Kritische Analyse des Neuronalen Netzes BP-14 als Instrument zur ...

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:InhaltsverzeichnisIIAbkürzungsverzeichnisVAbbildungsverzeichnisVIISymbolverzeichnisIXTabellenverzeichnisXVerzeichnis der Anlagen im AnhangXI1.Einführung und Aufbau der Arbeit12.Die Beurteilung der Kreditwürdigkeit von Unternehmungen32.1.Die Kreditwürdigkeitsprüfung von Unternehmungen32.1.1.Aufbau und Inhalt der Kreditwürdigkeitsprüfung32.1.2.Beurteilungskriterien der Kreditwürdigkeitsprüfung von Unternehmungen42.1.2.1.Vorbemerkungen42.1.2.2.Beurteilung des Managements52.1.2.3.Beurteilung der Produkte und Leistungen und der technischen Ausstattung62.1.2.4.Beurteilung der finanziellen Verhältnisse72.2.Die Jahresabschlußanalyse als Mittel zur Bonitätsanalyse von Unternehmungen112.2.1.Begriff und Zweck der Jahresabschlußanalyse112.2.2.Die Jahresabschlußanalyse als Kennzahlenrechnung132.2.2.1.Vorbemerkungen132.2.2.2.Bedeutung der Bildung von Kennzahlen142.2.2.3.Vergleichende Kennzahlenanalyse152.2.2.4.Zusammenfassung162.2.3.Die Jahresabschlußanalyse mit Künstlichen Neuronalen Netzen172.2.3.1.Vorbemerkungen172.2.3.2.Biologische Grundlagen Neuronaler Netze172.2.3.3.Aufbau Künstlicher Neuronaler Netze202.2.3.3.1.Das Künstliche Neuron202.2.3.3.2.Zusammenfassung einzelner Neuronen zu einem KNN212.2.3.4.Funktionale Zusammenhänge in Künstlichen Neuronalen Netzen232.2.3.4.1.Allgemeines232.2.3.4.2.Die Eingabefunktion242.2.3.4.3.Die Aktivierungsfunktion242.2.3.4.4.Die Ausgabefunktion252.2.3.5.Lernen in Künstlichen Neuronalen Netzen262.2.3.5.1.Grundlagen des Lernens262.2.3.5.2.Das Lernverfahren nach dem Backpropagation-Algorithmus272.2.3.5.3.Lern-, Test- und Validierungsstichprobe343.Das Künstliche Neuronale Netz BP-14 als Instrument zur Beurteilung der […]