Apprentissage profond pour prédire l?échec financier

Il est extrêmement important pour les entreprises opérant dans un pays de maintenir leur propre existence et de fournir des avantages à l'économie du pays. La mondialisation des économies et les crises économiques qui en résultent dans le monde affectent négativement les économies des États et des entreprises opérant dans le monde. Dans le cadre de toutes ces situations, il est devenu impératif pour les entreprises d'être bien gérées financièrement et de prendre les mesures nécessaires avant la faillite afin de prévenir ou de minimiser l'impact de ces crises. C'est pourquoi il est important de prévoir les défaillances financières. Dans cette étude, le Z-Score d'Altman, qui est l'une des premières études des méthodes traditionnelles de prédiction des défaillances financières et qui est encore fréquemment utilisé aujourd'hui dans la prédiction des défaillances et des faillites, et les méthodes traditionnelles et modernes telles que les réseaux neuronaux artificiels, la méthode de la forêt aléatoire, les machines à vecteurs de support, les arbres de décision des méthodes d'apprentissage automatique, sont comparés et expliqués. Cette étude est dérivée de la thèse de doctorat écrite par Safak Sönmez Soydas (Conseiller : Assoc. Dr. Handan ÇAM) en 2021 et acceptée par l'Institut d'enseignement supérieur de l'Université Gümüshane.