04525ntm a22005417i 4500 000692542 CZ-PrVSE 20220625121058.0 m d cr n|||||||||| 220625s2022 xr fsbm 000 0 cze d NEZPRACOVANÝ IMPORT ABA006 cze ABA006 ABA006 rda Machová, Veronika ISIS:136645 dis Application of neural networks in determining business value generators eng Aplikace neuronových sítí při stanovení generátorů hodnoty podniku / Veronika Machová 2022 ?? stran : digital, PDF soubor Vedoucí práce: Aleš Kubíček Disertační práce (Ph.D.)—Vysoká škola ekonomická v Praze. Fakulta podnikohospodářská, 2022 Obsahuje bibliografii Textový (vysokoškolská kvalifikační práce) Rok obhajoby 2022 Obecně bývá primárním strategickým cílem podniků růst jejich hodnoty, maximalizace bohatství pro akcionáře. Především složitost dnešních podniků a rostoucí požadavky zákazníků je důvodem, proč je hodnota podniku závislá na celém spektru různých aspektů. Hodnota podniku přitom musí být účinně řízena na všech úrovních podniku. Prostředkem k řízení hodnoty jsou tzv. generátory hodnoty podniku. Identifikace těchto generátorů je rozhodujícím úkolem managementu každého podniku. Tato disertační práce využívá inovativní přístup umělé neuronové sítě k identifikaci generátorů hodnoty v oboru zpracovatelského průmyslu. Data pro výzkum pocházejí z databáze CRIBIS a jedná se o účetní závěrky zpracovatelských podniků aktivních v letech 2015-2019. Po nutných úpravách dat a definování možných generátorů hodnoty v podobě výrobních faktorů je za účelem vyšetření základního souboru dat a pro doplnění komplexnosti zapojena finanční analýza a analýza bankrotních a bonitních modelů průměrného zpracovatelského podniku v České republice. Následuje shluková analýza pomocí Kohonenových sítí, která rozčleňuje podniky do shluků, u nichž jsou následně hledány generátory hodnoty. Neuronové sítě jsou použity i pro samotnou identifikaci generátorů hodnoty formou regresní analýzy, a to ve třech experimentech, které se od sebe liší použitými spojitými a kategorickými prediktory. Zjištění hovoří o pozitivním korelačním stavu mezi výkonem společnosti působící ve zpracovatelském odvětví a reinvesticemi. Dále pak průměrný podnik na základě finanční analýzy vykazuje ve sledovaném období zapojení do myšlenek Průmyslu 4.0. Bankrotní a bonitní modely tento podnik spíše řadí do šedé zóny, jednoznačná bonita je prokázána. Z výsledků experimentů pak vyplývá, že neuronové sítě jsou vhodným prostředkem pr Jako nejúspěšnější je vybrána síť 2. MLP 7-9-1 s výkonem téměř 90 %. Zásadní je zjištění, že všechny položky reprezentující výrobní faktory jsou pro hodnotu zpracovatelských podniků v České republice měřenou podle EVA Equity velmi důležité. Zásadní je zejména položka odpisů dlouhodobého nehmotného a hmotného majetku, dále spotřeba materiálu a energie a osobní náklady. Způsob přístupu: Internet podniková ekonomika a management [obor disert. práce] disertace fd132024 czenas dissertations eczenas hodnota podniku umělé neuronové sítě generátory hodnoty zpracovatelské podniky ekonomická přidaná hodnota finanční analýza Kubíček, Aleš vse2016919922 ths Štamfestová, Petra, 1984- mub2010600142 opn Vysoká škola ekonomická v Praze. Podnikohospodářská fakulta kn20010709402 dgg https://insis.vse.cz/zp/63486/podrobnosti VŠKP v InSIS https://insis.vse.cz/zp/63486 Hlavní práce https://insis.vse.cz/zp/63486/posudek/oponent/73652 Oponentura https://insis.vse.cz/zp/63486/posudek/oponent/73714 Oponentura https://insis.vse.cz/zp/63486/podrobnosti dc:identifier NEPOSILAT VSKP vse63486 220622 63486