Modelování insolvence firem s využitím veřejně dostupných dat

Bc. Emanuel Godál

Master's thesis

Modeling insolvency risk for the corporations using public data

Abstract:

The goal of the thesis is modeling of insolvency based on financial statements using public data. The first part is devoted to theoretical analysis of insolvency and overview of most commonly used methods for its prediction. The following part contains arguments supporting selection of logistic regression and discriminant analysis. Subsequently, there are stated sequential steps of processing data. The various models are estimated in the last part of the thesis. These are compared with each other and with competitive models in order to answer research question. It turned out that models based on public data is able to predict insolvency with 80% success rate.

Abstract:

Predmetom tejto diplmomovej práce je modelovanie insolvencie na základe účtovných závierok z verejene dostupných dát. Prvá časť je venovaná teoretickému rozboru pojmu insolvencia a prehľadu metód využívaných na jej predikciu. V ďalšej časti je zdôvodnený výber logistickej regresie a diskriminačnej analýzy. Následne sú uvedené postupné úpravy dátového súboru porovnávané s prístupmi iných autorov. V poslednej časti je vytvorených viacero variant modelov. Tie sú potom porovnané navzájom a s konkurenčnými modelmi s cieľom zodpovedať výkumnú otázku. Ukázalo sa že modely postavené na verejne dostupných dátach sú schopné predpovedať insolvenciu na jeden rok dopredu s úspešnosťou 80%.

Keywords

Logistická regresia, diskriminačná analýza, insolvencia, bankrotný model, predikcia, logistic regression, discriminant analysis, insolvency, bankruptcy, prediction

Language used: Slovak

Date on which the thesis was submitted / produced: 13. 5. 2016

Thesis defence

• Date of defence: 21. 6. 2016
• Supervisor: Ing. Daniel Němec, Ph.D.
• Reader: Mgr. Silvie Zlatošová, Ph.D.

Masaryk University

Faculty of Economics and Administration

Master programme / field:
Finance and Accounting / Finance