VOCHOZKA, Marek, Zuzana ROWLAND and Jaromír VRBKA. Evaluation of credibility of civil construction companies in South bohemia. In Innovative Economic Symposium 2015. 1. vyd. České Budějovice: Vysoká škola technická a ekonomická v Českých Budějovicích. p. 145-161. ISSN 2464-6369. 2015.
Other formats:   BibTeX LaTeX RIS
Basic information
Original name Evaluation of credibility of civil construction companies in South bohemia
Name in Czech Hodnocení kredibility stavebních podniků v Jihočeském kraji
Authors VOCHOZKA, Marek, Zuzana ROWLAND and Jaromír VRBKA.
Edition 1. vyd. České Budějovice, Innovative Economic Symposium 2015, p. 145-161, 17 pp. 2015.
Publisher Vysoká škola technická a ekonomická v Českých Budějovicích
Other information
Original language English
Type of outcome Proceedings paper
Field of Study 50200 5.2 Economics and Business
Country of publisher Czech Republic
Confidentiality degree is not subject to a state or trade secret
Publication form storage medium (CD, DVD, flash disk)
Organization unit Institute of Technology and Business in České Budějovice
ISSN 2464-6369
Keywords (in Czech) Stavební podnik; finanční tíseň; predikce; umělé neuronové sítě; model
Keywords in English Construction company; financial problems; prediction; artificial neural network; model
Tags KEM6
Changed by Changed by: Mgr. Václav Karas, učo 10752. Changed: 4/2/2016 10:30.
Abstract
"The aim of this article is to apply a neural network to be able to predict potential financial problems in construction companies based in the Region of South Bohemia of the Czech Republic. Data on all construction companies in the Region of South Bohemia over the period 2003 – 2013 were used for the modelling of the neural network. The data file contained 1,219 records of companies for the individual years. These records included both financial statements and non-accounting data (e.g. data on company employees, and proportional indicators as the case may be). The following networks were used for modelling the neural network: a linear network; a probabilistic neural network (PNN); a generalised regression neural network (GRNN); a radial basis function network (RBF); a three-layer perceptron network (TLP) and a four-layer perceptron network (FLP). The analysis resulted in a specific model of an artificial neural network. The neural network was able to determine with more than ninety per cent accuracy whether a company is able to overcome potential financial problems, within how many years a company might go bankrupt, or whether a company might go bankrupt within one calendar year. The text also includes the basic statistical characteristics of the examined sample and the achieved results (sensitivity analysis, confusion matrix, etc.). The model can be utilised by the managers of construction companies, competitors, etc."
Abstract (in Czech)
"Cílem článku je využít neuronové sítě pro predikci případné finanční tísně stavebních podniků v Jihočeském kraji České republiky.   Pro modelaci konkrétní neuronové sítě byla požita data o všech stavebních společnostech v Jihočeském kraji v letech 2003 až 2013. Datový soubor tak obsahuje 1,219 záznamů o firmách v jednotlivých letech. Konkrétně se jedná o veškeré údaje účetní závěrky a další mimoúčetní data (např. o zaměstnancích firem, případně i poměrové ukazatele). Při modelaci konkrétní umělé neuronové sítě byly využity: lineární síť, probabilistická neuronová síť (PNN), generalizovaná regresní neuronová síť (GRNN), radiální základní síť (RBF), třívrstvá perceptronová síť (TLP) a čtyřvrstvá perceptronová síť (FLP). Výsledkem analýzy je konkrétní model umělé neuronové sítě, který umí s více než devadesáti pěti procentní přesností určit, zda je podnik schopen přežít případnou finanční tíseň, nebo do několika let podnik zbankrotuje, nebo zbankrotuje do jednoho kalendářního ro-ku. Součástí textu jsou i základní statistické charakteristicky zkoumaného souboru a dosaženého výsledku (analýza citlivosti, konfuzní matice a další). Model využijí v praxi jednak manažeři stavebních podniků, konkurence, případně další."
PrintDisplayed: 28/3/2024 13:21