Abstract
The growing rate of company insolvency and growing losses of outstanding debt show the significance of a secure credit standing assessment of company clients for the creditor. Traditionally the balance sheet credit-standing analysis has been used by many creditors for debtor analysis, but analysis of non-financial indicators is gaining importance. Although the significance of analyzing non-financial indicators is seen in both practice and theory, the theoretic approach lacks a widely based empirical examination of a company’s credit standing combining both financial and non-financial indicators. A study by the Institut für Revisionswesen (IRW) aims at solving this deficiency. The study’s objective is to develop a credit-standing-indicator (CSI) using artificial neural networks (ANN) that might objectively and reliably identify threatened companies with a high degree of certainty. In cooperation with the Allgemeine Kreditversicherung AG (AKV) and the Verband der Vereine Creditreform e. V. (VVC), the IRW has created an extensive and representative database with approximately 16,000 financial statements and 13,200 pieces of business information concerning both solvent and insolvent companies. The following important aspects of debtor analysis are examined: (1) The efficiency of the Creditreform credit standing index should be analyzed and the index optimized. (2) In practice, financial statement and Creditreform information have highly differing importance in credit standing analysis. The importance of both sources for the credit-standing decision is determined. (3) The features from both datasources are analyzed together. The study examines whether debtor analysis is improved by using the combined features of the two different data sources.1
We kindly thank Win Neidlinger for his support during the translation of this article
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
References
Baetge, Jörg, Früherkennung negativer Entwicklungen der zu prüfenden Unternehmung mit Hilfe von Kennzahlen, Die Wirtschaftsprüfung, No. 22/23 1980, pp 651–665.
Baetge, Jörg/ Hüls, Dagmar/ Krause, Clemens/ Uthoff, Carsten, Rationalisierung des Firmenkundenkreditgeschäfts auf der Basis empirisch-statistisch gewonnener Bilanzbonität, VBO-Informationen, No. 1 1994, pp 4–21.
Baetge, Jörg/ Hüls, Dagmar/ Uthoff, Carsten, Früherkennung der Unternehmenskrise, Forschungsjournal der Westfälischen Wilhelms-Universität, No. 2 1995, pp 21–29.
Baetge, Jörg/ Kruse, Ariane/ Uthoff, Carsten, Bonitätsklassifikationen von Unternehmen mit Neuronalen Netzen, Wirtschaftsinformatik, No. 3 1995, pp 273–281.
Baetge, Jörg/ Krause, Clemens, The Classification of Companies by Means of Neural Networks, Journal of Information Science and Technology, Vol. 3, No. 1, 1993, pp 96–112.
Baetge, Jörg/ Schmedt, Ulrich/ Hüls, Dagmar/ Krause, Clemens/ Uthoff, Carsten, Bonitätsbeurteilung von Jahresabschlüssen nach neuem Recht (HGB 1985) mit Künstlichen Neuronalen Netzen auf der Basis von Clusteranalysen, Der Betrieb, No. 7 1994, pp 337–343.
Beuter, Hubert B. Reiss, Ingo Rust, Hans Joachim, Erfahrungen mit formalisierten Verfahren bei der Kreditwürdigkeitsprüfung, Interaktion. Modellierung, Kommunikation und Lenkung in komplexen Organisationen, (ed.) Bernd Schiemenz, Berlin 1994, p. 55–73.
Bühler, Wilhelm, Informationsressourcen für die Bonitätsanalyse, Kreditmanagement. Rechtliche und betriebswirtschaftliche Instrumente zur Risikoreduzierung in der Kreditpraxis, (ed.) Bühler, Wilhelm Schmoll, Anton, Wien 1987, pp 69–116.
Burgard, Horst, Bilanzanalyse aus Sicht der Kreditinstitute (Part II), Möglichkeiten und Grenzen der Bilanzanalyse im Kreditgeschäft der Banken, Deutsches Steuerrecht, No. 10 1991, pp 324–327.
Büschgen, Hans E., Bankgeschäfte und Bankmanagement, 4th. Edition, Wiesbaden 1993.
Creditreform, Unternehmensentwicklung 1996 alte und neue Bundesländer. Eine Creditreform-Untersuchung über Unternehmensneueintragungen, Unternehmenslöschungen, Insolvenzen, Verband der Vereine Creditreform, Neuss 1997.
Creditreform, Das Creditreform Informationssystem. Ein entscheidungsunterstützendes System zur Bonitätsbeurteilung von Unternehmen, Verband der Vereine Creditreform, Neuss 1995.
Creditreform, Creditreform Informationssystem, Creditreform-Bonitätsindex zur Risikobestimmung für Kreditmanagement und Marketing. Ein System zur Bonitätsbeurteilung von Unternehmen. Entwickelt von Creditreform in Zusammenarbeit mit Wissenschaft und Kreditmanagement, Verband der Vereine Creditreform, Neuss 1986.
Kreditwürdigkeitsprüfung durch die Deutsche Bundesbank, Monatsberichte der Deutschen Bundesbank, No. 1 1992, pp 30–36.
Feidicker, Markus, Kreditwürdigkeitsprüfung. Entwicklung eines Bonitätsindikators, dargestellt am Beispiel von Kreditversicherungsunternehmen, Schriftenreihe des Instituts für Revisionswesen der Westfälischen-Wilhelms Universität Münster, (ed.) Jörg Baetge, Düsseldorf 1992.
Fischer, Jürgen H., Computergestützte Analyse der Kreditwürdigkeit auf Basis der Mustererkennung, Betriebswirtschaftliche Schriften zur Unternehmensführung, Vol. 23, Kreditwesen, Düsseldorf 1981.
Hecht-Nielsen, Robert, Neurocomputing, Reading et. al. 1990.
Hüls, Dagmar, Früherkennung insolvenzgefährdeter Unternehmen, Schriftenreihe des Instituts für Revisionswesen der Westfälischen-Wilhelms Universität Münster, (ed.) Jörg Baetge, Düsseldorf 1995.
Krause, Clemens, Kreditwürdigkeitsprüfung mit Neuronalen Netzen, Schriftenreihe des Instituts für Revisionswesen der Westfälischen-Wilhelms Universität Münster, (ed.) Jörg Baetge, Düsseldorf 1993.
Kuhlmann, Jürgen, Die Problematik einer Ausgliederung der Kreditwürdigkeitsprüfung im Firmenkreditgeschäft der Banken, Europäische Hochschulschriften, Vol. 5, Volks-und Betriebswirtschaft, No. 1253, Frankfurt a. M. 1992.
Mozer, Micheal C. Smolensky, Paul, Using Relevance to Reduce Network Size Automatically, Connection Science, Vol. 1, No. 1, Abingdon 1989.
Neural Ware Inc. (Hrsg.)., Using NeuralWorks, Pittsburgh 1993.
Niehaus, Hans-Jürgen, Früherkennung von Unternehmenskrisen. Die statistische Jahresabschlußanalyse als Instrument zur Jahresabschlußprüfung, Schriftenreihe des Instituts für Revisionswesen der Westfälischen-Wilhelms Universität Münster, (ed.) Jörg Baetge, Düsseldorf 1987.
Pytlik, Martin, Diskriminanzanalyse und künstliche neuronale Netze zur Klassifizierung von Jahresabschlüssen. Ein empirischer Vergleich, Europäische Hochschulschriften, Vol. 5, Volks-und Betriebswirtschaft, No. 1688, Frankfurt a. M. et. al. 1995.
Riebell, Claus, Die Praxis der Bilanzauswertung, 5th. Edition, Stuttgart 1992.
Schmidt-von Rhein, Andreas/ Rehkugler, Heinz, KNN zur Kreditwürdigkeitsprüfung bei Privatkundenkrediten, Neuronale Netze in der Ökonomie, Grundlagen und finanzwirtschaftliche Anwendungen, (ed.) Heinz Rehkugler Hans Georg Zimmermann, München 1994, pp 491–54
Schmoll, Anton, Theorie und Praxis der Kreditprüfung unter besonderer Berücksichtigung der Klein-und Mittelbetriebe (I), ÖBA, No. 3 1983, pp 87–106.
Schmoll, Anton, Theorie und Praxis der Kreditprüfung unter besonderer Berücksichtigung der Klein-und Mittelbetriebe (II), ÖBA, No. 5 1983, pp 165–191.
Schumann, Matthias/ Lohrbach, Thomas/ Bährs, Peter, Versuche zur Kreditwürdigkeitsprognose mit Künstlichen Neuronalen Netzen, paper No. 2 of the department Wirtschaftsinformatik II, Georg-August-Universität-Göttingen, (ed.) Matthias Schumann, Göttingen 1992.
Uthoff, Carsten, Erfolgsoptimale Kreditwürdigkeitsprüfung auf der Basis von Jahresabschlüssen und Wirtschaftsauskünften mit Künstlichen Neuronalen Netzen, Stuttgart 1997.
Zell, Andreas, Simulation Neuronaler Netze, Bonn/Paris 1994.
Zimmermann, Hans-Georg, Neuronale Netze als Entscheidungskalkül, Grundlagen und ihre ökonometrische Realisierung, Neuronale Netze in der Ökonomie, Grundlagen und finanzwirtschaftliche Anwendungen, (ed.) Heinz Rehkugler Hans Georg, Zimmermann, München 1994, pp 1–87.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1998 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Baetge, J., Uthoff, C. (1998). Development of a Credit-Standing-Indicator for Companies Based on Financial Statements and Business Information with Backpropagation-Networks. In: Bol, G., Nakhaeizadeh, G., Vollmer, KH. (eds) Risk Measurement, Econometrics and Neural Networks. Contributions to Economics. Physica, Heidelberg. https://doi.org/10.1007/978-3-642-58272-1_2
Download citation
DOI: https://doi.org/10.1007/978-3-642-58272-1_2
Publisher Name: Physica, Heidelberg
Print ISBN: 978-3-7908-1152-0
Online ISBN: 978-3-642-58272-1
eBook Packages: Springer Book Archive