3. Осипов А.Л., Семенов Р.Д., Зацепин В.М. Система компьютерного предсказания физико-химических и биологических свойств веществ // Автометрия. 1995. № 5. С. 86.
4. Осипов А.Л., Бобров Л.К. Об использовании моделей статистического распознавания в системе виртуального скрининга химических веществ // Научно-техническая информация. Серия 2: Информационные процессы и системы. 2012. № 7. С. 1-6.
5. Осипов А.Л., Башелханов А.А., Борисов М.Б. Система моделирования параметров, представляющих эффекты биологической среды // Автометрия. 1998. № 3. C. 54.
создание базы знаний для интеллектуальной информационной системы оценки риска банкротства предприятия
Телипенко Е.В., Захарова А.А., Яворский М.Р.
Юргинский технологический институт (филиал) федерального государственного бюджетного образовательного учреждения высшего профессионального образования «Национальный исследовательский Томский политехнический университет», г. Юрга, Россия
В статье рассмотрена необходимость создания базы знаний для интеллектуальной информационной системы оценки риска банкротства предприятия на основе синтеза аппарата теории нечеткой логики и нейросетевых технологий. Создание подобной базы знаний позволит решить проблему классификации разнородных качественных и количественных показателей финансово-хозяйственной деятельности (ФХД) предприятия и получить наиболее точную заблаговременную оценку риска банкротства.
Ключевые слова: база знаний, управление, риск, банкротство, оценка, система поддержки принятия решений, нечеткая логика, нейросетевые технологии.
knowledge base creation for the intellectual information system of an assessment risk of bankruptcy of the enterprisea
Telipenko E.V., Zakharova A.A., Yavorsky M.R.
Technological institute of Yurga (branch) of federal public budgetary educational institution of higher education «National research Tomsk polytechnic university»
In article need of creation of the knowledge base for intellectual information system of an assessment of risk of bankruptcy of the enterprise on the basis of synthesis of the device of the theory offuzzy logic and neuronetwork technologies is considered. It will allow to solve a problem of classification of diverse quality and quantitative indices of financial and economic activity of the enterprise and to receive the most exact preliminary assessment of risk of bankruptcy of the enterprise.
Keywords: knowledge base, management, risk, bankruptcy, assessment, system of support of decision-making, fuzzy logic, neuronetwork technologies.
1. Актуальность и современное состояние исследований по данной научной проблеме
В законодательстве Российской Федерации институт банкротства получил правовое закрепление в 1992 г. в Законе РФ от 19 ноября 1992 г. № 3929-1 «О несостоятельности (банкротстве) предприятий». С этого момента число банкротств в России неуклонно растет, что подтверждается статистическими данными Высшего арбитражного суда Российской Федерации. Анализ статистических данных за период с 1998 по 2012 гг. показал, что уровень риска банкротства российских предприятий неуклонно растет. Так, например в 2012 г. поступило на 15% больше заявлений о признании должников несостоятельными (банкротами), чем в 2011 г. [1, c. 22].
Теме оценки риска банкротства предприятия посвящено немало работ, как российских, так и зарубежных ученых. Первые исследова-
ния вопроса прогнозирования риска банкротства нашли отражение в работах зарубежных авторов П. Фитцпатрика, А. Винакора и Р. Смита, К. Мервин, H. Джекендоф.
Основные этапы процесса управления риском и теоретические аспекты их реализации представлены в работах Н.В. Кузнецовой, А.С. Шапкина и В.А. Шапкина, Г.В. Черновой и А.А. Кудрявцева, Н.В. Хохлова, С.Б. Богоявленского, А.А. Перминова, Е.И. Юриной и Н.В. Черных и др.
Вопросам экономической безопасности предприятия и разработке систем антикризисного управления на предприятии с целью предотвращения возможного банкротства посвящены работы М.А. Бендикова, Е.М. Трененкова, В.И. Грушенко, А.Ф. Крюкова, Г. Кулагиной, А. Семе-ней, М.В. Помазанова и Т.В. Петрук, О.В. Колоколова и М.В. Помазано-ва, И.Ш. Баснукаева, М.Ф. Балакина и Э.Ю. Люшиной, Е.А. Алпатовой, Р.А. Юдин и Соколовой Л.С.
В работах Э. Альтмана, Р. Таффлера и Г. Тишоу, В. Бивера, Дж. Спрингейта, Д. Фулмера, Дж. Олсона, А. Уолл и Р. Дьюинг, а также российских - Г.В. Давыдовой и А.Ю. Беликова, О.П. Зайцевой, А.Н. Челышева, В.И. Макарьевой и Л.В. Андреевой, Р.С. Сайфулли-на и Г.Г. Кадыкова, М.А. Федотовой, Н.Н. Селезнева и А.Ф. Ионова, А.В. Коваленко, M.E. Змиевского, Г.А. Хайдаршиной, А.В. Постюш-кова, Я.А. Сороки, А.В. Шохнеха, В.Ю. Жданова и др. представлены разработки различных моделей оценки риска банкротства предприятия [2, с. 3].
Большое количество работ в данной области еще раз подтверждает актуальность проблемы и говорит о наличие «узких» мест и ее недостаточной проработанности.
По результатам проведенного анализа существующих моделей и подходов к оценке риска банкротства предприятия можно выделить ряд основных недостатков: 1) использование исключительно количественной финансовой информации; 2) отсутствие алгоритмов и методик для отбора значимых факторов (показателей) участвующих в анализе; 3) отсутствие учета индивидуальных особенностей предприятия; 4) статичность моделей. Таким образом, можно отметить, что относительная молодость института банкротства и несовершенство существующих моделей оценки риска банкротства предприятия обуславливают актуальность данной работы [3, с. 46].
2. имеющийся научный задел по исследуемой теме
Для устранения указанных недостатков авторами был разработан комплекс взаимосвязанных моделей принятия решений и программ системы поддержки принятия решений (СППР) при управлении риском банкротства предприятия. Система реализует комплексный подход к управлению риском банкротства предприятия. Предлагаемый оригинальный комплекс математических моделей и алгоритмов СППР, в отличие от существующих аналогов, позволяет обеспечить взаимосвязь решений по всем основным этапам управления риском банкротства предприятия.
Метод Результат
рис. 1. Структура комплексного подхода к управлению риском банкротства предприятия
Для математического обеспечения комплексной системы управления риском банкротства предприятия осуществлен анализ и выбор системы методов:
Этап 1. Выявление факторов, негативное влияние которых может привести к банкротству. Применяется отбор факторов на основе метода главных компонент, что позволяет перейти к меньшему числу переменных (компонент или факторов), которые объясняли бы большую часть вариации в значениях исследуемых данных.
Этап 2. Оценка факторов и определение уровня риска банкротства предприятия на основе классификации значений качественных и количественных показателей ФХД предприятия. На основе нечетких моделей осуществляется свертка фактических или прогнозируемых значений показателей (факторов), отобранных на этапе 1. Для прогнозирования используются временные ряды экономических показателей, экстраполяция осуществляется на основе кривых роста полиномиального типа.
Бис. 2. Система поддержки принятия решений при управлении риском банкротства предприятия
Этап 3. Выбор методов минимизации риска. Для факторов, имеющих неудовлетворительное текущее значение, либо имеющих неблагоприятную динамику предложено осуществлять выбор метода воздействия на основе иерархической модели (метода анализа иерархий), что позволяет не только решить задачу минимизации риска банкротства предприятия, но и выбрать способы для ее реализации (рис. 1) [4, с. 540].
Разработаны структура и состав информационной системы управления риском банкротства предприятия (ИСУРБ) на основе комплексного подхода. При проектировании ИСУРБ за основу был взят следующий подход.
Создается набор взаимосвязанных основных модулей, каждый из которых осуществляет поддержку решений на одном из этапов управления: отбор факторов, оценка риска, выбора методов минимизации. Также имеется внеуровневый модуль организации работы экспертов, являющийся вспомогательным для основных. Каждый из модулей может использоваться автономно для решения одного из видов задач, но все модули используют взаимосвязанный набор данных, а результаты расчетов одних модулей используются в качестве входных данных для других.
3. выявление проблемы
Для обеспечения реализации этапа оценки уровня риска банкротства предприятия было предложено использование нечеткой логики в связи с трудностью решения экспертами двух основных задач: 1) классификация качественных показателей и ненормированных показателей, значения которых зависят как от отрасли, так и от специфики деятельности предприятия; 2) лингвистическая оценка тех или иных уровней параметров. Например, финансовому директору компании докладывают: «у нас оборачиваемость собственного капитала 0,56». Сразу напрашивается вопрос, много это или мало.
Естественно: лингвистическая оценка действует на человека как внятный сигнал и наилучшим образом побуждает его принимать решения.
Функции принадлежности для классификации значений показателей строились на основе как существующих нормативных значений показателей ФХД, так и на основе статистических данных по анализируемому предприятию за N периодов. Однако этот подход оказался недостаточно
эффективным, т.к. показатели являются разнородными и их значения сложно классифицируемы в связи с тем, что:
1) часть показателей является строго нормируемой, и отклонение от этой нормы, как в большую, так и в меньшую сторону является отрицательным;
2) зависимость нормы показателей от отрасли. Эти факты существенно затрудняют построение функций принадлежности и классификацию значений показателей.
4. Предлагаемые методы и подходы
Для преодоления указанных недостатков необходимо создание базы знаний на основе синтеза нечеткой логики и нейросетевых технологий.
Применение инструментария нейросетевых технологий к задаче оценки риска банкротства предприятия имеет ряд основных преимуществ:
1) способность обучаться на множестве примеров в тех случаях, когда неизвестны закономерн
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.