會計數據的數量經常被延長,對於通常評估企業的專業分析師或金融專家來說是一個重大的不利因素。信息學,計算神經科學和金融學創造了能夠有效處理大量經濟數據的原創工具。
可以在企業財務分析中使用的最新方法的介紹包括:a)數據挖掘,b)神經網絡,c)進化算法,d)粗糙集理論,e)模糊集理論, f)多準則決策分析,g)經典財務分析。
這項研究的目的是評估公司的財務狀況,調查可能的exante偏好,旨在估計可能的未來收益或投資損失。人工智能方法或者將已知群體中具有不同風險水平的公司進行分類,或者將具有相似屬性的同質集合進行聚類。將數據挖掘技術的分類與希臘商業銀行貸款部門的銀行高管的初始分類進行比較,以通過監督培訓驗證其穩定性,並給予初步估計。在對數據進行聚類的情況下,不考慮初始分類,對財務指標進行非監督式培訓,並在最後階段創建描述具有相同特徵的公司的聚類。
分類,聚類和區分的過程包括人工智能 - 數據挖掘技術,神經模糊邏輯和神經遺傳網絡等混合方法,最後是同一家銀行貸款組合樣本中的神經網絡,考慮到1411來自不同活動領域的公司從1994 - 1997年的數據。