Geum.ru
Темы диссертаций по экономике » Экономика и управление народным хозяйством: теория управления экономическими системами; макроэкономика; экономика, организация и управление предприятиями, отраслями, комплексами; управление инновациями; региональная экономика; логистика; экономика труда

Экономическая безопасность финансово-промышленной группы и роль кредитно-финансовой организации в ее обеспечении тема диссертации по экономике, полный текст автореферата

Ученая степень кандидат экономических наук
Автор Воронов, Максим Сергеевич
Место защиты Москва
Год 1998
Шифр ВАК РФ 08.00.05
Диссертация

Диссертация: содержание автор диссертационного исследования: кандидат экономических наук , Воронов, Максим Сергеевич

Введение

Глава 1. Устойчивая работа ФПГ Ч фактор стабильности национальной экономики

1.1 Мировое и отечественное понимание роли и места финансово-промышленных групп в экономике страны

1.2 Роль кредитно-финансовой организации в ФПГ

1.3 Роль банка в обеспечение финансовой устойчивости всей группы

Глава 2. Экономическая безопасность коммерческой структуры

2.1 Понятие и объекты экономических преступлений и экономической безопасности

2.2 Концепция построения, структура и основные задачи службы экономической безопасности финансово-промышленной группы

2.3 Основные принципы, используемые банком при определении экономической безопасности совершаемых операций

2.4 Задачи информационно-агоритмического обеспечения в сфере экономической безопасности

Глава 3. Исследование метода, используемого информационно-аналитическим подразделением СЭБ,при финансовом прогнозирований

3.1 Анализ возможностей применения методов технического анализа и нейрокомпьютерной технологии для решения информационно-аналитических задач экономической безопасности финансового института

3.2 Исследование принципов построения программно-агоритмического обеспечения финансового прогнозирования в интересах экономической безопасности ФПГ на базе динамической модели валютно-финаясового рынка

3.3 Построение предложенной модели поведения валютного курса и исследование характеристик качества прогнозов курсов валют

Диссертация: введение по экономике, на тему "Экономическая безопасность финансово-промышленной группы и роль кредитно-финансовой организации в ее обеспечении"

Движение России к рыночной экономике, появление в производстве, распределении, обмене качественно новых субъектов, постоянное расширение и укрепление частно-правовой сферы обусловило масштабные структурные изменения и, как следствие всего этого, привело к возрастанию роли производственно-финансовых и, следовательно, повышению роли банков и финансово-промышленных групп (ФПГ) в хозяйственной жизни страны. Недавний экономический и финансовый кризис, в значительной мере парализовавший деятельность банковских структур и финансово-промышленных групп, в поной мере проявил их возросшую роль в жизнедеятельности финансово-хозяйственного организма страны, в котором банковские структуры, входящие в состав финансово-промышленных групп и независимые банки, играет роль аналогичную системе кровоснабжения в живом организме. От эффективной работы банков зависит устойчивость и надежность функционирования, как хозяйственного механизма государства, так и само существование его политических институтов и благосостояние граждан страны.

Свою деятельность на территории Российской Федерации ФПГ осуществляют на основании Федерального закона О финансово-промышленных группах подписанного Президентом России 30 ноября 1995 года. В законе довольно четко определено понятие ФПГ (Ст.2): Финансово-промышленная группа - совокупность юридических лиц, действующих как основное и дочерние общества либо поностью или частично объединивших свои материальные и нематериальные активы (система участия) на основание договора о создании финансово-промышленной группы в целях технологической или экономической интеграции для реализации инвестиционных и иных проектов и программ, направленных на повышение конкурентоспособности и расширение рынка сбыта товаров и услуг, повышения эффективности производства: создание новых рабочих мест. Можно привести и другое определение ФПГ, которое дают специалисты Центра политических технологий, ФПГ - это такая форма интеграции промышленных и финансовых структур, которая удовлетворяет критериям, зафиксированным в соответствующих законодательных актах, сопровождается официальным признанием и включением в Реестр ФПГ Российской Федерации.

В 1997 г. ФПГ сумели обеспечить прирост выпуска продукции на 3,5% (по сравнению с 1996 г.); на 5% увеличися объем реализованной продукции и на 10% - объем экспортных поставок. В состав 75 официально зарегистрированных ФПГ (на февраль 1998 г.) входило 1 150 промышленных предприятий и организаций, 160 кредитно-финансовых институтов; общая численность занятых приближалось к 5 мн. человек. На общероссийском фоне снижения объемов капиталовложений в промышленность отчетливо проявися инвестиционный потенциал ФПГ, где размер инвестиций за 1997 год . увеличися на 6,2%. Процессы интеграции финансового и промышленного капиталов являются естественными в условиях формирования рыночной экономики, поэтому формирование ФПГ - это важный элемент структурной перестройки отечественной промышленности. Создание ФПГ - это магистральная схема реструктуризации промышленности, они создают базу для стабилизации и развития промышленности.

На мой взгляд, в Законе заложена хорошая основа для дальнейшего развития ФПГ, как структуры способной оживить нашу экономику. В частности, в Статье 15 говорится, что по решению Правительства участникам ФПГ предоставляется право самостоятельно определять сроки амортизации оборудования и накопления амортизационных отчислений с направлением полученных средств на деятельность финансово-промышленной группы; предоставляются государственные гарантии для привлечения различного рода инвестиций; могут быть предоставлены инвестиционные кредиты для реализации проектов ФПГ; Центральный банк РФ может предоставить банкам - участникам финансово-промышленной группы, осуществляющим в ней инвестиционную деятельность, льготы, предусматривающие снижение норм обязательного резервирования, изменения других нормативов в целях повышения их инвестиционной активности. Однако многое из этого, пока что остается только на бумаге. Для решения этих и подобных задач был создан Координационный совет по законодательному регулированию деятельности ФПГ при Государственной Думе РФ, на общественных началах создана Ассоциация финансово-промышленных групп России.

Корпоративный сектор является основой современной экономики, крупные корпорации и объединения обеспечивают технологический прогресс, экономический рост и социальную защищенность граждан в индустриально передовых странах. Для США, Японии и других развитых стран характерно объединение десятков тысяч меких и средних предприятий вокруг крупнейших корпораций, и подобные объединения дают громадный экономический и социальный эффект. Причем, по мнению профессора Финансовой академии Арсения Фельдмана, эффективность деятельности ФПГ зачастую зависит от участия в них предприятий разных отраслей. Крупнейшие американские корпорации, например, одновременно охватывают 30- 50 отраслей; в Англии среди 100 крупнейших компаний 96 -многоотраслевые, в Италии - 90, во Франции - 84, в ФРГ - 78. В отличие от развитых капиталистических стран государственные органы России не способствуют становлению многоотраслевых объединений, объясняя это необходимостью проводить ложно понятую антимонопольную политику. Промышленная политика государства, как составная часть экономической программы развития страны на ближайшие годы, в нашей стране четко не определена. А немногочисленные высказывания, относительно поддержки каких-либо отраслей или крупных предприятий, зачастую носят декларативный характер. Как следствие всему этому: не понятны стратегии и приоритеты, нет поддержки паралельного развития малого бизнеса и крупных корпораций (а как раз основой концернов могли бы быть малые и средние предприятия). Анализ деятельности работающих ФПГ убеждает, что нередко их образование происходит по принципу механического сложения предприятий, входивших ранее в систему государственных структур, многие ФПГ пока не способны выбрать оптимальную стратегию развития в условиях высокой степени неопределенности и резких колебаний экономической конъюнктуры. Несмотря на то, что ядро большинства как индустриальных, так и региональных ФПГ составляют крупные производственно-технологические комплексы со сложившейся четкой вертикальной интеграцией производства, собственных средств, для эффективной работы предприятия, как правило, не имеют. Необходимые средства могут предоставить финансово-кредитные институты, в первую очередь - банки, способные аккумулировать крупные суммы денежных средств и направлять их на финансирование инвестиционных проектов.

Особо хотелось бы отметить обязательное наличие в структуре ФПГ кредитной организации и эта необходимость зафиксирована в законе (Ст.3.3): Сдери участников финансово-промышленной группы обязательно наличие организаций, действующих в сфере производства товаров и услуг, а также банков или иных кредитных организаций. Я думаю, что никому не надо доказывать насколько существенно зависит деятельность всей ФПГ от банка, который дожен обеспечить не только нормальное движение финансовых потоков, оптимизировав их, но и так же самым активным образом участвовать в реализации инвестиционных проектов участников группы. Ведь именно банк будет выступать в качестве представителя ФПГ при привлечении внешних источников финансирование инновационных и инвестиционных проектов участников ФПГ. Отсюда можно сделать несколько выводов. Во-первых, банк является составной частью группы де-юре. Во-вторых, банк обслуживает все финансовые потоки группы и берет на себя обязанности по решению всех финансовых вопросов участников группы. Таким образом, банк является одной из самых важных структур всей группы и его нормальное функционирование является самой приоритетной задачей для служб обеспечивающих безопасность группы. В дальнейшем будет рассмотрен вопрос о роли банка в ФГ в целом и, в частности, о роли кредитной организации в обеспечении экономической устойчивости всей группы.

Основными показателями, характеризующими эффективность работы коммерческого банка являются его финансовые результаты, а именно: доходы банка, его расходы, прибыль, а также ставки размещения и привлечения ресурсов банка. Основными источниками доходов банка являются:

Х доходы от предоставления кредитов процентные поступления по ценным бумагам, купленным банком

Х доходы от биржевых операций на открытом рынке с валютой и ценными бумагами.

Все перечисленные источники доходов являются традиционными для банковской деятельности, начиная с исторически первой формы кредитных отношений - ростовщического кредита, распространенного и в наше время в теневых сферах экономики. Таким же традиционным для банковской деятельности является понятие финансового риска, связанного с возможностью финансовых потерь вплоть для банкротства банка. Устойчивость определяется рискованностью проводимых банком операций.

Риски в банковской сфере - это опасность (возможность) потерь банка при наступлении определенных событий. Подобные риски могут быть как чисто банковскими, связанными с функционированием кредитного института, так и внешними, или общими. Важнейшими рисками первой группы являются кредитный, процентный и валютный риск, риск несбалансированной ликвидности и банковских злоупотреблений. Ко второй группе относятся: рыночный риск - опасность непредвиденных изменений экономической конъюнктуры конкретного рынка или в экономике в целом, политический риск, риск стихийных бедствий и т.д. Последние, не являясь исключительно банковскими рисками, могут тем не менее решающим образом повлиять на финансовое положение кредитно-финансовой организации. Ни один из видов риска не может быть устранен поностью. Более того, банковская деятельность по своей природе предполагает игру на изменениях процентных ставок, валютных курсов и т.д. Чем большую степень риска берет на себя банковское учреждение, тем выше дожна быть прибыль, на которую оно может рассчитывать. Задача банка при этом заключается в достижении оптимального сочетания рискованности и прибыльности своих операций, а страхование рисков (хеджирование) направлено на максимально возможное ограничение воздействия непредвиденных, непредсказуемых изменений, обеспечение минимального отклонения фактической прибыли банка от ожидаемой.

Проводимые экономические реформы сопровождались увеличением числа попыток со стороны преступных элементов и группировок использовать несовершенство законодательства, неразвитость финансовых рынков, неприспособленностью экономических субъектов к деятельности в условиях рынка.

В 1991-1993 годах, обязанности по предупреждению и ликвидации ущерба от подобного рода преступлений банки старались возложить на службу безопасности, в обязанности которой входила физическая защита, активов и руководства банка. Но в силу специфики и многообразия преступлений подобного рода, число и сложность схем которых постоянно увеличивались потребовалась новая структура - Служба Экономической Безопасности.

Для обеспечения экономической безопасности и снижения банковских рисков при кредитовании, инвестициях и игровых комбинациях на биржах и в процессе взаимодействия с клиентами, Центральным Банком и органами административного управления РФ и субъектами Федерации, а также с другими банками важнейшую роль играет информационное обеспечение и автоматизированная подготовка информации для принятия эффективных решений при проведении этой деятельности.

В связи этим тема диссертационной работы, посвященной исследованию проблем и методов экономической безопасности ФПГ и роли кредитно-финансовой организации в ее обеспечении, представляется весьма актуальной.

В настоящее время компьютеры и компьютерные технологии подготовки и обработки экономической, финансовой и бухгатерской информации находят весьма широкое применение. Более 100 фирм на российском рынке предлагают свои программные продукты, предназначенные прежде всего для решения задач бухгатерского учета, среди которых наиболее известные Турбо-бухгатер, Бухгатерия 1С, Финансы без проблем и др. Однако такого рода приложения компьютерной технологии характеризуются относительно простыми агоритмами решения простых же задач на базе четырех действий арифметики.

Для решения упомянутых выше задач - обеспечения экономической безопасности финансово-промышленных групп, требуется иной уровень формализации и математической постановки задач, которые в ряде случаев сделать чрезвычайно сложно, а иногда и практически невозможно. Для решения такого рода задач в зарубежной и отечественной практике все более широкое применение находят новые методы нейрокомпьютерной технологии. При этом под нейрокомпьютерной технологией понимается использование как нейрокомпьютеров, так и нейросетевых агоритмов в виде эмуляции нейронных сетей на персональных компьютерах. Использование нейротехнологии в этих задачах позволяет значительно повысить эффективность как традиционных методов регрессионного анализа., так и экспертных систем, основанных на построении формальной модели, структуры или поведения объекта или явления. Одним из наиболее интересных приложений нейронных сетей в последние годы стали именно задачи финансовой деятельности. На рынке появляется огромное количество как универсальных нейропакетов, которые зачастую используются как для решения задач технического анализа, так и в специализированных экспертных системах. Кроме того имеются и специализированные нейропакеты для решения многих других, зачастую более сложных и трудно формализуемых задач из финансовой области. Те банки и крупные финансовые организации, которые уже используют нейронные сети для решения своих задач, понимают, насколько эффективным средством могут быть нейронные сети для задач с хорошей статистической базой, например при наличии достаточно длинных временных рядов, прежде всего многомерных. Пока ситуация складывалась так, что в финансовой системе, сложившейся в настоящее время, наблюдается повышенный интерес к отдельным видам задач, например предсказанию фьючерсных контрактов или курсов ГКО, при недостаточном внимании к структурному макроэкономическому анализу с использованием нейронных сетей как нелинейных измерителей характеристик процесса. Лишь в последнее время начинает появляться интерес к использованию нейронных сетей для оценки ситуации, применению нечеткой логики для принятия решений и других более сложных приложений. При этом в качестве потребителя такой информации выступают либо люди, хорошо знающие потенциальные возможности нейронных сетей, либо решающие такие задачи традиционными методами и вынужденные искать другие, более эффективные способы решения задач.

Теоретической и практической основой для написания диссертации являются работы отечественных и зарубежных авторов в области экономики, экономической безопасности, посвященные проблемам собственности, проблемам кредитно-финансовых учреждений, проблемам объединения промышленного и банковского капитала и проведения рисковых операций, а также изучение автором опыта работы крупных зарубежных и отечественных банков и специальных кредитно-финансовых учреждений в области экономической безопасности. В их числе работы Абакина Л.И., Воронина Т.П., Сабурова Е., Горячева В., Куничкова Е.И., Завьялова А.Б., Авдонина Б.И., Пименова В.В., Котова А.П., Китаева И.Н., Пономарева А.К., Уткина Э.А., Мовсесяна А.Г., Смитиенко Б.М. и др.

В процессе выпонения работы автором были использованы исследования отечественных и зарубежных авторов, разработки ведущих экспертов в финансовой облаете, законы, директивы, инструкции и нормативные акты правительственных учреждений Российской Федерации, США, Великобритании и других стран ЕЭС, регламентирующие различные аспекты банковских правоотношений и деятельность коммерческих банков, в том числе Федеральный закон о банках и банковской деятельности в РСФСР Ч 1995 г., инструкции Центрального Банка РФ и др., проведено изучение большего числа исследований и публикаций по проблемам применения нейрокомпьютерной технологии в области финансовой деятельности.

Целью данной диссертационной работы является исследование задачи обеспечения экономической безопасности финансово-промышленных групп и разработка приоритетных направлений по ее организационному и информационно-агоритмическому обеспечению.

Основными задачами, решаемые в диссертации, являются:

Анализ существующих в мировой практике объединений промышленного, торгового и банковского капитала и определение значимости финансово-промышленных групп для экономического развития страны.

Определение места, роли и функций финансово-кредитной организации в финансово-промышленной группе.

Обоснование целесообразности передачи банку, входящему в группу, решения задачи экономической безопасности всей ФПГ.

Обобщение опыта работы существующих служб экономической безопасности финансово-кредитных организаций. Определение структуры службы экономической безопасности и решаемых ею задач.

Исследование современных методов компьютерного и нейрокомпьютерного анализа статистических данных с целью снижения финансовых рисков при проведение финансовых операций.

Научная новизна работы определяется следующими ее результатами:

На основе анализа структур существующих СЭБ финансово-кредитных организаций, входящих в ФПГ, обобщен опыт их работы и на этой основе предложена концепция построения и функционирования службы, обеспечивающей экономическую безопасность группы.

Определены понятия и задачи информационно-агоритмического обеспечения экономической безопасности банковской деятельности.

Построена обобщенная математическая модель, описывающая динамику изменения курсов валют в рамках системы информационного обеспечения экономической безопасности ФПГ.

На базе математической модели, описывающей динамику изменения курсов валют разработан агоритм и проведена экспериментальная проверка разработанного агоритма прогноза на примере анализа курсов рубля и немецкой марки по отношению к долару США, позволившая сделать вывод о высокой эффективности предлагаемого метода.

Практическая значимость проведенных в диссертации исследований обусловлена тем, что основные задачи диссертационной работы диктуются повседневной деятельностью Финансово-промышленных групп по обеспечению своей экономической безопасности и основные результаты этих исследований, как в части формулировки задач и построения структуры Службы Экономической Безопасности, так и информационно-агоритмического обеспечения экономической безопасности могут быть использованы и уже используются в крупных банках при осуществлении ими своих функций в сфере денежно-кредитного обращения.

Диссертация содержит следующие разделы: введение, 3 главы основного материала, выводы и списки литературы к каждой из глав.

Диссертация: заключение по теме "Экономика и управление народным хозяйством: теория управления экономическими системами; макроэкономика; экономика, организация и управление предприятиями, отраслями, комплексами; управление инновациями; региональная экономика; логистика; экономика труда", Воронов, Максим Сергеевич

1. Обсуждение проблем обеспечения экономической безопасности инвестиционной и кредитной политики банковской структуры показывает возрастающую роль макроэкономического анализа, а также финансового прогноза и контроля курсов акций и кросс-курсов валют на базе современных методов технического анализа. Знание догосрочных тенденций валютного курса необходимо для работы на валютном рынке, и фундаментальные теории, такие как паритет покупательной способности, монетаризм и балансная модель платежей, имеют большое практическое значение при принятии догосрочных инвестиционных решений. Многочисленные эмпирические исследования, отмечая эффективность фундаментальных теорий в догосрочной перспективе, доказывают невозможность объяснения кратко- и среднесрочных колебаний валютных курсов за счет фундаментальных теорий Технические модели предназначены для обеспечения инвесторов надежной информацией о наличии и характере тренда валютного курса, и инвестор дожен жестко придерживаться направления валютного тренда каждый раз во время скачков курса, отслеживая каждое положение ставок, не взирая на то, что появляющиеся изменения курса могут не соответствовать рекомендациям классических теорий.

2. На основании проведенного обзора и анализа материалов по применению нейрокомпьютеров в сфере финансовой деятельности определена структура решаемых задач и область возможного применения нейрокомпьютерной технологии в интересах обеспечения экономической безопасности финансово-инвестиционной деятельности в ФПГ, в частности: прогнозирование временных рядов на основе нейросетевых методов обработки (валютный курс, спрос и котировки акций, фьючерсные контракты и др.), прогнозирование банкротств на основе нейросетевой системы распознавания.

3. Проведен анализ возможных вариантов построения нейронных сетей и агоритмов их обучения с точки зрения возможности их применения для создания агоритмически-программного комплекса для решения задач обеспечения экономической безопасности банковской структуры. В результате проведенного анализа сформирована укрупненная структурная схема обучения и работы нейронных сетей при решении задач финансового прогнозирования, включающая в себя: предварительную обработку данных; формирование модели процесса; финансовый прогноз (обработка текущих потоков данных - сглаживание, экстраполяция, определение трендов и принятие решений).

4. На основании проведенного анализа традиционных структур и штгоритмов работы нейросетей выявлены их основные достоинства и недостатки применительно к решению поставленной задачи построения агоритмически-программного обеспечения системы экономической безопасности банковской структуры, а именно: а) Достоинствами рассмотренных адаптивных (обучающихся) нейроагоритмов, как и самого нейротехнологического подхода к решению задач финансового прогнозирования заключаются, прежде всего, в том, что их использования в качестве универсального средства решения практически любой задачи не требует, по крайней мере на первом этапе, от разработчика нейроагоритма глубоких знаний в области экономики и финансов, но позволяет во взаимодействии с соответствующими специалистами в упомянутых областях, в свою очередь не располагающими глубокими знаниями в областях компьютеров, программирования, вычислительной и нейроматематики, достигать впечатляющих результатов в области финансовых прогнозов. б) Использование рассмотренных агоритмов и им подобных, в минимальной степени использующих структурно важную информацию о свойствах системы и (в математически формализованном виде) модели решаемой задачи, в ряде случаев приводит к существенному ухудшению качества такого решения, что обусловлено следующими присущими таким агоритмам недостатками, являющимися, по сути, их имманентными свойствами:

Х Полученная в результате обучения нейронная сеть (независимо от того является она линейной или нелинейной) по сути представляет собой стационарный фильтр, обрабатывающий поток входных данных, что не позволяет эффективно использовать обученную таким образом нейросеть для эффективных финансовых и экономических прогнозов в условиях резко изменяющихся ситуаций в условиях экономических и финансовых кризисов, а также спекулятивных скачков курсов акций и кросс-курсов валют.

Х Рассмотренные выше агоритмы обучения и работы нейросети, а также все известные нейроагоритмы обладают свойством медленной сходимости, что в условиях существенной нестационарности поведения входного обучающего процесса может привести к тому, что в силу запаздывания процесса обучения может разладиться процесс настройки весового вектора либо, в случае искусственного сокращения процедуры обучения, весовой вектор и структура нейросети не успеют за отведенное им время достигнуть оптимальных значений своих параметров.

5. На основе анализа публикаций по проблемам и методам технического анализа, используемым в интересах финансового прогнозирования, и реальных данных о текущих значениях курсов валют выявлены существенные недостатки современных методов и методик финансового прогнозирования, главным из которых является использование стационарной модели для описания существенно нестационарных процессов поведения финансового рынка. Предложено для этой цели использовать динамическую модель, параметры которой определяются в процессе обучения и непрерывно модифицируются по мере поступления новых данных. В основу построения такой модели, описывающей динамику поведения валютно-финансового рынка, заложена суперпозиция линейной функции и набора гармонических функций, причем линейная компонента описывает общее направление тренда валютного курса, а гармонические составляющие учитывают колебательный характер процесса регулирования цены валюты в условиях рынка.

6. Проведено обоснование корректности предлагаемой модели применительно к задачам финансового прогнозирования на примерах и анализа курсов вачют на основе достаточно свежей информации (1998 г.). Данные анализа подтверждают высказанный выше тезис о том, что стационарный фильтр не способен обеспечить удовлетворительное качество прогноза в условиях изменения тренда вапютного курса. Приведенные данные о спектральных характеристиках модифицированных валютных курсов, полученные на разных валютах и разных рынках, тем не менее, имеют общую природу, что свидетельствует об объективности и содержательности спектральной информации. Обоснована процедура обучения системы анализа и прогноза курса валют на базе рассмотренных примеров курсов рубля и немецкой марки по отношению к долару США. В соответствии с предложенной моделью поведение временной функции курса описывается выражением (11), и конкретной задачей обучения адаптивной системы прогнозирования является оценка параметров такой модели, а именно: значений частот Fm и элементов весового вектора Y.

7. Полученная в результате обучения модели аппроксимирующая функция, параметры которой определены в результате обучения, обеспечивает высокую точность приближения к исходной на всех этапах ее жизненного цикла. Это свидетельствует о том, что

Х Предложенная структура модели является адекватной природе решаемой задачи Ч прогноза валютного курса.

Х Предложенная методика обучения и последующего использования его результатов, основанная на фиксации значений параметров доминирующих частот спектра модифицированного курса соответствующей валюты с последующей аппроксимацией поведения реальной функции на основе данной модели с оцененными по данным обучения параметрами, обладает высокой эффективностью.

Х Обучение на первом этапе позволяет запечатлеть в виде значений доминирующих частот важнейшие для анализа свойства данного рынка в отношении данной валюты, и эти свойства остаются неизменными в течение достаточно длинных временных интервалов.

8. Предложенная модель, а также методика ее калибровки и оценки параметров компонент модели может иметь значительно более широкое применение, чем просто анализ курсов валют. В частности, она может быть использована и для построения прогнозов курсов акций, доходности финансовых компаний, банкротств и других приложений.

ЗАКЛЮЧЕНИЕ

На основании проведенных в диссертации исследований можно следующим образом резюмировать содержание основных результатов этих исследований:

1. На основе анализа фактических данных о методах совершения экономических преступлений и состоянии правовой базы Российской Федерации определены понятие и объекты экономических преступлений и экономической безопасности для финансово-промышленных групп, обоснована необходимость создания специального подразделения в рамках ФПГ для обеспечения ее экономической безопасности Ч Службы экономической безопасности. На основе обобщения имеющегося опыта работы служб экономической безопасности отечественных и зарубежных кредитно-финансовых институтов проведена классификация внутренних и внешних угроз безопасности предприятия и определены концепция построения, типовая структура и основные задачи, решаемые службой экономической безопасности.

2. Для реализации выбранной концепции и информационной поддержки решения задач обеспечения экономической безопасности активов группы показана целесообразность создания единого информационного центра. Определены задачи информационно-агоритмического обеспечения в сфере экономической безопасности.

3. Обсуждение проблем обеспечения экономической безопасности инвестиционной политики ФПГ показывает возрастающую роль макроэкономического анализа, а также финансового прогноза и контроля курсов акций и кросс-курсов валют на базе современных методов технического анализа. Знание догосрочных тенденций валютного курса необходимо для работы на валютном рынке, и фундаментальные теории, такие как паритет покупательной способности, монетаризм и балансная модель платежей, имеют большое практическое значение при принятии догосрочных инвестиционных решений. Многочисленные эмпирические исследования, отмечая эффективность фундаментальных теорий в догосрочной перспективе, доказывают невозможность объяснения кратко-и среднесрочных колебаний валютных курсов за счет фундаментальных теорий.

4. Применение наиболее передовых методов обработки экономической и финансовой информации требует создания высокопроизводительной вычислительной техники и мощного программно-агоритмического обеспечения с использованием методов искусственного интелекта и нейросетевых вычислительных систем. На основании проведенного обзора и анализа материалов по применению нейрокомпьютеров в сфере финансовой деятельности определена структура решаемых задач и область возможного применения нейрокомпьютерной технологии в интересах обеспечения экономической безопасности финансово-инвестиционной деятельности ФПГ, а именно:

Х прогнозирование временных рядов на основе нейросетевых методов обработки (валютный курс, спрос и котировки акций, фьючерсные контракты и др.),

Х прогнозирование банкротств на основе нейросетевой системы распознавания,

Х определение курсов облигаций и акций предприятий с целью вложения средств в эти предприятия,

Х прогнозирование экономической эффективности финансирования экономических и инновационных проектов.

5. Проведен анализ возможных вариантов построения таких нейронных сетей и агоритмов их обучения с точки зрения возможности их применения для создания агоритмически-программного комплекса для решения задач стоящих перед СЭБ. В результате проведенного анализа сформирована укрупненная структурная схема обучения и работы нейронных сетей при решении задач финансового прогнозирования, включающая в себя:

Х на первом этапе, предварительную обработку данных,

Х на втором, формирование модели процесса,

Х на третьем, финансовый прогноз (обработка текущих потоков данных - сглаживание, экстраполяция, определение трендов и принятие решений).

6. На основании проведенного анализа традиционных структур и агоритмов работы нейросетей выявлены их основные достоинства и недостатки применительно к решению поставленной задачи построения агоритмически-программного обеспечения системы экономической безопасности банковской структуры, а именно:

Х Достоинствами рассмотренных адаптивных (обучающихся) нейроагоритмов, как и самого нейротехнологического подхода к решению задач финансового прогнозирования заключаются, прежде всего, в том, что их использования в качестве универсального средства решения практически любой задачи не требует, по крайней мере на первом этапе, от разработчика нейроагоритма глубоких знаний в области экономики и финансов, но позволяет во взаимодействии с соответствующими специалистами в упомянутых областях, в свою очередь не располагающими глубокими знаниями в областях компьютеров, программирования, вычислительной и нейроматематики, достигать впечатляющих результатов в области финансовых прогнозов.

Х Использование рассмотренных агоритмов и им подобных, в минимальной степени использующих структурно важную информацию о свойствах системы и (в математически формализованном виде) модели решаемой задачи, в ряде случаев приводит к существенному ухудшению качества такого решения, что обусловлено следующими присущими таким агоритмам недостатками, являющимися, по сути, их имманентными свойствами:

Полученная в результате обучения нейронная сеть (независимо от того является она линейной или нелинейной) по сути представляет собой стационарный фильтр, обрабатывающий поток входных данных, что не позволяет эффективно использовать обученную таким образом нейросеть для эффективных финансовых и экономических прогнозов в условиях резко изменяющихся ситуаций в условиях экономических и финансовых кризисов, а также спекулятивных скачков курсов акций и кросс-курсов валют.

Наиболее распространенные агоритмы обучения и работы нейросети обладают свойством медленной сходимости, что в условиях существенной нестационарности поведения входного обучающего процесса может привести к тому, что в силу запаздывания процесса обучения может разладиться процесс настройки весового вектора либо, в случае искусственного сокращения процедуры обучения, весовой вектор и структура нейросети не успеют за отведенное им время достигнуть оптимальных значений своих параметров.

7. На основе анализа публикаций по проблемам и методам технического анализа, используемым в области финансового прогнозирования, и реальных данных о текущих значениях курсов валют выявлены существенные недостатки современных методов и методик финансового прогнозирования, главным из которых является использование стационарной модели для описания существенно нестационарных процессов поведения финансового рынка. Предложено для этой цели использовать динамическую модель, параметры которой определяются в процессе обучения и непрерывно модифицируются по мере поступления новых данных. В основу построения такой модели, описывающей динамику поведения валютно-финансового рынка, заложена суперпозиция линейной функции и набора гармонических функций, причем линейная компонента описывает общее направление тренда валютного курса, а гармонические составляющие учитывают колебательный характер процесса регулирования цены валюты в условиях рынка.

8. Проведено обоснование корректности предлагаемой модели применительно к задачам финансового прогнозирования на примерах и анализа курсов валют на основе достаточно свежей информации (1998 г.). Данные анализа подтверждают высказанный выше тезис о том, что стационарный фильтр не способен обеспечить удовлетворительное качество прогноза в условиях изменения тренда валютного курса. Приведенные данные о спектральных характеристиках модифицированных валютных курсов, полученные на разных валютах и разных рынках, тем не менее, имеют общую природу, что свидетельствует об объективности и содержательности спектральной информации. Обоснована процедура обучения системы анализа и прогноза курса валют на базе рассмотренных примеров курсов рубля и немецкой марки по отношению к долару США. В соответствии с предложенной моделью поведение временной функции курса конкретной задачей обучения адаптивной системы прогнозирования является оценка параметров такой модели.

9. Полученная в результате обучения модели аппроксимирующая функция, параметры которой определены в результате первоначального обучения, обеспечивает высокую точность приближения к исходной на всех этапах ее жизненного цикла. Это свидетельствует о том, что

Х Предложенная структура модели является адекватной природе решаемой задачи - прогноза валютного курса.

Х Предложенная методика обучения и последующего использования его результатов, основанная на фиксации значений параметров доминирующих частот спектра модифицированного курса соответствующей валюты с последующей аппроксимацией поведения реальной функции на основе данной модели с оцененными по данным обучения параметрами, обладает высокой эффективностью.

Х Обучение на первом этапе позволяет запечатлеть в виде значений доминирующих частот важнейшие для анализа свойства данного рынка в отношении данной валюты, и эти свойства остаются неизменными в течение достаточно длинных временных интервалов,

Х Предложенная модель, а также методика ее калибровки и оценки параметров компонент модели может иметь значительно более широкое применение, чем просто анализ курсов валют. В частности, она может быть использована и для построения прогнозов курсов акций, доходности финансовых компаний, банкротств и других приложений.

Практическая значимость проведенных в диссертации исследований обусловлена тем, что основные задачи диссертационной работы диктуются повседневной деятельностью финансово-промышленных группы по обеспечению своей экономической безопасности, и основные результаты этих исследований, как в части формулировки задач и построения структуры службы экономической безопасности, так и информационно-агоритмического обеспечения экономической безопасности могут быть использованы и частично уже используются в крупных финансово-промышленных объединениях.

Диссертация: библиография по экономике, кандидат экономических наук , Воронов, Максим Сергеевич, Москва

1. Литература к главе 1

2. Инвестиции в Россию, 09.1998 Ходинг, ФПГ, далее Системинг, д.э.н. Владимир Рудашевский, Ольга Рудашевская

3. Банковские технологии, 01.1996 Нейротехнология приходит в банк Мартин Уайброу

4. Банковские технологии, 05.1997 Экономическая безопасность вопрос не частный Сергей Аврин

5. Банковские технологии, 05.1997 Безопасность может быть только комплексной Владимир Горячев

6. Банковские технологии, 01.1997 Информационно-аналитическая поддержка бизнеса Сергей Минаев

7. Банковские технологии, 04.1998 Безопасность предпринимательства и банка Валерий Драпей7. wm.www.online.ru/sp/iet/trends/jul98/7.rhtml Матовников М.Ю., Михайлов Л.В., Сычева Л.И., Тимофеев Е.В., Внешние валютные риски банковской системы России

8. Экономика и Жизнь Сибирь, №87 11.1998 Любовь Науменко

9. Независимая газета, 16.06.1998

10. Финансовая газета, 12.11.1996 Лев Макаревич ФПГ оперируют гигантскими капиталами

11. Финансовая газета, 17.06.1997 ПРГ остаются мотором экономического роста

12. Финансовые известия, 29.08.1996, Хисао Онда, ФПГ дожны стать символом делового успеха

13. Финансовые известия, 09.07.1998, Юрий Паневин, Банковские ходинги дожны сформировать стратегию корпоративного управления предприятиями

14. Эксперт, 15.06.1998, Вера Краснова Слабость финансовых иститутов, рыхлость структуры и отсутствие навыков корпоративного планирование такими предстали российские ФПГ перед консультантами ЕС.

15. Аргументы и Факты, 25.05.1998 Миром правят финансово-промышленные группы.

16. Финансовые известия, 19.05.1998, Роман Хлюстиков Слабым звеном ФПГ остаются их финансовые институты.

17. Независимая газета, 19.05.1998 Финансово-промышленные группы в зеркале TACIS

18. Финансовые Известия, 12.11.1996, Лев Макаревич, ФПГ оперируют гигантскими капитала

19. Коммерсантъ-Рейтинг, 23.08.1997, Инвестиционный бизнес: новая ниша для российских банков.

20. Коммерсанть, 12.12.1995, Государство сделало свой выбор

21. Время MN, 30.09.1998, Светлана Петрова, Кризис приведет к распаду финансово-промышленных групп

22. Независимая газета, 16.05.1996, Риск риску рознь

23. Интерфакс-АиФ, №21(151), 25.05.1998, Сергей Жильцов, Миром правят финансово-промышленные группы

24. Финансовая Россия, №45, 03.12.1998, Михаил Хартман, Финансово-промышленные илюзии

25. Экономика и Жизнь, №1, 07.01.1998, Евгений Сабуров, ФПГ: опыт, проблемы, перспективы

26. Экономика и Жизнь, №17, 29.04.1995, Б.Новикова, Готовы ли банки учавствовать в ФПГ?27.Нефтегазовая Вертикаль, №, 15.04.1998, Владимир Рудашевский, От вертикальной интеграции к интеграции системной

27. Финансовая газета (региональный выпуск), №29, 1995, Владимир Рудашевский, Финаннсово-промышленные гркппы

28. Федеральный закон от 30 ноября 1995 года К

29. Э.А.Уткин, М.А.Эскиндаров, Финансово-промышленные группы, Издательство ЭКМОС, 3998 г.

30. И.Н.Китаев, А.К.Пономарев, В.Е.Дементьев, Основные тенденции развития финансово-промышленных групп в России и за рубежом, АФПИ еженедельника Экономика и жизнь, 1996

31. Ю.Б.Винслав, Э.В.Гуськов, Д.И.Коробков, Методические рекомендации и предложения по совершенствованию процессов создания и функционирования ФПГ, АФПИ еженедельника Экономика и жизнь, 1996

32. Воронов М.С. "Экономические преступления в банковской сфере" .МГЭСИ, Сборник научных трудов "Проблемы развития инвестиций, финансов и банковского дела", Москва, 1997 г.

33. Воронов М.С. "Анализ некоторых способов вывоза капитала из России". Сборник научных трудов "Проблемы развития инвестиций, финансов и банковского дела", Москва, 1997 г.

34. Мельников Ю.Н. "Информационно-аналитическая работа в банках: аспекты обеспечения безопасности". НТЦ АРБ, Семинар "Практическиевопросы информационно-аналитической работы в коммерческом банке", Москва, 1997 г.

35. Райков А.Н. "Тенденции развития информационно-аналитических технологий в государственном управлении". НТЦ АРБ, Семинар "Практические вопросы информационно-аналитической работы в коммерческом банке", Москва, 1997 г.

36. Сергеев В.И. "О проблемах безопасности в кредитно-финансовой сфере". НТЦ АРБ Семинар "Практические вопросы информационно-аналитической работы в коммерческом банке", Москва, 1997 г.

37. Гакин А.А. "Информационное обеспечение в процессе оценки кредитных и финансовых рисков банка". НТЦ АРБ, Семинар "Практические вопросы информационно-аналитической работы в коммерческом банке", Москва, 1997 г.

38. Крылов А.С. "Опыт информационно-аналитической работы Межбанковской службы "Амулет"". НТЦ АРБ, Семинар "Практические вопросы информационно-аналитической работы в коммерческом банке", Москва, 1997 г.

39. Ю.Крысин А. Проблемы безопасности коммерческих структур в работе с кадрами, журнат Финансы и Бизнес ЖЗ, 1996 г.11.ГУВД Москвы предупреждает, газета Московская правда от 25.06.1996

40. Пономарев П. Тенефой лик банковской тайны, газета Экономика и жизнь, №39, 1996 г.

41. Макаров В.А., Бегство капиталов из России и отмывание грязных денег, НТЦ АРБ, Международный семинар Защита финансовых ресурсов банков, 1996 г.

42. Исправников В.О., Теневая экономика: Экспроприация или легализация, НТЦ АРБ, Международный семинар Защита финансовых ресурсов банков, 1996 г.

43. Абакин. Л., Экономическая безопасность России: угразы и их отраженеи, Вопросы экономики №12, 199&16."Защита коммерческой тайны. Элементарные основы промышленной секретности" СББ: АО "Безопасность бизнеса" 1993 г.

44. М.Арменьев, Информационно-аналитический журнал Обозреватель №12(107), 19981. Литература к главе 3

45. Dutta, S. and Sheknar, S., "Bond Rating: A Non-Conservative Applicationof Neural Networks", Working Paper (Computer Science Division, University of1. California, 1989).

46. Beaver, W.H., "Financial Ratios as Predictors of Falure", Empiried

47. Research in Accounting: Selected Studies, 1966, pp.71-111.

48. Altman, E.I., "Financial Ratios, Diseriminant Analysis and the Prediction of

49. Corporate Bankruptcy", The Journal of Finance (September 1968), pp. 589-609.

50. Deakin E.B., "A Discriminant Analysis of Predictors of Business Failure",

51. Journal of Accounting Research (Spring 1972), pp.167-179.

52. Blum, M, "Failing Company Discriminant Analysis", Journal of Accounting Research ( Spring 1974), pp. 1-25.

53. Siegel, J.G., "Warning Signs of Impending Business Failure and Means to Counteract such Prospective Failure", The National Public Accountant (April 1981), pp.9-13.

54. AltmanJE.I., "Accounting Implications of Failure Prediction Models", Journal of Accounting Auditing & Finance (Fall 1982), pp.4-19.

55. Odom M.D., Sharda R. -Oklahoma State University A Neural Network Model for Bankruptcy Prediction IJCNN, S.D., 1990, v2, pp. 163-168.

56. Watts,R.L. and ZimmermanJ.L., POSITIVE ACCOUNTING THEORY (Prentice Hall, Inc., 1986).

57. T.Kimoto, K.Asakawa, M.Yoda, M.Takeoka. Stock Market Prediction System with Modular Neural Networks. IJCNN, San Diego, 1990,vl,pp. 1-6.

58. K.Kamijo, T.Tanigwa. Stock Price Pattern Recognition: A Recurrent Neural Network Approach. IJCNN, San Diego, 1990,vl,pp.215-221.

59. Heifetz S. Nestor's decision learning system. In Therd Europen Seminar on Neural Computing, 1990.15 мс Clelland & Rumelhart Expiations Paralle, Disputed Process^ А ;

60. Hand Book of Models, Programms and Exercise, MassЧ London,ins, W.R,Webber, CaseHet: Ч1 -Г + Щ Ргпг TFE Symposium on Computer Based tool for EEEG wavform classification. Proc. 1ЕЬ bymp

61. Medical Systems, Minneapollis, MN, 60-68 (1989).

62. Altman,E.I., .d Spivack L, -dieting Bл The Value Lme Ч Financial Strength System vs. the Zeta Bankruptcy ClasstfЧ Approach ,

63. Financial Analysts bumal (November-December 1983), ^ 18. American Accountig Association, A STATMENT OF BASIC ACCOUNTINGri:^;1ЧО (Harcou* Brace Ч be,1981)' , т, Х Part Ш" A1 Expert (June 1988), pp.53

64. Caudill,M., "Neural Networks Primer, Part III , A1 Exp59' л с г "An Application of Multiple Neuraloi Collins E Ghosh,S., and Scofield,C., An Appi

65. Т:^ System to Emulation *Mortgage '

66. Working Paper (Nestor, Inc., 1 Richmond Square, Province, RI, 1989). " Wong P S. Time series Forecasting using backpropagation neural network,

67. Neurocomputing,2,pp.147-159,1990.91.

68. Varfis A., Versino C. Univariate Economtc Tune Sen Connection!* Method, .Int. Neura, Network Conf., Parts, Ыу 9-Ь, 1990,pp.342-345. яdactive networks: a

69. Lowe DД Webb A.R. Time series predion by adapt

70. CNN, San Diego, 1990,у2,рр-163-168.

71. Г nf Я multiple neural network leamm0

72. Collins Edward etc. An application of a mump.system to emulation of mortage underwriting Jugments.

73. Weigend Andreas S. с Gelation by weight elimination applied to currency exchange rate prediction.2g Tang Gia-Shuh. An intelligent stock prtfoho managment systemshort-term trend prediction using dual-module neural neural

74. Kimoto Takashi etc. Stock market prediction system wrth modu!arneWOrkS' . T t ctock price pattern recognition. A

75. Kamijo Ken-ichi Tamgawa Tetsm . Stock pnrecurrent neural network approach. .с.яг,еД;с Currency3, Lee, Adrian , Чу in International ~ ***** ^ Investing: Trading and Hedging in Foreign Exchange Market , ed.

76. Chicago: Probus, vidence on Long

77. Mark, Nelson C. Exclian&e w

78. Honzon Predictability" The American Economic Rev.ew 85. no. 1 (March " MR-Kobertson "Currency ^recasting", ed. D. IRWIN, Chicago-London-51s722* Статистическая теория обнаруЧ ~ из, ИЛ,

79. М"1963 Г' АК Хлебников В. А., Родимов АЛ. Адаптивные

80. Журавлев А.К., Алеони пенинградскогорадиотехнические систем с а~л решетками, из,

81. Anderson, R.W. "Baised random-walk learnmg. A neuroto trial-and-error". Progress in Neura, ^ ^^ ^

82. Unnikrishman, K.P. an ^^ ДTechnicallearning algorithm for feed forward and recurrent1. Report CMU-7919."

Похожие диссертации