Skip to main content
Book cover

Data Mining pp 289–308Cite as

Entwicklung eines Bonitätsindexes auf der Basis von Wirtschaftsauskünften der Vereine Creditreform mit Künstlichen Neuronalen Netzen

  • Chapter
  • 793 Accesses

Part of the book series: Beiträge zur Wirtschaftsinformatik ((WIRTSCH.INFORM.,volume 27))

Zusammenfassung

In Wirtschaftsauskünften sind eine Vielzahl von numerischen und nicht-numerischen Informationen eines Unternehmens enthalten, wie Firmenalter, Branchenzugehörigkeit, Gesellschafterstruktur oder Zahlungsverhalten. Welche der verschiedenen Informationen für die Bonitätsbeurteilung eines Unternehmens relevant sind, galt es im Rahmen eines Forschungsvorhabens des Instituts für Revisionswesen in Kooperation mit einer Kreditversicherung und einer Auskunftei zu untersuchen. Neben der Validierung des bisher eingesetzten Bonitätsindexes ist ein neuer Indikator entwickelt worden. Die Untersuchung beschränkte sich nicht nur auf die Analyse der bisher von der Auskunftei als bonitätsrelevant eingestuften Merkmale, sondern schöpfte möglichst weitgehend das Informationspotential einer Wirtschaftsauskunft aus. Für die Analyse waren die Auskunftsinformationen in codierter und nicht codierter Form abgelegt. In der ersten Stufe des Forschungsvorhabens waren nur die Merkmale des bisher eingesetzten Indikators untersucht worden. In der zweiten Stufe ist die Menge der zu analysierenden Merkmale um Merkmale, die regelgestützt aus den Auskunftsdaten ableitbar waren, erweitert worden. Manuell zu erfassende Merkmale wurden in der dritten Stufe untersucht. Zur Analyse der Auskunftsinformationen sind Backpropagation-Netze mit verschiedenen Pruning-Strategien eingesetzt worden. Das Ergebnis ist ein Backpropagation-Netz, das die Bonität eines Unternehmens mit einer höheren Zuverlässigkeit über einen Mehrjahreszeitraum beurteilt, als der bisher eingesetzte Creditreform-Bonitätsindex.

This is a preview of subscription content, log in via an institution.

Buying options

Chapter
USD   29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD   44.99
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD   59.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Learn about institutional subscriptions

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  • Bühler, W. [1987]: Informationsressourcen für die Bonitätsanalyse, in: Kreditmanagement. Rechtliche und betriebswirtschaftliche Instrumente zur Risikoreduzierung in der Kreditpraxis, hrsg. v. Bühler, Wilhelm/Schmoll, Anton, Wien.

    Google Scholar 

  • Creditreform [1995]: Das Creditreform Informationssystem, Ein entscheidungsunterstützendes System zur Bonitätsbeurteilung von Unternehmen, hrsg. v. Verband der Vereine Creditreform, Neuss.

    Google Scholar 

  • Creditreform [1996]: Unternehmensentwicklung 1996 in den alten und neuen Bundesländer, hrsg. v. Verband der Vereine Creditreform, Neuss.

    Google Scholar 

  • Guiver, J. P./Klimasauskas, C. C. [1991]: Applying Neural Networks, Part IV: Improving Performance, in: AI Review, Heft 4, S. 34–40.

    Google Scholar 

  • Krause, C. [1993]: Kreditwürdigkeitsprüfung mit Neuronalen Netzen, in: Schriftenreihe des Instituts fur Revisionswesen der Westfälischen-Wilhelms Universität Münster, hrsg. v. Baetge, Jörg, Düsseldorf.

    Google Scholar 

  • Kuhlmann, J. [1992]: Die Problematik einer Ausgliederung der Kreditwürdigkeitsprüfung im Firmenkreditgeschäft der Banken, in: Europäische Hochschulschriften, Reihe 5, Volks-und Betriebswirtschaft, Bd. 1253, Frankfurt a. M.

    Google Scholar 

  • Neural Ware Inc. [1993]: Using NeuralWorks, Pittsburgh.

    Google Scholar 

  • Pytlik, M. [1995]: Disbiminanzanalyse und künstliche neuronale Netze zur Klassifizierung von Jahresabschlüssen. Ein empirischer Vergleich, in: Europäische Hochschulschriften, Reihe 5, Volks-und Betriebswirtschaft, Bd. 1688, Frankfurt a. M. et. al.

    Google Scholar 

  • Rehkugler, H./Poddig, T. [1992]: Klassifikation von Jahresabschlüssen mittels Multilayer-Perceptrons, Erste Ergebnisse und weiterführende Fragestellungen, in: Bamberger Betriebswirtschaftliche Beiträge, Nr. 87, Bamberg.

    Google Scholar 

  • Rehkugler, H./Schindel, V. [1986]: Entscheidungstheorie. Erklärung und Gestaltung betrieblicher Entscheidungen, 3. Aufl., München.

    Google Scholar 

  • Schmidt-von Rhein, A./Rehkugler, T. [1994]: KNN zur Kreditwürdigkeitsprüfung bei Privatkundenkrediten, in: Neuronale Netze in der Ökonomie, Grundlagen und finanzwirtschaftliche Anwendungen, hrsg. v. Rehkugler, Heinz/Zimmermann, Hans Georg, München, S. 491–545.

    Google Scholar 

  • Schmoll, A. [1983]: Theorie und Praxis der Kreditprüfung unter besonderer Berücksichtigung der Klein-und Mittelbetriebe (I), in: ÖBA, Heft 3 1983, S. 87–106.

    Google Scholar 

  • Schumann, M./Lohrbach, T./Bährs, P. [1992]: Versuche zur Kreditwürdigkeitsprognose mit Künstlichen Neuronalen Netzen, Arbeitspapier Nr. 2 der Abteilung Wirtschaftsinformatik II, Georg-August-Universität-Göttingen, hrsg. v. Schumann, Matthias, Göttingen.

    Google Scholar 

  • Uthoff, C. [1997]: Erfolgsoptimale Kreditwürdigkeitsprüfung auf der Basis von Jahresabschlüssen und Wirtschaftsauskünften mit Künstlichen Neuronalen Netzen, Stuttgart.

    Google Scholar 

Download references

Author information

Authors and Affiliations

Authors

Editor information

Editors and Affiliations

Rights and permissions

Reprints and permissions

Copyright information

© 1998 Physica-Verlag Heidelberg

About this chapter

Cite this chapter

Baetge, J., Uthoff, C. (1998). Entwicklung eines Bonitätsindexes auf der Basis von Wirtschaftsauskünften der Vereine Creditreform mit Künstlichen Neuronalen Netzen. In: Nakhaeizadeh, G. (eds) Data Mining. Beiträge zur Wirtschaftsinformatik, vol 27. Physica-Verlag HD. https://doi.org/10.1007/978-3-642-86094-2_17

Download citation

  • DOI: https://doi.org/10.1007/978-3-642-86094-2_17

  • Publisher Name: Physica-Verlag HD

  • Print ISBN: 978-3-7908-1053-0

  • Online ISBN: 978-3-642-86094-2

  • eBook Packages: Springer Book Archive

Publish with us

Policies and ethics