Show simple item record

dc.contributor.authorKo, Li-Jen
dc.contributor.authorBlocher, Edward J.
dc.contributor.authorLin, P. Paul
dc.date.accessioned2009-10-16T06:46:15Z
dc.date.available2009-10-16T06:46:15Z
dc.date.issued2001
dc.identifier.urihttp://hdl.handle.net/10272/1483
dc.description.abstractThe economic consequence of corporate failure is enormous, especially for the stakeholders of public-held companies. Prior to a corporate failure, the firm’s financial status is frequently in distress. Consequently, finding a method to identify corporate financial distress as early as possible is clearly a matter of considerable interest to investors, creditors, auditors and other stakeholders. This paper uses a composite rule induction system (CRIS; Liang 1992) to derive rules for predicting corporate financial distress in Taiwan. In addition, this paper compares the prediction performance of cris, neural computing and the logit model. The empirical results indicate that both CRIS and neural computing outperform the logit model in predicting financial distress. Although both CRIS and neural computing perform rather well, CRIS has the advantage that the derived rules are easier to understand and interpret.en_US
dc.description.abstractLa consecuencia económica de un fracaso corporativo es enorme, especialmente para los actores clave de las compañías públicas. En las fases previas a un fracaso corporativo, es común que el estatus financiero de la firma se encuentre normalmente en apuros. Consecuentemente, encontrar un método para identificar peligros financieros en una corporación tan pronto como sea posible es claramente un asunto con gran interés para los inversores, acreedores, auditores y otros actores clave. Este artículo usa un sistema de reglas inductivas compuestas (CRIS; Liang 1992) para elaborar reglas y patrones que ayuden a predecir problemas económicos en Taiwan. Además, este artículo compara el rendimiento y predicciones de CRIS, la informática neuronal y el modelo logístico. Los resultados empíricos indican que tanto CRIS como la informática neuronal funcionan generalmente bien a la hora de predecir los problemas financieros. Aunque ambos funcionan correctamente, CRIS tiene la ventaja de que sus reglas son más sencillas de entender e interpretar.
dc.language.isoengen_US
dc.publisherUniversidad de Huelva
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 España
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/es/
dc.titlePrediction of corporate financial distress : an application of the composite rule induction systemen_US
dc.typeinfo:eu-repo/semantics/articleen_US
dc.rights.accessRightsinfo:eu-repo/semantics/openAccess


Files in this item

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial-SinDerivadas 3.0 España
Except where otherwise noted, this item's license is described as Atribución-NoComercial-SinDerivadas 3.0 España

Copyright © 2008-2010. ARIAS MONTANO. Repositorio Institucional de la Universidad de Huelva
Contact Us | Send Feedback |