Using a sample of 23,218 company-ye

Using a sample of 23,218 company-year observations of listed companies during the period 1980–2011, the paper investigates empirically the utility of combining accounting, market-based and macro-economic data to explain corporate credit risk. The paper develops risk models for listed companies that predict financial distress and bankruptcy. The estimated models use a combination of accounting data, stock market information and proxies for changes in the macro-economic environment. The purpose is to produce models with predictive accuracy, practical value and macro dependent dynamics that have relevance for stress testing. The results show the utility of combining accounting, market and macro-economic data in financial distress
prediction models for listed companies. The performance of the estimated models is benchmarked against models built using a neural network (MLP) and against Altman's (1968) original Z-score specification.

Hasil (Bahasa Indonesia) 1:

Menggunakan sampel 23,218 pengamatan tahun perusahaan terdaftar perusahaan selama periode 1980 – 2011, kertas menyelidiki secara empiris utilitas menggabungkan data akuntansi, berbasis pasar dan ekonomi makro untuk menjelaskan risiko kredit korporasi. Karya mengembangkan model risiko perusahaan yang memprediksi kesulitan keuangan dan kebangkrutan. Model estimasi menggunakan kombinasi data akuntansi, informasi pasar saham dan proxy untuk perubahan dalam lingkungan ekonomi makro. Tujuan adalah untuk menghasilkan model dengan akurasi prediktif, nilai praktis dan dinamika ketergantungan makro yang memiliki relevansi untuk uji ketahanan. Hasilnya menunjukkan utilitas menggabungkan akuntansi, pasar dan ekonomi makro data dalam kesulitan keuanganPrediksi model untuk perusahaan terdaftar. Kinerja model perkiraan benchmarked terhadap model dibangun menggunakan jaringan neural (MLP) dan terhadap Altman di spesifikasi Skor-Z asli (1968).

Hasil (Bahasa Indonesia) 2:

Menggunakan sampel dari 23.218 observasi perusahaan-tahun perusahaan yang terdaftar selama periode 1980-2011, kertas menyelidiki secara empiris utilitas menggabungkan akuntansi, data berbasis pasar dan makro-ekonomi untuk menjelaskan risiko kredit korporasi. Makalah ini mengembangkan model risiko bagi perusahaan yang terdaftar yang memprediksi kesulitan keuangan dan kebangkrutan. Model estimasi menggunakan kombinasi data akuntansi, informasi pasar saham dan proxy untuk perubahan dalam lingkungan makro-ekonomi. Tujuannya adalah untuk menghasilkan model dengan akurasi prediksi, nilai praktis dan dinamika tergantung makro yang memiliki relevansi untuk pengujian stres. Hasil menunjukkan utilitas menggabungkan akuntansi, pasar dan data makro-ekonomi dalam kesulitan keuangan
model prediksi untuk perusahaan yang terdaftar. Kinerja model estimasi mengacu kepada model dibangun menggunakan jaringan saraf (MLP) dan melawan Altman (1968) asli Z-score spesifikasi.