Модели, методы и информационные технологии разработки нечеткой экспертной системы диагностики финансового состояния предприятия

Abstract

Диссертация на соискание ученой степени кандидата технических наук по специальности 05.13.06 – информационные технологии. – Национальный технический университет "Харьковский политехнический институт", г. Харьков, 2016. В диссертации рассматривается важная научно-практическая задача идентификации финансового состояния предприятия в условиях нечетких данных о значениях контролируемых финансовых показателей. На основе анализа традиционных методов оценки финансового состояния предприятия выявлены их недостатки, из которых самый существенный – недостаточный учет неопределенности исходных данных. В связи с этим на основе проведенных теоретических исследований усовершенствованы методы многомерного дискриминантного анализа, кластерного и регрессионного анализов для случая, когда исходные данные – нечеткие числа с известными функциями принадлежности. В работе показано, что перечисленные методы идентификации финансового состояния предприятия дают приемлемые результаты только в ситуациях с достаточно большим объемом исходных данных. В реальных задачах диагностики банкротства это требование не выполняется. Поэтому предложен иной метод, использующий нечеткую экспертную систему. При этом установлена неэффективность продукционных технологий логического вывода и предложена процедура построения диагностической экспертной системы обработки информации, объединяющей регрессионный подход и байесов механизм логического вывода. Для расчета регрессионных коэффициентов использован метод попарных сравнений. Результат работы экспертной системы – распределение вероятностей возможных состояний предприятия. На основе разработанных методов построена информационная технология диагностирования финансового состояния предприятия, которая показала более раннее выявление ухудшения финансового состояния заемщиков по сравнению со старой технологией. Точность диагностирования ухудшения финансового состояния предприятия, которое приводит к неприемлемости заемщика для банка, выросла на 27,2 %. Полученные результаты позволили принять своевременные управленческие решения и предотвратить увеличение проблемной задолженности в кредитном портфеле банка.Thesis for scientific degree of candidate of technical sciences, specialty 05.13.06 – information technologies. – National Technical University "Kharkiv Polytechnic Institute", Kharkov, 2016. The most important scientific and practical problem of identification of the financial condition of the company in terms of fuzzy data values controlled by financial indicators is considered in the thesis. Based on the analysis of traditional methods of solving this problem are identified the lack of them: insufficient consideration of the uncertainty of input data. In this regard, improved methods of multivariate discriminant analysis, cluster analysis and regression analysis for the case when the initial data – fuzzy numbers. For small sample output data suggested the procedure for building diagnostic information processing expert system that combines regression approach and Bayesian inference mechanism. The calculation of the regression coefficients method used pairwise comparisons. The method of predicting the time series correlated to the small sample of the original data, as well as a method of forecasting the series, given its wavelet model. On the basis of the developed methods based information technology diagnosis financial condition of the company. The proposed technology is integrated into the software package for the credit assessment of the bank borrowers showed more early detection of deterioration in the financial condition of borrowers compared to the old technology. The results obtained allowed to take timely management decisions and prevent increase of bad debts in the loan portfolio of the bank.