Predicting bankruptcy of firms using earnings call data and transfer learning

Producción Científica

Detalles Bibliográficos
Autores: Siddiqui, Hafeez Ur Rehman, Sainz de Abajo, Beatriz, Torre Díez, Isabel de la, Rustam, Furqan, Raza, Amjad, Atta, Sajjad, Ashraf, Imran
Tipo de recurso: artículo
Estado:Versión publicada
Fecha de publicación:2023
País:España
Institución:Universidad de Valladolid
Repositorio:UVaDOC. Repositorio Documental de la Universidad de Valladolid
OAI Identifier:oai:uvadoc.uva.es:10324/65130
Acceso en línea:https://doi.org/10.7717/peerj-cs.1134
https://uvadoc.uva.es/handle/10324/65130
Access Level:acceso abierto
Palabra clave:Bankruptcy prediction
Transfer learning
Feature extraction
Deep learning
Artificial Intelligence
Data Mining
Machine Learning
id ES_7a3e8495f57bc25f2db3ecf80d0f5313
oai_identifier_str oai:uvadoc.uva.es:10324/65130
network_acronym_str ES
network_name_str España
repository_id_str
spelling Predicting bankruptcy of firms using earnings call data and transfer learningSiddiqui, Hafeez Ur RehmanSainz de Abajo, BeatrizTorre Díez, Isabel de laRustam, FurqanRaza, AmjadAtta, SajjadAshraf, ImranBankruptcy predictionTransfer learningFeature extractionDeep learningArtificial IntelligenceData MiningMachine LearningProducción CientíficaSe investiga la predicción del estado financiero de las empresas a partir del análisis de las emociones extraídas de las “llamadas de ganancias”, entendiendo por tales las conversaciones telefónicas entre la gerencia (de la empresa) y los medios de comunicación. Estas características extraídas de la red de memoria a corto plazo (long short-term memory network) se utilizan para entrenar los modelos de aprendizaje automático. Los resultados muestran que las funciones LSTM brindan un mejor rendimiento que el tradicional análisis de palabras junto con las funciones Term frequency–Inverse document frequency (TF-IDF).La investigación fue apoyada por la Universidad Europea del AtlánticoPeerJ2023info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://doi.org/10.7717/peerj-cs.1134https://uvadoc.uva.es/handle/10324/65130reponame:UVaDOC. Repositorio Documental de la Universidad de Valladolidinstname:Universidad de ValladolidIngléshttps://peerj.com/articles/cs-1134/info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/oai:uvadoc.uva.es:10324/651302026-06-13T12:44:47Z
dc.title.none.fl_str_mv Predicting bankruptcy of firms using earnings call data and transfer learning
title Predicting bankruptcy of firms using earnings call data and transfer learning
spellingShingle Predicting bankruptcy of firms using earnings call data and transfer learning
Siddiqui, Hafeez Ur Rehman
Bankruptcy prediction
Transfer learning
Feature extraction
Deep learning
Artificial Intelligence
Data Mining
Machine Learning
title_short Predicting bankruptcy of firms using earnings call data and transfer learning
title_full Predicting bankruptcy of firms using earnings call data and transfer learning
title_fullStr Predicting bankruptcy of firms using earnings call data and transfer learning
title_full_unstemmed Predicting bankruptcy of firms using earnings call data and transfer learning
title_sort Predicting bankruptcy of firms using earnings call data and transfer learning
dc.creator.none.fl_str_mv Siddiqui, Hafeez Ur Rehman
Sainz de Abajo, Beatriz
Torre Díez, Isabel de la
Rustam, Furqan
Raza, Amjad
Atta, Sajjad
Ashraf, Imran
author Siddiqui, Hafeez Ur Rehman
author_facet Siddiqui, Hafeez Ur Rehman
Sainz de Abajo, Beatriz
Torre Díez, Isabel de la
Rustam, Furqan
Raza, Amjad
Atta, Sajjad
Ashraf, Imran
author_role author
author2 Sainz de Abajo, Beatriz
Torre Díez, Isabel de la
Rustam, Furqan
Raza, Amjad
Atta, Sajjad
Ashraf, Imran
author2_role author
author
author
author
author
author
dc.subject.none.fl_str_mv Bankruptcy prediction
Transfer learning
Feature extraction
Deep learning
Artificial Intelligence
Data Mining
Machine Learning
topic Bankruptcy prediction
Transfer learning
Feature extraction
Deep learning
Artificial Intelligence
Data Mining
Machine Learning
description Producción Científica
publishDate 2023
dc.date.none.fl_str_mv 2023
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv https://doi.org/10.7717/peerj-cs.1134
https://uvadoc.uva.es/handle/10324/65130
url https://doi.org/10.7717/peerj-cs.1134
https://uvadoc.uva.es/handle/10324/65130
dc.language.none.fl_str_mv Inglés
language_invalid_str_mv Inglés
dc.relation.none.fl_str_mv https://peerj.com/articles/cs-1134/
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv PeerJ
publisher.none.fl_str_mv PeerJ
dc.source.none.fl_str_mv reponame:UVaDOC. Repositorio Documental de la Universidad de Valladolid
instname:Universidad de Valladolid
instname_str Universidad de Valladolid
reponame_str UVaDOC. Repositorio Documental de la Universidad de Valladolid
collection UVaDOC. Repositorio Documental de la Universidad de Valladolid
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869411423950471168
score 15,300719

Similares en LA Referencia