References
- Altman, E.I. (1968). Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. The Journal of Finance, XXIII(4), 589-609.
- Antonowicz, P. (2007). Metody oceny i prognoza kondycji ekonomiczno-finansowej przedsiębiorstwa. Gdańsk: Ośrodek Doradztwa i Doskonalenia Kadr.
- Appenzeller, D., Szarzec, K. (2004). Prognozowanie zagrożenia upadłością polskich spółek publicznych. Rynek Terminowy, 1, 120-128.
- Argenti, J. (1976). Corporate Collapse: the Causes and Symptoms. New York: Wiley, Halsted Press.
- Back, B., Laitinen, T., Sere, K., van Wezel, M. (1996). Chosing Bankruptcy Predictors Using Discriminant Analysis, Logit Analysis and Genetic Algorithms, Turku Centre for Computer Science, Technical Report, 40.
- Bal, J., Cheung, Y., Wu, H-Ch. (2013). Entropy for Business Failure Prediction: An Improved Prediction Model for the Construction Industry. Advances in Decision Sciences, 2013, 1-14.
- Balina, R. (2012). Skuteczność wybranych modeli dyskryminacyjnych na przykładzie branży robót budowlanych. Zeszyty Naukowe Uniwersytetu Szczecińskiego. Finanse, Rynki Finansowe, Ubezpieczenia, 50, 231-238.
- Balina, R., Bąk, M.J. (2016). Analiza dyskryminacyjna jako metoda predykcji bankructwa przedsiębiorstw z uwzględnieniem aspektów branżowych. Waleńczów: Wydawnictwo Naukowe Intellect.
- Beaver, W.H. (1968). Alternative Accounting Measures As Predictors of Failure. The Accounting Review, 43(1), 113-122.
- Beaver, W.H. (1966). Financial Ratios as Predictors of Failure. Empirical Research in Accounting: Selected Studies. Supplement to Vol. 5, Journal of Accounting Research, 71-111.
- Bławat, F. (1999). Zagrożenie upadłością spółek akcyjnych w Polsce. In: J.Cz. Ossowski (Ed.), Gospodarka Polski w okresie transformacji: Zeszyt nr 3. Gdańsk: Wydawnictwo Politechniki Gdańskiej.
- Borkowski, K., Rogowski, W. (2007). Wykorzystanie modeli prognozujących zagrożenie przedsiębiorstwa upadłością na przykładzie benchmarkingu i ratingu w branży budowlanej. Współczesna Ekonomia, 2, 99-110.
- Brożyna, J., Mentel, G., Pisula, T. (2016). Statistical Methods of the Bankruptcy Prediction in the Logistics Sector in Poland and Slovakia. Transformations in Business & Economics, 15(1), 80-96.
- Carson, E., Fargher, N.L., Geiger, M.A., Lennox, C.S., Raghunandan, K., Willekens, M. (2013). Audit Reporting for Going-COncern Uncertainty: A Research Synthesis. Auditing: A Journal of Practice &Theory, 32, Supplement 1, 353-384.
- Chesser, D.L. (1974). Predicting Loan Noncompliance. The Journal of Commercial Bank Lending, 56(12), 28-38.
- Ciechan-Kujawa, M. (2017). The Business Audit as an Alternative to Discriminant Analysis in Assessing Risks of Going Concern. In: M. Bilgin, H. Danis, E. Demir, U. Can (Eds.), Financial Environment and Business Development, Eurasian Studies in Business and Economics, 4. Cham: Springer.
- Ciesielski, P., Domeracki, M., Gruszczyński, M. (2005). New Bankruptcy Prediction Models for Polish Companies, Department of Applied Econometrics Working Papers, 4.
- Coats, P., Fant, L. (1991-1992). A Neural Network Approach to Forecasting Financial Distress. Journal of Business Forecasting, 10(4), 9-12.
- Fitzpatrick, F. (1932). A Comparison of Ratios of Successful Industrial Enterprises with Those of Failed Firm, Certified Public Accountant, 6, 727-731.
- Gajdka, J., Stos, D. (1996). Wykorzystanie analizy dyskryminacyjnej w ocenie kondycji finansowej przedsiębiorstw. In: R. Borowiecki (Ed.), Restrukturyzacja w procesie przekształceń i rozwoju przedsiębiorstw. Kraków: Wydawnictwo Akademii Ekonomicznej w Krakowie.
- Gasza, R. (1997). Związek między wynikami analizy typu Altmana, a kształtowaniem się kursów akcji wybranych spółek giełdowych w Polsce. Bank i Kredyt, 3, 59-63.
- Gąska, D. (2016). Przewidywanie bankructwa przedsiębiorstw za pomocą metod uczenia, rozprawa doktorska, Wydział Zarządzania, Informatyki i Finansów, Uniwersytet Ekonomiczny we Wrocławiu.
- Grochowina, D. (2014). Wpływ imputacji danych na skuteczność klasyfikacyjną modelu logitowego zastosowanego do prognozowania upadłości przedsiębiorstw. Acta Universitatis Nicolai Copernici, Ekonomia, XLV(2), 187-203.
- Gruszczyński, M. (2003). Modele mikroekonometrii w analizie i prognozowaniu zagrożenia finansowego przedsiębiorstw. Zeszyty Polskiej Akademii Nauk, 23, Warszawa.
- Grzegorzewska, E., Runowski, H. (2008). Zdolności prognostyczne polskich modeli dyskryminacyjnych w badaniu kondycji finansowej przedsiębiorstw rolniczych. Roczniki Nauk Rolniczych, Seria G, T. 95, z. 3/4, 83-90.
- Hadasik, D. (1998). Upadłość przedsiębiorstw w Polsce i metody jej prognozowania. Zeszyt 153, Poznań: Wydawnictwo Akademii Ekonomicznej w Poznaniu.
- Hamrol, M., Czajka, B., Piechocki, M. (2004). Upadłość przedsiębiorstwa – model analizy dyskryminacyjnej. Przegląd Organizacji, 6, 35-39.
- Härdle, W., Moro, R.A., Schäfer, D. (2004). Rating Companies with Support Vector Machines, German Institute for Economic Research, Discussion Papers, No. 416, Berlin.
- Hołda, A. (2009). Wykorzystanie drzew decyzyjnych w prognozowaniu upadłości przedsiębiorstw w branży budowlanej. Zeszyty Naukowe nr 796 Uniwersytetu Ekonomicznego w Krakowie, 165-175.
- Hołda, A. (2001). Prognozowanie bankructwa jednostki w warunkach gospodarki polskiej z wykorzystaniem funkcji dyskryminacyjnej ZH. Rachunkowość, 5, 306-310.
- Iwanowicz, T. (2017). Ocena założenia kontynuacji działalności przedsiębiorstwa z punktu widzenia biegłych rewidentów. Zeszyty Teoretyczne Rachunkowości, 95(151), 9-29.
- Jagiełło, R. (2013). Analiza dyskryminacyjna i logistyczna w procesie oceny zdolności kredytowej przedsiębiorstw. Materiały i Studia, Zeszyt 286. Warszawa: NBP.
- Juszczyk, S., Balina, R. (2014). Prognozowanie zagrożenia bankructwem przedsiębiorstw w wybranych branżach. Ekonomista, 1, 67-95.
- Juszczyk, S., Balina, R. (2009). Prognozowanie upadłości przedsiębiorstw spedycyjnych jako bankowe narzędzie decyzyjne. Zeszyty Naukowe SGGW - Ekonomika i Org. Gosp. Żywnościowej, 78, 161-174.
- Kaczmarek, J. (2018). Profile stopnia zagrożenia finansowego przedsiębiorstw produkcyjnych sektora MŚP. Zeszyty Naukowe Politechniki Śląskiej. Seria: Organizacja i Zarządzanie, 118, 247-263.
- Karbownik, L. (2017). Metody oceny zagrożenia finansowego przedsiębiorstw sektora TSL w Polsce. Łódź: Wydawnictwo Uniwersytetu Łódzkiego.
- Kisielińska, J. (2016). Skuteczność modeli upadłości przedsiębiorstw. Studia ekonomiczne i regionalne, 9(1), 5-17.
- Kisielińska, J. (2009). Application of Discriminant Analysis and Neural Networks to Forecasting the Financial Standing of Farms. Acta Universitatis Lodziensis, Folia Oeconomica, 225, 283-294.
- Kiviluoto, K. (1998). Predicting Bankruptcies with the Self-organizing Map. Neurocomputing, 21(1-3), 191-201.
- Kniewski, A. (2004). Wzór na bankruta. Businessman, 10, 163-168.
- Kopczyński, P. (2016). Metody prognozowania upadłości wykorzystywane w praktyce przez polskie przedsiębiorstwa - wyniki badań ankietowych. Zeszyty Teoretyczne Rachunkowości, 89(145), 95-132.
- Kolari, J., Caputo, M., Wagner, D. (1996). Trait Recognition: An Alternative Approach to Early Warning Systems in Commercial Banking. Journal of Business Finance & Accounting, 23(9-10), 1415-1434.
- Korol, T. (2010a). Systemy ostrzegania przedsiębiorstw przed ryzykiem upadłości. Warszawa: Wolters Kluwer.
- Korol, T. (2010b). Prognozowanie upadłości firm przy wykorzystaniu miękkich technik obliczeniowych. Finansowy Kwartalnik Internetowy „e-Finanse”, 6(2), 1-14.
- Korol, T. (2004). Ocena trafności zastosowania metod dyskryminacyjnych oraz sztucznych sieci neuronowych dla identyfikacji przedsiębiorstw zagrożonych upadłością, praca doktorska, Gdańsk.
- Król, K., Stefański, A. (2014). Metodyka budowy modelu prognozowania bankructwa na przykładzie sektora budowlanego. Zeszyty Naukowe Wyższej Szkoły Bankowej we Wrocławiu, 7(45), 159-184.
- Lach, B. (2017). Metody łączenia i selekcji klasyfikatorów w prognozowaniu upadłości przedsiębiorstw. Przegląd Statystyczny, LXIV(2), 177-191.
- Lasek, M., Pęczkowski, M., Wierzba, D. (2009). Zastosowanie analiz Data Mining w przewidywaniu groźby upadłości lub konieczności prowadzenia postępowania układowego przedsiębiorstwa –budowa modeli predykcyjnych. Ocena ich jakości i wybór modelu. Studia i Materiały Polskiego Stowarzyszenia Zarządzania Wiedzą, 22, 81-95.
- Łukaszewski, K., Dąbroś, P. (1998). Jak i gdzie znaleźć bankruta? Prawo i Gospodarka, 49.
- Łukaszewski, K., Dąbroś, P. (1998). Wskaźnik Altmana, Prawo i Gospodarka, 0.
- Maciąg, A., Bobola, A. (2015). Zastosowanie finansowych modeli wielowymiarowych do oceny możliwości kontynuowania działalności na przykładzie wybranych spółek giełdowych z branży gastronomicznej i hotelarsko-turystycznej. Przedsiębiorczość i zarządzanie, XVI(4), cz. 2, 133-146.
- Martin, D. (1977). Early Warning of Bank Failure: A Logit Regression Approach. Journal of Banking and Finance, 1, 249-276.
- Martin, A., Lakshmi, T.M., Venkatesan, V.P. (2014). A Framework to Develop Qualitative Bankruptcy Prediction Rules Using Swarm Intelligence. St. Joseph’s Journal of Humanities and Science, 1(1), 73-81.
- Maślanka, T. (2008) Przepływy pieniężne w zarządzaniu finansami przedsiębiorstw. Warszawa: Wydawnictwo C.H. Beck.
- Mączyńska, E., Zawadzki, M. (2006). Dyskryminacyjne modele predykcji bankructwa przedsiębiorstw. Ekonomista, 2, 205-235.
- Mączyńska, E. (2004). Systemy wczesnego ostrzegania. Nowe Życie Gospodarcze, 12(373), 4-9.
- Mączyńska, E. (1994). Ocena kondycji przedsiębiorstwa. Uproszczone metody. Życie gospodarcze, 38, 42-45.
- Mentel, G. (2013). Analiza dyskryminacyjna ryzyka upadłości, Annales Universitatis Mariae Curie-Skłodowska Lublin – Polonia, Sectio H, XLVII(3), 409-419.
- Michaluk, K. (2003). Efektywność modeli prognozujących upadłość przedsiębiorstw w polskich warunkach gospodarczych. In: L. Pawłowicz, R. Wierzba (Eds.), Finanse przedsiębiorstw wobec procesów globalizacji. Warszawa: Wydawnictwo Gdańskiej Akademii Bankowej.
- Nehrebecka, N., Dzik, A.M. (2012). Konstrukcja miernika szans na bankructwo, Materiały i Studia NBP, z. 280.
- Noga, T., Adamowicz, K., Jakubowski, J. (2014). Metody dyskryminacyjne w ocenie sytuacji finansowej przedsiębiorstw sektora leśno-drzewnego. Acta Scientiarum Polonorum, 13(1), 25-35.
- Nowara, W. Szarzec, K. (2004). Skutki procesów upadłościowych i układowych przedsiębiorstw w Polsce w latach 1990-2002. In: A. Manikowski, A. Psyk (Eds.), Unifikacja gospodarek europejskich: szanse i zagrożenia. Warszawa: Wydawnictwo Naukowe WZ UW.
- Odom, M.D., Sharada, R. (1990). A Neural Network Model for Bankruptcy Prediction. In: Proceedings of IEEE International Conference on Neural Network, San Diego, CA, Vol. II.
- Ohlson, J. (1980). Financial Ratios and the Probabilistic Prediction of Bankruptcy. Journal of Accounting Research, 18(1), 109-131.
- Pawełek, B., Grochowina, D. (2017). Podejście wielomodelowe w prognozowaniu zagrożenia przedsiębiorstw upadłością w Polsce. Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, 468, 171-179.
- Pawlak, Z., Smoleń, A. (2015). Ocena kondycji finansowej wybranych klubów sportowych w Polsce na podstawie modeli dyskryminacyjnych. In: M. Tomanek, S. Raniszewski (Eds.), Problemy kultury fizycznej – aspekty ekonomiczne, prawne, pedagogiczne (pp. 22-36). Bydgoszcz: Fundacja Akademia Sportu i Nauki.
- Pisula, T., Mentel, G., Brożyna, J. (2015). Non-statistical Methods of Analyzing of Bankruptcy Risk. Folia Oeconomica Stetinensia, 15(1), 7-21.
- Pisula, T., Mentel, G., Brożyna, J. (2013). Predicting Bankruptcy of Companies from the Logistics Sector Operating in the Podkarpacie Region. Modern Management Review, XVIII(20), 113-133.
- Pociecha, J., Pawełek, B., Baryła, M., Augustyn, S. (2014). Statystyczne metody prognozowania bankructwa w zmieniającej się koniunkturze gospodarczej. Kraków: Fundacja Uniwersytetu Ekonomicznego w Krakowie.
- Pociecha, J., Pawełek, B. (2011). Bankruptcy Prediction and Business Cycle. Contemporary Problems of Transformation Process in the Central and East European Countries: Proceedings of 17th Ukrainian-Polish-Slovak Scientific Seminar (Lviv, September 22─24, 2010). ─ Lviv: The Lviv Academy of Commerce, 9-24.
- Pociecha, J. (2007). Problemy prognozowania bankructwa firmy metodą analizy dyskryminacyjnej. Acta Universitatis Lodziensis, Folia Oeconomica, 205, 63-79.
- Pogodzińska, M., Sojak, S. (1995). Wykorzystanie analizy dyskryminacyjnej w przewidywaniu bankructwa przedsiębiorstw. AUNC, Ekonomia XXV, Zeszyt 299, Toruń.
- Prusak, B., Więckowska, A. (2007). Wielowymiarowe modele analizy dyskryminacyjnej w badaniu zagrożenia upadłością polskich przedsiębiorstw notowanych na GPW. In: B. Prusak (Ed.), Ekonomiczne i prawne aspekty upadłości przedsiębiorstw. Warszawa: Difin.
- Prusak, B. (2005). Nowoczesne metody prognozowania zagrożenia finansowego przedsiębiorstw. Waszawa: Difin.
- Prusak, B. (2004). Upadłość przedsiębiorstw - uwarunkowania i metody prognozowania. rozprawa doktorska, Gdańsk.
- Ptak-Chmielewska, A. (2018). Bankruptcy Risk Models for Polish SMEs - Regional Approach. Acta Universitatis Lodziensis Folia Oeconomica, 1(333), 71-83.
- Ptak-Chmielewska, A. (2016). Statistical Models for Corporate Credit Risk Assessment – Rating Models. Acta Universitatis Lodziensis Folia Oeconomica, 3(322), 87-111.
- Ptak-Chmielewska, A. (2014). Modele predykcji upadłości MŚP w Polsce – analiza z wykorzystaniem modelu przeżycia Coxa i modelu regresji logistycznej. Ekonometria, 4(46), 9-21.
- Rozporządzenie Prezydenta Rzeczypospolitej z dnia 24 października 1934 r. Prawo upadłościowe, Dz.U. 1934, nr 93, poz. 834.
- Rozporządzenie Prezydenta Rzeczypospolitej z dnia 24 października 1934 r. Prawo o postępowaniu układowym, Dz.U. 1934, nr 93, poz. 836.
- Sgard, J. (2006). Do Legal Origins Matter? The case of Bankruptcy Laws in Europe (1808-1914). XIV International Economic History Congress, Helsinki 2006, Session 45. Retrieved from http://www.helsinki.fi/iehc2006/papers2/Sgard.pdf (29.01.2018).
- Shin, K-S, Lee, Y-J (2002). A Genetic Algorithm Application in Bankruptcy Prediction Modeling. Expert Systems with Applications, 23(1), 321-328.
- Shumway, T. (2001). Forecasting Bankruptcy More Accurately: A Simple Hazard Model. Journal of Business, 74(1), 101-124.
- Siedlecki, R. (2014). Prognozowanie ostrzegawcze na podstawie taksonomicznej miary rozwoju i funkcji logistycznej. Zeszyty Naukowe, Polskie Towarzystwo Ekonomiczne, 15, 155-167.
- Siedlecki, R. (2007). Finansowe sygnały ostrzegawcze w cyklu życia przedsiębiorstwa. Bydgoszcz: C.H. Beck.
- Siemieniuk, T. (2018). Wykorzystanie teorii chaosu do badania bankructwa spółek giełdowych w Polsce, rozprawa doktorska, Wydział Nauk Ekonomicznych, Uniwersytet Warszawski.
- Siudek, T. (2005). Prognozowanie upadłości banków spółdzielczych przy użyciu analizy dyskryminacyjnej. Roczniki Naukowe Stowarzyszenia Ekonomistów Rolnictwa i Agrobiznesu, 7(5), 86-91.
- Sojak, S., Stawicki, J. (2000). Wykorzystanie metod taksonomicznych do oceny kondycji ekonomicznej przedsiębiorstw. Zeszyty Teoretyczne Rachunkowości, 3(59), 55-66.
- Spanos, M., Dounias, G., Matsatsinis, N., Zopounidis, C. (2001). A Fuzzy Knowledge-Based Decision Aiding Method for the Assessment of Financial Risks: The Case of Corporate Bankruptcy Prediction. Retrieved from http://citeseerx.ist.psu.edu/viewdoc/download;jsessionid=99316C2CD8D0EDD1791DCB3890D4C8B9?doi=10.1.1.21.4596&rep=rep1&type=pdf (13.07.2017).
- Stępień, P., Strąk, T. (2004). Wielowymiarowe modele logitowe oceny zagrożenia bankructwem polskich przedsiębiorstw. In: D. Zarzecki (Ed.), Czas na pieniądz, t. I. Szczecin: Wydawnictwo Uniwersytetu Szczecińskiego.
- Stępień, P., Strąk, T. (2003). Objawy zagrożenia bankructwem polskich przedsiębiorstw – studium empiryczne. In: D. Zarzecki (Ed.), Czas na pieniądz t. II. Szczecin: Wydawnictwo Uniwersytetu Szczecińskiego.
- Sukiennik, M. (2013). Analiza dyskryminacyjna oraz miękkie techniki obliczeniowe w ocenie stanu finansowego polskich kopalń. Zeszyty Naukowe Uniwersytetu Szczecińskiego. Finanse, Rynki Finansowe, Ubezpieczenia, 59, 291-299.
- Śmiglak-Krajewska, M., Just, M. (2013). Zastosowanie wybranych modeli analizy dyskryminacyjnej do prognozowania zagrożenia upadłością przedsiębiorstw. Zarządzanie i Finanse, R. 11 (1), cz. 3, 431-444.
- Tabb, Ch.J. (1995). The History of the Bankruptcy Laws in the United States. ABI Law Review, 3-5, 5-51.
- Tomczak, S., Przybysławski, B., Górski, A. (2012). Comparative Analysis of the Bankruptcy Prediction Models. In: Z. Wilimowska, L. Borzemski, A. Grzech, J. Świątek (Eds.), Information Systems Architecture and Technology. The Use of IT Models for Organization Management (pp. 157-166). Wrocław: Oficyna Wydawnicza Politechniki Wrocławskiej.
- Tyburcy, A., Jaworowski, M. (2013). Ocena wybranych zakładów mięsnych w oparciu o niektóre wskaźniki finansowe i model dyskryminacyjny Hołdy. Zeszyty Naukowe Szkoły Głównej Gospodarstwa Wiejskiego. Ekonomika i Organizacja Gospodarki Żywnościowej, 102, 87-98.
- Ustawa z dnia 15 maja 2015 r. Prawo restrukturyzacyjne, Dz.U., poz. 978.
- Ustawa z dnia 28 lutego 2003 r. Prawo upadłościowe, Dz.U. 2003, nr 60, poz. 535.
- Waszkowski, A. (2013). Wielomianowe modele zagrożenia finansowego przedsiębiorstw. Zarządzanie i Finanse, R. 11 (1), cz. 4, 569-579.
- Wędzki, D. (2008). Przepływy pieniężne w prognozowaniu upadłości przedsiębiorstwa. Przegląd literatury. Badania operacyjne i decyzje, 2, 87-104.
- Wędzki, D. (2004). Logitowy model upadłości dla gospodarki polskiej – wnioski z badania. In: D. Zarzecki (Ed.), Czas na pieniądz. Zarządzanie finansami. Finansowanie przedsiębiorstw w UE, t. I. Szczecin: Wydawnictwo Uniwersytetu Szczecińskiego.
- Wędzki, D. (2000). Problem wykorzystania analizy wskaźnikowej do przewidywania upadłości polskich przedsiębiorstw - studium przypadków. Bank i Kredyt, 5, 54-61.
- Wierzba, D. (2000). Wczesne wykrywanie przedsiębiorstw zagrożonych upadłością na podstawie analizy wskaźników finansowych – teoria i badania empiryczne. Zeszyty Naukowe nr 9. Warszawa: Wydawnictwo Wyższej Szkoły Ekonomiczno-Informatycznej w Warszawie.
- Wilson, R., Sharda, R. (1994). Bankruptcy Prediction Using Neural Networks. Decision Support Systems, 11(5), 545-557.
- Wojnar, J. (2015). Analiza porównawcza modelowania logitowego i liniowej funkcji dyskryminacyjnej w ocenie ryzyka upadłości spółek giełdowych. Metody ilościowe w badaniach ekonomicznych, XVI/4, 201-210.
- Wójcicka, A. (2017). Neural Networks vs Discriminant Analysis in the Assessment of Default. Annales Universitatis Mariae Curie-Skłodowska Lublin – Polonia, Sectio H, LI(5), 339-349.
- Wysocki, F., Kozera, A. (2012). Wykorzystanie analizy dyskryminacyjnej w ocenie ryzyka upadłości przedsiębiorstw przemysłu mięsnego. Journal of Agribusiness and Rural Development, 4(26), 167-182.
- Zavgren, C. (1983). The Prediction of Corporate Failure: The State of the Art. Journal of Accounting Literature, 2, 1-38.
- Zdunek, E. (2009). Modele ekonometryczne w prognozowaniu upadłości przedsiębiorstw. Wiadomości statystyczne, 3, 1-14.
- Zdyb, M. (2001). Ocena zagrożenia przedsiębiorstwa upadłością przy zastosowaniu finansowych wskaźników syntetycznych. Controlling i Rachunkowość Zarządcza, 5, 36-40.
- Zhang, Y.D., Wu, L.N. (2011). Bankruptcy Prediction by Genetic Ant Colony Algorithm. Advanced Materials Research, 186, 459-463.
- Zielińska-Chmielewska, A. (2015). Use of Chosen Discrimination Models in the Assessment of Bankruptcy Risk in Meat Processing Enterprises. Journal of Agribusiness and Rural Development, 2(36), 363-370.
- Zmijewski, M. (1984). Methodological Issues Related to the Estimation of Financial Distress Prediction Models. Journal of Accounting Research, 20, 59-82.