Открытая персональная интеллектуальная технология разработки и применения адаптивных методик оценки инвестиционной привлекательности и кредитоспособности предприятий
Автор: Луценко Евгений Вениаминович, Коваленко Анна Владимировна, Печурина Елена Каримовна, Уртенов Махамет Али Хусеевич
Журнал: Вестник Пермского университета. Серия: Экономика @economics-psu
Рубрика: Экономико-математическое моделирование
Статья в выпуске: 1 т.14, 2019 года.
Бесплатный доступ
Достоверная оценка финансового состояния предприятия необходима как для самих предприятий, чтобы заблаговременно принять антикризисные меры и не допустить неблагоприятного развития событий, так и для инвесторов и кредиторов, для которых риск банкротства финансируемого предприятия связан с риском невозврата инвестиций и кредитов. Следовательно, существует настоятельная необходимость в разработке инструментария, позволяющего достоверно оценить инвестиционную привлекательность и кредитоспособность предприятия. Однако в ходе исследования выявлены четыре группы проблем, препятствующих доступу предприятий к таким технологиям и методикам: 1) отсутствие методик достоверной оценки рисков кредитования различных предприятий; 2) высокая стоимость услуг по разработке и адаптации методик оценки рисков кредитования; 3) невозможность приобрести данную технологию для самостоятельного использования; 4) высокая сложность и трудоемкость разработки необходимых для этой технологии математических моделей, реализующих их алгоритмов и структур данных, а также программного инструментария, обеспечивающего возможность практического применения этих моделей. Авторами обосновано, что решение указанных проблем возможно путем применения в качестве технологии разработки адаптивных методик оценки риска кредитования предприятий новой инновационной технологии искусственного интеллекта - автоматизированного системно-когнитивного анализа, оснащенного собственным программным инструментарием персонального уровня - интеллектуальной системой «Эйдос» (открытое программное обеспечение). Новизна исследования заключается в разработке открытой персональной интеллектуальной технологии создания адаптивных методик оценки инвестиционной привлекательности и кредитоспособности предприятий на основе применения автоматизированного системно-когнитивного анализа и системы «Эйдос», что позволяет использовать авторский подход для исследования широкого спектра социально-экономических систем и процессов. Полученные результаты, имеющие научно-прикладное значение мирового масштаба, состоят в разработке открытой персональной технологии, позволяющей создавать на ее основе новые методики оценки рисков кредитования предприятий с использованием инструментария автоматизированного системно-когнитивного анализа первичной финансово-экономической информации об их хозяйственной деятельности, в создании среды для применения этих методик на практике в адаптивном режиме. Приводится подробный численный пример применения автоматизированного системно-когнитивного анализа в качестве технологии создания методики оценки рисков кредитования. Перспективы исследования состоят в создании адаптивных методик оценки рисков кредитования, учитывающих специфику хозяйственной деятельности предприятий, их локализацию, особенности и динамику внешней среды.
Автоматизированный системно-когнитивный анализ, экономико-математические модели, программный продукт, интеллектуальная система "эйдос", достоверность оценки, финансовое состояние предприятия, риски кредитования, кредитоспособность предприятия, инвестиционная привлекательность предприятия, банкротство
Короткий адрес: https://sciup.org/147245719
IDR: 147245719 | DOI: 10.17072/1994-9960-2019-1-20-50
Список литературы Открытая персональная интеллектуальная технология разработки и применения адаптивных методик оценки инвестиционной привлекательности и кредитоспособности предприятий
- Греченюк А.В., Греченюк О.Н. Сравнительный анализ российских и зарубежных подходов к анализу финансового состояния организации // Аудит и финансовый анализ. 2015. № 1. С. 217-223.
- Швецова О.В. Сравнительная характеристика российских и зарубежных подходов к формированию информации о финансовых результатах в отчетности // Аудит и финансовый анализ. 2013. № 4. С. 101-104.
- Манина Н.В., Николаева М.О. Зарубежный опыт учета и анализа финансовых результатов организации // Молодой ученый. 2016. № 6. С. 498-501.
- Кудашева В.А. Особенности составления финансовой отчетности в странах с континентальной моделью учета. URL: http://www.rusnauka.com/1_NIO_2012/Economics/7_98688.doc.htm (дата обращения: 20.01.2019).
- Баранов А.В., Жминько А.Е. Сравнительная характеристика формирования показателей отчетности о прибылях и убытках в отечественной зарубежной практике // Все для бухгалтера. 2007. № 8 (200). С. 19-22.
- Brealey R., Myers S., Allen F. Principles of corporate finance. 10th еd. McGraw-Hill/Irwin, 2010. 968 p.
- Fabozzi F.J., Markowitz H.M. The theory and practice of investment management: Asset allocation, valuation, portfolio construction, and strategies. Wiley, 2011. 725 p.
- Benninga S. Financial modelling. 3rd ed. The MIT Press, 2008. 1168 p.
- Bodie Z., Kane A., Marcus A.J. Investments. McGraw-Hill, 2014. 1080 p.
- Damodaran A. Investment valuation: Tools and techniques for determining the value of any asset. 3rd еd. John Wiley and Sons, 2012. 974 p.
- Berk J., DeMarzo P. Corporate finance. 3rd ed. Prentice Hall, 2013. 1141 p.
- Barth M.E., Clement M.B., Foster Brand G., Kasznik R. Values and capital market valuation. URL: https://ssrn.com/abstract=98748 (дата обращения: 20.01.2019).
- Foster G., Kasznik R., Sidhu B.K. International equity valuation: The relative importance of country and industry factors versus company-specific financial reporting information // Accounting and Finance. 2012. Vol. 52, Iss. 3. P. 767-817.
- Bettman J.L., Sault S.J., Schultz E.L. Fundamental and technical analysis: Substitutes or complements? // Accounting and Finance. 2009. Vol. 49, Iss. 1. Р. 21-36.
- Altman E., Sabato G. Modelling credit risk for SMEs: Evidence from the US market // Abacus. 2007. Vol. 43, Iss. 3. Р. 332-357.
- Altman E.I., Sabato G., Wilson N. The value of non-financial information in small and medium-sized enterprise risk management // The Journal of Credit Risk. 2010. Vol. 6, № 2. Р. 1-33.
- Bhandari S.B., Iyer R. Predicting business failure using cash flow statement based measures // Managerial Finance. 2013. Vol. 39, Iss. 7. Р. 667-676.
- Oz I.O., Yelkenci T. The generalizability of financial distress prediction models: evidence from Turkey // Journal of Accounting and Management Information Systems. 2015. Vol. 14, № 4. Р. 685-703.
- Richardson G., Taylor G., Lanis R. The impact of financial distress on corporate tax avoidance spanning the global financial crisis: Evidence from Australia // Economic Modelling. 2015. Vol. 44. Р. 44-53.
- Charitou A., Dionysiou D., Lambertides N., Trigeorgis L. Alternative bankruptcy prediction models using option pricing theory // Journal of Banking and Finance. 2013. Vol. 37, Iss. 7. Р. 2329-2341.
- Gupta J., Wilson N., Gregoriou A., Healy J. The value of operating cash flow in modelling credit risk for SMEs //Applied Financial Economics. 2014. Vol. 24, № 9. Р. 649-660.
- Jardin P. Bankruptcy prediction using terminal failure processes // European Journal of Operational Research. 2015. Vol. 242, № 1. Р. 286-303.
- DOI: 10.1016/j.ejor.2014.09.059
- Tinoco M.H., Wilson N. Financial distress and bankruptcy prediction among listed companies using accounting, market and macroeconomic variables // International Review of Financial Analysis. 2013. Vol. 30. Р. 394-419.
- Oz I.O., Yelkenci T. A theoretical approach to financial distress prediction modeling // Managerial Finance. 2017. Vol. 43, № 2. Р. 212-230.
- DOI: 10.1108/MF-03-2016-0084
- Carvalho C., Fisher J. D., Pettenuzzo D. Optimal asset allocation with multivariate bayesian dynamic linear models // Working Paper Series. 2018/123. URL: http://www.brandeis.edu/economics/RePEc/brd/doc/Brandeis_WP123.pdf (дата обращения: 20.01.2019).
- Carriero A., Clark T.E., Marcellino M. Large vector autoregressions with stochastic volatility and flexible priors // Federal Reserve Bank of Cleveland Working Paper. 2016. № 16-17.
- Dangl T., Halling M. Predictive regressions with time-varying coefficients // Journal of Financial Economics. 2012. № 106 (1). Р. 157-181.
- Gelman A., Hill J. Data analysis using regression and multilevel/hierarchical models. Cambridge: Cambridge University Press, 2006. 648 p.
- Johannes M., Korteweg A., Polson N. Sequential learning, predictability, and optimal portfolio returns // The Journal of Finance. 2014. № 69 (2). Р. 611-644.
- Pettenuzzo D., Timmermann A., Valkanov R. Forecasting stock returns under economic constraints // Journal of Financial Economics. 2014. № 114 (3). Р. 517-553.
- Zhao Z.Y., Xie M., West M. Dynamic dependence networks: Financial time series forecasting and portfolio decisions // Applied Stochastic Models in Business and Industry. 2016. № 32 (3). Р. 311-332.
- Kauppi H. Predicting the direction of the Fed's Target Rate // Journal of Forecasting. 2012. № 31 (1). Р. 47-67.
- Grydaki M., Bezemer D. The role of credit in the Great Moderation: A multivariate GARCH approach // Journal of Banking and Finance. 2013. № 37. Р. 4615-4626.
- Носкова А.Р., Алексеев А.О. Достоверное прогнозирование вероятности банкротства предприятий строительной отрасли с помощью метода системно-когнитивного анализа // Управление финансовыми рисками. 2018. № 3. С. 218-224.
- Луценко Е.В. Метризация измерительных шкал различных типов и совместная сопоставимая количественная обработка разнородных факторов в системно-когнитивном анализе и системе «Эйдос» // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ). 2013. № 92 (08). С. 61-71.
- Луценко Е.В. Открытая масштабируемая интерактивная интеллектуальная on-line среда для обучения и научных исследований на базе АСК-анализа и системы «Эйдос» // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ). 2017. № 130 (06), pp. 1-55.
- Барановская Т.П., Коваленко А.В., Уртенов М.Х., Кармазин В.Н. Современные математические методы анализа финансово-экономического состояния предприятия: монография. Краснодар: КубГАУ, 2009. 224 с.
- Коваленко А.В. Оценка кредитоспособности заемщика при помощи нейронных сетей и нечетких множеств // Современное состояние и приоритеты развития фундаментальных наук в регионах: труды III Всероссийской научной конференции молодых ученых и студентов, Краснодар, 2-5 октября 2006 г. Краснодар, 2006. С. 190-192.
- Шевченко И.В., Кармазин В.Н., Коваленко А.В. Комплексная оценка кредитоспособности предприятий малого и среднего бизнеса с помощью нечеткой продукционной системы // Финансовая аналитика: проблемы и решения. 2008. № 2 (2). С. 81-86.
- Коваленко А.В. Нейронная сеть и нечеткие множества, как инструмент оценки кредитоспособности заемщика // Прикладная математика XXI века: материалы VI объединенной науч. конф. студентов и аспирантов факультета прикладной математики. Краснодар: КубГУ, 2006. С. 56-58.
- Коваленко А.В., Кармазин В.Н. Диагностика состояния предприятия на основе нечетких продукционных систем // Труды Кубанского государственного аграрного университета. 2008. № 11. С. 20-27.
- Коваленко А.В., Кармазин В.Н. Нечеткое моделирование в среде MatLab кредитоспособности предприятий малого и среднего бизнеса // Проектирование научных и инженерных приложений в среде MatLab: труды всероссийской науч. конф. СПб.: С.-Петерб. ун-т, 2007. С. 1509-1520.
- Заикина Л.Н., Коваленко А.В., Уртенов М.Х. Кластерный анализ финансово-экономического состояния предприятий строительной отрасли // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ). 2010. № 60 (06). С. 189-200.
- Луценко Е.В. Автоматизированный системно-когнитивный анализ в управлении активными объектами (системная теория информации и ее применение в исследовании экономических, социально-психологических, технологических и организационно-технических систем). Краснодар: КубГАУ, 2002. 605 с.
- Луценко Е.В. Инвариантное относительно объемов данных нечеткое мультиклассовое обобщение F-меры достоверности моделей Ван Ризбергена в АСК-анализе и системе «Эйдос» // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ). 2017. № 126 (2). С. 1-32.
- Луценко Е.В. Системная теория информации и нелокальные интерпретируемые нейронные сети прямого счета // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ). 2003. № 1 (001). С. 76-88.
- Орлов А.И., Луценко Е.В. Системная нечеткая интервальная математика. Краснодар: КубГАУ, 2014. 600 с.