Προς μια ευφυή λογιστική : διαχείριση μοντέλων πρόβλεψης χρεοκοπίας για την [sic] διαχείριση χρηματοοικονομικών κινδύνων
Loading...
Date
2025-06-10
Authors
Μαρίνης, Μαρίνος-Παναγιώτης
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Η εποχή του ψηφιακού μετασχηματισμού έφερε την τεχνητή νοημοσύνη (AI) και τημηχανική μάθηση (ML) στις λογιστικές πρακτικές για να φέρει επανάσταση στηδιαχείριση των χρηματοοικονομικών κινδύνων. Η παρούσα έρευνα εξετάζει τοντρόπο με τον οποίο τα μοντέλα πρόβλεψης χρεοκοπίας λειτουργούν στο πλαίσιο τωνσυστημάτων ψηφιακής λογιστικής για τη βελτίωση της αξιολόγησης του εταιρικούκινδύνου και της ανάπτυξης χρηματοοικονομικής στρατηγικής. Εξετάζουμε τοσύνολο δεδομένων πρόβλεψης χρεοκοπίας αμερικανικών εταιρειών τόσο μέσωσυμβατικών στατιστικών μοντέλων όσο και μέσω σύγχρονων προσεγγίσεων πουβασίζονται στην ΤΝ, οι οποίες περιλαμβάνουν τα Random Forest, SVM, GradientBoosting και CatBoost. Η έρευνα αποκαλύπτει ότι τα μοντέλα βασισμένα στην ΤΝπαρέχουν ανώτερη ακρίβεια πρόβλεψης, η οποία επιτρέπει την έγκαιρη ανίχνευσητων οικονομικά προβληματικών επιχειρήσεων. Η έρευνα εξετάζει τις επιχειρηματικέςεπιπτώσεις αυτών των προβλεπτικών μοντέλων για τους ελεγκτές και τουςχρηματοοικονομικούς αναλυτές και τους διευθυντές των επιχειρήσεων που πρέπει ναβελτιστοποιήσουν την αξιολόγηση των κινδύνων. Η έρευνα καταδεικνύει πώς ηπρογνωστική ανάλυση μετασχηματίζει την ψηφιακή λογιστική, επιτρέποντας τη λήψηευφυών χρηματοοικονομικών αποφάσεων βάσει δεδομένων.
Description
Keywords
Μηχανική μάθηση, Προβλεπτική ανάλυση, Αποφάσεις με βάση τα δεδομένα, Στρατηγικός σχεδιασμός