Vorhersage von Unternehmensinsolvenzen: Eine vergleichende Analyse von Modellen des maschinellen Lernens

Die Vorhersage von Unternehmensinsolvenzen ist eine entscheidende Aufgabe für Investoren, Gläubiger und politische Entscheidungsträger, da sie es ihnen ermöglicht, finanzielle Risiken vorherzusehen und zu mindern. In dieser Studie führen wir eine vergleichende Analyse von Modellen des maschinellen Lernens zur Vorhersage von Unternehmensinsolvenzen durch. Wir nutzen eine vielfältige Gruppe von Merkmalen, einschließlich finanzieller Kennzahlen, Marktindikatoren und makroökonomischer Variablen, um mehrere beliebte Algorithmen des maschinellen Lernens zu trainieren und zu bewerten. Unsere vergleichende Analyse umfasst logistische Regression, Entscheidungsbäume, Zufallswälder, Unterstützungsvektormaschinen und künstliche neuronale Netzwerke. Wir bewerten die Leistung dieser Modelle mit Metriken wie Genauigkeit, Präzision, Rückruf und F1-Score und führen einen gründlichen Vergleich durch, um den effektivsten Ansatz zur Vorhersage von Unternehmensinsolvenzen zu identifizieren. Zusätzlich untersuchen wir die Interpretierbarkeit der Modelle, um die Faktoren zu verstehen, die ihre Vorhersagen antreiben. Unsere Erkenntnisse liefern wertvolle Einblicke in die Anwendung von maschinellem Lernen bei der Vorhersage von Unternehmensinsolvenzen und bieten Orientierung für Interessengruppen bei der fundierten finanziellen Entscheidungsfindung.