Wyszukiwanie zaawansowane ?

Obiekt

Potencjał sztucznej inteligencji w prognozowaniu upadłości spółek – analiza porównawcza dyskryminacyjnych modeli predykcji bankructwa polskich przedsiębiorstw
Pobierz

Tytuł: Potencjał sztucznej inteligencji w prognozowaniu upadłości spółek – analiza porównawcza dyskryminacyjnych modeli predykcji bankructwa polskich przedsiębiorstw

Tytuł odmienny:

The Potential of Artificial Intelligence in Forecasting Corporate Bankruptcy – Comparative Analysis of Discriminatory Bankruptcy Prediction Models of Polish Enterprises

Autor:

Kotagomba, Debora ; Kobylański, Kacper ; Petyniak, Jakub

Współtwórca:

Gasz, Małgorzata. Redaktor ; Koza, Andrzej. Redaktor ; Politaj, Adriana. Redaktor

Opis:

Cytuj jako: Kotagomba, D., Kobylański, K. i Petyniak, J. (2025). Potencjał sztucznej inteligencji w prognozowaniu upadłości spółek – analiza porównawcza dyskryminacyjnych modeli predykcji bankructwa polskich przedsiębiorstw. W: M. Gasz, A. Koza, A. Politaj (red.), Ekonomia i finanse (s. 44-58). Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu.

Abstrakt:

Przewidywanie ryzyka upadłości przedsiębiorstw to kluczowe wyzwanie dla menedżerów i instytucji finansowych. Dokładna ocena zagrożenia umożliwia wdrożenie odpowiednich działań zapobiegawczych. Istnieje wiele modeli predykcji upadłości opartych na analizie finansowej, dyskryminacyjnej czy metodach statystycznych. W tym opracowaniu postanowiono porównać klasyczne, polskie modele dyskryminacyjne (m.in. Gajdki i Stosa) z nowoczesnymi rozwiązaniami zaproponowanymi przez ChatGPT – potocznie nazywany „sztuczną inteligencją” – model LLM (large language model), pod względem skuteczności ich predykcji. Celem niniejszego rozdziału jest sprawdzenie w praktyce owych narzędzi, a także zbadanie ich potencjału oraz określenie, czy mogą znaleźć zastosowanie w świecie zarządzania finansami. Analiza wykazała, że systemy wczesnego ostrzegania wykreowane przez SI mogą być skuteczniejsze od niektórych tradycyjnych modeli i wykazują pewien potencjał w prognozowaniu ryzyka bankructwa. Badania autorów niniejszego rozdziału zostały przeprowadzone na wybranych upadłych spółkach oraz opierały się na metodzie analizy porównawczej, analizie danych i sprawozdań finansowych, krytycznej analizie literatury, ocenie efektywności poszczególnych modeli predykcji upadłości oraz wykorzystaniu modeli językowych.

Wydawca:

Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu

Miejsce wydania:

Wrocław

Data wydania:

2025

Typ zasobu:

rozdział

Identyfikator zasobu:

doi:10.15611/2025.58.0.04 ; oai:dbc.wroc.pl:143347

Język:

pol

Powiązania:

Debiuty studenckie 2025

Prawa:

Pewne prawa zastrzeżone na rzecz Autorów i Wydawcy

Prawa dostępu:

Dla wszystkich zgodnie z licencją

Licencja:

CC BY-SA 4.0

Lokalizacja oryginału:

Uniwersytet Ekonomiczny we Wrocławiu

Tytuł publikacji grupowej:

Debiuty Studenckie

Temat i słowa kluczowe:

edukacja finansowa przedsiebiorstwa społeczne venture capital inwestycje

Kolekcje, do których przypisany jest obiekt:

Data ostatniej modyfikacji:

3 lut 2026

Data dodania obiektu:

3 lut 2026

Liczba wyświetleń treści obiektu:

1

Wszystkie dostępne wersje tego obiektu:

https://www.dbc.wroc.pl/publication/182281

Wyświetl opis w formacie RDF:

RDF

Wyświetl opis w formacie OAI-PMH:

OAI-PMH

Nazwa wydania Data
Potencjał sztucznej inteligencji w prognozowaniu upadłości spółek – analiza porównawcza dyskryminacyjnych modeli predykcji bankructwa polskich przedsiębiorstw 3 lut 2026

Obiekty Podobne

Debiuty Studenckie
Debiuty Studenckie
Polska a unia walutowa: szanse i wyzwania dla gospodarki oraz społeczeństwa

Kukułka, Wiktoria Gasz, Małgorzata. Redaktor Koza, Andrzej. Redaktor Politaj, Adriana. Redaktor

2025
rozdział
Debiuty Studenckie
Debiuty Studenckie
Bariery w pozyskiwaniu finansowania venture capital przez młode przedsiębiorstwa w Polsce

Mertins, Karolina Gasz, Małgorzata. Redaktor Koza, Andrzej. Redaktor Politaj, Adriana. Redaktor

2025
rozdział
Debiuty Studenckie
Debiuty Studenckie
Rola i znaczenie przedsiębiorstw społecznych w gospodarkach Polski, Czech i Węgier

Hadłów, Kacper Król, Paweł Gasz, Małgorzata. Redaktor Koza, Andrzej. Redaktor Politaj, Adriana. Redaktor

2025
rozdział
Debiuty Studenckie
Debiuty Studenckie
Korzyści finansowe dla przedsiębiorców z tytułu zwrotu kosztów wyposażenia stanowisk pracy dla osób z niepełnosprawnościami w latach 2019-2023

Kędzierska, Natalia Gasz, Małgorzata. Redaktor Koza, Andrzej. Redaktor Politaj, Adriana. Redaktor

2025
rozdział
Debiuty Studenckie
Debiuty Studenckie
Stan edukacji finansowej w Polsce w latach 2019-2023

Chojecka, Magdalena Gasz, Małgorzata. Redaktor Koza, Andrzej. Redaktor Politaj, Adriana. Redaktor

2025
rozdział
Debiuty Studenckie
Debiuty Studenckie
Ekonomia i finanse [całość]

Gasz, Małgorzata. Redaktor Koza, Andrzej. Redaktor Politaj, Adriana. Redaktor

2025
książka
Debiuty Studenckie
Debiuty Studenckie
Spis treści [Ekonomia i finanse / red. M. Gasz, A. Koza, APolitaj.- Wrocław, 2025]

Gasz, Małgorzata. Redaktor Koza, Andrzej. Redaktor Politaj, Adriana. Redaktor

2025
rozdział
Debiuty Studenckie
Debiuty Studenckie
Zawody cyfrowej ery: analiza profesji influencera, youtubera i podcastera

Turek, Natalia Gasz, Małgorzata. Redaktor Koza, Andrzej. Redaktor Politaj, Adriana. Redaktor

2025
rozdział
Więcej
×

Cytowanie

Styl cytowania:

Dane kontaktowe

Adres

Politechnika Wrocławska (Koordynator Konsorcjum DBC)
Biblioteka Politechniki Wrocławskiej
Wybrzeże Wyspiańskiego 27
50-370 Wrocław, Polska

Telefon

(+48) 71-320-38-30
(+48) 71-320-47-50

E-Mail

bc@pwr.edu.pl

Odwiedź nas!

https://biblioteka.pwr.edu.pl/

Ta strona wykorzystuje pliki 'cookies'. Więcej informacji