Institutional Repository [SANDBOX]
Technical University of Crete
EN  |  EL

Search

Browse

My Space

Analytical methodologies for business failure prediction in the energy sector. A comparative analysis for European Companies

Iliaki Georgia

Simple record


URIhttp://purl.tuc.gr/dl/dias/E284D4D6-BB2C-47AA-A4BA-09C20C424B60-
Identifierhttps://doi.org/10.26233/heallink.tuc.78962-
Languageel-
Extent75 σελίδεςel
TitleAnalytical methodologies for business failure prediction in the energy sector. A comparative analysis for European Companiesen
TitleΑναλυτικές μεθοδολογίες πρόβλεψης της πτώχευσης των επιχειρήσεων στον κλάδο της ενέργειας: συγκριτική αξιολόγηση σε ευρωπαϊκές επιχειρήσεις el
CreatorIliaki Georgiaen
CreatorΗλιακη Γεωργιαel
Contributor [Thesis Supervisor]Doumpos Michaelen
Contributor [Thesis Supervisor]Δουμπος Μιχαηλel
Contributor [Committee Member]Zopounidis Konstantinosen
Contributor [Committee Member]Ζοπουνιδης Κωνσταντινοςel
Contributor [Committee Member]Atsalakis Georgiosen
Contributor [Committee Member]Ατσαλακης Γεωργιοςel
PublisherΠολυτεχνείο Κρήτηςel
PublisherTechnical University of Creteen
Academic UnitTechnical University of Crete::School of Production Engineering and Managementen
Academic UnitΠολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και Διοίκησηςel
DescriptionΔιπλωματική Εργασία που συντάχθηκε στα πλαίσια των σπουδών στο τμήμα Μηχανικών Παραγωγής και Διοίκησης στο Πολυτεχνείο Κρήτηςel
Content SummaryΗ παρούσα έρευνα αναφέρεται στον Ευρωπαϊκό ενεργειακό τομέα και τα σχέδια για ενοποίησή του αλλά κυρίως αποτελεί επέκταση αυτής των Doumpos et al. (2017) και εξετάζει διαφορετικές αναλυτικές μεθόδους πρόβλεψης χρεοκοπίας σε ένα πολύ μεγάλο δείγμα από διαφορετικές χώρες της Ευρώπης και διαφορετικούς κλάδους. Το δείγμα αναφέρεται στην χρονική περίοδο 2012 έως 2016. Οι μέθοδοι που χρησιμοποιούνται είναι μέθοδοι διακριτικής ανάλυσης (γραμμικής και τετραγωνικής), λογιστικής παλινδρόμησης, δέντρων ταξινόμησης (απλά, boosted και bagged) και μέθοδοι τεχνητής νοημοσύνης (νευρωνικά δίκτυα και μηχανές διανυσμάτων υποστήριξης). Από την εφαρμογή των μεθόδων στην απαρτία του δείγματος, σε συγκεκριμένους κλάδους και χώρες διαπιστώθηκε πως η ανάλυση ολόκληρου του δείγματος ήταν αποτελεσματικότερη και πως η μέθοδος που υπερτερούσε ήταν τα bagged δέντρα. Από την άλλη, στην ανάλυση κλάδων και χωρών η καλύτερη μέθοδος ήταν τα νευρωνικά δίκτυα.el
Content SummaryThis study references the European energy sector and the plans for a united European energy sector but its primary purpose is to extend the paper of Doumpos et al (2017) and investigates different analytical methodologies for financial distress prediction in a very large sample from different European countries and energy sectors. The data spans between the period of 2012-2016. The methodologies used are discriminant analysis (linear and quadratic), logistic regression, classification trees (simple, boosted and bagged) and machine learning methods (neural networks and support vector machines). All the methods were applied on the whole sample at first and after on specific energy sectors and countries. Whole sample analysis proved more effective than country and sector analysis and the most accurate method was the bagged trees. For the sector and country analysis the most effective method was the neural networks. en
Type of ItemΔιπλωματική Εργασίαel
Type of ItemDiploma Worken
Licensehttp://creativecommons.org/licenses/by/4.0/en
Date of Item2018-10-05-
Date of Publication2018-
SubjectΔέντρα ταξινόμησηςel
SubjectΜηχανές διανυσμάτων υποστήριξηςel
SubjectΝευρωνικά δίκτυαel
SubjectΛογιστική παλινδρόμησηel
SubjectΔιακριτική ανάλυσηel
SubjectΑναλυτικές μεθοδολογίεςel
SubjectΕυρωπαϊκός ενεργειακός τομέαςel
SubjectΠρόβλεψη πτώχευσηςel
Bibliographic CitationGeorgia Iliaki, "Analytical methodologies for business failure prediction in the energy sector. A comparative analysis for European Companies", Diploma Work, School of Production Engineering and Management, Technical University of Crete, Chania, Greece, 2018en
Bibliographic CitationΓεωργία Ηλιάκη, "Αναλυτικές μεθοδολογίες πρόβλεψης της πτώχευσης των επιχειρήσεων στον κλάδο της ενέργειας: συγκριτική αξιολόγηση σε ευρωπαϊκές επιχειρήσεις ", Διπλωματική Εργασία, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2018el

Available Files

Services

Statistics