Fa-alapú módszerek alkalmazása a vállalati jövedelmezőség vizsgálatában: változószelekció és modellszegmentáció

Absztrakt

Tanulmányunk célja, hogy bemutasson két { a vállalati jövedelmezőség vizsgálatában ez idáig nem alkalmazott {, egyaránt fa-alapú modellezési technikát, majd ezeket ötvözve feltérképezze a vállalati jövedelmezőség kapcsolatrendszerét, megvizsgálja, hogy egyes változók jövedelmezőségre kifejtett hatása stabilan alakul vagy instabilitást mutat bizonyos változók mentén. A két algoritmust, nevezetesen a véletlen erdőket és a modell-alapú rekurzív partícionálást egy európai országok mezőgazdasági vállalataiból álló 24 ezres mintára alkalmazzuk. A véletlen erdők változófontossági mutatóinak segítségével azonosítjuk az EBITDA-marginnal mért jövedelmezőség szempontjából legfontosabb változókat, majd ezeket egy lineáris modellbe illesztjük, és vizsgáljuk az egyes változók marginális hatását, valamint azt, hogy ezek a hatások összefüggnek-e olyan vállalati jellemzőkkel, mint a múltbeli jövedelmezőség, az eszköz- és forrásszerkezet, a likviditás, az eladósodottság, a vállalat országa és az idő múlása. Modellünk alapvető konklúziója, hogy egyetlen globális (pooled) modell illesztése helyett érdemes a jelenséget 14 lokális modell segítségével leírni, ugyanis a paraméterek erős változékonyságot mutatnak a múltbeli jövedelmezőség, az eszköz- és forrásszerkezet, a vállalatméret, illetve a vállalat országa szerint. Szegmentált modellünk a vállalatra szabott értékelésen túl lehetővé tette azon vállalatok profilírozását, melyek komoly jövedelmezőségi visszaesést szenvedtek el a gazdasági világválság kirobbanását követően. Mindemellett a tanulmányban felhívjuk a figyelmet további gépi tanulási algoritmusok alkalmazásának lehetőségére.