Predikce bankrotu společností je studována oblast zhruba od konce 60. let. Existuje mnoho vědeckých článků, které ukazují, jak předpovídat riziko bankrotu pro společnost v následujícím roce, na základě historických zejména finančních dat.

Použité techniky mají své pozadí ve statistické teorii, umělé inteligenci, dolování dat a strojovém učení.

Jak vyplývá z mnoha různých studií z oblasti úvěrového rizika. žádný model se nechová výrazně a konzistentně lépe než ostatní, pokud jde o diskriminační výkon.

Když jsme pro skupinu Creditreform navrhovali bankrotní model pro malé a střední firmy v Rusku, vybírali jsme vhodný model podle následujících kritérii

  • Model musí dobře odlišit rizikové společnosti od méně rizikových
  • Výsledný model musí být dobře interpretovatelný a transparentní pro koncové uživatelé
  • Musí vycházet z robustní statistické teorie
  • Nemá tendenci k přeučení vstupních dat a dokáže zobecnit z dat určité vzory typické pro bankrot
  • Je již běžně používaný a vyzkoušený v ratingových agenturách a bankách
  • Vypočítá skutečné riziko bankrotu v příštím roce - pravděpodobnost je kalibrovaná pro konkrétní prostředí

Vhodné modely, které splňují výše uvedené požadavky vychází z logistické regrese a jsou jejím zobecněním, které si poradí i se spojitými vstupními daty finančních ukazatelů, které tak není třeba předem diskretizovat.