Vis enkel innførsel

dc.contributor.advisorRickertsen, Kyrre
dc.contributor.authorAae, Håkon Lunde
dc.contributor.authorAzouaghe, Soufian
dc.date.accessioned2021-08-11T13:41:10Z
dc.date.available2021-08-11T13:41:10Z
dc.date.issued2021
dc.identifier.urihttps://hdl.handle.net/11250/2767413
dc.description.abstractFormålet med denne studien er å undersøke hvorvidt maskinlæringsmodeller er bedre enn en forenkling av Norges Banks utvidede SEBRA-modell til å predikere konkurser. Modellene er basert på en kombinasjon av regnskapstall, foretaksøkonomiske nøkkeltall og generell selskapsinformasjon. Tradisjonelt har nøkkeltall blitt brukt for å predikere konkurser, og vi vil undersøke om slike nøkkeltall er like sentrale i maskinlæringsmodeller. Vi bruker data fra Proff Forvalt sine databaser, hvor vi har hentet ut regnskapsdata til selskaper som har levert minst ett årsregnskap i perioden 2017-2019. Det endelige datagrunnlaget etter rensing av data, består av 27.314 selskaper, hvorav 26.601 ikke har gått konkurs og resterende 713 har gått konkurs. Samtlige selskaper er hentet ut fra de ti bransjene med flest konkurser i nevnte tidsperiode.en_US
dc.language.isonoben_US
dc.publisherNorwegian University of Life Sciences, Åsen_US
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internasjonal*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/deed.no*
dc.subjectMaskinlæreen_US
dc.subjectSEBRA-modellen_US
dc.subjectKonkursprediksjonen_US
dc.titleEn sammenligning av maskinlæringsmodeller innenfor konkursprediksjon av norske selskaper under en pandemien_US
dc.typeMaster thesisen_US
dc.description.localcodeM-ØAen_US


Tilhørende fil(er)

Thumbnail

Denne innførselen finnes i følgende samling(er)

Vis enkel innførsel

Attribution-NonCommercial-NoDerivatives 4.0 Internasjonal
Med mindre annet er angitt, så er denne innførselen lisensiert som Attribution-NonCommercial-NoDerivatives 4.0 Internasjonal