Konkurssin ennustaminen koneoppimisen avulla pienissä suomalaisissa palvelualan yrityksissä
Bragge, Joonas (2021)
Kandidaatintutkielma
2021
School of Business and Management, Kauppatieteet
Kaikki oikeudet pidätetään.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe2021082043767
https://urn.fi/URN:NBN:fi-fe2021082043767
Tiivistelmä
Tämän kandidaatintutkielman tavoitteena on muodostaa koneoppimiseen perustuva konkurssinennustamismalli. Tutkimus käsittelee konkurssiyrityksen tunnistamista maksuhäiriöriskiltä suojautumisen työkaluna. Aihetta tutkitaan käyttämällä tutkimuskohteena pieniä suomalaisia palvelualan yrityksiä. Tutkimuksessa käsitellään mallin muodostamisprosessia sekä mallin lähtöaineiston kokoamista.
Tutkimuksessa luodaan kohdeyrityksiä konkurssi- ja ei-konkurssiyrityksiin luokitteleva koneoppimismalli. Luokittelun tarkoituksena on hälyttää mahdollisesta konkurssista. Malli luokittelee yritykset niiden tilikausien 2016–2018 tilinpäätöstiedoista kerätyn datan perusteella.
Tutkimustuloksena syntyi koneoppimismalli, joka kykeni hälyttämään yrityksen konkurssista tyydyttävällä tarkkuudella tutkimusaineiston laatuun suhteutettuna. Tutkimuksessa havaittiin yrityksen taloustilanteesta kolmen vuoden ajalta kertovien tunnuslukujen olevan käyttökelpoisia muuttujia koneoppimismallin luokittelulle, toisin kuin yrityksen ikään ja liiketoiminnan kokoon liittyvät tiedot, joita ei pystytty hyödyntämään mallissa. The aim of this bachelor’s thesis is to form a bankruptcy prediction model based on machine learning. This research deals with the recognition of bankrupt companies as a means of defending against the risk of default. The topic is examined by using small Finnish service sector companies as research subjects. The research includes the formation process of the model and the gathering of the research material.
A classification model is formed for discriminating the research companies into bankrupt and non-bankrupt companies. The purpose of the classification is to warn of possible bankruptcy. The model performs the classification of the companies using their financial statement data from years 2016-2018.
The research resulted in a machine learning model, that could warn of the company’s bankruptcy with decent level of accuracy. It was observed that the companies financial statement data from the three-year period performed acceptably in the classification model, where as the company age in months, operating revenue, total assets, and the number of employees did not.
Tutkimuksessa luodaan kohdeyrityksiä konkurssi- ja ei-konkurssiyrityksiin luokitteleva koneoppimismalli. Luokittelun tarkoituksena on hälyttää mahdollisesta konkurssista. Malli luokittelee yritykset niiden tilikausien 2016–2018 tilinpäätöstiedoista kerätyn datan perusteella.
Tutkimustuloksena syntyi koneoppimismalli, joka kykeni hälyttämään yrityksen konkurssista tyydyttävällä tarkkuudella tutkimusaineiston laatuun suhteutettuna. Tutkimuksessa havaittiin yrityksen taloustilanteesta kolmen vuoden ajalta kertovien tunnuslukujen olevan käyttökelpoisia muuttujia koneoppimismallin luokittelulle, toisin kuin yrityksen ikään ja liiketoiminnan kokoon liittyvät tiedot, joita ei pystytty hyödyntämään mallissa.
A classification model is formed for discriminating the research companies into bankrupt and non-bankrupt companies. The purpose of the classification is to warn of possible bankruptcy. The model performs the classification of the companies using their financial statement data from years 2016-2018.
The research resulted in a machine learning model, that could warn of the company’s bankruptcy with decent level of accuracy. It was observed that the companies financial statement data from the three-year period performed acceptably in the classification model, where as the company age in months, operating revenue, total assets, and the number of employees did not.