Программная реализация нечетко-множественных моделей комплексной оценки динамики финансово экономического состояния отрасли

Анализ результатов финансово-экономической деятельности предприятия составляет важнейшую часть информационной базы для принятия релевантных управленческих решений [2]. Они обеспечивают базу для стабильного функционирования предприятия, прогнозирование перспектив его дальнейшего развития, формирование обоснованной поведенческой стратегии [3]. Большое количество стохастических неравновесных факторов – чистая прибыль, ценовая политика, структура и объем расходов и др., которые лежат в основе моделей финансового анализа, делают целесообразным привлечение методов и инструментов нечеткой логики.

Программная реализация нечетко-множественных моделей комплексной оценки ...

В настоящей работе для реализации программы финансово-экономического анализа отрасли использована трехуровневая иерархическая модель. Ее преимущество заключаются в обособленности и независимости каждого уровня, который инкапсулирует комплекс решаемых задач, что укоряет разработку и упрощает модификацию каждого уровня. Отделение прикладных функций от функций управления базой данных значительно упрощает оптимизацию всей системы в целом [7].

Целью данного исследования является проектирование и программная реализация нечетко-множественных алгоритмов комплексной оценки финансово-экономического состояния предприятий на основе группы показателей: «прибыль», «налоговые выплаты», «страхование». Для этого требуется решение следующих задач.

• 1.    Анализ предметной области, построение нечетко-множественной модели финансово-экономического анализа на основе стандартных 5-точечных классификаторов, формирование требований к программному продукту.

• 2.    Объектно ориентированный анализ и проектирование архитектуры программной системы, проектирование алгоритмов, интерфейсов и структуры данных, выбор оптимальных методов и средств разработки.

• 3.    Разработка кода программных модулей, их интеграция, модульное и интеграционное тестирование.

• 4.    Функциональное тестирование, апробация системы на исходных данных, анализ и обсуждение результатов.

В предложенной программной разработке использована технология ADO.Net, объектная модель которой базируется на двух классах, – Data Provider (провайдер, поставщик данных) и Data Set (набор данных). Такой подход позволяет отделить логику подключения к источнику данных от логики их обработки и свободно переносить данные между различными поставщиками [1]. Это определяет главное преимущество, так как позволяет легко переносить данные между различными СУБД. Изменения локализованы только в настройках Data Provider, но не затрагивают основного кода программы.

Высокоуровневое проектирование архитектуры системы выполняется на основе унифицированного языка моделирования UML (unifed modeling language). Его наибольшая эффективность в контексте решаемой задачи обеспечивается несколькими факторами:

• •    использование простых для понимания графических обозначений элементов модифицируемой системы;

• •    объектно ориентированный характер, что делает методы анализа и построения семантически близкими к объектно ориентированным методам программирования, используемым в создаваемой программе.

Материалы и методы

Методика нечетко-множественной оценки динамики развития отрасли. Методика оценки финансово-экономического состояния отрасли на основе комплекса показателей «прибыль», «налоги», «страхование» строится на использовании стандартных многоуровневых [0,1] классификаторов [9]. Стандартные 5-точечные классификаторы формируют пенташкалу для лингвистической переменной, определяющей уровень исследуемого параметра. Носителем лингвистической переменной является область определения параметра, а терм-множества значений образуют нечеткие подмножества – от «очень низкого» до «очень высокого» уровня параметра. Для пенташкалы строится система функций принадлежности. Стандартным способом задания функций принадлежности является система трапециевидных нечетких чисел.

Вводится в рассмотрение лингвистическая переменная, терм-множество которой состоит из трех термов: G = {G ₁ , G ₂ , G ₃ , G ₄ , G ₅ }, где G ₁ – устойчивая тенденция к уменьшению роста; G ₂ – тенденция к уменьшению роста; G ₃ – тенденция к стагнации; G ₄ – тенденция к росту; G ₅ – устойчивая тенденция к росту.

Функции принадлежности также имеют трапециевидную форму и указаны в Таблице 1.

Таблица 1

Функции принадлежности подмножеств терм-множеств лингвистических переменных

Термы G i , i = 1,2,3,4,5	Функция принадлежности нечетких множеств
G 1 – «очень плохо», устойчивая тенденция к уменьшению роста	1,      если   0 <х<0,15 ц1(х) = ‘10(0,25-х), если 0,15<х<0,25 0,     если   0,25 <х<1
G 2 – «плохо», тенденция к уменьшению роста	0,     если 0<х<0,15 10(х-0,15), если 0,15<х<0,25 р,(х) = -       1,      если 0,25 <х <0,35 10(0,45 -х), если 0,35 <х <0,45 0,      если 0,45 < х < 1
G 3 – «удовлетворительно», тенденция к стагнации	0,      если  0<х<0,35 10(х-0,35),  если  0,35 <х <0,45 ^3(х)=<       1,      если  0,45 <х <0,55 10(0,65 -х),    если  0,55 <х <0,65 0,    если  0,65 <х<1
G 4 – «хорошо», тенденция к росту	0,     если    0<х<0,55 10(х-0,55),  если   0,55 <х <0,65 ц4(х) = <       1,     если 0,65 <х <0,75 10(0,85-х),  если   0,75 <х <0,85 0,     если    0,85 <х<1
G 5 – «отлично», устойчивая тенденция к росту	0,      если 0 <х<0,75 р5(х)=< 10(х-0,75),   если    0,75<х<0,85 1,     если    0,85 <х<1

Примечание: составлено по [4].

Универсальным множеством для лингвистической переменной является числовой отрезок [0,1], то есть ее числовое значение должно принадлежать отрезку [0,1]. Для оценки динамики развития отрасл, по каждой группе (1 – микропредприятия; 2 – мини-предприятия; 3 – малые предприятия; 4 – средние предприятия; 5 – большие предприятия; 6 – не указано) предложен следующий алгоритм.

Программная реализация нечетко-множественных моделей комплексной оценки ...

• 1.    Данные по исследуемому показателю для каждой группы сводятся в таблицу по 2019, 2020, 2021 годам;

• 2.    Данные нормируются, то есть делятся на наибольшее значение показателя, после чего рассчитывается агрегированное значение показателя за три года c учетом временной значимости в соответствии с формулой Фишберна:

• 3.    Составляется сводная таблица агрегированных значений исследуемых показателей для шести групп, после чего производится лингвистическое распознавание термов, которым они принадлежат (то есть оценивается динамика каждой группы по каждому из показателей).

• 4.    Производится формирование комплексной оценки отрасли на основе системы показателей «прибыль – налоги – социальное страхование», а также системы нечетко-логических выводов, стандартных пятиуровневых [0,1] классификаторов с последующим лингвистическим распознаванием результата.

P _arp = 0,167-P(2017) + 0,333-P(2018) + 0,5-P (2019).                   (1)

Анализ и проектирование программного комплекса. Решение задачи автоматизации трудоемких нечетко-множественных вычислений предполагает интеграцию компонентов информационной системы. Многопользовательский параллельный режим обеспечивается архитектурой «клиент – сервер», построенной на трехуровневой логической модели.

Каждый уровень, определяя комплекс решаемых задач, занимает свое место в иерархической архитектуре распределенной системы [8]:

• •    уровень представления информации реализует презентационную логику приложения, физически представлен в виде графического пользовательского интерфейса (GUI), обеспечивающего интуитивное человеко-машинное взаимодействие;

• •    уровень бизнес-логики связывает все уровни архитектуры, определяя базовую функциональность и работоспособность системы;

• •    уровень хранения данных реализует логику хранения и модификации данных, обеспечивая их целостность, надежность, безопасность, реализацию разделенных транзакций и оперативное представление данных по запросу клиента.

В модели удаленного доступа база данных хранится на сервере, там же реализована бизнес-логика, исполняемая в виде хранимых процедур.

Реализацию этой архитектуры обеспечивает технология ADO.Net, объектная модель которой базируется на двух классах – Data Provider (провайдер, поставщик данных) и Data Set (набор данных). Такой подход позволяет отделить логику подключения к источнику данных от логики их обработки и свободно переносить данные между различными поставщиками.

Бизнес-логика программной системы реализуется посредством нескольких функциональных модулей:

• •    обработка данных (data processing module) – валидация, обработка и подготовка данных к загрузке;

• •    импорт данных (data loading module) – выбор и загрузка файла данных, импорт данных в базу;

• •    модуль данных (data module) – работа с данными;

• •    анализ данных (data analysis module) – анализ финансово-экономических показателей по годам;

• • анализ динамики показателей (data dynamics module) - нечетко-множественный анализ динамики финансово-экономических показателей компаний региона, комплексный анализ развития отрасли в целом.

Проектирование системы высокоуровневой архитектуры выполняется на основе унифицированного языка моделирования UML (unifed modeling language) [6]. Комплексная объектно ориентированная модель системы строится на базе двух диаграмм. Диаграммы вариантов использования (use case diagram) выполняют моделирование коммуникаций между акторами (ролями) и прецедентами, определяющими возможности системы в интересах ее акторов [5]. Тем самым обозначаются функциональные требования системы, возможности и границы ее применимости (см. Рисунок 1).

Рисунок 1. Диаграммы вариантов использования

Примечание: составлено авторами на основании данных, полученных в исследовании

^UCi - комплекс связанных преце- i=1

Здесь ^ A i - базовые акторы (actors) системы; i =1

дентов (usecases) системы.

Администратор системы A ₁ формирует систему справочников UC ₁ , обобщающую UC _1j – справочники регионов, видов налоговых выплат и страхования.

Оператор A ₂ выполняет обработку данных, которая включает предварительный выбор загрузочного файла ( UC ₄ ), загрузку ( UC ₂ ) и валидацию данных ( UC ₃ ). Базовый прецедент UC ₄ расширяется UC ₅ – импорт данных в базу. После этого A ₂ получает возможность для поиска и фильтрации данных ( UC ), анализа финансово-экономических показателей компаний по годам ( UC ₇ ), нечетко-множественного анализа динамики развития компаний и отрасли в

Программная реализация нечетко-множественных моделей комплексной оценки ...

целом ( UC ₈ ). На основе экранных форм формируются печатные формы отчетов ( UC ₉ ), которые могут быть экспортированы в общедоступные форматы: Excel, pdf, csv (UC ₁₀ ).

Формируемые отчеты включают следующие показатели:

UC ₉₁ – комплекс финансово-экономических показателей – распределение компаний по группам, суммы доходов, расходов, прибыли по группам;

UC ₉₂ – комплекс отчетных данных по налоговым выплатам;

UC ₉₃ –комплекс отчетных данных по страховым выплатам;

UC ₉₄ – оценка динамики изменения основных финансово – экономических показателей региона за период (3 года), указанный оператором A ₂ , включая UC _94j – суммарные, относительные и агрегированные значения прибыли по годам;

UC ₉₅ – оценка динамики показателей по налоговым выплатам региона за период (3 года), указанный оператором A ₁ , включая O _95j – сводные и относительные значения налоговых выплат в разрезе групп компаний, а также их нечетко-множественные агрегированные оценки;

UC ₉₆ – комплексная оценка динамики развития отрасли в регионе на основе системы показателей «прибыль», «налоги», «страхование».

Диаграммы классов (class diagram) UML выполняют инфологическое моделирование структуры данных, позволяют получить структурную и функциональную модель реляционной базы данных [10] (см. Рисунок 2).

Рисунок 2. Концептуальная модель данных на основе диаграммы классов Примечание: составлено авторами на основании данных, полученных в исследовании

Реализация программного решения. Первоначальная загрузка данных выполняется из электронных таблиц Excel заданной структуры через диалоговое окно, обеспечивая необходимые требования GUI. Полученные через COM-интерфейс данные загружаются в клиентский объект Data Table.

Оценка динамики финансово-экономических показателей. Функциональные возможности модуля анализа динамики финансово-экономических показателей представлены на главной странице Main (см. Таблицу 2).

Таблица 2

Модуль анализа динамики показателей

Примечание: составлено авторами на основании данных, полученных в исследовании

Для каждого указанного параметра программа выполняет расчет комплексных значений переменной и ее лингвистическое распознавание.

Алгоритм получения комплексных значений показателей реализован в несколько этапов:

• 1)    получение суммарных значений показателей по годам в разрезе групп предприятий (см. Таблицу 3);

Таблица 3

Получение суммарного значения показателя по группам за 3 года (на примере показателя социального страхования)

	Группа	SUM-2019	Кол-во	SUM -2020	Кол-во	SUM -2021	Кол-во
	предприятий	ГОД __________	предприятий	год	предприятий	год	предприятий

Итоговые значения | Относительные значения | Дг регироватые значения

I Микропредприя...	121004430,22	192	25814681,21	236	7555902	254
Минипредприят...	1837929,62	35	3540509,29	42	7936000	3
Малые предпри...	308136,43	8	441569,22	11	20305100	45
Средние предпр...	6251387,53	42	6769637,44	52	2219000	3
Большие предп...	13683,8	7	13683,8	8	0	0
Информация от_	4980762,79	87	5158130,34	95	2343760	58
Всего	34396330,39	371	41738211,3	444	40359762	363

Программная реализация нечетко-множественных моделей комплексной оценки ...

• 2)    расчет относительных значений показателей в перерасчете на одно предприятие исследуемой группы (см. Таблицу 4);

Таблица 4

Относительные значения показателя за 3 года (на примере показателя социального страхования)