Читать книгу Unternehmenssanierung, eBook - Guido Koch - Страница 97

[Bild vergrößern]

188

Der Entwicklungs-Datenbestand an Jahresabschlüssen der Unternehmen wird zur Analyse mittels Künstlicher Neuronaler Netzanalyse in die Trainings-, die Test- und die Validierungsstichprobe aufgeteilt. Anhand der Kennzahlen aus den Jahresabschlüssen der Trainingsstichprobe lernt das Künstliche Neuronale Netz, die relevanten Kennzahlen auszuwählen und zu gewichten. Die Klassifikationsleistung, welche durch die richtige Klassifikation von bestandsfesten bzw. existenzgefährdeten Unternehmen definiert ist, wird an der Teststichprobe überprüft. Die Kennzahlen werden dem Künstlichen Neuronalen Netz so häufig zum Lernen präsentiert, bis sich die Klassifikationsleistung nicht mehr verbessern lässt. Die mit Hilfe der Künstlichen Neuronalen Netzanalyse gefundene und gewichtete Kennzahlenkombination wird an einer dritten Stichprobe, der Validierungsstichprobe, endgültig überprüft.[135]

189

Die Künstliche Neuronale Netzanalyse setzt – wie alle mathematisch-statistischen Verfahren – voraus, dass ein umfangreicher Bestand an Jahresabschlüssen gesunder und kranker Unternehmen zur Verfügung steht. Im Vergleich zur Multivariaten Diskriminanzanalyse hat die Künstliche Neuronale Netzanalyse den Vorteil wesentlich schwächerer Anwendungsvoraussetzungen (z.B. müssen die Kennzahlenausprägungen nicht normalverteilt sein). Auch kann mit der Künstlichen Neuronalen Netzanalyse – wie mit der nicht-linearen Diskriminanzanalyse – eine nicht-lineare Trennfunktion ermittelt werden.[136] Ein weiterer Vorteil der Künstlichen Neuronalen Netzanalyse ist, dass neben den quantitativen Daten der Jahreskennzahlen auch qualitative Daten leicht simultan verarbeitet werden können.[137]