Crunching Numbers, Making Decisions : Artificial Intelligence and Statistics for Financial Distress ForecastinginAlgeriaand Saudi Arabia
A previsão de dificuldades financeiras tem sido uma preocupação significativa tanto para pesquisadores quanto para profissionais há muito tempo. Este tema tem despertado um interesse substancial devido aos benefícios potenciais do uso de modelos preditivos para antecipar problemas financeiros e ajud...
- Autores:
-
Sabek, Amine
Saihi, Youcef
- Tipo de recurso:
- Article of investigation
- Fecha de publicación:
- 2023
- Institución:
- Corporación Universitaria Remington
- Repositorio:
- Repositorio institucional Uniremington
- Idioma:
- por
- OAI Identifier:
- oai:repositorio.uniremington.edu.co:123456789/2536
- Acceso en línea:
- https://revistas.pucsp.br/index.php/CAFI/article/view/60718
https://repositorio.uniremington.edu.co/handle/123456789/2536
- Palabra clave:
- financial distress
forecasting
artificial neural network
logistic regression
dificuldades financeiras
previsão
rede neural artificial
regressão logística
- Rights
- openAccess
- License
- CC BY 4.0
| id |
URemingtn2_fd5871359181db1f28326eb48c39a178 |
|---|---|
| oai_identifier_str |
oai:repositorio.uniremington.edu.co:123456789/2536 |
| network_acronym_str |
URemingtn2 |
| network_name_str |
Repositorio institucional Uniremington |
| repository_id_str |
|
| dc.title.en.fl_str_mv |
Crunching Numbers, Making Decisions : Artificial Intelligence and Statistics for Financial Distress ForecastinginAlgeriaand Saudi Arabia |
| dc.title.por.fl_str_mv |
Analisando números, tomando decisões : inteligência artificial e estatísticas para previsão de dificuldades financeiras na Argélia e na Arábia Saudita |
| title |
Crunching Numbers, Making Decisions : Artificial Intelligence and Statistics for Financial Distress ForecastinginAlgeriaand Saudi Arabia |
| spellingShingle |
Crunching Numbers, Making Decisions : Artificial Intelligence and Statistics for Financial Distress ForecastinginAlgeriaand Saudi Arabia financial distress forecasting artificial neural network logistic regression dificuldades financeiras previsão rede neural artificial regressão logística |
| title_short |
Crunching Numbers, Making Decisions : Artificial Intelligence and Statistics for Financial Distress ForecastinginAlgeriaand Saudi Arabia |
| title_full |
Crunching Numbers, Making Decisions : Artificial Intelligence and Statistics for Financial Distress ForecastinginAlgeriaand Saudi Arabia |
| title_fullStr |
Crunching Numbers, Making Decisions : Artificial Intelligence and Statistics for Financial Distress ForecastinginAlgeriaand Saudi Arabia |
| title_full_unstemmed |
Crunching Numbers, Making Decisions : Artificial Intelligence and Statistics for Financial Distress ForecastinginAlgeriaand Saudi Arabia |
| title_sort |
Crunching Numbers, Making Decisions : Artificial Intelligence and Statistics for Financial Distress ForecastinginAlgeriaand Saudi Arabia |
| dc.creator.fl_str_mv |
Sabek, Amine Saihi, Youcef |
| dc.contributor.author.none.fl_str_mv |
Sabek, Amine Saihi, Youcef |
| dc.subject.en.fl_str_mv |
financial distress forecasting artificial neural network logistic regression |
| topic |
financial distress forecasting artificial neural network logistic regression dificuldades financeiras previsão rede neural artificial regressão logística |
| dc.subject.por.fl_str_mv |
dificuldades financeiras previsão rede neural artificial regressão logística |
| description |
A previsão de dificuldades financeiras tem sido uma preocupação significativa tanto para pesquisadores quanto para profissionais há muito tempo. Este tema tem despertado um interesse substancial devido aos benefícios potenciais do uso de modelos preditivos para antecipar problemas financeiros e ajudar as empresas a evitar riscos financeiros que poderiam levar à falência e à liquidação. O objetivo principal desta pesquisa é prever dificuldades financeiras, comparando a eficácia da Rede Neural Artificial (RNA) com a Regressão Logística (RL). Esta avaliação baseia-se em dados de 12 empresas argelinas e 12 empresas sauditas durante o período de 2015 a 2019. As conclusões do estudo indicam que o modelo RL superou o modelo de Rede Neural Ampla (RNA) na previsão com precisão de dificuldades financeiras, alcançando uma precisão de classificação ideal para empresas argelinas e sauditas. Consequentemente, o modelo RL surge como a escolha preferida para prever dificuldades financeiras em ambos os países. |
| publishDate |
2023 |
| dc.date.issued.none.fl_str_mv |
2023 |
| dc.date.accessioned.none.fl_str_mv |
2024-03-20T14:23:27Z |
| dc.date.available.none.fl_str_mv |
2024-03-20T14:23:27Z |
| dc.type.none.fl_str_mv |
Artículo de revista |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_2df8fbb1 |
| dc.type.coarversion.none.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| dc.type.content.none.fl_str_mv |
Text |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/article |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/ART |
| dc.type.local.none.fl_str_mv |
Artículo de revista |
| format |
http://purl.org/coar/resource_type/c_2df8fbb1 |
| status_str |
publishedVersion |
| dc.identifier.citation.none.fl_str_mv |
Sabek, A., & Saihi, Y. (2023). Analisando números, tomando decisões: inteligência artificial e estatísticas para previsão de dificuldades financeiras na Argélia e na Arábia Saudita. CAFI, 6(2), 183–201. https://doi.org/10.23925/cafi.62.60718 |
| dc.identifier.issn.none.fl_str_mv |
2595-1750 |
| dc.identifier.uri.none.fl_str_mv |
https://revistas.pucsp.br/index.php/CAFI/article/view/60718 https://repositorio.uniremington.edu.co/handle/123456789/2536 |
| dc.identifier.doi.none.fl_str_mv |
10.23925/cafi.62.60718 |
| identifier_str_mv |
Sabek, A., & Saihi, Y. (2023). Analisando números, tomando decisões: inteligência artificial e estatísticas para previsão de dificuldades financeiras na Argélia e na Arábia Saudita. CAFI, 6(2), 183–201. https://doi.org/10.23925/cafi.62.60718 2595-1750 10.23925/cafi.62.60718 |
| url |
https://revistas.pucsp.br/index.php/CAFI/article/view/60718 https://repositorio.uniremington.edu.co/handle/123456789/2536 |
| dc.language.iso.none.fl_str_mv |
por |
| language |
por |
| dc.rights.none.fl_str_mv |
Copyright (c) CAFI - Contabilidade, Atuária, Finanças & Informação |
| dc.rights.license.none.fl_str_mv |
CC BY 4.0 |
| dc.rights.uri.none.fl_str_mv |
https://creativecommons.org/licenses/by/4.0/ |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
CC BY 4.0 Copyright (c) CAFI - Contabilidade, Atuária, Finanças & Informação https://creativecommons.org/licenses/by/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.none.fl_str_mv |
18 p. |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Pontifícia Universidade Católica de São Paulo - PUC/SP |
| publisher.none.fl_str_mv |
Pontifícia Universidade Católica de São Paulo - PUC/SP |
| institution |
Corporación Universitaria Remington |
| bitstream.url.fl_str_mv |
https://repositorio.uniremington.edu.co/bitstreams/7175a83e-f4ec-4303-bd73-b5cc85031845/download https://repositorio.uniremington.edu.co/bitstreams/3ab677f1-16c4-425e-8ee4-c6dc8ea7483f/download https://repositorio.uniremington.edu.co/bitstreams/82d77e15-e9ee-4649-b45e-33de8d557d3b/download https://repositorio.uniremington.edu.co/bitstreams/583d8775-d5a7-4244-a12b-c18700cd88f4/download https://repositorio.uniremington.edu.co/bitstreams/b870fc7a-f468-4669-8907-6630fdfc0c8f/download |
| bitstream.checksum.fl_str_mv |
a411957fd1a5907914984b0c394a639e 96891390313a93c2f757a31fa9698430 81f0d9c39c09b15881c5517c9bd543ab 81f0d9c39c09b15881c5517c9bd543ab 8a4605be74aa9ea9d79846c1fba20a33 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio UNIREMINGTON |
| repository.mail.fl_str_mv |
biblioteca@uniremington.edu.co |
| _version_ |
1834112894042636288 |
| spelling |
CC BY 4.0Copyright (c) CAFI - Contabilidade, Atuária, Finanças & Informaçãohttps://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Sabek, AmineSaihi, Youcef2024-03-20T14:23:27Z2024-03-20T14:23:27Z2023Sabek, A., & Saihi, Y. (2023). Analisando números, tomando decisões: inteligência artificial e estatísticas para previsão de dificuldades financeiras na Argélia e na Arábia Saudita. CAFI, 6(2), 183–201. https://doi.org/10.23925/cafi.62.607182595-1750https://revistas.pucsp.br/index.php/CAFI/article/view/60718https://repositorio.uniremington.edu.co/handle/123456789/253610.23925/cafi.62.60718A previsão de dificuldades financeiras tem sido uma preocupação significativa tanto para pesquisadores quanto para profissionais há muito tempo. Este tema tem despertado um interesse substancial devido aos benefícios potenciais do uso de modelos preditivos para antecipar problemas financeiros e ajudar as empresas a evitar riscos financeiros que poderiam levar à falência e à liquidação. O objetivo principal desta pesquisa é prever dificuldades financeiras, comparando a eficácia da Rede Neural Artificial (RNA) com a Regressão Logística (RL). Esta avaliação baseia-se em dados de 12 empresas argelinas e 12 empresas sauditas durante o período de 2015 a 2019. As conclusões do estudo indicam que o modelo RL superou o modelo de Rede Neural Ampla (RNA) na previsão com precisão de dificuldades financeiras, alcançando uma precisão de classificação ideal para empresas argelinas e sauditas. Consequentemente, o modelo RL surge como a escolha preferida para prever dificuldades financeiras em ambos os países.Predicting financial distress has been a significant concern for both researchers and practitioners for long period. This topic has garnered substantial interest due to the potential benefits of using predictive models to anticipate financial troubles and help companies steer clear of financial risks that could lead to bankruptcy and liquidation. The primary aim of this research is to forecast financial distress, comparing the effectiveness of Artificial Neural Network (ANN) with Logistic Regression (LR). This evaluation is based on data from 12 Algerian companiesand 12 Saudi companiesduring the period from 2015 to 2019. The study's findings indicate that the LR model outperformed the WideNeural Network(WNN)model in accurately predicting financial distress, achieving optimalclassification accuracyfor both Algerian and Saudi companies. Consequently, the LR model emerges as the preferred choice for forecasting financial distress in both countries.18 p.application/pdfporPontifícia Universidade Católica de São Paulo - PUC/SPfinancial distressforecastingartificial neural networklogistic regressiondificuldades financeirasprevisãorede neural artificialregressão logísticaCrunching Numbers, Making Decisions : Artificial Intelligence and Statistics for Financial Distress ForecastinginAlgeriaand Saudi ArabiaAnalisando números, tomando decisões : inteligência artificial e estatísticas para previsão de dificuldades financeiras na Argélia e na Arábia SauditaArtículo de revistainfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_2df8fbb1http://purl.org/coar/version/c_970fb48d4fbd8a85Textinfo:eu-repo/semantics/articlehttp://purl.org/redcol/resource_type/ARTArtículo de revistaPublicationTEXTCAFI_v6n2a02.pdf.txtCAFI_v6n2a02.pdf.txtExtracted texttext/plain47042https://repositorio.uniremington.edu.co/bitstreams/7175a83e-f4ec-4303-bd73-b5cc85031845/downloada411957fd1a5907914984b0c394a639eMD54THUMBNAILCAFI_v6n2a02.pdf.jpgCAFI_v6n2a02.pdf.jpgGenerated Thumbnailimage/jpeg5852https://repositorio.uniremington.edu.co/bitstreams/3ab677f1-16c4-425e-8ee4-c6dc8ea7483f/download96891390313a93c2f757a31fa9698430MD55ORIGINALCAFI_v6n2a02.pdfCAFI_v6n2a02.pdfapplication/pdf483174https://repositorio.uniremington.edu.co/bitstreams/82d77e15-e9ee-4649-b45e-33de8d557d3b/download81f0d9c39c09b15881c5517c9bd543abMD51CAFI_v6n2a02.pdfCAFI_v6n2a02.pdfapplication/pdf483174https://repositorio.uniremington.edu.co/bitstreams/583d8775-d5a7-4244-a12b-c18700cd88f4/download81f0d9c39c09b15881c5517c9bd543abMD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.uniremington.edu.co/bitstreams/b870fc7a-f468-4669-8907-6630fdfc0c8f/download8a4605be74aa9ea9d79846c1fba20a33MD53123456789/2536oai:repositorio.uniremington.edu.co:123456789/25362025-01-31 17:01:01.295https://creativecommons.org/licenses/by/4.0/Copyright (c) CAFI - Contabilidade, Atuária, Finanças & Informaçãoopen.accesshttps://repositorio.uniremington.edu.coRepositorio UNIREMINGTONbiblioteca@uniremington.edu.coTk9URTogUExBQ0UgWU9VUiBPV04gTElDRU5TRSBIRVJFClRoaXMgc2FtcGxlIGxpY2Vuc2UgaXMgcHJvdmlkZWQgZm9yIGluZm9ybWF0aW9uYWwgcHVycG9zZXMgb25seS4KCk5PTi1FWENMVVNJVkUgRElTVFJJQlVUSU9OIExJQ0VOU0UKCkJ5IHNpZ25pbmcgYW5kIHN1Ym1pdHRpbmcgdGhpcyBsaWNlbnNlLCB5b3UgKHRoZSBhdXRob3Iocykgb3IgY29weXJpZ2h0Cm93bmVyKSBncmFudHMgdG8gRFNwYWNlIFVuaXZlcnNpdHkgKERTVSkgdGhlIG5vbi1leGNsdXNpdmUgcmlnaHQgdG8gcmVwcm9kdWNlLAp0cmFuc2xhdGUgKGFzIGRlZmluZWQgYmVsb3cpLCBhbmQvb3IgZGlzdHJpYnV0ZSB5b3VyIHN1Ym1pc3Npb24gKGluY2x1ZGluZwp0aGUgYWJzdHJhY3QpIHdvcmxkd2lkZSBpbiBwcmludCBhbmQgZWxlY3Ryb25pYyBmb3JtYXQgYW5kIGluIGFueSBtZWRpdW0sCmluY2x1ZGluZyBidXQgbm90IGxpbWl0ZWQgdG8gYXVkaW8gb3IgdmlkZW8uCgpZb3UgYWdyZWUgdGhhdCBEU1UgbWF5LCB3aXRob3V0IGNoYW5naW5nIHRoZSBjb250ZW50LCB0cmFuc2xhdGUgdGhlCnN1Ym1pc3Npb24gdG8gYW55IG1lZGl1bSBvciBmb3JtYXQgZm9yIHRoZSBwdXJwb3NlIG9mIHByZXNlcnZhdGlvbi4KCllvdSBhbHNvIGFncmVlIHRoYXQgRFNVIG1heSBrZWVwIG1vcmUgdGhhbiBvbmUgY29weSBvZiB0aGlzIHN1Ym1pc3Npb24gZm9yCnB1cnBvc2VzIG9mIHNlY3VyaXR5LCBiYWNrLXVwIGFuZCBwcmVzZXJ2YXRpb24uCgpZb3UgcmVwcmVzZW50IHRoYXQgdGhlIHN1Ym1pc3Npb24gaXMgeW91ciBvcmlnaW5hbCB3b3JrLCBhbmQgdGhhdCB5b3UgaGF2ZQp0aGUgcmlnaHQgdG8gZ3JhbnQgdGhlIHJpZ2h0cyBjb250YWluZWQgaW4gdGhpcyBsaWNlbnNlLiBZb3UgYWxzbyByZXByZXNlbnQKdGhhdCB5b3VyIHN1Ym1pc3Npb24gZG9lcyBub3QsIHRvIHRoZSBiZXN0IG9mIHlvdXIga25vd2xlZGdlLCBpbmZyaW5nZSB1cG9uCmFueW9uZSdzIGNvcHlyaWdodC4KCklmIHRoZSBzdWJtaXNzaW9uIGNvbnRhaW5zIG1hdGVyaWFsIGZvciB3aGljaCB5b3UgZG8gbm90IGhvbGQgY29weXJpZ2h0LAp5b3UgcmVwcmVzZW50IHRoYXQgeW91IGhhdmUgb2J0YWluZWQgdGhlIHVucmVzdHJpY3RlZCBwZXJtaXNzaW9uIG9mIHRoZQpjb3B5cmlnaHQgb3duZXIgdG8gZ3JhbnQgRFNVIHRoZSByaWdodHMgcmVxdWlyZWQgYnkgdGhpcyBsaWNlbnNlLCBhbmQgdGhhdApzdWNoIHRoaXJkLXBhcnR5IG93bmVkIG1hdGVyaWFsIGlzIGNsZWFybHkgaWRlbnRpZmllZCBhbmQgYWNrbm93bGVkZ2VkCndpdGhpbiB0aGUgdGV4dCBvciBjb250ZW50IG9mIHRoZSBzdWJtaXNzaW9uLgoKSUYgVEhFIFNVQk1JU1NJT04gSVMgQkFTRUQgVVBPTiBXT1JLIFRIQVQgSEFTIEJFRU4gU1BPTlNPUkVEIE9SIFNVUFBPUlRFRApCWSBBTiBBR0VOQ1kgT1IgT1JHQU5JWkFUSU9OIE9USEVSIFRIQU4gRFNVLCBZT1UgUkVQUkVTRU5UIFRIQVQgWU9VIEhBVkUKRlVMRklMTEVEIEFOWSBSSUdIVCBPRiBSRVZJRVcgT1IgT1RIRVIgT0JMSUdBVElPTlMgUkVRVUlSRUQgQlkgU1VDSApDT05UUkFDVCBPUiBBR1JFRU1FTlQuCgpEU1Ugd2lsbCBjbGVhcmx5IGlkZW50aWZ5IHlvdXIgbmFtZShzKSBhcyB0aGUgYXV0aG9yKHMpIG9yIG93bmVyKHMpIG9mIHRoZQpzdWJtaXNzaW9uLCBhbmQgd2lsbCBub3QgbWFrZSBhbnkgYWx0ZXJhdGlvbiwgb3RoZXIgdGhhbiBhcyBhbGxvd2VkIGJ5IHRoaXMKbGljZW5zZSwgdG8geW91ciBzdWJtaXNzaW9uLgo= |