Andere Kunden interessierten sich auch für
![Künstliche Neuronale Netze als Instrument der Werttreiberanalyse im Kontext der wertorientierten Unternehmenssteuerung am Beispiel des EVA]( "Künstliche Neuronale Netze als Instrument der Werttreiberanalyse im Kontext der wertorientierten Unternehmenssteuerung am Beispiel des EVA")
Künstliche Neuronale Netze als Instrument der Werttreiberanalyse im Kontext der wertorientierten Unternehmenssteuerung am Beispiel des EVA59,99 €![Anwendungen für Business Intelligence und Künstliche Neuronale Netze]( "Anwendungen für Business Intelligence und Künstliche Neuronale Netze")
Anwendungen für Business Intelligence und Künstliche Neuronale Netze43,90 €![Neuronale Netze in der Wertpapieranalyse]( "Neuronale Netze in der Wertpapieranalyse")
Neuronale Netze in der Wertpapieranalyse18,95 €![Neuronale Netze in der Finanzanalyse. Eine empirische Untersuchung anhand von Finanznachrichten]( "Neuronale Netze in der Finanzanalyse. Eine empirische Untersuchung anhand von Finanznachrichten")
Neuronale Netze in der Finanzanalyse. Eine empirische Untersuchung anhand von Finanznachrichten48,95 €![Neuronale Netze im Portfolio-Management]( "Neuronale Netze im Portfolio-Management")
Neuronale Netze im Portfolio-Management54,99 €![Neuronale Netze als Basis für fortgeschrittenes Human Ressource Management]( "Neuronale Netze als Basis für fortgeschrittenes Human Ressource Management")
Neuronale Netze als Basis für fortgeschrittenes Human Ressource Management74,00 €![Frühwarnung durch Bilanzanalyse mittels neuronaler Netze]( "Frühwarnung durch Bilanzanalyse mittels neuronaler Netze")
Frühwarnung durch Bilanzanalyse mittels neuronaler Netze18,95 €
Studienarbeit aus dem Jahr 2006 im Fachbereich BWL - Rechnungswesen, Bilanzierung, Steuern, Note: 1,7, Universität Bremen, Veranstaltung: Bilanzanalyse, Sprache: Deutsch, Abstract: Im Jahr 2004 erreichte die Zahl der Unternehmensinsolvenzen mit 39.600 Fällen einen neuen Höchststand. Zwar wurde der negative Trend im Jahr 2005 mit 37.900 angemeldeten Unternehmensinsolvenzen nicht fortgesetzt, doch stellt sich vor dem Hintergrund der hohen Unternehmenskrisen für Anteileigner, Kapitalgeber und Abschlussprüfer die Frage, wie solche negativen Entwicklungen bereits frühzeitig anhand von Jahresabschlussinformationen erkannt werden können. Herkömmliche Verfahren der Bilanzanalyse auf der Basis klassischer Kennzahlenbildung oder statistischer Verfahren zur Prognose ökonomischer Unternehmensentwicklungen bieten angesichts der hochdimensionalen nichtlinearen Problemstellungen oft nur eine eher befriedigende Lösung. Vor diesem Hintergrund erhalten moderne Verfahren aus dem Forschungsgebiet der künstlichen Intelligenz auf der Basis Künstlicher Neuronaler Netze (KNN) seit den neunziger Jahren Einzug in die betriebswirtschaftliche Forschung und Praxis. Sie zeichnen sich durch intelligente Verfahren der Problemlösung aus und sind auch bei nichtlinearen komplexen Problemstrukturen einsetzbar. Insbesondere die Fähigkeit Unternehmenskrisen frühzeitig zu identifizieren macht sie nicht nur für Kreditwürdigkeitsprüfer zum wichtigen Instrument der Analyse und Bewertung. Nachfolgend wird der Einsatz von KNN in der Bilanzanalyse zur Früherkennung von Unternehmenskrisen diskutiert. Im Zentrum der Diskussion steht dabei die häufig in der Fachliteratur vertretene Meinung, dass KNN die prognostischen Fähigkeiten angestammter Verfahren übertreffen. Hierzu wird zunächst das Verfahren der klassischen Bilanzanalyse und das mathematisch-statistische Verfahren der Multivariaten Diskriminanzanalyse vorgestellt. Der sich aus den zentralen Kritikpunkten der Verfahren ergebende Optimierungsanspruch wird am Backpropagation-Netz mit 14 Kenzahlen (BP-14) diskutiert.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.