Разработка математической модели оценки платежеспособности корпоративного заемщика
Дипломная работа - Менеджмент
Другие дипломы по предмету Менеджмент
lt равным 1,5. При этом точки, соответствующие параметрам Х1 и Х2, которые лежат ниже построенной линии, будут относится к плохим кредитам, и, наоборот, точки выше линии будут относиться к хорошим кредитам (см. диаграмму 2)
Диаграмма 2. Пространство параметров
На диаграмме 2 хорошо видно, что факторная модель недостаточно четко разграничивает множество параметров на подмножества, относящиеся к хорошим и плохим кредитам. Заметим также, что линия разбивает пространство параметров на две плоскости. В отличии от этого, метод индуктивного вывода делит пространство уже на четыре плоскости, и тем самым более качественно выделяет параметры, относящиеся к разным классам заключений.
Приведенный пример является наипростейшим, так как использует всего два параметра, которые в свою очередь характеризуются числовыми значениями.
При возрастании набора показателей, в том числе и качественных, в значительной степени усложняется использование статистических методов построения моделей.
В этом случае алгоритм индуктивного вывода представляется более гибким, так как он может работать с большим количеством показателей разного рода, и при этом быть менее требовательным к количеству и качеству статистики по каждому из них.
Рассмотрим более сложную задачу, где будут фигурировать семь различных показателей и параметров, характеризующих деятельность компаний. К ним отнесем следующие:
Х1 - темпы роста рынка (подъем, зрелость, спад), на котором присутствует предприятие;
Х2 - спрос на продукцию (устойчивый, неустойчивый);
Х3 - зависимость от поставщиков (значительна, незначительна);
Х4 - коэффициент покрытия анализируемого кредитного продукта;
Х5 - коэффициент абсолютной ликвидности;
Х6 - чистая норма прибыли;
Х7 - коэффициент рентабельности активов;
В скобках указан фиксированный набор возможных вариантов значений показателей.
Расширим, по сравнению с первым примером, возможный класс заключений по предоставленным кредитам до трех вариантов: хороший кредит {good}, кредит с некоторыми отклонениями - удовлетворительный {satisfy}, плохой кредит {bad}.
Сформированная база фактов представлена в таблице 10.
Таблица 10. База фактов
№Х1Х2Х3Х4Х5Х6Х7Y1подъемнеустойчивыйзначительная0,50,158%6%satisfy2зрелостьустойчивыйнезначительная0,50,215%good3спаднеустойчивыйнезначительная0,80,086%5d4зрелостьустойчивыйзначительная1,60,1815%good5спаднеустойчивыйнезначительная0,50,072%1d6подъемнеустойчивыйнезначительная0,50,311%3%good7спадустойчивыйнезначительная0,90,19%6%satisfy8спадустойчивыйнезначительная0,70,213%good9зрелостьустойчивыйзначительная1,30,1317%satisfy10подъемнеустойчивыйзначительная1,40,1523%9d11зрелостьнеустойчивыйнезначительная10,2522%satisfy12спадустойчивыйнезначительная1,50,216%3d13зрелостьустойчивыйзначительная0,60,1510%good14подъемнеустойчивыйзначительная1,30,29%satisfy15подъемустойчивыйнезначительная20,277%7%good
При использовании оболочки first-class получаем следующий вид дерева решений:
На иллюстрации видно, что коэффициент рентабельности активов (показатель Х7), обладая наибольшей классифицирующей силой, разбивает базу фактов на два подмножества второго уровня, где наибольшую силу имеют показатели абсолютной ликвидности (Х5) и спроса на продукцию (Х2), которые, в свою очередь, разбивают базу фактов на подмножества третьего уровня и т.д. Заметим, что показатель Х2 является качественной характеристикой.
В итоге имеем некоторую методику последовательного анализа деятельности предприятия и предельные интервалы показателей, характеризующих эту деятельность.
Этот пример нагляднее демонстрирует возможности применения алгоритмов индуктивного вывода, в частности, тех знаний, которые индуцируются с их помощью, для разработки различных методик экономического анализа, в том числе и для построения балльной системы оценки кредитоспособности заемщика.
ЗАКЛЮЧЕНИЕ: ВЫВОД И ПРЕДЛОЖЕНИЯ
Исследование в рамках дипломной работы, конечно, не могло охватить всю широту и многоаспектность проблемы поиска экономико-математических методов способных быстро и качественно строить и корректировать модели, используемые при оценки корпоративных заемщиков.
Исследования, затронутые в данной работе и касающиеся применения математических методов, основанных на алгоритмах индуктивного вывода, имеют элемент новизны и представляются одним из наиболее перспективных направлений развития недетермированных методов, применяемых в экономическом анализе.
Именно, алгоритмы индуктивного вывода позволяют строить правила (последовательность) принятия решений на основе большого набора показателей, характеризующих деятельность компаний.
Эффектом от возможного внедрения результатов работы явилось бы построение, так называемых, балльных моделей оценки заемщиков, основной задачей которых является определение интегрального эквивалента большому числу разнородных характеристик. Данный интегральный показатель служит для определения группы риска, в которую попадает заемщик, что, в свою очередь, позволяет банкам принимать правильные решения и избегать значительных потерь по выдаваемым кредитам.
СПИСОК ЛИТЕРАТУРЫ
- Вапник В.Н. Алгоритмы и программы восстановления зависимостей. М: Наука, 1984.
- Гаек П., Гавранек Т. Автоматическое образование гипотез. - М: Наука, 1984.
- Голубев М.Л. Разработка индуктивных интеллектуальных систем и математических моделей для пров