Repository logo
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
Repository logo
  • Communities & Collections
  • All of DSpace
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Saihi, Youcef"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    Publication
    Crunching Numbers, Making Decisions : Artificial Intelligence and Statistics for Financial Distress ForecastinginAlgeriaand Saudi Arabia
    (Pontifícia Universidade Católica de São Paulo - PUC/SP, 2023) Sabek, Amine; Saihi, Youcef
    A previsão de dificuldades financeiras tem sido uma preocupação significativa tanto para pesquisadores quanto para profissionais há muito tempo. Este tema tem despertado um interesse substancial devido aos benefícios potenciais do uso de modelos preditivos para antecipar problemas financeiros e ajudar as empresas a evitar riscos financeiros que poderiam levar à falência e à liquidação. O objetivo principal desta pesquisa é prever dificuldades financeiras, comparando a eficácia da Rede Neural Artificial (RNA) com a Regressão Logística (RL). Esta avaliação baseia-se em dados de 12 empresas argelinas e 12 empresas sauditas durante o período de 2015 a 2019. As conclusões do estudo indicam que o modelo RL superou o modelo de Rede Neural Ampla (RNA) na previsão com precisão de dificuldades financeiras, alcançando uma precisão de classificação ideal para empresas argelinas e sauditas. Consequentemente, o modelo RL surge como a escolha preferida para prever dificuldades financeiras em ambos os países.
responsive footer design codepen

BIBLIOTECA GUSTAVO VÁSQUEZ BETANCOURT

Medellín. Calle 51 No. 51-27