Diplomarbeiten


(Fachbereiche): Betriebswirtschaft - Branche Finanzen Bankwirtschaft / Kreditwirtschaft

BESTELLEN

Titel Kritische Analyse des Neuronalen Netzes BP-14 als Instrument zur Beurteilung der Kreditwürdigkeit von Unternehmungen
Untertitel
AutorIn Jörg Weber
Seiten 137 Seiten
Hochschule Universität des Saarlandes Deutschland
Art der Arbeit Diplomarbeit
Abgabe 1998
Note 1,3
Preis 38,00 EUR (inkl. MwSt.)
Bestellnummer 91001502
Sprache Deutsch
Medien Papier / CD
Inhaltsangabe
Einleitung:

Mit einem Verfahren der Künstlichen Intelligenz, der Künstlichen Neuronalen Netzanalyse, haben Professor Dr. Jörg Baetge und seine Mitarbeiter ein Neuronales Netz entwickelt, das die Bonität eines Unternehmens anhand von 14 Kennzahlen entweder als künftig solvent oder als insolvenzgefährdend einstuft. Im Rahmen meiner Arbeit werden die Künstlichen Neuronalen Netze als Verfahren der Jahresabschlußanalyse erörtert und das BP-14 als Instrument zur Beurteilung der Kreditwürdigkeit dargestellt. Des weiteren werden neben den grundsätzlichen Grenzen der Jahresabschlußanalyse auch verfahrenstechnische Probleme beim Einsatz des BP-14 in der Kreditwürdigkeitsprüfung diskutiert.

Inhaltsverzeichnis:

Inhaltsverzeichnis II
Abkürzungsverzeichnis V
Abbildungsverzeichnis VII
Symbolverzeichnis IX
Tabellenverzeichnis X
Verzeichnis der Anlagen im Anhang XI
1. Einführung und Aufbau der Arbeit 1
2. Die Beurteilung der Kreditwürdigkeit von Unternehmungen 3
2.1. Die Kreditwürdigkeitsprüfung von Unternehmungen 3
2.1.1. Aufbau und Inhalt der Kreditwürdigkeitsprüfung 3
2.1.2. Beurteilungskriterien der Kreditwürdigkeitsprüfung von Unternehmungen 4
2.1.2.1. Vorbemerkungen 4
2.1.2.2. Beurteilung des Managements 5
2.1.2.3. Beurteilung der Produkte und Leistungen und der technischen Ausstattung 6
2.1.2.4. Beurteilung der finanziellen Verhältnisse 7
2.2. Die Jahresabschlußanalyse als Mittel zur Bonitätsanalyse von Unternehmungen 11
2.2.1. Begriff und Zweck der Jahresabschlußanalyse 11
2.2.2. Die Jahresabschlußanalyse als Kennzahlenrechnung 13
2.2.2.1. Vorbemerkungen 13
2.2.2.2. Bedeutung der Bildung von Kennzahlen 14
2.2.2.3. Vergleichende Kennzahlenanalyse 15
2.2.2.4. Zusammenfassung 16
2.2.3. Die Jahresabschlußanalyse mit Künstlichen Neuronalen Netzen 17
2.2.3.1. Vorbemerkungen 17
2.2.3.2. Biologische Grundlagen Neuronaler Netze 17
2.2.3.3. Aufbau Künstlicher Neuronaler Netze 20
2.2.3.3.1. Das Künstliche Neuron 20
2.2.3.3.2. Zusammenfassung einzelner Neuronen zu einem KNN 21
2.2.3.4. Funktionale Zusammenhänge in Künstlichen Neuronalen Netzen 23
2.2.3.4.1. Allgemeines 23
2.2.3.4.2. Die Eingabefunktion 24
2.2.3.4.3. Die Aktivierungsfunktion 24
2.2.3.4.4. Die Ausgabefunktion 25
2.2.3.5. Lernen in Künstlichen Neuronalen Netzen 26
2.2.3.5.1. Grundlagen des Lernens 26
2.2.3.5.2. Das Lernverfahren nach dem Backpropagation-Algorithmus 27
2.2.3.5.3. Lern-, Test- und Validierungsstichprobe 34
3. Das Künstliche Neuronale Netz BP-14 als Instrument zur Beurteilung der Kreditwürdigkeit von Unternehmungen 37
3.1. Vorüberlegungen 37
3.2. Entwicklung des BP-14 38
3.2.1. Beschaffung und Aufbereitung des empirischen Datenmaterials 38
3.2.1.1. Definition der in die Untersuchung einbezogenen Unternehmen 38
3.2.1.2. Abgrenzung von solventen und insolventen Unternehmen 39
3.2.1.3. Aufteilung des verwendeten Datenmaterials 40
3.2.1.4. Konzeption des Kennzahlenkatalogs 41
3.2.1.4.1. Die verwendeten Kennzahlen 41
3.2.1.4.2. Die Clusteranalyse 45
3.2.1.4.3. Statistische Voranalysen 46
3.2.2. Entwicklung des Backpropagation Netzes 48
3.2.2.1. Alpha- und Beta Fehler 48
3.2.2.2. Anfangsaufbau des KNN 49
3.2.2.3. Gewichtsorientiertes Pruning 51
3.2.2.4. Relevanzorientiertes Pruning 52
3.2.2.5. Die ausgewählten Kennzahlen des BPN und ihre Aussagekraft 55
3.2.2.6. Interpretation des Ausgabewertes 58
3.3. Umsetzung der Ergebnisse des BP-14 61
4. Kritische Würdigung des Einsatzes von BP-14 zur Beurteilung von Unternehmungen 67
4.1. Überblick 67
4.2. Grenzen der Jahresabschlußanalyse als Mittel zur Bonitätsbeurteilung von Unternehmungen 67
4.2.1. Mangelnde Aktualität und Zukunftsbezogenheit der Daten 67
4.2.2. Unvollständigkeit der Datenbasis 68
4.2.3. Kritik an der Bildung von Kennzahlen 69
4.2.4. Verzerrungen des Jahresabschlusses durch Bilanzierungs- und Bewertungswahlrechte 70
4.2.5. Kritik an der theoretischen Fundierung der Jahresabschlußanalyse mit Künstlichen Neuronalen Netzen 71
4.3. Verfahrenstechnische Probleme des Neuronalen Netzes BP-14 72
4.3.1. Vorbemerkungen 72
4.3.2. Netzwerktyp und Lernregel 72
4.3.3. Netzwerkarchitektur 75
4.3.4. Zahl der Lernschritte und Trainingsdaten 76
4.3.5. Auswahl und Zahl der Kennzahlen 77
4.3.6. Interpretation des Ausgabewertes und die Bildung von Güte- und Risikoklassen 78
4.3.7. Die mangelnde Erklärbarkeit der Ergebnisse eines Künstlichen Neuronalen Netzes 79
5. Zusammenfassung 81
Anhang 85
Literaturverzeichnis 113
Verzeichnis der Gesprächspartner 122

BESTELLEN