BazEkon - The Main Library of the Cracow University of Economics

BazEkon home page

Main menu

Author
Lasek Mirosława, Pęczkowski Marek
Title
Przeprowadzanie segmentacji przedsiębiorstw za pomocą drzew klasyfikacyjnych
Segmentation of Firms by Means of Classification Trees
Source
Ekonomia / Uniwersytet Warszawski, 2002, nr 7, s. 70-99, bibliogr. 13 poz.
Keyword
Analiza statystyczna, Metody statystyczne, Przedsiębiorstwo, Spółki
Statistical analysis, Statistical methods, Enterprises, Companies
Note
summ.
Abstract
W artykule podjęto próbę wykorzystania drzew klasyfikacyjnych do segmentacji przedsiębiorstw - polskich spółek giełdowych - na podstawie danych określających ich sytuację finansową i majątkową. Drzewa klasyfikacyjne (zwane także drzewami decyzyjnymi) są jedną z metod eksploracji danych.

The objective of the paper was to present the utility and applicability of the method of generating classification trees for the purposes of segmentation of firms by their economic standing, i.e. their financial and assets condition. The method of classification tree generation belongs to the group of the "data mining" methods that permit to find out, basing on large data sets, the relationships and links among data. Variables used to classify the firms were financial and assets indices, indices of the firms' position in the capital market, as well as values from financial statements (balance sheet, profit and loss account, cash flow account). Different algorithms were used to generate the classification trees: Chaid, Exhaustion Chaid, C&RT, Quest. In the paper, examples were presented of applying the classification trees to segmentation of firms. Advantages and drawbacks of performing the segmentation of firms by means of the classification trees were discussed. (original abstract)
Accessibility
The Main Library of the Cracow University of Economics
The Library of Warsaw School of Economics
The Main Library of Poznań University of Economics and Business
The Main Library of the Wroclaw University of Economics
Bibliography
Show
  1. AnswerTree. User's Guide, 1998, SPSS Inc., Chicago.
  2. Biggs D., de Ville B., Suen E., 1991, A method of choosing multiway partitions for classification and decision trees, "Journal of Applied Statistics" nr 18, s. 49-62.
  3. Breiman L., Friedman J., Olshen R., Stone C., 1984, Classification and Regression Trees, CRC Press, London.
  4. Gatnar E. 2001, Nieparametryczna metoda dyskryminacji i regresji, Wydawnictwo Naukowe PWN, Warszawa.
  5. Gatnar E., 1998, Symboliczne metody klasyfikacji danych, Wydawnictwo Naukowe PWN, Warszawa.
  6. http://www.spss.pl
  7. Kass G., 1980, An exploratory technique for investigating large quantities of categorical data, "Applied Statistics" 29:2, s. 119-127.
  8. Kovalerchuk B., Vityaev E., 2000, Data Mining in Finance. Advances in Relational and Hybrid Methods, Kluwer.
  9. Lasek M., Pęczkowski M., 1991, Knowledge Acquistition Method of Expert System for Analysis of Financial Standing of an Enterprise, w: Alty J. L., Mikulich L. I. (wyd.), Industrial Applications of Artificial Intelligence, North-Holland, s. 81-86.
  10. Loh W., Shih Y., 1997, Split selection methods for classification trees, Statistica Sinics.
  11. Shi Y., 2000, Data Mining, w: Zeleny M., The IEBM Handbook of Information Technology in Business, Business Press, Thomson Learning, s. 490-495.
  12. Witten J. H., Frank E., 2000, Data Mining. Practical Machine Learning Tools and Techniques with Java Implementations, Academic Press, Morgan Kaufmann Publishers.
  13. Zakrzewicz M., 2001, Eksploracja danych (Data Mining) - zbiór technik automatycznego odkrywania nietrywialnych zależności i schematów w dużych zbiorach danych, http://www.cs.put.poznan.pl/mzakrzewicz.
Cited by
Show
ISSN
0137-3056
Language
pol
Share on Facebook Share on Twitter Share on Google+ Share on Pinterest Share on LinkedIn Wyślij znajomemu