Банковское дело / Доходы и расходы / Лизинг / Финансовая статистика / Финансовый анализ / Финансовый менеджмент / Финансы / Финансы и кредит / Финансы предприятий / Шпаргалки Главная Финансы Финансы
Д.Э. БЭСТЕНС, В.М. ВАН ДЕН БЕРГ, Д. ВУД. Нейронные сети и финансовые рынки: принятие решений в торговых операциях. - Москва: ТВП,1997. - хх, 236 с., 1997

ВОЗМОЖНОСТИ НЕЙРОННЫХ СЕТЕЙ В ЗАДАЧЕ ПРОГНОЗИРОВАНИЯ БАНКРОТСТВА КОРПОРАЦИЙ

Во многих реальных задачах основной трудностью оказывается то, что нейронная сеть не может достаточно ясно показать причинно-следственные связи и выдает какое-то решение по принципу черного ящика. При этом в финансовом анализе для оценки состояния дел предприятий уже давно используются специально подобранные комбинации различных показателей, а качество модели оценивается с помощью критериев согласия без учета структуры модели. По существу, все сводится к выбору показателя (или комбинации показателей), соответствующего решающему правилу, которое позволяет включить (или не включать) данное предприятие в ту или иную группу (жизнеспособные, быстро растущие, высокоприбыльные).
В принципе, данные по компаниям могут служить основой для нейронных сетейЧ очевидно, что здесь задействованы процессы, близкие к случайному блужданию. Это не покажется удивительным, если посмотреть, как компании почти ежедневно взаимодействуют с рынком, конкурентами и постоянно меняющимися условиями работы, а также если учесть, что компания, способная сделать удачный прогноз на основе опережающей информации, имеет на финансовом рынке высокую ликвидность своих акций и большие возможности для усиления своих позиций.
При имеющемся уровне сложности и одновременности происходящих процессов модели, основанные на причинных связях, имеют ограниченные возможности для применения: вновь происходящие события постоянно меняют спецификации всех переменных (и включенных, и не включенных в модель), а значения априорных вероятностей и размеров выплат по различным стратегиям весьма неопределенны и резко меняются вместе с изменениями показателей экономического роста, процентных ставок, обменных курсов и прибыльностью сделок, не связанных с кредитованием (например, при изменении операционных и комиссионных сборов).
Традиционный подход к прогнозированию банкротств основан на множественном дискриминантном анализе (см. [7], [10], [12], [32], [33]). Методы такого типа используются в широко распространенных системах определения рейтинга кредитоспособности, где ищется гиперплоскость, наилучшим образом разделяющая лхороших и лплохих кандидатов. Хотя к настоящему времени разработано множество дискриминантных моделей, используется (в частности, в управлении кредитами) лишь небольшое число из них. В ряде случаев банки приходят к выводу, что методы МБА не дают ожидае-мого улучшения точности по сравнению с традиционными методами.
Оценить качество моделей этого типа непросто, поскольку даже если погрешность вычисляется на материале новых наблюдений, данные по обанкротившимся компаниям (так же, как и по их выжившим партнерам) приходятся большей частью на периоды интенсивных банкротств, и количество наблюдений, соответствующих вы-жившим компаниям, как правило, очень мало и дает лишь поверхностное представление о пересечении множеств банкротов и небанкротов. Поэтому надежность моделей МБА в реальном времени остается под вопросом. В принципе, нейронные модели справляются с некоторыми из этих трудностей, потому что для обучения могут быть взяты данные, охватывающие периоды с различной ситуацией в экономике и степенью интенсивности банкротств, и обанкротившиеся и выжившие компании могут быть представлены в обучающем множестве в пропорции, соответствующей реальной вероятности того и другого. К тому же сеть может учитывать большое количество разнотипных переменных и обучаться на них на всех, тогда как данные для множественного дискриминантного анализа редко включают в себя экономические и финансовые индикаторы.
<< Предыдушая Следующая >>
= К содержанию =
Похожие документы: "ВОЗМОЖНОСТИ НЕЙРОННЫХ СЕТЕЙ В ЗАДАЧЕ ПРОГНОЗИРОВАНИЯ БАНКРОТСТВА КОРПОРАЦИЙ"
  1. МОДЕЛИ ПРЕДСКАЗАНИЯ БАНКРОТСТВ
    возможности их измерения. Из-за того, что обычно используемые в таких задачах статистические модели (MDA, логистическая регрессия) не приспособлены для работы с данными качественного характера, последние вынужденно выпадают из формальной процедуры метода. Таким образом, почти все модели анализа кредитов строятся на количественном подходе, хотя какие-то элементы качественного анализа также могут
  2. Прогнозирование банкротства корпораций
    возможные результаты применения нейронных сетей. Материалом для конкретной задачи послужат данные по ряду британских компаний - производителей комплектующих для автомобилей. В основе конструкции сети лежат семь входных моделей, использующих показатели, которые входят в так называемое дзета
  3. 4.10. НЕЙРОСЕТЕВЫЕ ТЕХНОЛОГИИ В ФИНАНСОВО-ЭКОНОМИЧЕСКОЙ ДЕЯТЕЛЬНОСТИ
    возможности для экспериментов. Облегчает процесс работы и то, что все современные нейросе- тевые технологии содержат ту или иную систему конвертеров, позволяющих пользоваться данными, подготовленными в популярных исходных форматах. В частности, Word System может импортировать текстовые файлы, таблицы, подготовленные в Excel, а также данные в формате Meta Stock. Следует подчеркнуть Meta Stock не
  4. Словарь
    возможным использование поставленного ранее комплекса разных видов оборудования, аппаратуры. Аккредитив неотменяемый - аккредитив, при котором эмитент может иметь право изменения или отзыва неотменяемого аккредитива в зависимости от того, был ли кредит направлен клиенту или бенефициару. Поскольку направлением эмитентом кредита определяется время его фактического представления, это предупреждает
  5. Введение
    возможность распознавания образов и вывода обобщающих правил. Существенными составными частями нового подхода являются: нейронные сети (сети компьютерных процессоров, взаимодействие которых построено по образцу процессов обучения, происходящих в человеческом мозге) и генетические алгоритмы (методы, в которых, исходя из большого набора первоначальных предположений, вырабатывают все более
  6. Оценка кредитного рискана основании данных нефинансового характера
    возможность сравнивать результаты нейронно-сетевой модели, полученные при перекрестном подтверждении (кросс- валидации), с результатами линейного метода MDA. Сравнение (в смысле ошибок 1-го и 2-го рода) результатов ех ante - прогнозирования с помощью нейронной сети и на основе традиционных методов MDA - свидетельствует о том, что применение нейронных классификаторов оправданно в условиях
  7. ГОСУДАРСТВЕННОЕ РЕГУЛИРОВАНИЕ РАЗВИТИЯ МАТЕРИАЛЬНОГО ПРОИЗВОДСТВА
    возможно эффективное государ ственное управление. В соответствии с Федеральным законом О государственном материальном резерве (ст. 3) государственный резерв предназна чен для: Х обеспечения мобилизационных нужд РФ; Х ликвидации последствий чрезвычайных ситуаций; Х стабилизации экономики при временных нарушения снабже ния важнейшими видами сырьевых и топливно-энергетических ресурсов,
  8. 13.1. Концепция маркетинга: понятие, цели
    возможно удовлетворять потребности развивающегося бизнеса во всех сферах деятельности. Но эта черта камуфлируется необходимостью учета интересов потребителя. С учетом вышеперечисленных критериев можно выделить шесть эта пов в развитии маркетинга. Этап 1 связан с возникновением и началом формирования маркетинга как науки и активизацией его практического использования. Этот этап начался в конце XIX
  9. 8.2. ГЛОБАЛЬНЫЙ МАРКЕТИНГ КАК ОТРАЖЕНИЕ СОВРЕМЕННЫХ ГЛОБАЛЬНЫХ ПРОБЛЕМ
    возможность предлагать свои товары и услуги потребителям в странах, которые ранее были закрыты для них. Условия международной конкуренции в разных отраслях существенно различаются. Есть отрасли, где конкуренция ограничивается национальным рынком и не зависит оттого, что производят за его пределами. В этом случае можно говорить о наборе самостоятельных национальных рынков. Достигаемые на одном
  10. Глава 6. Рыночная структура мирохозяйственных связей
    возможность капиталу последовательно переливаться из одной страны в другую, из одной функциональной формы в другую, из менее рентабельных в более прибыльные секторы и отрасли производства. Тем самым кредит способствует непрерывности производственных процессов и перераспределению капиталов, выравниванию норм прибыли. Кроме того, он увеличивает размеры накопления капитала, создает условия для