机构名称：
¥ 2.0
抽象背景：通过机器学习方法使财务困境的预测变得更加准确和可靠。财务压力会影响商业公司实体，社会和通用经济。分析此类非线性事件对于防止危险和支持有利的经济气候至关重要。目标：本文试图开发一个可靠的预测模型，以确定印度背景下其他可能面临财务困境的公司以外的公司，并检查一个基本预测指标的影响，即未来现金流对财务困扰预测的影响。此外，该研究还旨在进行研究，以便为公共政策提供信息并提供建议。方法：该研究采用了能力数据库中的财务信息，但仅限于印度的非金融服务部门。逻辑回归，线性判别分析（LDA）和人工神经网络（ANN）用于预测财务困境及其预测未来现金流量的能力。评估模型的其他方法包括准确性，灵敏度和特异性。结果：ANN根据准确性和可预测性优于其他模型，这些模型高于其他两个模型的速率，即逻辑回归和LDA。ANN模型在识别财务困扰的公司方面表现良好；因此，它在评估其财务状况方面是有益的。此外，结果表明，未来的现金流很大程度上影响了财务困扰预测，这是一个必不可少的新变量，在未来的研究中需要考虑。结论：这种财务困境的预测模型进一步为印度相应的部门提供了一个合理的平台。一般而言，ANN为经理，投资者，政策制定者，监管机构和股东提供了深刻的机会，作为预防决策的有效工具，以加强公司世界。这项研究表明，高级机器学习方法在财务分析和决策中仍然至关重要。
预测塑造公共政策的财务困扰
主要关键词
相关文件推荐
