Forschung & Ergebnisse
Insolvenzprognose nicht-börsennottierter österreichischer KMU — klassische Statistik trifft Machine Learning. Präsentiert auf internationalen Konferenzen von Luzern bis New York.
Wissenschaftliche Präsenz
Von Luzern nach New York — das Forschungsteam präsentiert auf internationalen Top-Konferenzen.
Anwendung der Altman Z-Scores zur Insolvenzprognose nicht-börsennottierter österreichischer Unternehmen — Darmann & Wallner. Konferenzband S. 183–206.
✓ Abgeschlossen
Insolvenzprognose im österreichischen Tourismussektor — Wallner & Leitner-Hanetseder. Vergleich von Logit-Modellen und Random Forest auf Basis von 13.900 Unternehmen.
✓ Abgeschlossen
ML vs. Statistical Methods for Insolvency Prediction in Austrian Construction SMEs — Wallner et al. Eingereicht, in Begutachtung.
⏳ In Vorbereitung
Exklusiver Workshop mit Prof. Edward Altman — Begründer des Z-Score-Modells. Weiterentwicklung der Methodik für nicht-börsennotierte KMU.
⭐ Highlight
Geplante Einreichungen bei hochrangigen internationalen Journals und Konferenzen — Accounting, Finance und Information Systems.
📋 Zielkonferenzen
Forschungsansatz
Drei Methodenklassen im Vergleich — von klassischer Statistik bis zu Large Language Models.
Einzigartiger Datensatz
Zugang zu einer der umfangreichsten KMU-Datenbanken Österreichs — ermöglicht durch den Praxispartner KSV1870.
Vollständige Jahresabschlüsse nicht-börsennottierter KMU über fast drei Jahrzehnte — einmaliger Datenzugang in der europäischen Insolvenzforschung.
Mehrere Konjunkturzyklen, Finanzkrisen und Branchenverschiebungen — ermöglicht robuste Modellvalidierung unter realen Bedingungen.
Klassische Bilanzkennzahlen ergänzt durch nicht-finanzielle Indikatoren, ÖNACE-Branchencodes und makroökonomische Kontextdaten.
Systematischer Vergleich von Logit, Random Forest, SVM, ANN, XGBoost und BERT-basierten Modellen — mit Backtesting und Robustheitsprüfung.
Forschungsfortschritt
Projektjahr 2 — Phase 1 abgeschlossen, Phase 2 läuft.
Forschungspartner
Vier Institutionen — ein Ziel: robuste Insolvenzprognose für österreichische KMU.
Department CRF — Heimat des gesamten Forschungsteams. Träger des OeNB-Projekts unter Leitung von FH-Prof. Mag. Dr. Stefan Fink.
Stellt 1,7 Millionen Bilanzen nicht-börsennottierter österreichischer Unternehmen (1995–2022) zur Verfügung — einmaliger Datenzugang.
Förderung über den OeNB Jubiläumsfonds — Cluster 5: Finanzmarktstabilität. Unterstützt grundlegende Forschung zur Kreditrisikomodellierung.
Prof. Dr. Lisa Perkhofer als Co-Investigator. Expertise in Digitalisierung, KI-Anwendungen und datengetriebenen Accounting-Methoden.
Wissenschaftliche Exzellenz entsteht an der Schnittstelle von rigoroser Methodik, einzigartigem Datenzugang und internationalem Austausch.
Interesse an der Forschung?
Nehmen Sie Kontakt mit dem Forschungsteam auf oder erfahren Sie mehr über das Projekt.