- عنوان کتاب: DISTRESS RISK AND CORPORATE FAILURE MODELLING
- نویسنده: Stewart Jones
- حوزه: مهندسی ساخت
- سال انتشار: 2022
- تعداد صفحه: 243
- زبان اصلی: انگلیسی
- نوع فایل: pdf
- حجم فایل: 9.16 مگابایت
این کتاب مقدمهای برای ریسک پریشانی و تکنیکهای مدلسازی شکست شرکتی است. این نشان می دهد که چگونه می توان طیف گسترده ای از مدل های پیش بینی ورشکستگی شرکت ها را به کار برد و به نوبه خود، نقاط قوت و محدودیت های آنها را در شرایط مختلف برجسته می کند. همچنین نقش و عملکرد طبقهبندیکنندههای مختلف را از نظر مبادله بین انعطافپذیری مدل و تفسیرپذیری مفهومسازی میکند.
تصاویر و برنامه های جونز بر اساس داده ها و نمونه های شکست واقعی شرکت است. ارائه عملی و شفاف آن از مفاهیم اساسی، رویکردهای یادگیری آماری مختلف، از جمله یادگیری ماشینی را که در سالهای اخیر برجسته شده است، پوشش میدهد. مطالب پوشش داده شده به خوانندگان کمک می کند تا طیف وسیعی از مدل های یادگیری آماری را بهتر درک کنند، از تکنیک های نسبتا ساده، مانند تجزیه و تحلیل تشخیص خطی، تا روش های پیشرفته یادگیری ماشین، مانند ماشین های تقویت کننده گرادیان، تقویت تطبیقی، تصادفی. جنگل ها و یادگیری عمیق
بررسی جامع کتاب و استفاده از دادههای واقعی این کتاب را به متنی ارزشمند و خوانا برای محققان، دانشگاهیان، مؤسسات و متخصصانی تبدیل میکند که از خطر پریشانی و پیشبینیهای شکست شرکتی استفاده میکنند.
This book is an introduction text to distress risk and corporate failure modelling techniques. It illustrates how to apply a wide range of corporate bankruptcy prediction models and, in turn, highlights their strengths and limitations under different circumstances. It also conceptualises the role and function of different classifiers in terms of a trade-off between model flexibility and interpretability.
Jones’s illustrations and applications are based on actual company failure data and samples. Its practical and lucid presentation of basic concepts covers various statistical learning approaches, including machine learning, which has come into prominence in recent years. The material covered will help readers better understand a broad range of statistical learning models, ranging from relatively simple techniques, such as linear discriminant analysis, to state-of-the-art machine learning methods, such as gradient boosting machines, adaptive boosting, random forests, and deep learning.
The book’s comprehensive review and use of real-life data will make this a valuable, easy-to-read text for researchers, academics, institutions, and professionals who make use of distress risk and corporate failure forecasts.
این کتاب را میتوانید از لینک زیر بصورت رایگان دانلود کنید:
نظرات کاربران