Diplomová práce

Strojové učení v detekci finančních potíží slovenských podniků

Machine Learning for Detecting Financial Distress in Slovak Companies

Bc. Jacob Matej Saniga
Anotace

Práca sa zaoberá predikciou finančných ťažkostí slovenských podnikov pomocou metód strojového učenia. Na základe dát z Registra účtovných závierok SR (viac ako 813-tisíc firm-year pozorovaní) sú porovnané ekonometrické prístupy (hazardný model, logistická regresia) s modernými algoritmami (Random Forest, XGBoost, LightGBM, CatBoost). Hlavnou metrikou je PR-AUC vzhľadom na silnú nerovnováhu tried. Boostingové …více

Abstract

This thesis examines the prediction of financial distress in Slovak en-terprises using machine learning methods. Drawing on data from the Slovak Financial Statements Register (over 813,000 firm-year observa-tions), it compares econometric approaches (discrete-time hazard model, logistic regression) with modern algorithms (Random Forest, XGBoost, LightGBM, CatBoost). Given strong class imbalance, PR …více

Klíčová slova
predikcia finančných ťažkostí strojové učenie gradient boosting SHAP PR-AUC slovenské podniky registrové dáta early warning systém XGBoost class imbalance
Zadání práce

Cíl práce:
Cílem diplomové práce je vytvořit a vyhodnotit modely pro predikci finančních potíží slovenských firem. Práce se zaměřuje na porovnání klasického ekonometrického přístupu s moderními metodami strojového učení. Součástí řešení bude analýza účetních a finančních dat získaných z veřejných registrů a jejich zpracování pomocí matematicko-statistických metod v programovacím jazyce R. Vybrané modely strojového učení budou implementovány také v prostředí Python s využitím knihovny scikit-learn.

Postup zpracování práce:

  1. Literární rešerše

  2. Příprava dat z účetních závěrek

  3. Tvorba ekonometrického modelu

  4. Tvorba a testování modelů strojového učení

  5. Interpretace výsledků a závěr

Metody:
Deskriptivní statistika, předzpracování dat, ekonometrické modelování, metody strojového učení, programovací nástroje a jazyky (Python, R a další)

Administrativní informace
Práce zkontrolována:
18. 5. 2026 09:42, doc. Ing. Tomáš Výrost, PhD., učo 239746
Plný text práce
1,9 MB / soubor PDF
Přílohy (1)
Jazyk práce
slovenština slovenština
Termín obhajoby
18. 6. 2026
Práce byla úspěšně obhájena

Vedoucí

doc. Ing. Tomáš Výrost, PhD., učo 239746
KF ESF MU

Oponent

Ing. Martina Sponerová, Ph.D., učo 136615
KF ESF MU
Citovat tuto práci
Masarykova univerzita Ekonomicko-správní fakulta
Studijní program
Plán
Finanční trhy, instituce a technologie

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.