Comparative analysis of data mining methods for bankruptcy prediction

Olson, David L.; Delen, Dursun; Yang, Meng

doi:10.1016/j.dss.2011.10.007

Cited by 258 publications

(156 citation statements)

References 40 publications

Supporting

Mentioning

140

Contrasting

Unclassified

Order By: Relevance

“…Drawing on concepts from requirements engineering (Sommerville 2007), we specify rigor in terms of completeness and traceability. Relevance, in turn, refers to the criteria of transparency, transportability, and bias prevention (Olson, Delen, and Meng 2012). Though BNs can also be derived "purely" from mathematical analysis (e.g., Wong and Guo 2008), the application of BNs on hand incorporates expert knowledge into data-based networks and applies quantitative as well as qualitative evaluation processes.…”

Section: Discussionmentioning

confidence: 99%

“…Traceability reflects whether a comprehensible process leads to the scanning results. Artificial neural networks are black boxes (Olson, Delen, and Meng 2012), thus, we evaluate the traceability of these mathematical models as "very bad." Trend projections (e.g., Merritt 1974) rely exclusively on simple linear functions ("very good" traceability).…”

Section: Discussionmentioning

confidence: 99%

“…Often, however, they are unable to handle discontinuities, their findings lack transportability and transparency, and they do not incorporate qualitative information (Olson, Delen, and Meng 2012). Most importantly, they lack a hybrid approach that integrates quantitative information from "classical" mathematical approaches and qualitative expert knowledge.…”

Section: 4mentioning

confidence: 99%

See 2 more Smart Citations

Improving Environmental Scanning Systems Using Bayesian Networks

Welter¹,

Mayer

Quick

2013

Bus Res

View full text Add to dashboard Cite

Standard-Nutzungsbedingungen:Die Dokumente auf EconStor dürfen zu eigenen wissenschaftlichen Zwecken und zum Privatgebrauch gespeichert und kopiert werden.Sie dürfen die Dokumente nicht für öffentliche oder kommerzielle Zwecke vervielfältigen, öffentlich ausstellen, öffentlich zugänglich machen, vertreiben oder anderweitig nutzen.Sofern die Verfasser die Dokumente unter Open-Content-Lizenzen (insbesondere CC-Lizenzen) zur Verfügung gestellt haben sollten, gelten abweichend von diesen Nutzungsbedingungen die in der dort genannten Lizenz gewährten Nutzungsrechte.

show abstract

Section: Discussionmentioning

confidence: 99%

Section: Discussionmentioning

confidence: 99%

Section: 4mentioning

confidence: 99%

See 1 more Smart Citation

Improving Environmental Scanning Systems Using Bayesian Networks

Welter¹,

Mayer

Quick

2013

Bus Res

View full text Add to dashboard Cite

show abstract

“…Şirket iflaslarının yüksek doğruluk başarısı ile sınıflandırılması, hissedarlar, kredi veren kurum ve kuruluşlar, politika yapıcılar, yöneticiler gibi önemli ekonomik paydaşlar için çok kritik bir önem taşımaktadır [10].…”

Section: Li̇teratür (Literature)unclassified

Şirket İflaslarının Tahminlenmesinde Karar Ağacı Algoritmalarının Karşılaştırmalı Başarım Analizi

Onan¹

2015

BTD

View full text Add to dashboard Cite

Özet-Bu çalışmada, önemli bir ekonomik problem olan, şirket iflaslarının tahmin edilmesi ele alınmıştır. Bunun için iki yüz kırk farklı şirkete ilişkin finansal özellikleri içeren bir veri seti kullanılmıştır. Ele alınan veri seti, sınıflandırma ve tahmin etmede kullanılan önemli yöntemlerden biri olan karar ağacı yöntemine ilişkin yedi farklı algoritma uygulanarak, doğru sınıflandırma yüzdesi, ortalama mutlak hata, ortalama karesel hatanın karekökü, kesinlik, geri çağırma, F-ölçütü gibi ölçütler bakımından değerlendirilmiştir. Deneysel sonuçlar incelendiğinde, karar ağacı algoritmalarının şirket iflaslarının tahmin edilmesi için uygun bir yöntem olduğu ve kısmen başarılı doğru sınıflandırma yüzdesi elde ettiği gözlemlenmiştir.Anahtar Kelimeler-tahmin etme, karar ağacı algoritmaları, sınıflandırma, şirket iflasları Comparative Performance Analysis of Decision Tree Algorithms in the Corporate Bankruptcy PredictionAbstract-In this study, corporate bankruptcy prediction, a crucial economic problem is tackled. To do this, a data set of 240 distinct companies with financial features is used. This data set is applied to one of the most important classification and forecasting methods, i.e. decision tree method. Seven different decision tree algorithms are evaluated in terms of accuracy percentage, mean absolute error, root mean squared error, precision, recall, F-measure. According to experimental results, decision tree algorithms are appropriate methods for corporate bankruptcy prediction with relatively successful accuracy rates.

show abstract

“…• Altman's Z-score is a standard benchmark to identify financial distress indicators as it is not sensitive to the type of financial distress (Grice & Ingram, 2001) and is therefore also useful in predicting loan default problems (Olson, Delen, & Meng, 2012). …”

Section: Altman's Z-scorementioning

confidence: 99%