Financial application of neural networks: Two case studies in Greece
Φόρτωση...
Ημερομηνία
Συγγραφείς
Κουμανάκος, Ευάγγελος
Kotsiantis, S.
Tzelepis, D.
Tampakas, V.
Τίτλος Εφημερίδας
Περιοδικό ISSN
Τίτλος τόμου
Εκδότης
Περίληψη
Τύπος
Είδος δημοσίευσης σε συνέδριο
Είδος περιοδικού
peer reviewed
Είδος εκπαιδευτικού υλικού
Όνομα συνεδρίου
Όνομα περιοδικού
Artificial Neural Networks - Icann 2006, Pt 2
Όνομα βιβλίου
Σειρά βιβλίου
Έκδοση βιβλίου
Συμπληρωματικός/δευτερεύων τίτλος
Περιγραφή
In the past few years, many researchers have used Artificial Neural Networks (ANNs) to analyze traditional classification and prediction problems in accounting and finance. This paper explores the efficacy of ANNs in detecting firms that issue fraudulent financial statements (FFS) and in predicting corporate bankruptcy. To this end, two experiments have been conducted using representative ANNs algorithms. During the first experiment, ANNs algorithms were trained using a data set of 164 fraud and non-fraud Greek firms in the recent period 2001-2002. During the second experiment, ANNs algorithms were trained using a data set of 150 failed and solvent Greek firms in the recent period 2003-2004. It was found that ANNs could enable experts to predict bankruptcies and fraudulent financial statements with satisfying accuracy.
Περιγραφή
Λέξεις-κλειδιά
fraud detection, bankruptcy prediction, bankruptcy prediction, algorithm, business
Θεματική κατηγορία
Παραπομπή
Σύνδεσμος
<Go to ISI>://000241475200070
Γλώσσα
en
Εκδίδον τμήμα/τομέας
Όνομα επιβλέποντος
Εξεταστική επιτροπή
Γενική Περιγραφή / Σχόλια
Ίδρυμα και Σχολή/Τμήμα του υποβάλλοντος
Πανεπιστήμιο Ιωαννίνων. Σχολή Οικονομικών και Κοινωνικών Επιστημών. Τμήμα Οικονομικών Επιστημών