Rentrop, R. (2017). Prognose der wirtschaftlichen Entwicklung deutscher Unternehmen mittels Machine Learning [Diploma Thesis, Technische Universität Wien]. reposiTUm. http://hdl.handle.net/20.500.12708/78785
E105 - Institut für Stochastik und Wirtschaftsmathematik
-
Date (published):
2017
-
Number of Pages:
73
-
Keywords:
Robust Statistics; Machine Learning; Random Forest; Neural Networks
de
Abstract:
Ziel dieser Masterarbeit ist es, ein quantitatives Bild der Deutschen Wirtschaft auf Grundlage der Jahresabschlüsse/Bilanzen aus den Jahren 2009 bis 2013 aufzuzeigen. Dies könnte beispielsweise Kreditgebern und Investoren Anhaltspunkte geben, welchen Unternehmen sie Geld geben sollten und welchen besser nicht. Auch könnte man dadurch die Effizienz z.B. von wirtschaftspolitischen Gesetzesinitiativen messen, um dadurch zukünftige Entscheidungen sicherer treffen zu können. Die Arbeit basiert auf öffentlich zugänglichen Wirtschaftsdaten. Diese werden heruntergeladen und in ein für die Analyse passendes Format überführt. Dabei kommen HTML/XML-Extraktions-Methoden, Neuronale Netze sowie n-gramm-basierte Text-Klassifikationen zum Einsatz. Die extrahierten Bilanzsummen-Entwicklungen der einzelnen Unternehmen werden nach Rechtsform und Unternehmenssitz mittels robuster Verfahren (M- und MM-Schätzer) analysiert. Abschließend wird versucht, eine mittels robuster Verfahren und K-Means Klassifizierung erhaltene Gruppierung der Unternehmen mittels Random-Forest-Verfahren zu prognostizieren.
de
Quantitative analysis of German businesses based on their balance-sheets from 2009-2013. Credit institutions, investors and researchers could base their decision whom to lend money on this data. The data is taken from public records and parsed via HTML/XML-extraction methods, neural networks and n-gram based text classification. Thereafter the data is analysed via techniques of machine learning. Namely robust regression (M- and MM-estimators), K-means and Random-Forest.
