Publikace detail

Word Categorization of Corporate Annual Reports for Bankruptcy Prediction by Machine Learning Methods

Autoři: Hájek Petr | Olej Vladimír

Rok: 2015

Druh publikace: článek ve sborníku

Název zdroje: Text, Speech, and Dialogue: 18th International Conference, TSD 2015 Proceedings

Název nakladatele: Springer

Místo vydání: Berlin

Strana od-do: 122-130

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Slovní kategorizace podnikových výročních zpráv pro predikci bankrotu pomocí metod strojového učení	Jazyk podnikových dokumentů je důležitým indikátorem budoucí finanční výkonnosti. Tato studie si klade za cíl extrakci různých slovních kategorií z výročních zpráv a testovat jejich vliv na predikci bankrotu. Ukazujeme, že jazyk použitý bankrotujícími podniky je charakteristický silnější neústupností, orientací na dosahování cílů, důvěrností, orientací na současnost, vyloučení a odmítání. Bankrotující podniky také používají více modálních slov, pozitivních, neurčitých a negativních slov. Použili jsme pro predikci neuronové sítě, podpůrné vektorové stroje, rozhodovací stromy a soubory rozhodovacích stromů. Predikční modely využívaly jak finančních indikátorů, tak slovních kategorizací jako vstupních proměnných. Přesnost predikce lze významně zvýšit použitím obecných slovníků i kategorií z finančních slovníků.	predikce bankrotu; slovní kategorizace; analýza sentimentu; strojové učení; metaučení
eng	Word Categorization of Corporate Annual Reports for Bankruptcy Prediction by Machine Learning Methods	The language of company related documents is recognized as being an important indicator of future financial performance. This study aims to extract various word categories from corporate annual reports and examine their effect on bankruptcy prediction. We show that the language used by bankrupt companies is characterized by stronger tenacity, accomplishment, familiarity, present concern, exclusion and denial. Bankrupt companies also use more modal, positive, uncertain and negative language. We used neural networks, support vector machines, decision trees and ensembles of decision trees to predict corporate bankruptcy. The prediction models utilized both financial indicators and word categorizations as input variables. We show that both general dictionary and financial dictionary categories can significantly improve the accuracy of the prediction models.	Bankruptcy prediction; Word categorization; Sentiment analysis; Machine learning; Meta-learning

Vyhledávání

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Ústavy

Pracoviště

Jak nás najdete?

Služby

Často hledáte