Modelling non-industrial private forest landowners' strategic decision making by using logistic regression and neural networks: case of predicting the choice of forest taxation basis

Summary

Predicting bankruptcy of Finnish limited liability companies from historical financial statements

This master’s thesis studies the probability of bankruptcy of Finnish limited liability companies as a part of credit risk assessment. The main idea of this thesis is to build and test bankruptcy prediction models for Finnish limited liability companies that can be utilized in credit decision making. The data used in this thesis consists of historical financial statements from 2112 Finnish limited liability companies, half of which have filed for bankruptcy. A total of four models are developed, two with logistic regression and two with multivariate discriminant analysis (MDA). The time horizon of the models varies from 1 to 2 years prior to the bankruptcy, and 14 different financial variables are used in the model formation. The results show that the prediction accuracy of the models ranges between 81.7% and 88.9%, and the best prediction accuracy is achieved with the one year prior the bankruptcy logistic regression model. However the difference between the best logistic model and the best MDA model is minimal. Overall based on the results of this thesis it can be concluded that predicting bankruptcy is possible to some extent, but naturally the results are not perfect.

Konkurssin ennustaminen ja makrotaloudelliset muuttujat: rakennusalan pk-yritykset

Tämän tutkimuksen tavoitteena on selvittää kannattaako makrotaloudellisia muuttujia käyttää tunnuslukujen lisäksi yrityksen konkurssin ennustamisessa. Perinteiset konkurssinennustamismallit hyödyntävät pelkästään tilinpäätöksestä saatavia tunnuslukuja eivätkä huomioi yrityksen toimintaympäristöä ja sen muutoksia. Aiemmissa tutkimuksissa makrotaloudellisilla muuttujilla on pystytty parantamaan perinteisiä ennustamismalleja. Tutkimus toteutetaan luomalla kolme erilaista konkurssinennustamismallia logistista regressioanalyysiä hyödyntäen ja vertailemalla niiden paremmuutta. Tutkimustulokset osoittavat, että rakennusalan pk-yritysten konkursseja pystytään ennustamaan kolmen tunnusluvun mallilla. Taloudellisen ajanjakson, jolta yrityksen tiedot ovat peräisin, huomioiminen ei tuo malliin lisäarvoa eikä paranna ennustamiskykyä merkittävästi.

Konkurssin ennustaminen ja makrotaloudelliset muuttujat: rakennusalan pk-yritykset

Tämän tutkimuksen tavoitteena on selvittää kannattaako makrotaloudellisia muuttujia käyttää tunnuslukujen lisäksi yrityksen konkurssin ennustamisessa. Perinteiset konkurssinennustamismallit hyödyntävät pelkästään tilinpäätöksestä saatavia tunnuslukuja eivätkä huomioi yrityksen toimintaympäristöä ja sen muutoksia. Aiemmissa tutkimuksissa makrotaloudellisilla muuttujilla on pystytty parantamaan perinteisiä ennustamismalleja. Tutkimus toteutetaan luomalla kolme erilaista konkurssinennustamismallia logistista regressioanalyysiä hyödyntäen ja vertailemalla niiden paremmuutta. Tutkimustulokset osoittavat, että rakennusalan pk-yritysten konkursseja pystytään ennustamaan kolmen tunnusluvun mallilla. Taloudellisen ajanjakson, jolta yrityksen tiedot ovat peräisin, huomioiminen ei tuo malliin lisäarvoa eikä paranna ennustamiskykyä merkittävästi.