{"id":{"repo_id":"corvinus","oai_identifier":"oai:phd.lib.uni-corvinus.hu:370"},"canonical_url":"https://search.dev.ndltd.org/etd/corvinus/oai:phd.lib.uni-corvinus.hu:370","repository":{"repo_id":"corvinus","name":"Corvinus University of Budapest","base_url":"http://phd.lib.uni-corvinus.hu/cgi/oai2"},"display":{"title":"Gazdasági szervezetek fennmaradásának és fizetőképességének előrejelzése","abstract":"Az értekezés célja a gazdasági szervezetek fennmaradásának és fizetőképességének előrejelzésével kapcsolatos szakterület újszerű elméleti megalapozása és módszertani fejlesztése. A választott téma aktualitását az adja, hogy Magyarországon – a világ számos országához hasonlóan – napról napra találkozhatunk csődeljárás, felszámolási eljárás vagy végelszámolás alá került vállalatokkal, ami miatt egyre erősebb az igény a korszerű, megbízható csődelőrejelzési modellek kidolgozására. Az értekezésben a szakterületen korábban született publikációkhoz képest új elem a szervezetelméleti megalapozás, valamint hat sokváltozós statisztikai modellezési eljárás alkalmazása ugyanazon csődelőrejelzési adatbázison. A szakterület kutatását megnehezítik, ugyanakkor jelentős szakmai kihívás elé állítják azok a megállapítások, hogy a szervezetek fennmaradásának magyarázatára és megértésére nincsen egységes elmélet, a fizetőképesség előrejelzésére nincsen egyértelmű predikciót garantáló előrejelzési módszer, valamint különböző empirikus vizsgálatok egymásnak ellentmondó következtetésekre jutnak. A sokváltozós csődelőrejelzés negyven éves története alatt a szakterületet kutatók körében nem született megegyezés arról, hogy milyen magyarázó változók alapján lehetséges legmegbízhatóbban előrejelezni a fizetésképtelenséget. A csődmodellezés célja keresztmetszeti adatokból a lehető legmegbízhatóbban megállapítani, hogy a legutolsó éves beszámoló fordulónapját követő egy éven belül valamely vállalat várhatóan fizetőképes vagy fizetésképtelen lesz-e. Az értekezésben a sokváltozós statisztikai csődelőrejelzési módszerekre (diszkriminanciaanalízis, logisztikus regresszió elemzés, rekurzív particionáló algoritmus, neurális hálók) és a sokváltozós vizuális klaszterezési eljárásokra (önszerveződő térképek, többdimenziós skálázás) helyeződik a hangsúly. Az empirikus vizsgálat végrehajtását hat hipotézis megfogalmazása és vizsgálata támogatja. Az első két hipotézis különböző magyarázó változók szignifikanciáját, illetve relevanciáját értékeli minden módszer esetén. A harmadik és negyedik hipotézis az előrejelzési céllal kidolgozott csődmodellek megbízhatóságát, az ötödik és a hatodik hipotézis a vizuális klaszterezési céllal kidolgozott modellek megbízhatóságát vizsgálja. Az adatgyűjtéssel kapcsolatban követelményként fogalmazódott meg, hogy a modellezés alapjául szolgáló adatok nyilvánosan hozzáférhető éves beszámolókból és cégjegyzékből származzanak. A mintában szereplő 504 vállalatból 437 fizetőképes és 67 fizetésképtelen volt. A mintában szereplő vállalatok 10 nemzetgazdasági ágon belül 41 ágazati, azon belül 164 szakágazati hovatartozással jellemezhetők. Az értekezésben a csődeljárás, a felszámolási eljárás vagy a végelszámolás megindítása jelentette a fizetésképtelenséget. A magyarázó változók a vállalatok méretét, iparági hovatartozását, jogi formáját, jövedelmezőségét, forgási sebességét, likviditását, tőkeszerkezetét, eladósodottságát, cash flow-ját és éves növekedését kifejező információkból, többségében pénzügyi mutatókból kerültek definiálásra. A különböző iparágakban tevékenykedő vállalatok pénzügyi mutatóinak összehasonlíthatóságát a sokasági szakágazati átlagoktól vett eltérés figyelembevétele oldotta meg. A modellváltozók fontossága tekintetében az empirikus vizsgálat alapján igazolást nyert, hogy a vállalatok várható fizetőképessége szempontjából a méret, a cash flow és az eladósodottsági mutatók rendelkeznek legnagyobb magyarázó és előrejelző erővel. Az előrejelzési módszerek megbízhatósága tekintetében – adattömörítés nélkül – a neurális háló és a rekurzív particionáló algoritmus teljesítménye felülmúlta a diszkriminanciaanalízisét és a logisztikus regresszióét. Az empirikus vizsgálat arra is rámutatott, hogy a diszkriminanciaanalízist és a logisztikus regresszió elemzést javítja, míg a rekurzív particionáló algoritmus és a neurális háló teljesítményét rontja a főkomponenselemzés, valamint, hogy a főkomponenselemzés kiegyenlíti a módszerek teljesítménye közötti különbségeket. Az output változó figyelembevétele nélkül szimulált önszerveződő térképek megerősítették az előrejelzési módszerek változószelekcióját. Az empirikus vizsgálat igazolta, hogy a többdimenziós skálázás és a logisztikus regresszió elemzés kombinálása minden korábbi eljárásnál megbízhatóbb klaszterezést tesz lehetővé. A kutatási eredmények a szakterület gyakorlati művelői számára módszertani iránymutatásokat, normatív javaslatokat és konkrét modellezési technikákat nyújtanak. Mind a négy előrejelzési módszerrel előállíthatók vállalatspecifikus fennmaradási valószínűségek. A csődmodellek kidolgozása és értékelése széles körű előrejelzés-módszertani és megbízhatóság-vizsgálati módszertani eszköztárat vonultatott fel. A hazai vállalatok fizetőképességének alakulását ismerve belátható, hogy Magyarországon rövid, közép- és hosszú távon egyaránt szükség lesz csődelőrejelzésre. A gazdasági szervezetek fennmaradására és várható fizetőképességére ható tényezők ismerete, nyomon követése, valamint a fizetőképes és fizetésképtelen vállalatok egymástól való lehető legjobb elkülönítésének képessége az üzleti életben a siker és a túlélés záloga lehet.","abstract_html":"Az értekezés célja a gazdasági szervezetek fennmaradásának és fizetőképességének előrejelzésével kapcsolatos szakterület újszerű elméleti megalapozása és módszertani fejlesztése. A választott téma aktualitását az adja, hogy Magyarországon – a világ számos országához hasonlóan – napról napra találkozhatunk csődeljárás, felszámolási eljárás vagy végelszámolás alá került vállalatokkal, ami miatt egyre erősebb az igény a korszerű, megbízható csődelőrejelzési modellek kidolgozására. Az értekezésben a szakterületen korábban született publikációkhoz képest új elem a szervezetelméleti megalapozás, valamint hat sokváltozós statisztikai modellezési eljárás alkalmazása ugyanazon csődelőrejelzési adatbázison. A szakterület kutatását megnehezítik, ugyanakkor jelentős szakmai kihívás elé állítják azok a megállapítások, hogy a szervezetek fennmaradásának magyarázatára és megértésére nincsen egységes elmélet, a fizetőképesség előrejelzésére nincsen egyértelmű predikciót garantáló előrejelzési módszer, valamint különböző empirikus vizsgálatok egymásnak ellentmondó következtetésekre jutnak. A sokváltozós csődelőrejelzés negyven éves története alatt a szakterületet kutatók körében nem született megegyezés arról, hogy milyen magyarázó változók alapján lehetséges legmegbízhatóbban előrejelezni a fizetésképtelenséget. A csődmodellezés célja keresztmetszeti adatokból a lehető legmegbízhatóbban megállapítani, hogy a legutolsó éves beszámoló fordulónapját követő egy éven belül valamely vállalat várhatóan fizetőképes vagy fizetésképtelen lesz-e. Az értekezésben a sokváltozós statisztikai csődelőrejelzési módszerekre (diszkriminanciaanalízis, logisztikus regresszió elemzés, rekurzív particionáló algoritmus, neurális hálók) és a sokváltozós vizuális klaszterezési eljárásokra (önszerveződő térképek, többdimenziós skálázás) helyeződik a hangsúly. Az empirikus vizsgálat végrehajtását hat hipotézis megfogalmazása és vizsgálata támogatja. Az első két hipotézis különböző magyarázó változók szignifikanciáját, illetve relevanciáját értékeli minden módszer esetén. A harmadik és negyedik hipotézis az előrejelzési céllal kidolgozott csődmodellek megbízhatóságát, az ötödik és a hatodik hipotézis a vizuális klaszterezési céllal kidolgozott modellek megbízhatóságát vizsgálja. Az adatgyűjtéssel kapcsolatban követelményként fogalmazódott meg, hogy a modellezés alapjául szolgáló adatok nyilvánosan hozzáférhető éves beszámolókból és cégjegyzékből származzanak. A mintában szereplő 504 vállalatból 437 fizetőképes és 67 fizetésképtelen volt. A mintában szereplő vállalatok 10 nemzetgazdasági ágon belül 41 ágazati, azon belül 164 szakágazati hovatartozással jellemezhetők. Az értekezésben a csődeljárás, a felszámolási eljárás vagy a végelszámolás megindítása jelentette a fizetésképtelenséget. A magyarázó változók a vállalatok méretét, iparági hovatartozását, jogi formáját, jövedelmezőségét, forgási sebességét, likviditását, tőkeszerkezetét, eladósodottságát, cash flow-ját és éves növekedését kifejező információkból, többségében pénzügyi mutatókból kerültek definiálásra. A különböző iparágakban tevékenykedő vállalatok pénzügyi mutatóinak összehasonlíthatóságát a sokasági szakágazati átlagoktól vett eltérés figyelembevétele oldotta meg. A modellváltozók fontossága tekintetében az empirikus vizsgálat alapján igazolást nyert, hogy a vállalatok várható fizetőképessége szempontjából a méret, a cash flow és az eladósodottsági mutatók rendelkeznek legnagyobb magyarázó és előrejelző erővel. Az előrejelzési módszerek megbízhatósága tekintetében – adattömörítés nélkül – a neurális háló és a rekurzív particionáló algoritmus teljesítménye felülmúlta a diszkriminanciaanalízisét és a logisztikus regresszióét. Az empirikus vizsgálat arra is rámutatott, hogy a diszkriminanciaanalízist és a logisztikus regresszió elemzést javítja, míg a rekurzív particionáló algoritmus és a neurális háló teljesítményét rontja a főkomponenselemzés, valamint, hogy a főkomponenselemzés kiegyenlíti a módszerek teljesítménye közötti különbségeket. Az output változó figyelembevétele nélkül szimulált önszerveződő térképek megerősítették az előrejelzési módszerek változószelekcióját. Az empirikus vizsgálat igazolta, hogy a többdimenziós skálázás és a logisztikus regresszió elemzés kombinálása minden korábbi eljárásnál megbízhatóbb klaszterezést tesz lehetővé. A kutatási eredmények a szakterület gyakorlati művelői számára módszertani iránymutatásokat, normatív javaslatokat és konkrét modellezési technikákat nyújtanak. Mind a négy előrejelzési módszerrel előállíthatók vállalatspecifikus fennmaradási valószínűségek. A csődmodellek kidolgozása és értékelése széles körű előrejelzés-módszertani és megbízhatóság-vizsgálati módszertani eszköztárat vonultatott fel. A hazai vállalatok fizetőképességének alakulását ismerve belátható, hogy Magyarországon rövid, közép- és hosszú távon egyaránt szükség lesz csődelőrejelzésre. A gazdasági szervezetek fennmaradására és várható fizetőképességére ható tényezők ismerete, nyomon követése, valamint a fizetőképes és fizetésképtelen vállalatok egymástól való lehető legjobb elkülönítésének képessége az üzleti életben a siker és a túlélés záloga lehet.","abstract_has_math":false,"creators":["Kristóf, Tamás"],"institution":"Budapesti Corvinus Egyetem","degree_name":"phd","degree_level":"doctoral","degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2009,"date_issued":"2009-06","date_published":"2009-06","updated_at":"2026-07-24T01:49:20Z","subjects":["Matematika. Ökonometria","Vállalati vezetés és politika","Vállalati szervezet"],"languages":["hu"],"rights":[],"rights_urls":[],"identifier_entries":[]},"links":{"outbound_url":null,"outbound_label":null,"outbound_source":null},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Kristóf, Tamás"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2009-06-02"]},{"key":"dc:date.issued","label":"Date","values":["2009-06"]},{"key":"dc:publisher.department","label":"Dc Publisher Department","values":["Gazdálkodástani Doktori Iskola"]},{"key":"dc:publisher.institution","label":"Dc Publisher Institution","values":["Budapesti Corvinus Egyetem"]},{"key":"dc:relation.isreferencedby","label":"Dc Relation Isreferencedby","values":["https://phd.lib.uni-corvinus.hu/370/"]},{"key":"dc:type","label":"Dc Type","values":["Disszertáció"]},{"key":"dc:type.qualificationlevel","label":"Dc Type Qualificationlevel","values":["doctoral"]},{"key":"dc:type.qualificationname","label":"Dc Type Qualificationname","values":["phd"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Matematika. Ökonometria","Vállalati vezetés és politika","Vállalati szervezet"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["hu"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier.uri","label":"Identifier URI","values":["https://phd.lib.uni-corvinus.hu/370/1/kristof_tamas.pdf","https://phd.lib.uni-corvinus.hu/370/2/kristof_tamas_thu.pdf","https://phd.lib.uni-corvinus.hu/370/3/kristof_tamas_ten.pdf"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.abstract","label":"Abstract","values":["Az értekezés célja a gazdasági szervezetek fennmaradásának és fizetőképességének előrejelzésével kapcsolatos szakterület újszerű elméleti megalapozása és módszertani fejlesztése. A választott téma aktualitását az adja, hogy Magyarországon – a világ számos országához hasonlóan – napról napra találkozhatunk csődeljárás, felszámolási eljárás vagy végelszámolás alá került vállalatokkal, ami miatt egyre erősebb az igény a korszerű, megbízható csődelőrejelzési modellek kidolgozására. Az értekezésben a szakterületen korábban született publikációkhoz képest új elem a szervezetelméleti megalapozás, valamint hat sokváltozós statisztikai modellezési eljárás alkalmazása ugyanazon csődelőrejelzési adatbázison. A szakterület kutatását megnehezítik, ugyanakkor jelentős szakmai kihívás elé állítják azok a megállapítások, hogy a szervezetek fennmaradásának magyarázatára és megértésére nincsen egységes elmélet, a fizetőképesség előrejelzésére nincsen egyértelmű predikciót garantáló előrejelzési módszer, valamint különböző empirikus vizsgálatok egymásnak ellentmondó következtetésekre jutnak. A sokváltozós csődelőrejelzés negyven éves története alatt a szakterületet kutatók körében nem született megegyezés arról, hogy milyen magyarázó változók alapján lehetséges legmegbízhatóbban előrejelezni a fizetésképtelenséget. A csődmodellezés célja keresztmetszeti adatokból a lehető legmegbízhatóbban megállapítani, hogy a legutolsó éves beszámoló fordulónapját követő egy éven belül valamely vállalat várhatóan fizetőképes vagy fizetésképtelen lesz-e. Az értekezésben a sokváltozós statisztikai csődelőrejelzési módszerekre (diszkriminanciaanalízis, logisztikus regresszió elemzés, rekurzív particionáló algoritmus, neurális hálók) és a sokváltozós vizuális klaszterezési eljárásokra (önszerveződő térképek, többdimenziós skálázás) helyeződik a hangsúly. Az empirikus vizsgálat végrehajtását hat hipotézis megfogalmazása és vizsgálata támogatja. Az első két hipotézis különböző magyarázó változók szignifikanciáját, illetve relevanciáját értékeli minden módszer esetén. A harmadik és negyedik hipotézis az előrejelzési céllal kidolgozott csődmodellek megbízhatóságát, az ötödik és a hatodik hipotézis a vizuális klaszterezési céllal kidolgozott modellek megbízhatóságát vizsgálja. Az adatgyűjtéssel kapcsolatban követelményként fogalmazódott meg, hogy a modellezés alapjául szolgáló adatok nyilvánosan hozzáférhető éves beszámolókból és cégjegyzékből származzanak. A mintában szereplő 504 vállalatból 437 fizetőképes és 67 fizetésképtelen volt. A mintában szereplő vállalatok 10 nemzetgazdasági ágon belül 41 ágazati, azon belül 164 szakágazati hovatartozással jellemezhetők. Az értekezésben a csődeljárás, a felszámolási eljárás vagy a végelszámolás megindítása jelentette a fizetésképtelenséget. A magyarázó változók a vállalatok méretét, iparági hovatartozását, jogi formáját, jövedelmezőségét, forgási sebességét, likviditását, tőkeszerkezetét, eladósodottságát, cash flow-ját és éves növekedését kifejező információkból, többségében pénzügyi mutatókból kerültek definiálásra. A különböző iparágakban tevékenykedő vállalatok pénzügyi mutatóinak összehasonlíthatóságát a sokasági szakágazati átlagoktól vett eltérés figyelembevétele oldotta meg. A modellváltozók fontossága tekintetében az empirikus vizsgálat alapján igazolást nyert, hogy a vállalatok várható fizetőképessége szempontjából a méret, a cash flow és az eladósodottsági mutatók rendelkeznek legnagyobb magyarázó és előrejelző erővel. Az előrejelzési módszerek megbízhatósága tekintetében – adattömörítés nélkül – a neurális háló és a rekurzív particionáló algoritmus teljesítménye felülmúlta a diszkriminanciaanalízisét és a logisztikus regresszióét. Az empirikus vizsgálat arra is rámutatott, hogy a diszkriminanciaanalízist és a logisztikus regresszió elemzést javítja, míg a rekurzív particionáló algoritmus és a neurális háló teljesítményét rontja a főkomponenselemzés, valamint, hogy a főkomponenselemzés kiegyenlíti a módszerek teljesítménye közötti különbségeket. Az output változó figyelembevétele nélkül szimulált önszerveződő térképek megerősítették az előrejelzési módszerek változószelekcióját. Az empirikus vizsgálat igazolta, hogy a többdimenziós skálázás és a logisztikus regresszió elemzés kombinálása minden korábbi eljárásnál megbízhatóbb klaszterezést tesz lehetővé. A kutatási eredmények a szakterület gyakorlati művelői számára módszertani iránymutatásokat, normatív javaslatokat és konkrét modellezési technikákat nyújtanak. Mind a négy előrejelzési módszerrel előállíthatók vállalatspecifikus fennmaradási valószínűségek. A csődmodellek kidolgozása és értékelése széles körű előrejelzés-módszertani és megbízhatóság-vizsgálati módszertani eszköztárat vonultatott fel. A hazai vállalatok fizetőképességének alakulását ismerve belátható, hogy Magyarországon rövid, közép- és hosszú távon egyaránt szükség lesz csődelőrejelzésre. A gazdasági szervezetek fennmaradására és várható fizetőképességére ható tényezők ismerete, nyomon követése, valamint a fizetőképes és fizetésképtelen vállalatok egymástól való lehető legjobb elkülönítésének képessége az üzleti életben a siker és a túlélés záloga lehet."]},{"key":"dc:format","label":"Dc Format","values":["application/pdf"]},{"key":"dc:title","label":"Title","values":["Gazdasági szervezetek fennmaradásának és fizetőképességének előrejelzése"]}]}],"canonical_facts":{"dc:creator":["Kristóf, Tamás"],"dc:date":["2009-06-02"],"dc:date.issued":["2009-06"],"dc:description.abstract":["Az értekezés célja a gazdasági szervezetek fennmaradásának és fizetőképességének előrejelzésével kapcsolatos szakterület újszerű elméleti megalapozása és módszertani fejlesztése. A választott téma aktualitását az adja, hogy Magyarországon – a világ számos országához hasonlóan – napról napra találkozhatunk csődeljárás, felszámolási eljárás vagy végelszámolás alá került vállalatokkal, ami miatt egyre erősebb az igény a korszerű, megbízható csődelőrejelzési modellek kidolgozására. Az értekezésben a szakterületen korábban született publikációkhoz képest új elem a szervezetelméleti megalapozás, valamint hat sokváltozós statisztikai modellezési eljárás alkalmazása ugyanazon csődelőrejelzési adatbázison. A szakterület kutatását megnehezítik, ugyanakkor jelentős szakmai kihívás elé állítják azok a megállapítások, hogy a szervezetek fennmaradásának magyarázatára és megértésére nincsen egységes elmélet, a fizetőképesség előrejelzésére nincsen egyértelmű predikciót garantáló előrejelzési módszer, valamint különböző empirikus vizsgálatok egymásnak ellentmondó következtetésekre jutnak. A sokváltozós csődelőrejelzés negyven éves története alatt a szakterületet kutatók körében nem született megegyezés arról, hogy milyen magyarázó változók alapján lehetséges legmegbízhatóbban előrejelezni a fizetésképtelenséget. A csődmodellezés célja keresztmetszeti adatokból a lehető legmegbízhatóbban megállapítani, hogy a legutolsó éves beszámoló fordulónapját követő egy éven belül valamely vállalat várhatóan fizetőképes vagy fizetésképtelen lesz-e. Az értekezésben a sokváltozós statisztikai csődelőrejelzési módszerekre (diszkriminanciaanalízis, logisztikus regresszió elemzés, rekurzív particionáló algoritmus, neurális hálók) és a sokváltozós vizuális klaszterezési eljárásokra (önszerveződő térképek, többdimenziós skálázás) helyeződik a hangsúly. Az empirikus vizsgálat végrehajtását hat hipotézis megfogalmazása és vizsgálata támogatja. Az első két hipotézis különböző magyarázó változók szignifikanciáját, illetve relevanciáját értékeli minden módszer esetén. A harmadik és negyedik hipotézis az előrejelzési céllal kidolgozott csődmodellek megbízhatóságát, az ötödik és a hatodik hipotézis a vizuális klaszterezési céllal kidolgozott modellek megbízhatóságát vizsgálja. Az adatgyűjtéssel kapcsolatban követelményként fogalmazódott meg, hogy a modellezés alapjául szolgáló adatok nyilvánosan hozzáférhető éves beszámolókból és cégjegyzékből származzanak. A mintában szereplő 504 vállalatból 437 fizetőképes és 67 fizetésképtelen volt. A mintában szereplő vállalatok 10 nemzetgazdasági ágon belül 41 ágazati, azon belül 164 szakágazati hovatartozással jellemezhetők. Az értekezésben a csődeljárás, a felszámolási eljárás vagy a végelszámolás megindítása jelentette a fizetésképtelenséget. A magyarázó változók a vállalatok méretét, iparági hovatartozását, jogi formáját, jövedelmezőségét, forgási sebességét, likviditását, tőkeszerkezetét, eladósodottságát, cash flow-ját és éves növekedését kifejező információkból, többségében pénzügyi mutatókból kerültek definiálásra. A különböző iparágakban tevékenykedő vállalatok pénzügyi mutatóinak összehasonlíthatóságát a sokasági szakágazati átlagoktól vett eltérés figyelembevétele oldotta meg. A modellváltozók fontossága tekintetében az empirikus vizsgálat alapján igazolást nyert, hogy a vállalatok várható fizetőképessége szempontjából a méret, a cash flow és az eladósodottsági mutatók rendelkeznek legnagyobb magyarázó és előrejelző erővel. Az előrejelzési módszerek megbízhatósága tekintetében – adattömörítés nélkül – a neurális háló és a rekurzív particionáló algoritmus teljesítménye felülmúlta a diszkriminanciaanalízisét és a logisztikus regresszióét. Az empirikus vizsgálat arra is rámutatott, hogy a diszkriminanciaanalízist és a logisztikus regresszió elemzést javítja, míg a rekurzív particionáló algoritmus és a neurális háló teljesítményét rontja a főkomponenselemzés, valamint, hogy a főkomponenselemzés kiegyenlíti a módszerek teljesítménye közötti különbségeket. Az output változó figyelembevétele nélkül szimulált önszerveződő térképek megerősítették az előrejelzési módszerek változószelekcióját. Az empirikus vizsgálat igazolta, hogy a többdimenziós skálázás és a logisztikus regresszió elemzés kombinálása minden korábbi eljárásnál megbízhatóbb klaszterezést tesz lehetővé. A kutatási eredmények a szakterület gyakorlati művelői számára módszertani iránymutatásokat, normatív javaslatokat és konkrét modellezési technikákat nyújtanak. Mind a négy előrejelzési módszerrel előállíthatók vállalatspecifikus fennmaradási valószínűségek. A csődmodellek kidolgozása és értékelése széles körű előrejelzés-módszertani és megbízhatóság-vizsgálati módszertani eszköztárat vonultatott fel. A hazai vállalatok fizetőképességének alakulását ismerve belátható, hogy Magyarországon rövid, közép- és hosszú távon egyaránt szükség lesz csődelőrejelzésre. A gazdasági szervezetek fennmaradására és várható fizetőképességére ható tényezők ismerete, nyomon követése, valamint a fizetőképes és fizetésképtelen vállalatok egymástól való lehető legjobb elkülönítésének képessége az üzleti életben a siker és a túlélés záloga lehet."],"dc:format":["application/pdf"],"dc:identifier.uri":["https://phd.lib.uni-corvinus.hu/370/1/kristof_tamas.pdf","https://phd.lib.uni-corvinus.hu/370/2/kristof_tamas_thu.pdf","https://phd.lib.uni-corvinus.hu/370/3/kristof_tamas_ten.pdf"],"dc:language":["hu"],"dc:publisher.department":["Gazdálkodástani Doktori Iskola"],"dc:publisher.institution":["Budapesti Corvinus Egyetem"],"dc:relation.isreferencedby":["https://phd.lib.uni-corvinus.hu/370/"],"dc:subject":["Matematika. Ökonometria","Vállalati vezetés és politika","Vállalati szervezet"],"dc:title":["Gazdasági szervezetek fennmaradásának és fizetőképességének előrejelzése"],"dc:type":["Disszertáció"],"dc:type.qualificationlevel":["doctoral"],"dc:type.qualificationname":["phd"]},"updated_at":"2026-07-24T01:49:20Z"}