En sammenligning av maskinlæringsmodeller innenfor konkursprediksjon av norske selskaper under en pandemi

Abstract

Formålet 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.