Modele predykcji upadłości dla przedsiębiorstw z Grupy Wyszehradzkiej
[General bankruptcy prediction models for Visegrád group companies]

Sebastian Tomczak (ORBI, PWr, Wrocław)	


Prawidłowa ocena kondycji finansowej przedsiębiorstw ciągle pozostaje trudnym 
zadaniem i dotyczy przede wszystkim akcjonariuszy, instytucji finansowych, dostawców, 
inwestorów i badaczy. Zazwyczaj ocenia się ją binarnie, wyszczególniając kondycję 
finansową dobrą lub złą. W rzeczywistości przedsiębiorstwa charakteryzują się również 
stanami pośrednimi, np. krytyczna, zła, umiarkowana, dobra i doskonała kondycja 
finansowa. W niniejszej pracy zaproponowano nowatorskie wieloklasowe modele oceny 
kondycji finansowej przedsiębiorstw. Modele skonstruowano w oparciu o DNN dla 
wyszczególnionych klas. Stabilność modeli oceniono w okresie 2015-2020 (włączając 
czas pandemii COVID-19). Wyniki pokazują, że modele są stabilne w czasie, a modele 
dla krajów wyszehradzkich charakteryzują się najwyższą dokładnością.

=== English version ===

Accurate prediction of financial standing of companies remains a challenging task 
and it primarily concerns stockholders, financial institutions, suppliers, 
investors and researchers. Traditionally, it is transformed into binary 
classification, including good or bad, bankrupt or non-bankrupt. In fact, 
enterprises are also characterized by intermediate states, e.g. critical, poor, 
moderate, good, and excellent financial condition. In this study, novel multi-class 
models are proposed for assessing financial condition of companies. Deep Neural 
Networks models are used for evaluation of financial standing of companies for 
defined classes. The overtime stability of models is assessed during the 2015-2020 
period (including time of COVID-19 pandemic). The results demonstrate that the 
models are stable overtime and the models for Visegrad countries are characterized 
by highest accuracy.