BazEkon - The Main Library of the Cracow University of Economics

BazEkon home page

Main menu

Author
Migdał-Najman Kamila (Uniwersytet Gdański), Najman Krzysztof (Uniwersytet Gdański)
Title
Diagnozowanie kondycji finansowej spółek notowanych na GPW w Warszawie w oparciu o sieć SOM
Diagnosing Financial Condition of Companies Quoted on Warsaw Stock Exchange Using SOM Networks
Source
Zeszyty Naukowe Uniwersytetu Szczecińskiego. Finanse, Rynki Finansowe, Ubezpieczenia, 2004, nr 2, Cz. 1, s. 507-519, rys., bibliogr. 8 poz.
Issue title
Rynek kapitałowy: skuteczne inwestowanie
Keyword
Spółki giełdowe, Diagnozowanie organizacji, Kondycja finansowa, Klasyfikacja przedsiębiorstw
Stock market companies, Organisation diagnosis, Financial condition, Classification of enterprises
Note
summ.
Company
Giełda Papierów Wartościowych w Warszawie
Warsaw Stock Exchange
Abstract
W praktyce inwestycji na rynkach kapitałowych, kluczowym pojęciem zaprzątającym umysły inwestorów, a także "procesory" ich komputerów jest ryzyko. Jednym z czarniejszych scenariuszy, który potencjalnie może się przydarzyć każdemu inwestorowi, jest zakup lub przetrzymanie akcji spółek upadających. Ponieważ, pomijając inwestorów o najwyższej skłonności do ryzyka, inwestorzy woleliby omijać takie spółki istotne staje się wczesne ostrzeżenie o potencjalnym zagrożeniu spółki upadłością. Rozpoznanie takiej sytuacji nie jest zadaniem trywialnym a nawet, w stosunkowo krótkiej powojenne historii GPW w Warszawie, nie jest to zjawisko rzadkie. Walorów do analizowania jest wiele, a sytuacja finansowa każdego z nich jest opisywana szeregiem wskaźników. Jest to, więc problem ilościowy. Co więcej, kondycja spółek zmienia się w czasie, należy więc ją obserwować w ujęciu dynamicznym. Ponieważ opis kondycji finansowej dokonywany jest w oparciu o szereg niejednorodnych wskaźników staje się to znaczącym utrudnieniem dla analityka w całościowym ujęciu następujących w czasie zmian. Jest to, więc także problem jakościowy.(fragment tekstu)

The SOM (self-organizing map) network is one of the most popular unsupervised artificial neural networks models used for clustering, classification, visualization in number of real-world problems. The focus in this article is better understanding of the trends and patterns among today's financial markets. Through the creation of SOM maps of fundamental data, it is possible to detect similarities and dissimilarities among stocks and trace their evolution over long periods of time. In this article we have demonstrated how self-organizing map can be created for illustrating the trajectory or evolution companies on Warsaw Stock Exchange, how to apply SOM to diagnose company solvency. We have demonstrated the integration of SOM into a decision-support system used for predicting the probability of company (original abstract)
Accessibility
The Library of University of Economics in Katowice
The Main Library of Poznań University of Economics and Business
Szczecin University Main Library
Bibliography
Show
  1. Deboeck G., Kohonen T. (1998). Visual Explorations in Finance, with Self-Organizing Maps, Springer, Finance.
  2. Kohonen T., (1997). Self-Organizing Maps, Springer Verlag. Berlin-Heidelberg.
  3. Migdał Najman K., Najman K. (2000). Zastosowanie sieci neuronowych na WGPW. Rynek Kapitałowy - Skuteczne Inwestowanie, Wydawnictwo Naukowe Uniwersytetu Szczecińskiego, wrzesień tom II.
  4. Migdał Najman K., Najman K. (2000). Zastosowanie sieci neuronowej typu SOM do wyboru najatrakcyjniejszych spółek na WGPW, Prace Naukowe Akademii Ekonomicznej we Wrocławiu nr 952.
  5. Migdal Najman K., Najman K. (2002). Zastosowanie sieci neuronowej typu SOM do wyboru najatrakcyjniejszych spółek na WGPW na bazie wskaźników analizy technicznej. Rynek Kapitałowy - Skuteczne Inwestowanie, Wydawnictwo Naukowe Uniwersytetu Szczecińskiego. Międzyzdroje 2002. tom II.
  6. Migdał Najman K., Najman K. (2003). Próba zastosowania sieci neuronowej typu SOM w badaniu przestrzennego zróżnicowania powiatów w Polsce, Wiadomości Statystyczne 4/03.
  7. Najman K. (2003). Ocena pozycji rynkowej spółek notowanych na GPW w Warszawie z wykorzystaniem sztucznej sieci neuronowej, Prace Naukowe Akademii Ekonomicznej we Wrocławiu nr 991.
  8. Vesanto J., (1997). Data mining techniques based on the Self-Organizing Maps, Helsinki University of Technology. Department of Engineering Physics and Mathematics. ESPOO Finland.
Cited by
Show
ISSN
1640-6818
1733-2842
Language
pol
Share on Facebook Share on Twitter Share on Google+ Share on Pinterest Share on LinkedIn Wyślij znajomemu