Optimization of a company’s property structure aiming at maximization of its profit using neural networks with the example of a set of construction companies
Vernadsky National Library of Ukraine
Переглянути архів Інформація| Поле | Співвідношення | |
| Title |
Optimization of a company’s property structure aiming at maximization of its profit using neural networks with the example of a set of construction companies
|
|
| Creator |
Rowland, Z.
Vrbka, J. |
|
| Subject |
Інформаційні технології в економіці
|
|
| Description |
This contribution tries to find an efficient way of a company´s property optimization. It searches for such a property structure that would ensure adequate benefit, respectively, the appreciation of own capital provided for remuneration. To carry out the calculation balance sheets, respectively their parts informing about the company´s property are used, as well as income statements – the total taxed profit of all companies running their business in the CZ from 2006 to 2015. To find the model artificial neural networks are used – specifically a multi-layer perceptron network and a neural network of a radial basic function. The result is a neural structure that will help the building company find a suitable property structure, so that the company reaches the required ROE of 10% (a company is considered successful, if it reaches 10% and more on Return on Equity). The model is useful not only in company management but also in evaluating its performance and health by competitors, creditors or suppliers.
Стаття присвячена аналізу одного з варіантів можливої оптимізації власного капіталу компанії. Наведено підхід до пошуку оптимальної структури капіталу, який дозволить забезпечити адекватну вигоду і зробити оцінку власного капіталу. Підхід базується на традиційному аналізі балансів, деталізації майна компанії, звітах про прибутки та збитки – загальних звітах для всіх компаній Чеської Республіки з 2006 по 2015 р. Для побудови моделі на основі нейронної мережі використовуються багатошарові мережі персептрона і нейронні мережі з радіально-базисною функцією. У результаті отримана нейронна структура для оптимізації капіталу будівельної компанії з необхідною рентабельністю власного капіталу в 10% (компанія вважається успішною, якщо вона досягає 10% і більше рентабельності власного капіталу). Модель призначена не тільки для управління компаніями, але й для оцінки їх продуктивності та працездатності конкурентами, кредиторами або постачальниками. Данная работа посвящена анализу одного из вариантов возможной оптимизации собственного капитала компании. Представлен подход к поиску оптимальной структуры капитала, которая позволит обеспечить адекватную выгоду и произвести оценку собственного капитала. Подход базируется на традиционном анализе балансов, детализации имущества компании, отчетах о прибылях и убытках – общих отчетах для всех компаний Чешской Республики с 2006 по 2015 г. Для построения модели на основе нейронной сети используются многослойные сети персептрона и нейронные сети с радиально-базисной функцией. В результате получена нейронная структура для оптимизации капитала строительной компании с необходимой рентабельностью собственного капитала в 10% (компания считается успешной, если она достигает 10% и более по рентабельности собственного капитала). Модель предназначена не только для управления компаниями, но и для оценки их производительности и работоспособности конкурентами, кредиторами или поставщиками. |
|
| Date |
2018-04-04T19:36:14Z
2018-04-04T19:36:14Z 2016 |
|
| Type |
Article
|
|
| Identifier |
Optimization of a company’s property structure aiming at maximization of its profit using neural networks with the example of a set of construction companies / Z. Rowland, J. Vrbka // Математичне моделювання в економіці. — 2016. — № 3-4(7). — С. 36-42. — Бібліогр.: 20 назв. — англ.
2409-8876 http://dspace.nbuv.gov.ua/handle/123456789/131860 004.942 |
|
| Language |
en
|
|
| Relation |
Математичне моделювання в економіці
|
|
| Publisher |
Інститут телекомунікацій і глобального інформаційного простору НАН України
|
|