Hagyományos és gépi tanuláson alapuló csődelőrejelző modellek összehasonlítása

A tétel rövid nézete
dc.contributor.advisorLengyel, Péter József
dc.contributor.authorCifra, János
dc.contributor.departmentDE--Gazdaságtudományi Kar
dc.date.accessioned2025-06-20T07:14:52Z
dc.date.available2025-06-20T07:14:52Z
dc.date.created2025
dc.description.abstractKorunk legmeghatározóbb technológiai vívmánya, a mesterséges intelligencia, forradalmasítja a vállalati kockázatkezelést, különösen a csődelőrejelzés területén. Jelen tanulmány egyedi betekintést nyújt a magyarországi vállalati fizetésképtelenség előrejelzésének lehetőségeibe, összehasonlítva egy hagyományos statisztikai módszer (Altman-modell) teljesítményét egy korszerű, gépi tanuláson alapuló eljárással (Random Forest). A kutatás egy speciálisan összeállított, hazai vállalatok kvalitatív és kvantitatív adatait tartalmazó adatbázison végzett mélyreható elemzést, melynek során a kapcsolati hálóban fellelhető negatív tényezők prediktív ereje is feltárásra került. Az eredmények megerősítik a felhasznált szakirodalom következtetéseit, miszerint a gépi tanulási módszerek pontosabban képesek előrejelezni a vállalatok fizetőképességét, mint a hagyományos eljárások. A kvalitatív változók, különösen a kockázatos cégeket és eltiltott személyeket tartalmazó kapcsolati háló, szignifikáns prediktív erővel bírnak csődelőrejelzés szempontjából. A modell kiértékelése során a kapcsolati hálóban szereplő eltiltott személyi kapcsolat kimagasló összefüggést mutatott a vizsgált vállalatok fizetésképtelenségével. Továbbá, a kutatás rávilágít arra, hogy a mesterséges intelligencia eszközei hatékonyan integrálhatók az adatelemzési és modellezési munkafolyamatokba. Összességében megállapítható, hogy a mesterséges intelligencián alapuló csődelőrejelző modellek, különösen a kvalitatív tényezők bevonásával, új dimenziót nyitnak a vállalati kockázatértékelésben, elősegítve egy adatvezérelt jövő felé való elmozdulást.
dc.description.courseNemzetközi gazdálkodás
dc.description.degreeBSc/BA
dc.format.extent60
dc.identifier.urihttps://hdl.handle.net/2437/393973
dc.language.isohu
dc.rights.infoHozzáférhető a 2022 decemberi felsőoktatási törvénymódosítás értelmében.
dc.subjectmesterséges intelligencia
dc.subjectgépi tanulás
dc.subjectcsődelőrejelzés
dc.subjectkapcsolati háló
dc.subject.dspaceKözgazdaságtudomány
dc.subject.dspaceKözgazdaságtudomány::Pénzügy
dc.titleHagyományos és gépi tanuláson alapuló csődelőrejelző modellek összehasonlítása
dc.title.translatedComparison of traditional and machine learning-based bankruptcy prediction models
Fájlok
Eredeti köteg (ORIGINAL bundle)
Megjelenítve 1 - 2 (Összesen 2)
Nincs kép
Név:
Cifra_Janos_Szakdolgozat.pdf
Méret:
1.94 MB
Formátum:
Adobe Portable Document Format
Leírás:
Szakdolgozat
Megjelenítés
Nincs kép
Név:
Cifra_Janos_Nyilatkozat.pdf
Méret:
72.28 KB
Formátum:
Adobe Portable Document Format
Leírás:
Nyilatkozat
Megjelenítés
Engedélyek köteg
Megjelenítve 1 - 1 (Összesen 1)
Nincs kép
Név:
license.txt
Méret:
2.26 KB
Formátum:
Item-specific license agreed upon to submission
Leírás:
Letöltés
Gyűjtemények
Hallgatói dolgozatok (Agrár- és Üzleti Digitalizáció Intézet)