[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"detail-sidebar-cat-0-en-105":3,"doc-seo-290194-105":59,"doc-detail-290194-en":135},{"code":4,"msg":5,"data":6},0,"success",[7,13,18,23,28,33,38,43,48,51,55],{"id":8,"doc_module":4,"doc_module_name":9,"category_name":10,"show_sort_weight":11,"slug":12},1,"Document","Story & Novel",90,"story-novel",{"id":14,"doc_module":4,"doc_module_name":9,"category_name":15,"show_sort_weight":16,"slug":17},2,"Literature",80,"literature",{"id":19,"doc_module":4,"doc_module_name":9,"category_name":20,"show_sort_weight":21,"slug":22},4,"Exam",70,"exam",{"id":24,"doc_module":4,"doc_module_name":9,"category_name":25,"show_sort_weight":26,"slug":27},5,"Comic",60,"comic",{"id":29,"doc_module":4,"doc_module_name":9,"category_name":30,"show_sort_weight":31,"slug":32},6,"Technology",50,"technology",{"id":34,"doc_module":4,"doc_module_name":9,"category_name":35,"show_sort_weight":36,"slug":37},7,"Healthcare",40,"healthcare",{"id":39,"doc_module":4,"doc_module_name":9,"category_name":40,"show_sort_weight":41,"slug":42},8,"Research & Report",30,"research-report",{"id":44,"doc_module":4,"doc_module_name":9,"category_name":45,"show_sort_weight":46,"slug":47},9,"Religion & Spirituality",20,"religion-spirituality",{"id":46,"doc_module":4,"doc_module_name":9,"category_name":49,"show_sort_weight":46,"slug":50},"World Cup","world-cup",{"id":52,"doc_module":4,"doc_module_name":9,"category_name":53,"show_sort_weight":52,"slug":54},10,"Lifestyle","lifestyle",{"id":56,"doc_module":4,"doc_module_name":9,"category_name":57,"show_sort_weight":24,"slug":58},19,"General","general",{"code":4,"msg":60,"data":61},"ok",{"site_id":62,"language":63,"slug":64,"title":65,"keywords":66,"description":67,"schema_data":68,"social_meta":128,"head_meta":130,"extra_data":132,"updated_unix":134},105,"lt","bankruptcy-risk-assessment-using-probabilistic-and-machine-learning-methods","Bankroto rizikos i˛vertinimas naudojant tikimybinius ir mašininio mokymosi metodus","","Pagrindinis baigiamojo bakalauro darbo tikslas – įvertinti įmonių bankroto riziką taikant tikimybinius ir mašininio mokymosi metodus. Analizė atliekama Lietuvos įmonėms 2018–2021 m. laikotarpiu, pasitelkiant logistinės regresijos, Bajeso logistinės regresijos ir reguliarizuotos logistinės regresijos modelius bei mašininio mokymosi klasifikatorius: Dummy, Random Forest, Adaptive Boosting, Gradient Boosting, Extreme Gradient Boosting ir Light Gradient Boosting Machine. Rezultatai rodo, kad mašininio mokymosi metodai duoda geresnius klasifikavimo rezultatus, geriausias tikimybinis – Bajeso logistinės regresijos modelis, o geriausias mašininio mokymosi – Random Forest. Patikimesniems sprendimams rekomenduojama naudoti abu.",{"@graph":69,"@context":127},[70,84,106],{"@type":71,"itemListElement":72},"BreadcrumbList",[73,77,79,82],{"item":74,"name":75,"@type":76,"position":8},"https://docshare.wps.com","Home","ListItem",{"item":78,"name":9,"@type":76,"position":14},"https://docshare.wps.com/document/",{"item":80,"name":40,"@type":76,"position":81},"https://docshare.wps.com/document/research-report/",3,{"item":83,"name":65,"@type":76,"position":19},"https://docshare.wps.com/document/bankruptcy-risk-assessment-using-probabilistic-and-machine-learning-methods/290194/",{"url":83,"name":65,"@type":85,"image":86,"author":91,"headline":65,"publisher":94,"fileFormat":97,"inLanguage":63,"description":67,"dateModified":98,"datePublished":99,"encodingFormat":97,"isAccessibleForFree":100,"interactionStatistic":101},"DigitalDocument",{"url":87,"@type":88,"width":89,"height":90},"https://docshare.wps.com/thumbnails/bankruptcy-risk-assessment-using-probabilistic-and-machine-learning-methods/290194.png","ImageObject",300,407,{"name":92,"@type":93},"Himbo","Person",{"url":74,"name":95,"@type":96},"DocShare","Organization","application/pdf","2026-10-18","2026-09-17",true,{"@type":102,"interactionType":103,"userInteractionCount":105},"InteractionCounter",{"@type":104},"ViewAction",11,{"@type":107,"mainEntity":108},"FAQPage",[109,115,119,123],{"name":110,"@type":111,"acceptedAnswer":112},"Koks pagrindinis darbo tikslas ir kaip vertinama bankroto rizika?","Question",{"text":113,"@type":114},"Darbas skirtas įvertinti įmonių bankroto riziką taikant tikimybinius ir mašininio mokymosi metodus. Rizika vertinama analizuojant Lietuvos įmones 2018–2021 m. laikotarpiu.","Answer",{"name":116,"@type":111,"acceptedAnswer":117},"Kokie tikimybiniai modeliai naudojami bankroto rizikai vertinti?",{"text":118,"@type":114},"Taikomi logistinės regresijos modeliai, Bajeso logistinės regresijos modeliai ir reguliarizuota logistinės regresijos versija.",{"name":120,"@type":111,"acceptedAnswer":121},"Kurie mašininio mokymosi klasifikatoriai lyginami ir kurie parodė geriausius rezultatus?",{"text":122,"@type":114},"Naudojami Dummy, atsitiktinių miškų (Random Forest), adaptyvaus auginimo (Adaptive Boosting), gradientinio auginimo, ekstremalaus gradientinio auginimo (XGBoost) ir Light Gradient Boosting Machine klasifikatoriai. Geriausias mašininio mokymosi modelis – Random Forest.",{"name":124,"@type":111,"acceptedAnswer":125},"Kodėl rekomenduojama naudoti abu geriausius modelius?",{"text":126,"@type":114},"Nurodoma, kad patikimesniems sprendimams dėl rizikos valdymo ir investicijų priimti rekomenduojama naudoti ir geriausią tikimybinį (Bajeso logistinės regresijos), ir geriausią mašininio mokymosi (Random Forest) modelį.","https://schema.org",{"og:url":83,"og:type":129,"og:title":65,"og:site_name":95,"og:description":67},"article",{"robots":131,"canonical":83},"index,follow",{"doc_id":133,"site_id":62},290194,1789640911,{"code":4,"msg":5,"data":136},{"doc_id":133,"user_id":137,"nickname":92,"user_avatar":138,"doc_module":4,"category_id":39,"category_name":40,"doc_title":65,"doc_description":67,"doc_content":139,"file_id":140,"file_url":141,"file_type":142,"file_size":143,"view_count":105,"is_deleted":4,"is_public":8,"is_downloadable":8,"audit_status":8,"page_count":144,"language":145,"language_code":63,"site_id":62,"html_lang":146,"table_of_contents":147,"faqs":148,"seo_title":149,"seo_description":67,"update_tm":134,"read_time":150,"preview_page_count":4},687197100911,"https://ap-avatar.wpscdn.com/avatar/a000239b6f1da00475?x-image-process=image/resize,m_fixed,w_180,h_180&k=1785132997149421697","VILNIAUS UNIVERSITETAS  \nMATEMATIKOS IR INFORMATIKOS FAKULTETAS DUOMENU˛ MOKSLO BAKALAURO STUDIJU˛ PROGRAMA  \nBankroto rizikos i˛vertinimas naudojant tikimybinius ir mašininio mokymosi metodus  \nBankruptcy Risk Assessment Using Probabilistic and  \nMachine Learning Methods  \nBaigiamasis bakalauro darbas  \nAutorius: Mintija Šimulionyte˙  \nVU el. p.: [mintija.simulionyte@mif.stud.vu.lt](mintija.simulionyte@mif.stud.vu.lt)  \n[Darbo vadovas: Lekt. dr. Rimantas Eidukevi](Darbo vadovas: Lekt. dr. Rimantas Eidukevi)č[ius](ius)  \nVilnius  \nTurinys  \nI˛vadas 6  \n1 Literat¯uros apžvalga 7  \n2 Metodologija 8  \n2.1 Faktoringas ir bankroto rizika .......................... 8  \n2.2 Finansine˙s ataskaitos ............................... 9  \n2.3 Tikimybiniai modeliai .............................. 11  \n2.4 Mašininio mokymosi modeliai .......................... 13  \n2.5 Vertinimui naudotos metrikos .......................... 15  \n3 Tiriamoji dalis 17  \n3.1 Duomenu˛ analize˙................................. 17  \n3.2 Tikimybiniu˛ modeliu˛ k¯urimas .......................... 19  \n3.3 Mašininio mokymosi algoritmais paremtu˛ modeliu˛ k¯urimas .......... 20  \n3.4 Modeliu˛ palyginimas ............................... 23  \n3.5 Išvados ....................................... 23  \nIšvados ir pasi¯ulymai 24  \nLiterat¯ura 25  \nA priedas 27  \nIliustraciju˛ sąrašas  \n1 Faktoringo schema, šaltinis: [12] ......................... 8  \n2 Atsirinktu˛ kintamu˛ju˛ koreliacijos grafikas .................... 18  \nLenteliu˛ sąrašas  \n1 Tikimybiniu˛ modeliu˛ rezultatai testavimo aibe˙je ................ 20  \n2 Mašininio mokymosi algoritmais paremtu˛ modeliu˛ rezultatai testavimo aibe˙je 22  \nSantrauka  \nPagrindinis šio darbo tikslas yra i˛vertinti i˛moniu˛ bankroto riziką taikant tikimybinius ir mašininio mokymosi metodus. Bankroto rizika vertinama Lietuvos i˛mone˙ms 2018 – 2021 metu˛ laikotarpiu. Taikomi logistine˙s regresijos, Bajeso logistine˙s regresijos modeliai bei reguliarizuota logistine˙ regresija ir fiktyv¯us, atsitiktiniu˛ mišku˛, adaptyvaus auginimo, gradientinioauginimo, ekstremalaus gradientinio auginimo, lengvo gradientinio auginimo mašinos klasifikatoriai. Gauti rezultatai parode˙ , kad mašininio mokymosi algoritmais paremti metodai duoda geresnius klasifikavimo rezultatus. Geriausias gautas tikimybinis modelis – Bajeso logistine˙ regresija, o mašininio mokymosi – atsitiktiniu˛ mišku˛ klasifikatorius. Patikimesniamsprendimu˛ prie˙mimui rekomenduojama naudoti abu šiuos modelius.  \nRaktiniai žodžiai: bankroto rizika, finansine˙s ataskaitos, faktoringas, tikimybiniai modeliai, mašininio mokymosi modeliai.  \nSummary  \nThe main objective of this paper is to assess the risk of bankruptcy using probabilistic and machine-learning methods. The bankruptcy risk is assessed for Lithuanian companies over the period 2018–2021 . Logistic regression, Bayesian logistic regression models, also regularized logistic regression, and dummy, random forest, adaptive boosting, gradient boosting, extreme gradient boosting, light gradient boosting machine classifiers are applied. The acquired results showed that methods based on machine learning algorithms give better classification results. The best probabilistic model obtained was Bayesian logistic regression and the best machine-learning model was the random forest classifier. Both of these models are recommended to use for more reliable decision-making.  \nKeywords: bankruptcy risk, financial statements, factoring, probabilistic models, machine learning models.  \nPažyme˙jimai ir santrumpos  \nAUC Plotas po ROC kreive (angl. Area Under Curve ) . 16, 19, 20, 22  \nLBFGS Limituotos atminties Broideno-Fletčerio-Goldfarbo-Šano metodas (angl. Limitedmemory Broyden-Fletcher-Goldfarb-Shanno method ) . 13  \nSVI Stochastinis variacinis tyrimas (angl. Stochastic Variational Inference) . 13, 20  \nI˛vadas  \nTemos aktualumas ir problema. Šio darbo metu buvo siekiama i˛vertinti faktoringo paslaugas teikiančios i˛mone˙s klientu˛ bankroto riziką ","cbCaif9eS5UfhS7d","https://ap.wps.com/l/cbCaif9eS5UfhS7d","pdf",590016,48,"Lithuanian","en","# Įvadas\n# Literatūros apžvalga\n## Faktoringas ir bankroto rizika\n## Finansinė ataskaita\n## Tikimybinių modelių apžvalga\n## Mašininio mokymosi modeliai\n## Vertinimui naudotos metrikos\n# Tiriamoji dalis\n## Duomenų analizė\n## Tikimybiniai modeliai\n## Mašininio mokymosi algoritmais paremtų modelių kūrimas\n## Modelių palyginimas\n## Išvados\n# Išvados ir pasiūlymai\n# Literatūra\n# A priedas","[{\"question\":\"Koks pagrindinis darbo tikslas ir kaip vertinama bankroto rizika?\",\"answer\":\"Darbas skirtas įvertinti įmonių bankroto riziką taikant tikimybinius ir mašininio mokymosi metodus. Rizika vertinama analizuojant Lietuvos įmones 2018–2021 m. laikotarpiu.\"},{\"question\":\"Kokie tikimybiniai modeliai naudojami bankroto rizikai vertinti?\",\"answer\":\"Taikomi logistinės regresijos modeliai, Bajeso logistinės regresijos modeliai ir reguliarizuota logistinės regresijos versija.\"},{\"question\":\"Kurie mašininio mokymosi klasifikatoriai lyginami ir kurie parodė geriausius rezultatus?\",\"answer\":\"Naudojami Dummy, atsitiktinių miškų (Random Forest), adaptyvaus auginimo (Adaptive Boosting), gradientinio auginimo, ekstremalaus gradientinio auginimo (XGBoost) ir Light Gradient Boosting Machine klasifikatoriai. Geriausias mašininio mokymosi modelis – Random Forest.\"},{\"question\":\"Kodėl rekomenduojama naudoti abu geriausius modelius?\",\"answer\":\"Nurodoma, kad patikimesniems sprendimams dėl rizikos valdymo ir investicijų priimti rekomenduojama naudoti ir geriausią tikimybinį (Bajeso logistinės regresijos), ir geriausią mašininio mokymosi (Random Forest) modelį.\"}]","Bankroto rizikos i˛vertinimas naudojant tikimybinius ir mašininio mokymosi metodus | PDF",121]