Kritische Analyse des Neuronalen Netzes BP-14 als Instrument zur Beurteilung der Kreditwürdigkeit von Unternehmungen

Inhaltsangabe:Einleitung: 
Mit einem Verfahren der Künstlichen Intelligenz, der Künstlichen Neuronalen Netzanalyse, haben Professor Dr. Jörg Baetge und seine Mitarbeiter ein Neuronales Netz entwickelt, das die Bonität eines Unternehmens anhand von 14 Kennzahlen entweder als künftig solvent oder als insolvenzgefährdend einstuft. Im Rahmen meiner Arbeit werden die Künstlichen Neuronalen Netze als Verfahren der Jahresabschlußanalyse erörtert und das BP-14 als Instrument zur Beurteilung der Kreditwürdigkeit dargestellt. Des weiteren werden neben den grundsätzlichen Grenzen der Jahresabschlußanalyse auch verfahrenstechnische Probleme beim Einsatz des BP-14 in der Kreditwürdigkeitsprüfung diskutiert. 
 
 Inhaltsverzeichnis:Inhaltsverzeichnis: 
InhaltsverzeichnisII 
AbkürzungsverzeichnisV 
AbbildungsverzeichnisVII 
SymbolverzeichnisIX 
TabellenverzeichnisX 
Verzeichnis der Anlagen im AnhangXI 
1.Einführung und Aufbau der Arbeit1 
2.Die Beurteilung der Kreditwürdigkeit von Unternehmungen3 
2.1.Die Kreditwürdigkeitsprüfung von Unternehmungen3 
2.1.1.Aufbau und Inhalt der Kreditwürdigkeitsprüfung3 
2.1.2.Beurteilungskriterien der Kreditwürdigkeitsprüfung von Unternehmungen4 
2.1.2.1.Vorbemerkungen4 
2.1.2.2.Beurteilung des Managements5 
2.1.2.3.Beurteilung der Produkte und Leistungen und der technischen Ausstattung6 
2.1.2.4.Beurteilung der finanziellen Verhältnisse7 
2.2.Die Jahresabschlußanalyse als Mittel zur Bonitätsanalyse von Unternehmungen11 
2.2.1.Begriff und Zweck der Jahresabschlußanalyse11 
2.2.2.Die Jahresabschlußanalyse als Kennzahlenrechnung13 
2.2.2.1.Vorbemerkungen13 
2.2.2.2.Bedeutung der Bildung von Kennzahlen14 
2.2.2.3.Vergleichende Kennzahlenanalyse15 
2.2.2.4.Zusammenfassung16 
2.2.3.Die Jahresabschlußanalyse mit Künstlichen Neuronalen Netzen17 
2.2.3.1.Vorbemerkungen17 
2.2.3.2.Biologische Grundlagen Neuronaler Netze17 
2.2.3.3.Aufbau Künstlicher Neuronaler Netze20 
2.2.3.3.1.Das Künstliche Neuron20 
2.2.3.3.2.Zusammenfassung einzelner Neuronen zu einem KNN21 
2.2.3.4.Funktionale Zusammenhänge in Künstlichen Neuronalen Netzen23 
2.2.3.4.1.Allgemeines23 
2.2.3.4.2.Die Eingabefunktion24 
2.2.3.4.3.Die Aktivierungsfunktion24 
2.2.3.4.4.Die Ausgabefunktion25 
2.2.3.5.Lernen in Künstlichen Neuronalen Netzen26 
2.2.3.5.1.Grundlagen des Lernens26 
2.2.3.5.2.Das Lernverfahren nach dem Backpropagation-Algorithmus27 
2.2.3.5.3.Lern-, Test- und Validierungsstichprobe34 
3.Das Künstliche Neuronale Netz BP-14 als Instrument zur Beurteilung der […]