Corvinus
Corvinus

A pénzügyi mutatók időbeli tendenciájának figyelembevétele logisztikus regresszióra épülő csődelőrejelző modellekben

Nyitrai, Tamás and Virág, Miklós (2017) A pénzügyi mutatók időbeli tendenciájának figyelembevétele logisztikus regresszióra épülő csődelőrejelző modellekben. Statisztikai Szemle, 95 (1). pp. 5-28. DOI 10.20311/stat2017.01.hu0005

[img]
Preview
PDF - Requires a PDF viewer such as GSview, Xpdf or Adobe Acrobat Reader
459kB

Official URL: https://doi.org/10.20311/stat2017.01.hu0005


Abstract

A vállalatok jövőbeli fizetőképességének előrejelzésében általános gyakorlat a számviteli adatok alapján kalkulált hányados típusú pénzügyi mutatók használata magyarázóváltozóként. A hazai és a nemzetközi szakirodalom általános sajátosságának mondható az is, hogy e mutatókat csak az utolsóként megfigyelt üzleti év adatai alapján kalkulálják. Az e változókra épített modellek azonban statikus jellegűek, melyek nem veszik figyelembe a vállalati gazdálkodás folyamatjellegét. E hiány pótlására korábban Nyitrai [2014a] tett kísérletet a statikus pénzügyi mutatószámok idősoraiból képzett dinamikus pénzügyi mutatók segítségével. Az idézett kutatás azonban csak a döntési fák vonatkozásában igazolta a dinamikus mutatók hatékonyságát a csődelőrejelzésben. A szerzők tanulmányukban bemutatják a dinamikus változók teljesítményét a gyakorlati hitelkockázati modellezésben általánosan elterjedt logisztikus regresszió keretei között, továbbá kísérletet tesznek a dinamikus pénzügyi mutatók koncepciójának továbbfejlesztésére előrejelző képességük növelése érdekében.

Item Type:Article
Uncontrolled Keywords:csődelőrejelzés, dinamikus modell, logisztikus regresszió
Divisions:Faculty of Business Administration > Institute for the Development of Enterprises > Department of Enterprise Finances
Subjects:Finance
General statistics
DOI:10.20311/stat2017.01.hu0005
ID Code:2884
Deposited By: Ádám Hoffmann
Deposited On:26 May 2017 12:24
Last Modified:26 May 2017 12:24

Repository Staff Only: item control page

Downloads

Downloads per month over past year

View more statistics