A case-based reasoning alkalmazása a hazai mikrovállalkozások csődelőrejelzésére

A tudomány fejlődése számos adatvezérelt és mesterségesintelligencia-eljárással tette lehetővé a csődelőrejelző modellek teljesítményének javítását. Ezek egyike az utóbbi időben növekvő népszerűséget elérő CBR (case-based reasoning – esetalapú következtetés). A tanulmány célja a CBR alkalmazási lehetőségeinek vizsgálata magyarországi mikrovállalkozások mintájánklasszikus csődelőrejelzés keretében, a klasszifikációs erő szempontjából összevetve a CBR-t a szakirodalomban és a gyakorlatban leggyakrabban alkalmazott három csődelőrejelzési eljárással (adöntési fával, a logisztikus regresszióval és a neurális hálóval). Az empirikus vizsgálat 1828 hazai mikrovállalkozás 2017-ben megfigyelt csődeseményének bekövetkeztével (csődeljárás, felszámolási eljárás vagy kényszertörlés megindításával) foglalkozott 2015. és 2016. évi beszámolóadatokból számított pénzügyi mutatók alapján. A szerző eredményei szerint érdemes figyelmet szentelni a CBR-nek a csődelőrejelzéshez hasonló klasszifikációs problémák megoldása során. Az empirikus vizsgálat tesztelő mintájában szereplő megfigyelések esetén azonban a CBR-modell előrejelző ereje elmaradt a neurális háló és a logisztikus regresszió teljesítményétől