"ΜΟΝΤΕΛΑ ΑΞΙΟΛΟΓΗΣΗΣ ΠΙΣΤΟΛΗΠΤΙΚΗΣ ΙΚΑΝΟΤΗΤΑΣ"

MODELS FOR EVALUATING THE CREDITWORTHINESS (Αγγλική)

  1. MSc thesis
  2. ΠΑΠΑΚΩΣΤΑΣ, ΔΗΜΗΤΡΙΟΣ
  3. Τραπεζική, Λογιστική και Χρηματοοικονομική (ΤΛΧ)
  4. 18 Σεπτεμβρίου 2022 [2022-09-18]
  5. Ελληνικά
  6. 106
  7. ΑΥΓΟΥΣΤΙΝΟΣ, ΔΗΜΗΤΡΑΣ
  8. ΑΥΓΟΥΣΤΙΝΟΣ, ΔΗΜΗΤΡΑΣ | ΚΥΡΙΑΚΟΥ, ΜΑΡΙΑ
  9. Πιστοληπτική ικανότητα, Κίνδυνος πτώχευσης, Διακριτική ανάλυση, Νευρωνικά δίκτυα | Credit scoring, Risk of failure, Discriminant analysis, Neural networks
  10. 1
  11. 8
  12. 15
  13. 48
    • Η εργασία αυτή αφορά στην ανάλυση της πιστοληπτικής ικανότητας επιχειρήσεων. Από την εποχή του Β’ παγκοσμίου πολέμου μέχρι σήμερα, από τη συνεχή συνεργασία της επιστημονικής κοινότητας με τις τράπεζες, τους οίκους αξιολόγησης και τις μεγάλες επιχειρήσεις έχουν αναπτυχθεί πολλά διαφορετικά μοντέλα, τα οποία έχουν εφαρμογή στην αξιολόγηση του αξιόχρεου τόσο επιχειρηματικών μονάδων, όσο και ιδιωτών, κρατικών ομολόγων κ.α. Στόχος της εργασίας αυτής είναι να ερευνήσει τη σχετική επιστημονική βιβλιογραφία, να περιγράψει τις κυριότερες μεθοδολογίες και να επισημάνει τα πλεονεκτήματα και τα μειονεκτήματα της κάθε μιας. Παράλληλα, γίνεται εφαρμογή των μεθόδων της διακριτικής ανάλυσης και των νευρωνικών δικτύων σε ένα δείγμα 62 ελληνικών επιχειρήσεων με διαθέσιμα πρόσφατα οικονομικά στοιχεία, υπολογίζοντας αφενός με το σετ 5 χ/ο δεικτών του Altman (1968) και αφετέρου με το σετ 6 χ/ο δεικτών του Δημητρά (1995). Τα αποτελέσματα της ανάλυσης είναι ικανοποιητικά και για τις τέσσερεις περιπτώσεις με ποσοστά επιτυχούς ταξινόμησης σε δύο ομάδες (αξιόχρεες και μη) που κυμαίνονται από 72,9% ως 88,9%.
    • This thesis deals with the analysis of the creditworthiness of companies. Since World War II until today, by the continuous cooperation of the scientific community with banks, rating agencies and large companies, many different models have been developed, which are applicable to the evaluation of the creditworthiness of both business units and individuals, government bonds etc. The aim of this work is to research the relevant scientific literature, to describe the main methodologies and to point out the advantages and disadvantages of each one. At the same time, the methods of discriminant analysis and neural networks are applied to a sample of 62 Greek companies with available recent financial data, modelling once with the Altman’s set of 5 financial ratios (1968) and once with Dimitras’s 6 ratios (1995). The results of the analysis are satisfactory for all four cases with successful classification rates in two groups (creditworthy and non-creditworthy) ranging from 72.9% to 88.9%.
  14. Αναφορά Δημιουργού 4.0 Διεθνές