Rozhodovací proces je základním kamenem efektivního a úspěšného řízení podniku. Jedním z nejdůležitějších prvků je finanční rozhodovací proces, který má zásadní vliv na úspěch podniku a jeho udržitelnost. Pro řešení finančních rozhodovacích problémů lze v podniku efektivně využít pokročilé analytické a predikční nástroje, mezi kterými zejména umělé neuronové sítě jsou schopny zpracovávat a analyzovat obrovská množství dat, odhalovat složité vzorce a vztahy a přináší řadu výhod při rozhodování. Cílem habilitační práce je identifikovat nejlepší přístupy, postupy a doporučení pro efektivní a úspěšné využití umělých neuronových sítí v podnikovém prostředí s ohledem na konkrétní rozhodovací potřeby a cíle podniku. Dílčí cíle se zaměřují na vyhodnocení výkonnosti různých typů neuronových sítí, efektivnosti různých softwarových nástrojů, predikci budoucích hodnot finančních časových řad, identifikaci generátorů hodnoty či identifikaci alternativních metod a technik pro finanční rozhodování v podniku. V rámci stanoveného výzkumného problému jsou řešeny studie z vybraných oblastí finančního rozhodování podniku – finančního ratingu podniků, investičního rozhodování a makroekonomických indikátorů. Z výsledků vyplývá, že nelze určit nejvhodnější typ neuronové sítě použitelný pro finanční rozhodování v podniku. Pro každý případ, aplikaci, jsou vhodné jiné typy neuronových sítí. Byly také prokázány vazby mezi cenou ropy na světových trzích a měnovými kurzy, dále byla prokázána efektivita neuronových sítí v případě definování generátorů hodnoty podniku. Neuronové sítě jsou velmi dobře použitelné také pro predikci vývoje cen akcií či cen komodit, avšak vždy je potřeba s vhodnou neuronovou strukturou dále pracovat, aby mohly být použitelné v praxi. Existují také další metody, které vykazují velmi kvalitní výsledky při finančním rozhodování, například metoda VAR nebo Facebook Prophet, vždy ale pro konkrétní případy a problematiky. Neuronové sítě jsou ovšem komplexní metodou, kterou lze, jak dokládají využité studie, velmi efektivně při finančním rozhodování v podniku využít.
Klíčová slova:
rozhodovací problémy; manažerské rozhodování; finanční řízení; konkurenční výhoda; expertní systémy; strategické změny
Název práce:
Neural networks in enterprise decision-making processes
The decision-making process is the cornerstone of effective and successful business management. One of the most important elements is the financial decision-making process, which has a fundamental influence on the success of the enterprise and its sustainability. Advanced analytical and predictive tools can be effectively used in the company to solve financial decision-making problems. In particular, artificial neural networks can process and analyze vast amounts of data, reveal complex patterns and relationships, and bring several advantages to decision-making. The habilitation work aims to identify the best approaches, procedures and recommendations for the effective and successful use of artificial neural networks in a business environment concerning the business's specific decision-making needs and goals. Subgoals focus on evaluating the performance of different types of neural networks, the effectiveness of various software tools, predicting future values of financial time series, identifying value generators or identifying alternative methods and techniques for financial decision-making in a company. Within the set research problem, studies from selected areas of financial decision-making of the company - financial rating of companies, investment decision-making and macroeconomic indicators are solved. The results show that it is impossible to determine the most suitable type of neural network applicable to financial decision-making in a company. Different types of neural networks are ideal for each case application. Links between the price of oil on world markets and exchange rates were also demonstrated, and the effectiveness of neural networks in the case of defining generators of enterprise value was also demonstrated. Neural networks are also very useful for predicting the development of share prices or commodity prices, but it is always necessary to work further with a suitable neural structure so that they can be used in practice. Other methods show excellent results in financial decision-making, for example, the VAR method or Facebook Prophet, but always for specific cases and issues. However, neural networks are a complex method that can be used very effectively in financial decision-making in a company, as evidenced by the studies used.