90-91 / 568
מיכאל מיכאלי
: מנחה
מר עמית שטקל
הנדסת תוכנה
זיהוי וגילוי מוקדם של אירועים
פיננסיים בלמידת מכונה
.
: תוצאות
•
94%
דיוק בתחזית לפשיטת רגל שנתיים לפני המקרה
•
העלאת דו
"
ח ייחודי וקבלת תוצאה בזמן אמת
•
סריקה של נתונים על חברות אמתיות מהבורסה האמריקאית
הפתרון הנבחר
:
•
נלקחו דו
"
חות רבעוניים של
70
חברות אשר פשטו רגל במהלך
15
השנים
האחרונות
•
נלקחו דו
"
חות רבעוניים של
150
חברות אשר הוגדרו כהצלחה במידה כזו או
אחרת במהלך
15
השנים האחרונות
•
הוקפד על בחירת חברות מסוגים שונים
,
ובעלי נתונים כלכליים שונים
,
לשם
הימנעות מאלגוריתם משוחד לטובת סוג מסוים של חברה
•
בוצע
Principal Components Analysis
לטובת הבנה עמוקה של הדו
חות "
הרבעוניים והכרה של המאפיינים החשובה ביותר מבניהם
•
, לבסוף
הורצו
10
סוגים שונים של מסווגים על מנת לזהות את המתאים
: ביותר
AdaBoost
•
הוקמה מערכת הכוללת
2
: שרתים
אחד לטובת חישוביות מורכבת
בעזרת
Python
,
השני לטובת סיפוק מידע לצד הלקוח בעזרת
Java
•
הוקמה אפליקציית
Web
באמצעות
ReactJS
לטובת הצגת המידע וממשק
משתמש נוח
.
כל
חברה
פומבית
הנסחרת
בבורסה
מחויבת
להגיש
חות"דו
רבעוניים
בנוגע
. למצבה
בעזרת
חקירה
וניתוח
חות"דו של
היסטוריים
,
הבנת
המגמה
המתמטית
חברות של
אשר
קרסו
והצליחו
,
יצרתי
מערכת
המסוגלת
לחזות
פשיטת
חברות של רגל
כשנתיים
לפני
. המקרה
המערכת
מנתחת
חברות של חות"דו
אמתיות
ומדווחת
למשתמשים
מצבן על
. העכשווי