklung des Backpropagation Netzes48 3.2.2.1.Alpha- und Beta Fehler48 3.2.2.2.Anfangsaufbau des KNN49 3.2.2.3.Gewichtsorientiertes Pruning51 3.2.2.4.Relevanzorientiertes Pruning52 3.2.2.5.Die ausgewählten Kennzahlen des BPN und ihre Aussagekraft55 3.2.2.6.Interpretation des Ausgabewertes58 3.3.Umsetzung der Ergebnisse des BP-1461 4.Kritische Würdigung des Einsatzes von BP-14 zur Beurteilung von Unternehmungen67 4.1.Überblick67 4.2.Grenzen der Jahresabschlußanalyse als Mittel zur Bonitätsbeurteilung von Unternehmungen67 4.2.1.Mangelnde Aktualität und Zukunftsbezogenheit der Daten67 4.2.2.Unvollständigkeit der Datenbasis68 4.2.3.Kritik an der Bildung von Kennzahlen69 4.2.4.Verzerrungen des Jahresabschlusses durch Bilanzierungs- und Bewertungswahlrechte70 4.2.5.Kritik an der theoretischen Fundierung der Jahresabschlußanalyse mit Künstlichen Neuronalen Netzen71 4.3.Verfahrenstechnische Probleme des Neuronalen Netzes BP-1472 4.3.1.Vorbemerkungen72 4.3.2.Netzwerktyp und Lernregel72 4.3.3.Netzwerkarchitektur75 4.3.4.Zahl der Lernschritte und Trainingsdaten76 4.3.5.Auswahl und Zahl der Kennzahlen77 4.3.6.Interpretation des Ausgabewertes und die Bildung von Güte- und Risikoklassen78 4.3.7.Die mangelnde Erklärbarkeit der Ergebnisse eines Künstlichen Neuronalen Netzes79 5.Zusammenfassung81 Anhang85 Literaturverzeichnis113 Verzeichnis der Gesprächspartner122 
655 7 |a Hochschulschrift  |0 (DE-588)4113937-9  |0 (DE-627)105825778  |0 (DE-576)209480580  |2 gnd-content 
856 4 0 |u http://www.diplom.de/  |x Verlag  |3 Volltext 
856 4 0 |u http://epub.sub.uni-hamburg.de/epub/volltexte/campus/2016/55996/  |x Verlag  |z Lizenzpflichtig  |3 Volltext 
912 |a GBV_ILN_22 
912 |a SYSFLAG_1 
912 |a GBV_KXP 
951 |a BO 
980 |2 22  |1 01  |b 1632692392  |h SUBolrdow  |x 0018  |y zu  |z 17-08-16 
981 |2 22  |1 01  |y Volltextzugang Campus  |y ZZ  |r http://epub.sub.uni-hamburg.de/epub/volltexte/campus/2016/55996/ 
995 |2 22  |1 01  |a SUBolrdow