A Comparative Study between Logistic Regression and Artificial Neural Network Models for Bankruptcy Prediction on Companies Listed on Bombay Stock Exchange in the Indian Market

Abstract

Целью данного исследования является определение более эффективной модели между логистической регрессией и моделями искусственных нейронных сетей для прогнозирования банкротства в контексте публично зарегистрированных компаний на индийском рынке. Для достижения этой цели в исследовании проводится критический обзор литературы по предыдущим исследованиям, проведенным в области прогнозирования банкротства, в частности исследованиям, включающим логистическую регрессию и искусственные нейронные сети. Он ищет и изучает исследования, включающие применение этих двух конкретных методов моделирования в контексте индийского рынка. После выбора финансовых коэффициентов из предыдущих исследований банкротства и сбора соответствующих данных от компаний, перечисленных и исключенных из листинга BSE, финансовые данные были преобразованы, а модель логистической регрессии и модели ИНС были разработаны с использованием Python (и его библиотек: Scikit-Learn, TensorFlow, Keras). Результаты анализа данных сравнивались и интерпретировались для получения заключения. В этом исследовании делается вывод, что логистическая регрессия и искусственные нейронные сети могут быть использованы для разработки модели прогнозирования банкротства с использованием финансовых коэффициентов с приемлемой производительностью и точностью до двух лет и трех лет для ИНС до банкротства. Обе разработанные модели показывают производительность в одинаковом диапазоне, однако для краткосрочного прогнозирования ИНС обеспечивает сравнительно лучшую общую производительность. Логистические регрессии демонстрируют потенциал для более длительных периодов.

The purpose of this study is to determine the more effective model between logistic regression and artificial neural network models for bankruptcy prediction in the context of publicly listed companies in the Indian market. To attain this goal the study carries out critical literature review on prior studies conducted in the field of bankruptcy predictions, specifically studies involving logistic regressions and Artificial Neural networks. It searches and study research involving application of these two specific modelling techniques in context with the Indian market. After selecting financial ratios from prior bankruptcy studies and collecting respective data from companies listed and delisted from the BSE the financial data was transformed and logistic regression model and ANN models were developed using Python (and its libraries: Scikit-Learn, TensorFlow, Keras). The findings from the data analysis were compared and interpreted to achieve a conclusion. This study concludes that the logistic regression and Artificial neural networks can be used to develop bankruptcy prediction model using financial ratios with acceptable performance and accuracy up to two years and three years for ANN till bankruptcy. Both the developed models show performance in similar range, however for short term predictions ANN delivers comparatively better overall performance. Logistic regressions show potential for longer or farther periods.