02913ntm a22005297i 4500 000705562 CZ-PrVSE 20240203150629.0 m d cr n|||||||||| 240203s2024 xr fsbm 000 0 cze d NEZPRACOVANÝ IMPORT ABA006 cze ABA006 ABA006 rda Racl, Adam ISIS:134482 dis Company bankruptcy prediction with machine learning eng Predikce bankrotu firem s využitím machine learning / Adam Racl 2024 ?? stran : digital, PDF soubor Vedoucí práce: Van Quang Tran Diplomová práce (Ing.)—Vysoká škola ekonomická v Praze. Fakulta financí a účetnictví, 2024 Obsahuje bibliografii Textový (vysokoškolská kvalifikační práce) Rok obhajoby 2024 Využití metod strojového učení při vytváření spolehlivých modelů pro předpovídání úpadku podniků je zásadní v dnešním náročném ekonomickém prostředí. Výzkum, zaměřený na data ze zdravotnického průmyslu, ukázal, že složitější metody strojového učení jsou pro predikci úpadku vhodné. Komplexní algoritmy přinášejí lepší výsledky v dynamickém, vícefaktorovém prostředí finančního modelování. Metody gradient boosting a náhodný les předčily tradiční modely Altmanova Z-skóre a Ohlsonova O-skóre. Model gradient boosting se vyznačuje nejvyššími hodnotami klíčových metrik jako jsou přesnost, úplnost a F1 skóre, čímž efektivně rozlišuje mezi solventními a nesolventními společnostmi. Výsledky naznačují, že finanční zdraví firmy je ovlivněno klíčovými faktory jako likvidita, efektivita a struktura kapitálu. Způsob přístupu: Internet finance [obor dipl. práce] diplomové práce fd132022 czenas master's theses eczenas Strojové učení Python finanční analýza bankrotní model CRISP-DM Quang, Tran Van vse20191049430 ths Fičura, Milan vse2015859798 opn Vysoká škola ekonomická v Praze. Fakulta financí a účetnictví kn20010709398 dgg https://insis.vse.cz/zp/79655/podrobnosti VŠKP v InSIS https://insis.vse.cz/zp/79655 Hlavní práce https://insis.vse.cz/zp/79655/posudek/vedouci Hodnocení vedoucího https://insis.vse.cz/zp/79655/posudek/oponent/81162 Oponentura https://insis.vse.cz/zp/79655/priloha/27919 Přiloha k práci https://insis.vse.cz/zp/79655/podrobnosti dc:identifier NEPOSILAT VSKP vse79655 240130 79655