V originále
Pro akcionáře je zapotřebí posoudit činnost podniku s ohledem na finanční situaci v každé fázi podnikání. Nabízí se celá řada možností. Můžete použít analýzy finančních ukazatelů a různé metody benchmarking.Zdá se výhodou použít metody komplexního zhodnocení společnosti z pohledu výkladu. Výsledná hodnota může být jasně zařazena do příslušného intervalu, a to může předpovídat budoucnost společnosti. Většina v současnosti používaných metod pro komplexní hodnocení společnosti byly založeny na základě matematicko-statistických metod. Příspěvek analyzuje modely nejčastěji zmiňovanými v literatuře. Výhody a nevýhody použití jednotlivých metod jsou shrnuty v každém detailu. Ve druhé části řeší nevýhody společné atributy všech matematických a statistických metod. Samozřejmě, že využití pravděpodobnosti a frekvence omezuje vypovídací hodnotu matematických a statistických metod. Kromě toho, matematické a statistické modely jsou stále složitější. Bohužel, jejich vypovídací hodnota v žádném případě neroste podstatně. Otázkou tedy je, zda pokračovat v rozvoji metod hodnocení na základě matematicko-statistických metod, nebo se zaměřit na další možnosti, jako jsou neuronové sítě.
In English
There is need for stakeholders to assess business in terms of its financial situation at each stage of an enterprise. There are plentiful options. You can use the analysis of financial ratios and different Benchmarking methods. It seems advantageous to use methods of comprehensive evaluation of the company from the perspective of interpretation. The resulting value can be clearly classified in the appropriate interval, and thus can predict the future of the company. Most currently used methods for comprehensive evaluation of the company were founded on the basis of mathematical-statistical methods. Contribution analyzes models most frequently mentioned in the literature. Advantages and disadvantages of using each method are summarized in each particular. In the second part the drawbacks addressed by the common attributes of all the mathe-matical and statistical methods. Of course, the use of probability and frequency limits the informative value of the mathematical and statistical methods. Moreover, mathematical and statistical models are becoming increasingly complex. Unfortunately, their informational value in any way grows substantially. The question therefore is whether to continue the development of evaluation methods on the basis of mathematical and statistical methods, or focus on other options such as neural networks.