авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 |   ...   | 4 | 5 || 7 |

«ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ КАЗЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ ВОРОНЕЖСКИЙ ИНСТИТУТ МВД РОССИИ ...»

-- [ Страница 6 ] --

– – 110 26310 120 27114 52382 100821 – – 140 121483 190 27164 205690 227406 210 34366 322700 45778 – 240 172256 66214 – 250 2421 2271 260 10219 3937 114233 290 95914 500642 229171 300 123078 706332 456577 410 10 137757 194748 470 550 -237203 212266 490 560 -91264 410014 – – 510 20000 590 486 2737 20782 – – 610 58000 620 122032 736859 25781 – – – 630 690 122032 794859 25781 700 123078 706332 456577 1. Коэффициент капитализации (плечо финансового рычага) с.590 с. Заемный капитал U1, (6.3.1) Собственный капитал с. нормальное ограничение – не выше 1,5.

2. Коэффициент обеспеченности собственными источниками финанси рования с.490 с. СОС U2 (6.3.2), Оборотные активы с. нормальное ограничение – более 0,1.

3. Коэффициент автономии (финансовой независимости) Собственный капитал с. U3 (6.3.3), Валюта баланса с. нормальное ограничение – более 0,4.

4. Коэффициент финансирования Собственный капитал с. U4, (6.3.4) с.590 с. Заемный капитал нормальное ограничение – более 0,7.

5. Коэффициент финансовой устойчивости Собственны й капитал Долгосрочн ые обязательс тва U5 Валюта баланса (6.3.5) с.490 с., с. нормальное ограничение – более 0,6.

Уровень общей финансовой независимости организации характеризу ется коэффициентом U 3, т.е. определяется удельным весом собственного ка питала в валюте баланса. Иначе говоря, U 3 отражает степень независимости организации от заемных источников. В большинстве стран принято считать финансово независимой фирму с удельным весом собственного капитала в общей его величине от 30% (критическая точка) до 70%.

Пожалуй, наиболее важным из этих показателей является коэффициент финансовой устойчивости U 5, поскольку отражает реальную возможность предприятия в необходимых случаях воспользоваться не только собственны ми, но и долгосрочными заемными средствами.

Рассчитаем финансовые коэффициенты структуры капитала (табл.

6.3.2) для представленных выше балансов предприятий. Как видим, эти предприятия имеют совершенно различные характеристики структуры капи тала.

1. «Финист» имеет очень малую величину собственного капитала (560) по сравнению с валютой баланса (123078). Поэтому показатели U 3,U 4 на много ниже границ нормальных ограничений. По этой же причине показа тель U 2 отрицателен, а коэффициент финансовой устойчивости намного меньше норматива. Поэтому структуру баланса нельзя признать удовлетво рительной.

Таблица 6.3. Финансовые коэффициенты структуры капитала Показатель Нормальное «Финист» «Станко- «Мебель «Кри ограниче- маш» Чернозе- сталл»

ние мья»

1 2 3 4 5 U 1 1, Коэффициент ка- 218,78 -8,7391 0,1135 1, питализации U U 2 0, Коэффициент -0,2773 -0,5931 0,7968 0, обеспечения соб ственными ис точниками фи нансирования U U 3 0, Коэффициент 0,0045 -0,1292 0,8980 0, финансовой неза висимости U U 4 0, Коэффициент 0,0046 -0,1144 8,8056 0, финансирования U U 5 0, Коэффициент 0,0093 -0,1252 0,9435 0, финансовой ус тойчивости U 2. «Станкомаш» имеет отрицательную величину (-91264) раздела 3 ба ланса «Капитал и резервы» и поэтому все финансовые коэффициенты не со ответствуют нормативам. Структура баланса – неудовлетворительная.

3. «Мебель Черноземья», напротив, имеет чрезвычайно высокие пока затели по всем разделам. Структура баланса близка к идеальной.

4. «Кристалл» практически по всем показателям имеет значения, не сколько превышающие границы нормальных ограничений. Структура балан са – нормальная.

Обобщенный показатель структуры капитала. Согласно предло женному авторами подходу к экспертной оценке [21], введем обобщенный показатель по формуле J Vi xi, (6.3.6) i где xi – переменные, называемые признаками (в нашем случае – частные фи нансовые коэффициенты структуры капитала);

Vi – весовые коэффициенты, характеризующие относительную важность отдельных признаков.

Построим обобщенный показатель структуры капитала, следуя двум общим правилам построения показателей в теории экспертных систем: 1) в качестве используемых признаков используются наиболее информативные;

2) если между двумя признаками имеется ярко выраженная функциональная зависимость, то один из них исключается из рассмотрения во избежание дуб лирования информации. Рассмотрим финансовые коэффициенты последова тельно.

1. Коэффициент капитализации U 1 целесообразно исключить из рас смотрения во избежание дублирования, поскольку он является просто обрат ной величиной коэффициента финансирования U 4, который будет включен в обобщенный показатель.

2. Коэффициент обеспечения собственными источниками финансиро вания U 2 выберем в качестве первого признака x1. Произведем нормировку норм 0,1 нормального x1, выбрав в качестве базисного значения границу U ограничения:

норм 1 x1 U 2 = U 2 0,1. (6.3.7) x 3. Коэффициент финансовой независимости U 3 выберем в качестве второго признака x 2. Произведем нормировку x 2, выбрав в качестве базис норм 0,4 нормального ограничения:

ного значения границу U норм 2 x2 / U 3 U 3 / 0,4. (6.3.8) x 4. Коэффициент финансирования U 4 выберем в качестве третьего при знака x 3. Произведем нормировку x3, выбрав в качестве базисного значения норм 0,7 нормального ограничения:

границу U норм 3 x3 / U 4 U 4 / 0,7. (6.3.9) x Таблица 6.3. Нормированные значения признаков При- Нор- Нормированные значения знаки Значение признаков миров- признаков xi признаков ка на «Финист- «Ме- «Кри грани- мыловар» бель сталл»

цу Черно норма- земья»

тива 1 2 3 4 5 Коэффициент обеспе- 0,000 7,968 1, x x чения собственными 0, источниками финан сирования U Коэффициент финан- 0,011 2,245 1, x x совой независимости 0, U Коэффициент финан- 0,006 12,579 1, x x сирования U 4 0, Коэффициент финан- 0,015 1,572 0, x x совой устойчивости 0, U 5. Коэффициент финансовой устойчивости U 5 выберем в качестве чет вертого признака x 4. Произведем нормировку x 4, выбрав в качестве базис норм 0,6 нормального ограничения:

ного значения границу U норм 4 x4 / U 5 U 5 / 0,6. (6.3.10) x Важное значение введенной нормировки состоит в следующем. Исход ные финансовые показатели U i и соответствующие признаки x j могут иметь различные интервалы изменения, а все нормированные признаки еди нообразно принимают значение 1,0 на границе соответствующих нормаль ных ограничений. Для рассматриваемых предприятий рассчитанные значе ния нормированных признаков сведены в таблицу (табл. 6.3.3).

Итак, для построения обобщенного показателя структуры капитала мы выбрали четыре значимых признака и нормировали их на соответствующие границы нормальных ограничений. Тогда обобщенный показатель (6.3.6) может быть записан в следующем виде J U общ V1 1 V2 2 V3 3 V4 4, x x x x (6.3.11) где Vi – соответствующие весовые коэффициенты.

Матрица парных сравнений признаков. Следуя теории нечетких множеств (методу анализа иерархий), необходимо определить предпочтения одних признаков перед другими, т.е. задать ранги критериев. При этом один из признаков принимается за наиболее важный, и ему присваивается ранг 1.

Пусть по экспертной оценке таким основным признаком является 4 (коэф x фициент финансовой устойчивости). Далее эксперты определяют степень предпочтительности основного признака перед остальными по следующей лингвистической шкале: – строго эквивалентны – ранг 1;

– слабо предпочти тельнее – ранг 2;

– несколько предпочтительнее – ранг 3.

В результате экспертизы признакам структуры капитала присвоены следующие ранги:

1 2;

2 2;

3 3;

4 1. (6.3.12) x x x x Составим матрицу парных сравнений W на основе определенных фор мулой (5.3.12) рангов 1 2 W 0,5 1.

0,5 1 0,33 0,5 0,5 Воспользуемся одной из разработанных программ в среде Delphi (см.

Приложение 5). На основе расчетов получим: максимальное собственное значение матрицы max 4,008 ;

индекс согласованности ИС = 0,003;

отно шение согласованности ОС = 0,003. Как видим, матрица парных сравнений получилась хорошо согласованной, а весовые коэффициенты равны V1 1,000 ;

V 2 1,000 ;

V3 0,536 ;

V 4 1,861 (6.3.13) или после нормировки V1 0,227;

V2 0,227;

V3 0,122;

V4 0,423. (6.3.14) Приведем первые из трех собственных векторов рассмотренной матри цы парных сравнений (рис. 6.3.1). Как видим, первый из столбцов, соответст вующий найденному максимальному собственному значению 4,008, отража ет соотношение между различными весовыми коэффициентами.

Рис. 6.3.1. Три первых собственных вектора матрицы парных сравнений Введем формулу для расчета обобщенного показателя структуры капи тала, применив нормировку на величину суммы весовых коэффициентов:

I Vi i x i U общ, (6.3.15) I V j j где I – общее количество учитываемых признаков. Достоинством введенного выражения является то, что на границе нормальных ограничений коэффици ентов структуры капитала нормированный показатель U общ принимает зна чение, равное 1,0.

Предложим выделение трех областей возможных значений обобщенно го показателя структуры капитала (рис. 6.3.2).

Рис. 6.3.2. Области значений обобщенного показателя структуры капитала В отличие от обычного подхода к анализу финансовой отчетности, при котором фиксируется соотношение показателя с границей нормального огра ничения и выбирается один ответ (соответствует или не соответствует), в ре альных условиях возможны пограничные ситуации, которые и отражены на данном рисунке.

Предлагаемый подход базируется на общих представлениях о сущно сти нечетких множеств финансовых показателей и позволяет ввести функ цию принадлежности совокупности показателей множеству нормальных ог раничений. Достоинством введенной выше нормировки делением значения показателя U i на границу нормального ограничения U iнорм является то, что для всех показателей i 1,2,... вводимая функция принадлежности U может иметь один и тот же вид. Выберем, например, в качестве такой функции не ограниченную справа трапецию (рис. 6.3.3).

Рис. 6.3.3. Функция принадлежности нормированного признака множеству нормальных ограничений Предложим нечетко-множественный вариант формулы для расчета обобщенного показателя структуры капитала, заменив в выражении (6.3.15) весовые коэффициенты Vi на соответствующие функции принадлежности I i i x i U общ. (6.3.16) I iV j j Большим преимуществом введенной формулы является то, что при этом не требуется обращаться к методу анализа иерархий и выполнять доста точно трудоемкую процедуру поиска собственных векторов и собственных значений матрицы парных сравнений. Кроме того, следует отметить, что упомянутый выше лингвистический подход к построению этой матрицы яв ляется весьма субъективным.

Вернемся к расчету обобщенного показателя структуры капитала для рассматриваемых выше предприятий. Подставив найденные значения нор мированных признаков (см. табл. 6.3.3) и рассчитанные весовые коэффици енты (6.3.13) в формулу (6.3.15), получим для анализируемых предприятий следующие значения обобщенного показателя структуры капитала U общ :

«Финист» – 0,010;

«Станкомаш» – 0,000;

(6.3.17) «Мебель Черноземья» – 4,549;

«Кристалл» – 1,055.

Как видим, согласно рассчитанным значениям первые два предприятия имеют неудовлетворительную структуру капитала, а последние – нормаль ную. Причем показатель U общ для предприятия «Мебель Черноземья» даже значительно превышает норматив.

Корреляционный анализ балансов предприятий. До сих пор мы не сравнивали между собой рассматриваемые предприятия (сравнивались лишь числа – значения обобщенных показателей (6.3.17)). Однако понятно, что эти значения являются результатами определенных сочетаний статей актива и пассива балансов. В связи с этим возникает задача более глубокого исследо вания балансов и сопоставления балансов предприятий с неудовлетворитель ной и нормальной структурой балансов с целью выявления глубинных при чин такого несоответствия.

Предложим метод сравнительного анализа балансов группы предпри ятий на основе установления корреляционных связей между векторами акти вов разных предприятий, с одной стороны, и векторами пассивов разных предприятий – с другой.

Преобразуем сводную таблицу активов балансов сравниваемых пред приятий к форме матрицы А, более приемлемой для использования компью терных программ (рис. 6.3.4).

Рис. 6.3.4. Матрица активов балансов сравниваемых предприятий В матрице А объединены 4 вектора-столбца актива балансов, соответ ствующие исходной таблице (см. табл. 6.3.1). Наименования предприятий в заголовке таблицы заменены на их номера в том же порядке. Нумерация строк в левом крайнем столбце соответствует их порядку в исходной таблице (см. табл. 6.3.1). Например, строка 6 – «Запасы», строка 12 – «Баланс».

Применим для анализа статистический подход. Будем считать, что ка ждый вектор-столбец матрицы активов является выборкой из соответствую щей генеральной совокупности. Тогда между ними можно определить стати стические взаимосвязи с помощью понятия корреляции.

Рассчитаем взаимно-корреляционную матрицу КА векторов-столбцов матрицы А (корреляционную матрицу активов балансов) (рис. 6.3.5):

Рис. 6.3.5. Корреляционная матрица активов балансов Рис. 6.3.6. Матрица пассивов балансов сравниваемых предприятий Выше мы преобразовали сводную таблицу пассивов балансов сравни ваемых предприятий (табл.6.3.1) к форме матрицы П, более приемлемой для использования компьютерных программ (рис. 6.3.6).

Рассчитаем взаимно-корреляционную матрицу КП векторов-столбцов матрицы П (корреляционную матрицу пассивов балансов) (рис. 6.3.7):

Рис. 6.3.7. Корреляционная матрица пассивов балансов Сравнивая между собой корреляционные матрицы активов и пассивов, можно сделать очень важные с экономической точки зрения выводы. Коэф фициенты взаимной корреляции активов (см. рис. 6.3.6) принадлежат интер валу 0,837 – 1 даже для столь различных сравниваемых предприятий. Это свидетельствует о том, что в отношении имущества по составу и размеще нию (активов) все рассмотренные предприятия используют сходную эконо мическую политику.

Совершенно иначе обстоит дело в области экономической политики в отношении источников формирования имущества (пассивов). Действительно, коэффициенты корреляции матрицы пассивов сильно различаются. Пассивы предприятий с неудовлетворительной структурой капитала (предприятия 1,2) статистически сильно связаны, поскольку коэффициент взаимной корреля ции их пассивов равен 0,966. Это свидетельствует о том, что соотношение их собственного и заемного капиталов различаются незначительно.

Однако ситуация резко меняется, когда исследуется статистическая взаимосвязь пассивов различных предприятий с пассивами очень благопо лучного третьего предприятия. Действительно, наблюдается уменьшение до 0,735 значения коэффициента корреляции 3, 4 предприятий, хотя 4-ое пред приятие имеет структуру баланса, близкую к нормальной. Статистическая взаимосвязь пассива 3-го предприятия с пассивами неблагополучных 1, предприятий падает до ничтожно малых уровней 0,206, 0,094.

Итак, предложенный метод взаимного корреляционного анализа акти вов и пассивов различных предприятий является эффективным средством их сравнения. Метод может использоваться как самостоятельно, так и в сово купности с предложенным выше обобщенным показателем структуры капи тала, обеспечивая большую глубину исследования и достоверности оценок.

6.4. Объединение систем коэффициентов Бивера и структуры капитала В предыдущем разделе была рассмотрена система финансовых коэф фициентов структуры капитала, во многом определяющая финансовую ус тойчивость организации. Однако более важным представляется оценка веро ятности банкротства или близости к банкротству [54, 48,175]. Во многих ра ботах в качестве средства такой оценки предлагаются двух- или пятифактор ные рейтинговые модели [4, 28, 48]. Однако расчеты показывают, что такие модели мало приемлемы для российских предприятий. Как правило, в случае неблагополучных предприятий они дают слишком оптимистические оценки.

Гораздо более надежные результаты для российских предприятий по лучаются с помощью системы показателей Бивера [48]. Первоначальное сравнение системы коэффициентов Бивера с системой коэффициентов струк туры капитала показывает их сходство, а по двум коэффициентам – полное совпадение. В этой связи естественным подходом представляется объедине ние обеих систем в одну единую систему, а использование методики экс пертных систем дает возможность получения обобщенного показателя для такой комбинированной системы [25].

Нечетко-множественная интерпретация системы Бивера. Рассмот рим вначале систему показателей, предложенную финансовым аналитиком У.Бивером для оценки финансового состояния предприятия с целью диагно стики банкротства [48]:

1. Коэффициент Бивера B Чистая прибыль Амортизаци я B1. (6.4.1) Заемный капитал 2. Коэффициент текущей ликвидности B2 L Оборотные активы L4. (6.4.2) Текущие обязательства 3. Экономическая рентабельность B3 R Чистая прибыль R4. (6.4.3) Баланс 4. Финансовый рычаг (леверидж) B Заемный капитал B4 =. (6.4.4) Баланс 5. Коэффициент покрытия оборотных активов собственными оборот ными средствами (СОС) B Собственный капитал Внеоборотные активы B5 =. (6.4.5) Оборотные активы Таблица 6.4. Нормативные значения показателей Бивера Значение показателя Показатель Группа 1 Группа 2 Группа (нормальное (среднее или неус- (кризисное финансовое тойчивое финансовое финансовое положение) положение) положение) 0,15 0, 0,17 0, более 0, B более 2,0 1 B более 6, B 0, 4 0, менее 0,35 более 0, B более 0,4 менее 0, B5 0,10, В зависимости от значений этих показателей определяются три группы финансового положения (табл. 6.4.1).

Как видим (рис. 6.4.1) предложенное У. Бивером разделение области возможных значений показателей привело к целесообразности обращения к теории нечетких множеств и введения различных функций принадлежности i для каждой из выделенных групп.

Рис. 6.4.1. Функции принадлежности показателя Бивера B Непосредственное применение границ (табл. 6.4.1) фактически означа ет введение прямоугольных функций принадлежности. Однако в упомянутой таблице границы групп финансового положения весьма расплывчаты, поэто му более целесообразным представляется введение функций принадлежности трапецеидальной формы. Построим функции i для одного из показателей, например, B3 (рис. 6.4.1).

На этом рисунке: сплошной жирной линией обозначены прямоуголь ные функции принадлежности, соответствующие неравенствам табл. 6.4.1;

двойная жирная линия обозначает наложение границ прямоугольных функ ций принадлежности;

жирной пунктирной линией обозначены трапецеидаль ные функции принадлежности;

T 2 t12, t 22, t 32, t – трапецеидальное множество абсцисс характерных точек (точек перелома) трапецеидальной функции принадлежности для 2 группы значений показателя B3 (неустойчи вого финансового положения);

тонкие пунктирные линии отмечают абсцис сы точек перелома трапеции.

Мы продемонстрировали построение функций принадлежности для одного из показателей Бивера ( B3 ) и одной группы значений B3. Для осталь ных показателей функции i строятся аналогично. Однако, задача использо вания функций принадлежности решена лишь частично. Как следует из табл.

6.4.1, границы 3 групп для каждого из 5 признаков B1 B5 различны, что вы зывает необходимость введения 15 различных множеств трапецеидальных чисел. Это существенно усложняет алгоритм расчетов и не позволяет тракто вать разные признаки с единых позиций.

Для преодоления этих затруднений предложим ввести нормировку всех показателей на нижнюю границу нормальных ограничений Bi Bi Biнорм. (6.4.6) Достоинством такой нормировки является то, что на границе нормаль ного ограничения показателей Bi нормированные показатели Bi примут зна чение 1 для всех i 1,2,...,5. Следовательно, для всех показателей можно будет определить единую функцию принадлежности B (рис. 6.4.2).

Рис. 6.4.2. Единая функция принадлежности показателей Bi Определив общий вид единой функции, найдем границу нижнего осно вания трапеции t1. Воспользуемся введенными Бивером границами разделим верхние границы областей кризисного финансового положения на границы нормальных ограничений. Для различных показателей Bi получим следую щие результаты:

0,45 0,50 0,33 0,43 0,25.

Выберем в качестве границы нижнего основания трапеции среднее арифметическое значение этих чисел 0,392.

Расширенная система показателей Бивера. Стандартная технология анализа финансовой отчетности (АФО) предприятия содержит несколько обязательных этапов [4, 48], в том числе: анализ платежеспособности и лик видности, анализ структуры капитала, оценка степени близости к банкротст ву. Для большинства отечественных предприятий последний этап наиболее эффективно осуществляется с помощью системы показателей Бивера. Одна ко эта система содержит ряд показателей, совпадающих с коэффициентами структуры капитала. Поэтому актуальной задачей представляется создание единой, объединенной системы коэффициентов, обладающей большей ин формативностью о финансовом состоянии предприятия. Большая информа тивность объединенной системы коэффициентов позволит получать более достоверные оценки финансового состояния [25].

Для сравнения систем коэффициентов структуры капитала и показате лей Бивера приведем далее систему коэффициентов структуры капитала [156].

1. Коэффициент капитализации (плечо финансового рычага) Заемный капитал. U 1норм 1,5.

U1, (6.4.7) Собственны й капитал 2. Коэффициент обеспеченности собственными источниками финанси рования СОС норм U2 0,1.

, U2 (6.4.8) Оборотные активы 3. Коэффициент автономии (финансовой независимости) Собственны й капитал норм U3 0,4. (6.4.9), U Валюта баланса 4. Коэффициент финансирования Собственны й капитал норм U4 0,7. (6.4.10), U Заемный капитал 5. Коэффициент финансовой устойчивости Собственны й капитал Долгосрочные обязательства U5, Валюта баланса (6.4.11) норм 0,6.

нормальное ограничение U Выберем показатели (коэффициенты) расширенной системы Бивера, следуя двум общим правилам отбора показателей в теории экспертных сис тем: 1) в качестве используемых показателей используются наиболее инфор мативные;

2) если между двумя показателями имеется ярко выраженная кор реляция, то один из них исключается из рассмотрения во избежание дубли рования информации.

Сравнивая между собой системы уравнений (6.4.1) – (6.4.5) и (6.4.7) – (6.4.11), убедимся, что два коэффициента обеих систем совпадают ( B5 U 2 ) и поэтому нет смысла дополнительно включать коэффициент обеспеченно сти собственными источниками финансирования U 2 в состав расширенной системы показателей Бивера.

Четыре коэффициента обеих систем: финансовый рычаг (леверидж) B 4, коэффициент капитализации (плечо финансового рычага) U 1, коэффици ент автономии (финансовой независимости) U 3 и коэффициент финансиро вания U 4, – являются взаимосвязанными двумя уравнениями:

U 4 1 U1 ;

B4 U 3 U 4, (6.4.12) и поэтому два из них можно исключить из рассмотрения, оставив два остав шихся. Выберем эти коэффициенты.

Наиболее важным из них является коэффициент автономии (финансо вой независимости) U 3. В совокупности с коэффициентом финансирования U 4 он сохраняет полную информацию о соотношении собственных, заемных средств и валюте баланса. Итак, включим в состав расширенной системы ко эффициенты U 3, U 4, исключив из нее B 4.

С точки зрения близости к банкротству важным коэффициентом пред ставляется коэффициент финансовой устойчивости U 5, учитывающий в кри тической ситуации смягчающую роль долгосрочных обязательств. Введем и этот коэффициент в состав расширенной системы.

Окончательно сформируем состав расширенной системы показателей Бивера, указав границы нормальных ограничений (табл. 6.4.2).

Таблица 6.4. Расширенная система показателей Бивера №№ Наименование показателя Обозна- Нормальные чение ограничения B1 0, Коэффициент Бивера 1 B B 2 2, Коэффициент текущей ликвидности 2 B B3 6% Экономическая рентабельность 3 B U 3 0, Коэффициент автономии (финансо 4 U вой независимости) U 4 0, Коэффициент финансирования U B5 0, Коэффициент покрытия оборотных B активов СОС U 5 0, Коэффициент финансовой устойчи- U вости Обобщенный показатель расширенной системы Бивера. Как видим, показателей много и для конкретных предприятий их значения могут попасть в разные группы оценки финансового положения (см. табл. 6.4.1). Точно также часть показателей расширенной системы Бивера могут удовлетворять нормальным ограничениям, а часть – не удовлетворять. В итоге оказывается затруднительным дать однозначную оценку финансового состояния пред приятия. Для устранения этой неопределенности необходимо перейти к еди ной рейтинговой оценке, т.е. «свернуть» набор всех исследуемых частных финансовых показателей в один обобщенный показатель, по значению кото рого можно будет однозначно судить о степени близости предприятия к бан кротству.

Следуя методике, предложенной авторами в работе [25] введем обоб щенный показатель расширенной системы Бивера по формуле J Vi xi, (6.4.13) i где xi – переменные, называемые признаками (в нашем случае – финансовые коэффициенты);

Vi – весовые коэффициенты, характеризующие относитель ную важность отдельных признаков.

Используя нормировку, аналогичную (6.4.6), деления признаков x i на соответствующую границу нормальных ограничений (см. табл. 6.4.2) i x i x iнорм, (6.4.14) x достигнем для всех признаков следующего удобного свойства: на границе нормальных ограничений каждый нормированный признак принимает еди ничное значение.

Для достижения другого положительного свойства (обращения в еди ницу на границе нормальных ограничений всего обобщенного показателя J ) введем формулу для расчета обобщенного показателя расширенной системы Бивера, применив нормировку на величину суммы весовых коэффициентов:

I Vi i x i Bобщ, (6.4.15) I V j j где I – общее количество учитываемых признаков.

Веса Vi определяются на основе метода анализа иерархий путем поиска собственных значений и собственных векторов матрицы парных сравнений, составленной экспертами. Для выбора предпочтений одного показателя пе ред другим эксперты используют лингвистический подход [47, 142].

Предложим нечетко-множественный вариант формулы для расчета обобщенного показателя расширенной системы Бивера, заменив в выраже нии (6.4.15) весовые коэффициенты Vi на соответствующие функции при надлежности I i i x i Bобщ. (6.4.16) I i j Большим преимуществом введенной формулы является то, что при этом не требуется обращаться к методу анализа иерархий и выполнять доста точно трудоемкую процедуру поиска собственных векторов и собственных значений матрицы парных сравнений. Кроме того, следует отметить, что упомянутый выше лингвистический подход к построению этой матрицы яв ляется достаточно субъективным.

Определение приоритетов показателей. Приоритеты признаков x i в формуле (6.4.13), или нормированных признаков i в формуле (6.4.15) опре x деляются набором весовых коэффициентов Vi. Согласно методу анализа иерархий [47, 142] соотношение весовых коэффициентов можно определить на основе матрицы парных сравнений. Один из признаков выбирается экс пертами в качестве главного, и соответствующий ему весовой коэффициент обозначается V глав. Эксперты на основе своего опыта и знаний определяют отношение V глав ri, (6.4.17) Vi называемое рангом признака, т.е. степень предпочтительности основного признака перед остальными по следующей лингвистической шкале:

– строго эквивалентны – ранг 1;

– слабо предпочтительнее – ранг 3;

– несколько предпочтительнее – ранг 5.

Промежуточные значения снижения относительной важности показа телей – ранги 2,4.

Из формулы (6.4.17) следует «обратное соотношение»: чем менее зна чим признак, тем больший ранг ri ему присваивается. По оценкам экспертов первые четыре признака признаны наиболее важными;

в качестве главного признака выбран коэффициент Бивера B1, вторым по значимости – коэффи циент автономии U 3 (табл. 6.4.3).

Таблица 6.4. Ранги признаков расширенной системы показателей Бивера Признак Наименование показателя Ранг Коэффициент Бивера B x1 Коэффициент текущей ликвидности B 2 x Экономическая рентабельность B x3 Коэффициент автономии (финансовой независи- x мости) U Коэффициент финансирования U x5 Коэффициент покрытия оборотных активов x6 СОС B Коэффициент финансовой устойчивости U x7 Используя выбранные экспертами ранги, составим матрицу парных сравнений 1 3 3 2 0,33 1 1 0,5 0,33 1 1 0,5 W 0,5 3.

2 2 1 0,2 0,6 0,6 0,4 1 0, 0,25 0,5 0,5 0,4 0,2 0,6 0,6 0,4 1 0, На основе расчетов (см. Приложение 5) получим: максимальное собст венное значение матрицы max 7,124 ;

индекс согласованности ИС = 0,021;

отношение согласованности ОС = 0,016. Как видим, матрица парных сравне ний получилась хорошо согласованной, а весовые коэффициенты равны V1 2,918;

V2 1,170;

V3 1,170;

V4 1,669;

V5 0,449;

V6 0,743;

V7 0,449 (6.4.18) или после нормировки делением на сумму коэффициентов Vi V1 0,341;

V2 0,137;

V3 0,137;

V4 0,195;

V5 0,052;

V6 0,087;

V7 0,052. (6.4.19) Рис. 6.4.3. Три первых собственных вектора матрицы парных сравнений Приведем первые из трех собственных векторов рассмотренной матри цы парных сравнений (рис. 6.4.3). Как видим, первый из столбцов, соответст вующий найденному максимальному собственному значению 7,124, отража ет соотношение между различными весовыми коэффициентами.

Диагностика финансового состояния конкретных предприятий.

Приведем в компактной форме основные статьи аналитических балансов трех конкретных предприятий Воронежской области за 2009 год (табл. 6.4.4).

Таблица 6.4. Основные показатели балансов реальных предприятий Из предварительного чтения балансов предприятий, можно убедиться, что эти предприятий совершенно различны. Особенно ярким является разли чие в доле собственного капитала в составе баланса (коэффициент автоно мии). Для первого предприятия он крайне мал и равен 0,004, для второго – необычно высок и равен 0,898, для третьего – имеет нормальное значение и равен 0,415.

Рассчитаем значения показателей (признаков) x i расширенной системы Бивера, нормированные значения признаков i и соответствующие значения x функции принадлежности i (табл.6.4.5). В качестве функции принадлежно сти выберем левостороннюю трапецию с характеристическим множеством T 0,2, 0,8, 1,0, 1,0. (6.4.20) Таблица 6.4. Признаки и обобщенные показатели расширенной системы Бивера При- Финист Мебель Черноземья Кристалл i i i знаки i i i xi x xi x xi x 1 0,032 0,091 0,000 0,221 0,634 0,724 0,112 0,321 0, 2 0,785 0,392 0,321 8,889 4,445 1,000 1,549 0,774 0, 3 0,447 0,074 0,000 0,071 0,116 0,000 2,918 0,486 0, 4 0,004 0,011 0,000 0,898 2,245 1,000 0,415 1,037 1, 5 0,004 0,006 0,000 18,81 25,81 1,000 0,709 1,012 1, 6 -0,27 0,000 0,000 0,796 7,961 1,000 0,121 1,210 1, 7 0,008 0,014 0,000 0,941 1,569 1,000 0,570 0,950 1, 0,098 3,381 0, Bобщ 0,126 7,422 2, Bобщ В двух нижних строках табл. (6.4.5) приведены значения детерминиро ванного обобщенного показателя расширенной системы Бивера (6.4.15) и не четко-множественного обобщенного показателя (6.4.16). Как видим, эти зна чения совершенно различны, что подтверждает сделанные ранее замечания относительно структуры балансов рассматриваемых предприятий.

Детальное сопоставление полученных показателей позволяет сделать важный с экономической точки зрения вывод: эти предприятия используют совершенно различную финансовую политику. Первое и третье предприятия, в основном, предпочитают пользоваться заемными средствами, в то время как второе предприятие имеет малую величину займов и кредитов, а также кредиторской задолженности (см. табл. 6.4.4) и предпочитает развиваться за счет значительного собственного капитала.

Кластеризация предприятий по признакам финансового состоя ния. Сделанное выше заключение относительно различной финансовой по литике рассмотренных предприятий позволяет предполагать, что по типу вы бираемой политики и признакам финансового состояния эти предприятия от носятся к различным классам (кластерам).

Для подтверждения этого предположения в отличие от сопоставления полученных рейтинговых чисел (обобщенных показателей) требуется перей ти к многомерному кластерному анализу. Кластерный анализ (data clustering) – задача разбиения заданной выборки признаков на подмножества, называемые кластерами, так, чтобы каждый кластер состоял из схожих объ ектов, а объекты разных кластеров существенно отличались. Наиболее распространенный метод древовидной кластеризации используется при фор мировании кластеров несходства или расстояния между объектами [88]. Эти расстояния (метрики) могут определяться в одномерном или многомерном пространстве. Наиболее прямой путь вычисления расстояний между объек тами в многомерном пространстве состоит в вычислении евклидовых рас стояний. Если мы имеем двух- или трёхмерное пространство, то эта мера яв ляется просто геометрическим расстоянием между объектами в пространст ве. Наряду с евклидовой существует еще множество других метрик, напри мер чебышевская, однако евклидова метрика представляется более естест венной и даже и может быть изображена графически.

В отличие от обобщенного показателя расширенной системы Бивера, дающего интегральную оценку степени близости выбранного предприятия к банкротству, вводимая метрика более приспособлена для попарного сопос тавления множества предприятий между собой, поскольку сравнивает каж дый признак одного предприятия с соответствующим признаком другого.

Пусть X x i и Y y i – множества признаков двух различных предпри ятий. Тогда евклидово расстояние между этими множествам определяется формулой I X,Y x i y i, (6.4.21) i 1 где I – общее количество признаков.

Кластерный анализ предъявляет ряд требований к данным [88]:

1) показатели не должны коррелировать между собой;

2) показатели должны быть безразмерными;

3) выборка должна быть однородна, не содержать «выбросов».

Последнее требование для рассматриваемых предприятий не выполня ется. Действительно, пятый признак для второго предприятия имеет «вы брос» – чрезвычайно большое значение 25,81. Поэтому исключим его из рас смотрения для всех предприятий и будем проводить кластеризацию по 6 при знакам. Приведем соответствующие различным предприятиям векторы при знаков X 1 = [ 0.091 0. 0,000 0.014 ]T ;

0.074 0. X 2 [ 0.634 4. 7.961 1.569 ]T ;

0.011 2.245 (6.4.22) X 3 [ 0.321 0. 0.210 0.950]T.

0.486 0. Рассчитанные расстояния между векторами признаков (6.4.22):

9,354;

1,135;

8,895.

X 1, X 2 X 1, X 3 X 2, X Как видим, 1-ый и 3-ий векторы близки между собой, и оба этих векто ра очень далеки от 2-го вектора. Итак, по структуре расширенной системы Бивера предприятия образуют два кластера. В первый кластер попадают по казатели 1,3-го предприятий, а во второй – 2-го предприятия. Как мы уже упоминали ранее, это объясняется различными стратегиями финансовой по литики: в первом случае функционирование за счет заемных средств, а во втором случае – за счет собственного капитала.

Итак, введенный выше обобщенный показатель расширенной системы Бивера является рейтинговым числом и поэтому позволяет получить одно значную оценку степени близости конкретного предприятия к банкротству в отличие от оценки на основе анализа множества отдельных показателей Bi.

При необходимости сравнения различных предприятий между собой эффек тивным подходом является кластерный анализ.

6.5 Нечетко-множественный скоринговый анализ Одной из основных характеристик финансового состояния предпри ятия является финансовая устойчивость – оценка стабильности финансового положения организации, обеспечиваемая высокой долей собственного капи тала в общей сумме используемых ею финансовых средств. Определение фи нансовой устойчивости является комплексным процессом, включающим ана лиз предприятия с различных позиций: определение финансовых коэффици ентов структуры капитала, оценка степени покрытия запасов источниками их формирования, применение двух- или пятифакторной рейтинговых моделей, использование системы показателей Бивера и т.д. [4,48].

Учитывая многообразие финансовых процессов, множественность по казателей финансового состояния, различие в уровне критических оценок и возникающие в связи с этим сложности в общей оценке финансового поло жения предприятия, в работе О.И. Косьминой [73] изучены различные мето дики анализа финансового состояния предприятия и показано их применение на примере конкретного предприятия. По мнению автора, практический ин терес представляет вопрос о том, насколько близки или, наоборот, отличны результаты расчетов по альтернативным методикам. На примере деятельно сти конкретного предприятия апробировано девять различных методик, вы явлены их положительные и отрицательные стороны.

В частности, была рассмотрена интегральная оценка финансовой ус тойчивости на основе скорингового анализа [73]. Сущность этой методики – классификация предприятий по степени риска, исходя из фактического уров ня показателей финансовой устойчивости и рейтинга каждого показателя, выраженного в баллах на основе экспертных оценок.

Идея скорингового анализа представляется весьма привлекательной по следующим причинам. Некоторые этапы традиционного подхода к анализу финансового состояния зачастую дают неоднозначный ответ о степени бли зости предприятия к банкротству. Во-первых, это обусловлено необходимо стью рассмотрения слишком большого числа финансовых коэффициентов, часть из которых удовлетворяют нормальным ограничениям, а другая часть – не удовлетворяет. В итоге, даже оценка ликвидности или структуры капитала получается неоднозначной. В скоринговом же анализе используются всего три показателя, однако они представляются наиболее важными для оценки финансового состояния.

Во-вторых, интересный с аналитической точки зрения этап оценки сте пени покрытия запасов источниками их формирования никак не может счи таться самостоятельным, а является лишь дополнением к важному этапу – анализу структуры капитала. Этап определения индекса Альтмана для рос сийских предприятий зачастую приводит к результатам, противоречащим оценке платежеспособности или структуры капитала.

В-третьих, в отличие от обычно применяемой упрощенной методики разделения значений финансовых показателей всего на две области: соответ ствует или не соответствует нормальным ограничениям, задаваемым в виде неравенств [4, 28,48 и др.], скоринговый анализ предполагает более тонкую кластеризацию финансового состояния на пять классов.

В данном разделе для оценки финансового состояния четырех реаль ных предприятий используются и сравниваются между собой три подхода:

анализ структуры капитала, скоринговый анализ и нечетко-множественный скоринговый анализ [26]. Последний подход реализует современные пред ставления общей теории экспертных систем.

Охарактеризуем сравниваемые предприятия [24]. Применим уже ис пользованную ранее компактную форму представления балансов (см. табл.

6.3.1) и рассмотрим последовательно упомянутые выше методы оценки фи нансового состояния.

1. Анализ структуры капитала. Воспользуемся результатами работы [24], в которой вместо обычно применяемых разрозненных финансовых ко эффициентов введен единый обобщенный показатель (рейтинговое число) структуры капитала.

Приведем формулу для расчета обобщенного показателя структуры ка питала, применив нормировку на величину суммы весовых коэффициентов:

I Vi i x i U общ, (6.5.1) I V j j где xi – переменные, согласно теории экспертных систем называемые при знаками (в нашем случае – частные финансовые коэффициенты структуры капитала);

Vi – весовые коэффициенты, характеризующие относительную важность отдельных признаков;

I – общее количество учитываемых призна ков. Достоинством введенного выражения является то, что на границе нор мальных ограничений коэффициентов структуры капитала нормированный показатель U общ должен принимать значение, равное 1,0.

В качестве признаков xi, учитываемых в формуле (6.5.1), выбраны по следовательно: x1 – коэффициент обеспечения собственными источниками финансирования U 2 ;

x 2 – коэффициент финансовой независимости U 3 ;

x3 – коэффициент финансирования U 4 ;

x 4 – коэффициент финансовой устой чивости U 5. Коэффициент капитализации U 1 исключен из рассмотрения во избежание дублирования информации, поскольку он является просто обрат ной величиной коэффициента финансирования U 4, который включен в обобщенный показатель.

i 1,2,...,4 осуществляется Для каждого из выбранных признаков xi, нормировка делением на соответствующую границу нормального ограниче ния. Значение этой нормировки состоит в следующем: исходные финансовые показатели U i и соответствующие признаки x i могут иметь различные интервалы изменения, а все нормированные признаки i единообразно при x нимают значение 1,0 на границе соответствующих нормальных ограничений.

В работе [24] для выбранных предприятий (см. табл.6.5.1) рассчитаны абсолютные значения финансовых коэффициентов структуры капитала, при знаки xi, нормированные значения признаков i, весовые коэффициенты Vi, x входящие в формулу (1). В результате для анализируемых предприятий по лучены следующие значения обобщенного показателя структуры капитала U общ : «Финист» – 0,010;

«Станкомаш» – 0,000;

«Мебель Черноземья» – 4,549;

«Кристалл» – 1,055.

Как видим, согласно рассчитанным значениям первые два предприятия имеют неудовлетворительную структуру капитала, а последние – нормаль ную. Причем показатель U общ для предприятия «Мебель Черноземья» даже значительно превышает норматив.

2. Скоринговый анализ. Согласно табл. 2.6.3 простая скоринговая модель с тремя финансовыми показателями предполагает разбиение финан сового состояния предприятий на 5 классов (табл.6.5.1).

Таблица 6.5. Кластеризация финансового состояния предприятий Показатели 1-й класс ….. 5-й класс Рентабельность совокупного 30 и выше Менее капитала, % (50 баллов) ….. (0 баллов) Коэффициент текущей лик- 2,0 и выше 1 и ниже видности (30 баллов) ….. (0 баллов) Коэффициент финансовой не- 0,7 и выше Менее 0, зависимости (20 баллов) ….. (0 баллов) Границы классов 100 баллов и 0 баллов выше …..

Первый класс – предприятие с хорошим запасом финансовой устойчи вости, позволяющим быть уверенным в возврате заемных средств, …, пятый класс – предприятия высочайшего риска, практически несостоятельные.

Выберем в качестве признаков экспертизы: x1 – рентабельность сово купного капитала, % ;

x 2 – коэффициент текущей ликвидности;

x3 – коэф фициент финансовой независимости.

Анализируя границы финансовых показателей x i,гр для 1-го класса и соответствующее количество баллов Bi,гр (см. табл. 6.5.1), можно ввести формулы для расчета конкретных значений этих показателей и их балльной оценки xi i i 1,2,3, Bi Bi,гр i,, (6.5.2) x x x i,гр где i – нормированные значения признаков.

x Окончательное суждение о принадлежности финансового состояния предприятия тому или иному классу в скоринговом анализе выносится на ос новании суммирования значений баллов Bi.

50 1 30 2 20 x x x B Bi (6.5.3), Bi,гр i i где Bi,гр равняются 50, 30 и 20 баллам, соответственно. В итоге формулу (6.5.3) можно переписать в виде Bi,гр i x i Вобщ. (6.5.4) Bi,гр i Из сравнения выражений (6.5.1) и (6.5.4) можно сделать вывод о том, что результирующая обобщенная оценка Bобщ в скоринговом анализе и обобщенный показатель структуры капитала U общ основаны на едином под ходе к построению рейтингового числа – расчете взвешенной суммы призна ков и нормировке ее на сумму весовых коэффициентов.

Используем результаты сделанных ранее расчетов (см. табл. 6.6.4) зна чений признаков xi и соответствующих им балльных оценок Bi для четырех сравниваемых предприятий. Приведем далее лишь результаты расчетов для важнейшего признака x1 (табл. 6.5.2).

Таблица 6.5. Результаты скорингового анализа Предприятия «Финист» «Станкомаш» «Мебель «Кристалл»

Черноземья»

Показатели Значе- Балл Значе- Балл Значе- Балл Значе- Балл ние ние ние ние x1, B1 – 0,101 0,00 0,00 21,12 35,2 14,02 23, ….. … … … … … … … … Bобщ – – – – 11,79 9,435 85,2 58, Примечание: согласно принципам скорингового анализа (см. табл.

6.5.1), максимальное количество баллов по каждому из показателей не может быть выше 50, 30 и 20 баллов, соответственно. Поэтому в последней таблице для третьего предприятия вместо рассчитанных по формулам (2) значений B 2 133,4, B3 25,65 проставлены, соответственно, их граничные значения – 30 и 20 баллов.

Как видим из расчетов, первое и второе предприятия относятся к пято му классу скоринговой классификации, третье – ко второму, а четвертое – к третьему 3. Нечетко-множественный скоринговый анализ. Воспользуемся одним из основных понятий теории нечетких множеств [47] – понятием функции принадлежности A i нормированных признаков i множеству допусти x x мых значений A. Обобщив формулы (6.5.1), (6.5.4), введем нечетко множественный показатель финансового состояния Vi A i i xx J i, (6.5.5) Vi i где Vi – весовые коэффициенты, образующие вектор приоритетов V, i – значения признаков x i, нормированные делением на границы фи x нансовых показателей x i,гр для 1-го класса скорингового анализа (см.

табл.6.5.1).

Обычно функции принадлежности выбирают в трапециевидной форме (рис. 6.5.1), а их форму задают для краткости характеристическим Т множеством T t1, t 2, t 3, t 4. Величины переменных t l, l 1 4 задают точки «перелома» (вершины) трапеции.

Первая из функций принадлежности A1 ( i ), представленных на ри x сунке, имеет треугольную форму, а две остальные A 2 ( i ), A 3 ( i ) – трапе x x циевидную. Первый индекс в двойной индексации переменных t lk, l 1,2,...;

k 1 4 относится к варианту задания функции принадлежности, а второй – к номеру вершины трапеции.

Ai ( i ) x t 22 t 32 t 1, Возможность продления для скоринго A1 ( i ) x вого анализа 0, A 3 ( xi ) A 2 ( i ) ti 3 ti x t 0, i 0 0,2 0,4 0,6 0,8 1,0 x Рис. 6.5.1. Возможные варианты функций принадлежности Ai ( i ) x Выберем второй тип функции принадлежности (см. рисунок) с харак теристическим множеством T 0,2, 0,8, 1,0, 1,0 и рассчитаем ее значения для множества нормированных признаков i (табл.6.5.3).

x Согласно методике скорингового анализа (см. табл. 6.5.1), при дости жении показателем верхней границы первого класса, соответствующему при знаку присваивается максимальный фиксированный балл, независимо от дальнейшего возрастания этого признака. Применительно к нормированным признакам i, используемым в нечетко-множественном показателе (6.5.5) это x означает, что значение такого признака полагается равным максимально воз можному, т.е. единице. Так, в табл. 6.5.3 для предприятия «Мебель Чернозе мья» вместо расчетных значений 2 4,445, 3 1,282 установлено макси x x мально допустимое верхнее значение – 1,000.

Таблица 6.5. Нормированные признаки i и функции принадлежности A i x x Предприятия «Финист» «Станкомаш» «Мебель «Кристалл»

Черноземья»

i i i i i i i i Показатели x x x x Рентабельность совокупного ка питала – – 0,003 0,000 0,704 0,841 0,473 0, Коэффициент текущей лик видности 0,393 0,322 0,314 0,191 1,000 1,000 0,774 0, Коэффициент финансовой не зависимости 0,006 0,000 0,000 0,000 1,000 1,000 0,592 0, Нечетко множественный 0,034 0,016 0,778 0, показатель J нм нм Для расчета значений нечетко-множественного показателя J опре делим вектор приоритетов V методом анализа иерархий [47] на основе мето дики, представленной в работе [26].

При проведении экспертизы финансового состояния для выбора пред почтений одного показателя перед другим эксперты используют лингвисти ческую шкалу. Один из признаков выбирается экспертами в качестве главно го, и соответствующий ему весовой коэффициент обозначается V1. Эксперты на основе своего опыта и знаний определяют отношение ri V1 Vi, i 2,3,..., называемое рангом признака, т.е. степень предпочти тельности основного признака перед остальными.

По смыслу скорингового анализа в качестве главного признака выби рается рентабельность собственного капитала, следующими по значимости – коэффициент текущей ликвидности и коэффициент финансовой независимо сти.

На основании выбранных рангов согласно методике [26] составим мат рицу парных сравнений признаков Определив численно наибольшее собственное значение max = 2,998, можно убедиться, что матрица парных сравнений получилась хорошо согла сованной: индекс согласованности равен 0,001. После нормировки первого собственного вектора матрицы A делением на сумму его элементов получим следующий вектор приоритетов V 0,546 0,273 0,182. (6.5.6) Вернувшись к выражению (6.5.3) для вычисления количества баллов B в традиционном скоринговом анализе, можно убедиться, что оно после деле ния на максимальную сумму 100 баллов принимает вид B 0,5 1 0,3 2 0,2 3, x x x где соответствующие весовые коэффициенты равны 0,5 0,3 0,2. Сравни вая последнее выражение с равенством (6.5.6), можно убедиться, что коэф фициенты, строго рассчитанные методом анализа иерархий практически сов падают с коэффициентами, введенными в традиционном скоринговом анали зе на основе интуитивных представлений (различие менее 10%). Это под тверждает обоснованность и того, и другого метода.

Подставив найденные значения i, A i и весовые коэффициенты x x (6.5.6) в формулу (6.5.5), определим значения показателя финансового со стояния J нм нечетко-множественного скорингового анализа (последняя строка табл. 6.5.3).

Для показателя J нм классы финансового состояния имеют вид: пятый – [0,0–0,2), четвертый – [0,2–0,4), третий – [0,4–0,6), второй – [0,6–0,8), первый – больше 0,8. Следовательно, финансовое состояние двух первых предприятий принадлежит к пятому классу (предприятия высочайше го риска, практически несостоятельные). Третье предприятие относится ко второму классу, немного не дотягивая до первого класса (предприятие с хо рошим запасом финансовой устойчивости, позволяющим быть уверенным в возврате заемных средств). Четвертое предприятие практически относится к третьему классу, его финансовое состояние можно считать проблемным.


ЗАКЛЮЧЕНИЕ В теории и практике развития экспертных систем статистической обра ботки информации по настоящее время существует ряд нерешенных про блем, часть из которых охарактеризована в первой главе данной работы на основе развернутого анализа литературных источников. Одним из перспек тивных направлений решения этих проблем представляется объединение ме тодов кластеризации, анализа иерархий и математической статистики в по следовательно-адаптивном процессе экспертизы.

В то же время в известной литературе представлены многочисленные случаи экспертизы отдельных объектов различной природы, в основном, в области техники, однако такие исследования носят разрозненный характер.

Практически отсутствуют попытки разработки достаточно универсальной детальной технологии экспертизы.

В целом, в данной работе сделана попытка создания единой теории экспертизы технических и экономических объектов на базе комплекса мето дов математической статистики, кластерного анализа и анализа иерархий, разработки алгоритмов и общей технологии экспертизы.

На основании проведенных исследований можно сделать следующие выводы.

1. В рамках статистической теории экспертных систем впервые пред ложена концепция единого кластерно-иерархического подхода к экспертизе технических и экономических объектов, применяемого последовательно на всех этапах экспертизы.

2. Разработан комплекс методов кластеризации, обеспечивающих раз биение множества объектов экспертизы на отдельные кластеры согласно аль тернативным критериям. Обоснована методика неоднократного и последова тельного осуществления кластеризации на протяжении всего процесса экс пертизы с адаптацией результатов на каждом этапе.

3. Предложен принцип разделения признаков как важнейшее средство достижения объективности экспертизы, согласно которому признаки объекта экспертизы разбиваются на отдельные кластеры по критерию различия алго ритмов оценки.

4. Введено понятие экспертного пространства и исследованы статисти ческие свойства экспертных оценок. Разработаны и апробированы: методика статистической обработки векторов оценок экспертов, алгоритм промежу точной кластеризации объектов экспертизы и процедура адаптации эксперт ной группы.

5. Сформулирован и теоретически обоснован принцип идеального на блюдателя, расширяющий сферу применимости статистических методов в задачах экспертизы. Доказано, что множество векторов оценок экспертов с различными распределениями может заменяться вектором идеального на блюдателя и векторами статистической ошибки оценивания.

6. Предложены и сравниваются между собой различные подходы к обобщенной оценке качества объекта экспертизы: обобщенный показатель качества в нормированных и гильбертовых пространствах, нелинейный не четко-множественный показатель качества в матрично-операторной форме, математические модели комплексного показателя «качество-цена».

7. Впервые разработаны две модификации (РМАИ и МАИ РП) класси ческого метода анализа иерархий (МАИ), обеспечивающие устранение имеющихся недостатков традиционного метода (трудности учета признаков психофизиологической природы, заведомое занижение весовых коэффициен тов признаков с высокими рангами, излишняя расплывчатость лингвистиче ской шкалы и др.).

8. Показана целесообразность параллельного анализа детерминирован ного и нечетко-множественного показателя качества. Установлена необхо димость двойного применения нечетко-множественных представлений – к построению вектора приоритетов разделяющихся признаков и к введению единой функции принадлежности признака множеству допустимых значе ний.

9. Обобщен метод последовательного анализа Вальда на случай про верки статистических гипотез экспертных систем за счет введения понятия защитного объема выборки, анализа свойств корреляционной матрицы век торов оценок и адаптации группы экспертов. Выявлена возможность значи тельного сокращения (в 3-4 раза) необходимого количества экспертов 10. Разработан двухэтапный алгоритм проверки согласованности груп пы экспертов. Первый этап основывается на исследовании корреляционной матрицы векторов оценок экспертов с дальнейшей уточненной проверкой на базе понятий частной и множественной корреляции. Второй, уточняющий этап основывается на решении L проблемы моментов.

11. Для реализации предлагаемого кластерно-иерархического подход к экспертизе как технических, так и экономических объектов разработаны два варианта адаптируемой технологии экспертизы: 1) полный вариант – для экспертизы сложных и дорогостоящих объектов;

2) упрощенный вариант – для экспертизы простых и недорогих объектов.

12. Разработанная технология экспертизы апробирована на множестве технических и экономических объектов различной природы: системы плани рования финансовых ресурсов предприятий (ERP- системы), приборы элек тронной промышленности, продукция химических производств, продукция пищевой промышленности, приемно-контрольные приборы вневедомствен ной охраны МВД России, системы оценки финансового состояния предпри ятий, системы определения степени вероятности банкротства.

Итак, для практического применения разработанных методов были разработаны два варианта технологии экспертизы (см. раздел 4.5). Поэтому далее приводятся лишь дополнительные рекомендации, уточняющие приме нение упомянутых технологий.

1. На первой, начальной стадии процесса экспертизы необходимо осу ществить предварительный выбор группы экспертов и проверить ее согласо ванность. Последняя может выполняться как на основе тестового примера, так и на основе множества данных реальных объектов. Применимы различ ные способы: анализ корреляционной матрицы векторов оценок различными экспертами, определение расстояний между векторами оценок в метрическом пространстве, использование решения L-проблемы моментов.

2. Сформулировать цели экспертизы и уточнить их посредством мето дом анализа иерархий (МАИ). Общая цель (1 уровень иерархии) последова тельно разделяется на множество частных целей (2,3 и т.д. уровни иерархии) и методом МАИ определяется их приоритет. Итогом должен явиться оптими зированный вариант основных целей исследования.

3. Целесообразно предварительное разделение признаков объекта на следующие подгруппы: признаки положительного эффекта (ППЭ);

признаки отрицательного эффекта (ПОЭ);

количественные признаки (непрерывные ве личины);

признаки наличия (дискретные величины);

качественные признаки;

признаки психофизиологической природы;

признаки отклонений, стоимост ные признаки;

внедренческие признаки;

признаки стоимости и времени экс пертизы и др. Количество и состав каждой из подгрупп определяются приро дой объектов экспертизы.

4. Применительно к проблеме кластеризации сложных и дорогих объ ектов, следует использовать предложенную в работе многоуровневую проце дуру обработки характеристических векторов оценок объектов (категориза цию данных, использование критерия знаков, критерия Вилкоксона, стати стическую обработку векторов объектов). Для краткости, назовем такую процедуру методом «кластерного сита».

5. Первым этапом предложенной процедуры кластерного сита является категоризация данных. В качестве исходных данных следует выбрать не большое число категориальных признаков объекта (2-3), но эти признаки считаются главными, фундаментальными для целей данной экспертизы. Ко личество выделяемых кластеров при этом также получается небольшим, од нако эти кластеры являются определяющими для исследуемого множества объектов.

6. Оценить степень близости (однородность) объектов в каждом кла стере одним из следующих методов: 1) вычисление и анализ обобщенной матрицы дисперсии Dобщ характеристических векторов для каждого класте ра;

2) использование свободного от распределения статистики критерия зна ков;

3) применение критерия Вилкоксона.

7. Для предварительной кластеризации экономических объектов реко мендуется использовать один из двух вариантов разработанного в данном ис следовании модифицированного критерия знаков: алгоритм множественной кластеризации или алгоритм, основанный на введении расстояния Хемминга.

8. При нечетко-множественной кластеризации наиболее рациональным представляется применять функции принадлежности L R типа, а при на личии данных о возможном количестве кластеров – алгоритм нечетких с – средних. Однако при экспертизе финансового состояния предприятий более предпочтительным является разработанный в данном исследовании метод категориальной иерархии, имеющий итеративный характер.

9. Для более четкого разделения кластеров при скоринговом анализе финансового состояния предприятий рекомендуется использовать нечетко множественный вариант кластеризации. Разработанная методика кластериза ции демонстрирует эффективность применения метода анализа иерархий (МАИ) для определения вектора приоритетов основных признаков.

10. В целом, при решении задач экспертизы сложных объектов класте ризация должна осуществляться многократно: от начала процесса экспертизы и до его окончания. Поэтому кластеризацию следует считать необходимым элементом любой задачи экспертного исследования. Важным этапом также является выбор метода представления результатов (многомерное или одно мерное шкалирование) и задача наглядной визуализации.

11. Выбрать один из разработанных вариант обобщенного показателя качества. Проведенный численный анализ показал, что более чувствительной к различию параметров сравниваемых объектов является мультипликативная форма показателя. При экспертизе целесообразно сравнивать между собой оценки как линейного детерминированного, так и нелинейного нечетко множественного показателя для всех объектов.


12. Особое внимание следует уделить учету признаков отрицательного эффекта (ПОЭ). Так, для экспертизы продукции пищевых и химических про изводств значения ПОЭ приведены в соответствующих ГОСТах и техниче ских условиях. При экспертизе сложных технико-экономических проектов для построения комплексного показателя качества «качество-цена» необхо димо использовать не обычную функцию цены, а функцию комбинирован ных стоимостно-внедренческих показателей.

13. Для преобразования области значений обобщенного показателя ка чества и комплексного показателя качество-цена к диапазону [0, 1] следует m m использовать три вида нормировки: в пространствах R0, R1 и в евклидовом m пространстве R E. При этом оказывается возможным для определения нели нейного нечетко-множественного показателя качества ввести единую стан дартную форму функции принадлежности A x i.

14. Для экспертизы сложных и дорогостоящих объектов предлагается использовать разработанный расширенный метод анализа иерархий (РМАИ).

Предложенный метод позволяет разрешить сложную проблему учета качест венных признаков и признаков психофизиологической природы за счет включения в алгоритм МАИ алгоритма, реализующего метод Терстоуна.

Кроме того, снимается вычислительная проблема МАИ (явное занижение ве совых коэффициентов признаков с высокими рангами) путем комбинации с методом прямого ранжирования.

15. Сформулированный в данной работе принцип разделения призна ков положен в основу модификации МАИ – методу анализа иерархий с раз деляющимися признаками (МАИ РП). Преимуществами предложенного ме тода являются прозрачность алгоритмов и лучшие вычислительные возмож ности при анализе технических и экономических объектов.

16. Статистическая обработка векторов оценок экспертов должна про водиться в несколько этапов, первым из которых является построение пред ложенного в работе параллелепипеда экспертного эксперимента (ПЭЭ) и планирование этого эксперимента. На следующих этапах осуществляется:

центрирование векторных оценок, нормировка по строкам ПЭЭ, шкалирова ние, построение и анализ корреляционной матрицы векторов оценок, вычис ление расстояний между векторами в гильбертовом пространстве оценок, ор тогонализация, расчет обобщенной дисперсии. На последнем этапе прово дится адаптация группы экспертов и возможный возврат к одному из преды дущих шагов экспертизы.

17. При низких требованиях к точности экспертных оценок каждого из признаков x i, i 1,2,..., m достаточно ограничиться обычной процедурой различения статистических гипотез. При высоких требованиях к точности это приводит к чрезмерно большому количеству требуемых экспертов. По этому следует использовать метод последовательного анализа Вальда, моди фицированный в данной работе к задаче экспертного оценивания путем вве дения понятия защитного объема выборки и текущей адаптации группы экс пертов на основе анализа корреляционной матрицы векторов их оценок.

18. Как показывают результаты множества численных расчетов, опре деление согласованности группы экспертов на основе анализа корреляцион ной матрицы векторов их оценок является надежным рабочим инструментом оценки качества экспертной группы. Однако для дальнейшего уточнения со става группы, в особенности при включении в ее состав новых экспертов, требуется решение оптимизационной задачи L проблемы моментов – поиск вектора с минимальной нормой, скалярные произведения которого с векто рами оценок экспертов должны удовлетворять заданным ограничениям.

19. В разделе 4.5 были детально разработаны два варианта технологии экспертизы – полный вариант, содержащий 14 этапов, и сокращенный вари ант, содержащий 10 этапов. В большинстве случаев следует пользоваться полным вариантом, хотя при этом возрастают затраты времени на экспертизу за счет неоднократного применения адаптационных процедур (в основном, это адаптация группы экспертов и необходимость повтора вычислений при коррекции состава признаков). Окончательный ответ о выборе варианта тех нологии можно получить, добавив в мультипликативный показатель «качест во-цена» третий сомножитель – функцию времени и стоимости экспертизы.

20. Экспертиза технических объектов может осуществляться с различ ных позиций. С одной стороны, это технически сложные приборы или систе мы (приемно-контрольные приборы охранно-пожарной сигнализации (ППКОП), ERP системы, мобильные телефоны, компьютеры и т.д.). С дру гой стороны, с точки зрения экономики, это материально-производственные запасы (МПЗ), т.е. товары или готовая продукция (продукция пищевых или химических производств). В этом случае следует учитывать требования ст. Налогового кодекса РФ об установлении идентичности или однородности товаров.

21. В зависимости от экспертизы конкретного вида технических объек тов выбор оцениваемых признаков является строго индивидуальным. Так, для товаров электронной промышленности и ППКОП в качестве основных видов признаков выбираются количественные признаки, признаки наличия и качественные признаки;

для ERP-систем особую важность представляют признаки наличия основных подпрограмм;

для экспертизы готовой продук ции химических производств наиболее значимыми являются количественные признаки положительного и отрицательного эффекта;

для экспертизы гото вой продукции пищевых производств наиболее важными являются качест венные признаки и признаки отклонений.

22. При экспертизе финансового состояния предприятий и оценке бли зости к банкротству основными признаками являются количественные (пла тежеспособность и ликвидность, структура капитала, устойчивость финансо вого состояния, степень покрытия запасов источниками финансирования, рентабельность, деловая активность). В свою очередь, каждая из этих харак теристик определяется множеством финансовых коэффициентов, часть из которых является признаками положительного эффекта, а другая часть – от рицательного эффекта. Поэтому экспертиза, как правило, требует рассмотре ния трех уровней иерархии.

В целом, проведенные исследования показали, что предложенная ме тодика оказалась эффективной при экспертизе широкого круга технических и экономических объектов – от приборов охранно-пожарной сигнализации до оценки финансового состояния предприятий и степени их близости к бан кротству.

Литература 1. Азгальдов, Г.Г. Квалиметрия: Учебное пособие / Г.Г. Азгальдов. – М.: Высш. школа, 2011. – 143 с.

2. Айвазян, С. А. Прикладная статистика. Классификация и снижение размерности / С.А. Айвазян, В.М. Бухштабер, И.С. Енюков, Л.Д. Мешалкин.

– М.: Финансы и статистика, 1989. – 607 с.

Анализ и диагностика финансово-хозяйственной деятельности 3.

предприятий / Под ред. проф. В.Я. Позднякова. – М.: ИНФРА-М, 2008. – с.

4. Анализ финансовой отчетности: Учебное пособие / Под ред. проф.

О.В. Ефимовой, М.В. Мельник. – М: ОМЕГА-Л, 2006. – 408 с.

5. Андрейчиков, А. В. Анализ, синтез, планирование решений в эконо мике / А.В. Андрейчиков, О.Н. Андрейчикова. – М.: Финансы и статистика, 2004. – 464 с.

6. Ахрамейко, А. А. Обобщение метода анализа иерархий Саати для использования нечетко-интервальных экспертных данных [Текст] / А.А. Ах рамейко, Б.А. Железко, Д.В. Ксеневич, С.В. Ксеневич // Новые информаци онные технологии: Материалы V междунар. науч. конф. – Минск, 2002. – Т.. – С. 217–222.

7. Бабкин, С.А. Теоретическое обоснование экспертно-статистических методов. – Воронеж: Вестник Воронежского института МВД России. – 2008.

– №3. – С.136-141.

8. Бабкин, С.А. Экспертно-статистические методы оценки характери стик радиотехнических приборов и устройств: Диссертация соиск. … канд.

техн. наук: специальность 05.13.18. / С.А. Бабкин. – Воронеж: Воронежский институт МВД России, 2008. – 148 с.

9. Басовский, Л.Е. Теория экономического анализа / Л.Е. Басовский. – М.: ИНФРА-М, 2001. – 221 с.

10. Башлыков, А. А. Экспертные системы поддержки принятия реше ний в энергетике / А. А. Башлыков. – М.: Издательство МЭИ, 1994. – 213 с.

11. Бериков, В.С.Современные тенденции в кластерном анализе / В.С.

Бериков, Г.С. Лбов // Всероссийский конкурсный отбор обзорно аналитических статей по приоритетному направлению «Информационно телекоммуникационные системы». – М., 2008. – 26 с.

Бешелев, С.Д. Математико-статистические методы экспертных 12.

оценок / С.Д. Бешелев, Ф.Г. Гурвич. – М.: Статистика, 1980. – 325 с.

Битюков, В.К. Автоматизированная система контроля качества 13.

цвета хлебобулочных изделий / В.К. Битюков, А.А. Хвостов, Д.И. Ребриков, С.С. Рылев // Вестник Воронежской государственной технологической ака демии. – 2011. – Серия 2. – 25-32.

14. Блюмин, С.Л. Модели и методы принятия решений в условиях не определенности / С.Л.Блюмин, И.А. Шуйкова. – Липецк: ЛЭГИ, 2001. – с.

15. Бохуа, Н. К. Экспертные системы: опыт проектирования / Н. К.

Бохуа, В. А. Геловани, О. В. Ковригин. – М.: МНИИПУ, 1990. – 347 с.

16. Брусакова, И. А. Проектирование баз знаний и экспертные систе мы: Учеб. пособие / И. А. Брусакова, Д. Д. Недосекин, С. В. Прокопчина. – СПб.: Санкт-Петербург. гос. электротехн. ун-т им. В. И. Ульянова (Ленина), 1993. – 57 с.

17. Бугаев, Ю.В. Исследование процедур голосования на основе веро ятностного подхода / Ю.В. Бугаев, Б.Е. Никитин, М.С. Миронова // Воронеж:

Вестник ВГТА. – 2011. – № 2. – С. 42-44.

18. Бухарин, С. В. Методы и приложения теории нестационарных М систем: Монография / С. В. Бухарин, В. Г. Рудалев // Изд-во Воронежского госуниверситета. – Воронеж, 1992. – 119 с.

19. Бухарин, С.В. Экспертные системы оценки качества и цены това ров (работ, услуг): Монография / С.В. Бухарин, Е.С. Забияко, В.В. Конобеев ских;

под ред. проф. С.В. Бухарина. – Воронеж: Институт менеджмента, мар кетинга и финансов (ИММФ), 2006. – 200 с.

20. Бухарин, С.В. Нечеткие множества качественных признаков объек тов экспертизы / С.В. Бухарин, А.В. Мельников. – Воронеж: Вестник ВИ МВД России. – 2011. – № 1. – С. 142-149.

21. Бухарин, С.В. Экспертная оценка финансовых показателей ликвид ности и платежеспособности / С.В. Бухарин, А.В. Мельников // Конкурент носпособность. Инновации. Финансы. – 2011. – № 1(5). – С. 74-79.

22. Бухарин, С.В. Комбинированный метод последовательного анализа оценок экспертизы / С.В. Бухарин, А.В. Мельников // Вестник Воронежской государственной технологической академии. Серия: Информационные тех нологии, моделирование управление. – 2011. – № 2 (48). – C. 47-51.

23. Бухарин, С.В. Многокритериальная экспертиза ERP-систем с уче том стоимостно-внедренческих характеристик / С.В. Бухарин, А.В. Мельни ков // Вестник Воронежского института МВД России. – 2011. – № 3. – С. 135 143.

24. Бухарин, С.В. Экспертная оценка обобщенного показателя структу ры капитала / С.В. Бухарин, А.В. Мельников // Конкурентоспособность. Ин новации. Финансы. – № 2 (6) / 2011. – С. 76-81.

25. Бухарин, С.В. Экспертная оценка обобщенного показателя объеди ненной системы коэффициентов структуры капитала и системы показателей Бивера / С.В.Бухарин, А.В. Мельников // Финансы. Экономика. Стратегии (ФЭС). – 2011. – № 12. – С. 50-54.

26. Бухарин, С.В. Статистические методы экспертизы технических и экономических объектов: Монография / С.В. Бухарин, Д.А. Волков, А.В.

Мельников, В.В. Навоев. – Воронеж: Издательство «Научная книга», 2013. – 280 с.

27. Бухарин, С.В. Кластерно-иерархические методы экспертизы эко номических объектов: Монография / С.В. Бухарин, А.В. Мельников // Воронеж: Изд-во «Научная книга», 2012. – 276 с.

28. Вакуленко, Т.Г. Анализ бухгалтерской (финансовой) отчетности для принятия управленческих решений / Т.Г.Вакуленко, Л.Ф. Фомина. – СПб.: Издательский дом Герда, 2003. – 311 с.

29. Волков, А. М. Экспертные системы: структурно–функциональный подход к извлечению передового опыта: Препринт / А. М. Волков, Ю. Е. Ца рев, В. С. Федченко. – Моск. авиац. ин-т им. Серго Орджоникидзе. – М.: Изд во МАИ, 1991.– 56 с.

30. Воронцов К.В. Алгоритмы кластеризации и многомерного шкали рования: курс лекций / К.В. Воронцов. – М.: МГУ, 2007. – 252 с.

31. Выбор и прогнозирование наилучшего обеспечения банковского кредита [Электронный ресурс] / EcoSyn.Ru. – 2009. – 11 с. – (http:// www.ecosyn.ru / page 0017. html).

32. Вычислительные системы. Искусственный интеллект и экспертные системы / Науч. ред. Н. Г. Загоруйко: Сб. науч. тр. / Рос. акад. наук, Сиб. отд ние, Ин-т математики им. С. Л. Соболева. – Новосибирск: ИМ, 1997. – 216 с.

33. Выявление экспертных знаний (процедуры и реализации) / О.И.

Ларичев, А.И. Мечитов, Е.М. Мошкович, Е.М. Фуремс. – М.: Наука, 1989. – 128 с.

34. Вятченин, Д.А. Нечёткие методы автоматической классификации / Д.А. Вятченин. – Минск: Технопринт, 2004. – 219 с.

35. Гаврилова, Т.А. Базы знаний интеллектуальных систем / Т.А. Гав рилова, В.Ф. Хорошевский. – СПб.: ПИТЕР, 2000. – 138с.

36. Гаврилова, Т.А. Извлечение и структурирование знаний для экс пертных систем / Т.А. Гаврилова, К.Р. Червинская. – М.: Радио и связь, 1992.

– 201 c.

37. Гибридные экспертные системы в задачах проектирования сложных технических объектов: Материалы краткосроч. науч.-техн. семинара / Под ред. Ю. В. Юдина. – СПб.: СПбДНТП, 1992. – 148 с.

38. Гиттис, Л. Х. Статистическая классификация и кластерный анализ / Л.Х. Гитис. – М.: Издательство Московского гос. горного ун-та, 2003. – с.

39. Головко, А. П. Экспертные системы. Основные концепции: Учеб.

пособие / А. П. Головко;

М-во образования Рос. Федерации, Курган. гос. ун т. – Курган: Изд-во Курган. гос. ун-та, 2000. – 90 с.

40. Гуляев, В.А. Экспертные системы диагностирования функциональ ных систем воздушных судов и обеспечения безопасности полетов / В.А. Гу ляев, О.А. Курганский, И.П. Михайловский. – Киев: ИПМЭ, 1990. – 42 с.

41. Гусаков, А.А. Экспертные системы в проектировании и управлении строительством / А. А. Гусаков. – М.: Стройиздат, 1995. –294 с.

42. Давенпорт Т. Эпитафия экспертным системам / Т. Давенпорт // Компьютеруик. – 1995. – № 27. – С.18-25.

43. Демидова, Л. А. Методы кластеризации в задачах оценки техниче ского состояния зданий и сооружений в условиях неопределенности / Л.А.

Демидова, Е.И. Коняева. – М.: Горячая Линия – Телеком, 2012. – 156 с.

44. Джарратано, Д. Экспертные системы: принципы разработки и про граммирование / Д. Джарратано, Г. Райли;

Пер. с англ. – 4 изд. – М.: Виль ямс, 2006. – 1152 с.

45. Джексон, П. Введение в экспертные системы: / П. Джексон;

Пер. с англ. Р.З. Пановой. – 3-е изд. – М.: Вильямс, 2001. – 622 с.

46. Диалоговые системы и представление знаний / Кокорева Л.В., Пе ревозчикова О.Л., Ющенко Е.Л.;

АН Украины. Ин-т кибернетики. – К.: Наук.

думка, 1992. – 448 с.

47. Дилигенский, Н.В. Нечеткое моделирование и многокритериальная оптимизация производственных систем в условиях неопределенности: техно логия, экономика, экология / Н.В. Дилигенский, Л.Г. Дымова, П.В. Севастья нов. – М.: Издательство Машиностроение 1, 2004. – 397 с.

Донцова, Л.В. Анализ финансовой отчетности: Учебник / Л.В.

48.

Донцова, Н.А. Никифорова. – М: Дело и Сервис, 2006. – 368 с.

49. Дубров, А.М. Многомерные статистические методы: Учебник / А.М. Дубров, В.С. Мхитарян, Л.И.Трошин. – М.: Финансы и статистика, 2003. – 352 с.

50. Дюк В.А. Компьютерная психодиагностика: Монография./ В.А.

Дюк. – СПб., 1994. – 315 с.

51. Ездаков, А. Л. Экспертные системы САПР / А.Л. Ездаков. – М.:

Форум, 2009. – 160 с.

52. Елизаров, С. И. Разработка и исследование методов и алгоритмов кластеризации для систем анализа данных : дисс.... канд. техн.наук : 05.13. / С.И. Елизаров [Место защиты: ГОУВПО «Санкт-Петербургский гос. элек тротехн. ун-т» (ЛЭТИ].– СПб., 2009. – 115 с.

53. Ефимов, Н.Н. Основы информатики. Введение в искусственный ин теллект / Н.Н. Ефимов, В.С. Фролов. – М.: Изд-во МГУ, 1991. – 98 с.

54. Ефимова, О.В. Финансовый анализ / О.В. Ефимова. – М.: Бухгал терский учет, 2002. – 511 с.

55. Жамбю М. Иерархический кластер-анализ и соответствия: Пер. с франц. / М. Жамбю. – М.: Финансы и статистика, 1988. – 345 с.

Журавлев, Ю.И. Распознавание. Математические методы. Про 56.

граммная система. Практические применения / Ю.И. Журавлев, В.В. Ряза нов, О.В. Сенько. – М.: ФАЗИС, 2006. – 378 с.

57. Загоруйко, Н.Г. Прикладные методы анализа данных и знаний / Н.Г. Загоруйко. – Новосибирск: Изд. Института математики, 1999. – 270 с.

58. Заде, Л. Понятие лингвистической переменной и его применение к принятию приближенных решений: Пер. с англ. / Л. Заде. – М.: Мир, 1976. – 165 с.

59. Зеленин, И. Л. САПР и экспертные системы в конструировании ра диоэлектронных средств: Учеб. пособие / И. Л. Зеленин;

Даг. политехн. ин-т.

– Махачкала: ДПТИ, 1992. – 126 с.

60. Зиновьев, А. Ю. Визуализация многомерных данных / А. Ю. Зи новьев. – Красноярск: Изд. КГТУ, 2000. – 180 с.

61. Иерархическое представление: проблемы, шкала отношений и мат рицы парных сравнений [Электронный ресурс] / EcoSyn.Ru. – 2009. – 4 с. – (http:// www.ecosyn.ru / page 0010. html).

62. Илюхин, А. А. Экспертные системы на реляционной основе: Учеб.

пособие / А. А. Илюхин, Л. Ю. Исмаилова, З. И. Шаргатова;

Моск. инж.-физ.

ин-т, фак. кибернетики. – М.: МИФИ, 1990. – 62 с.

63. Искусственный интеллект. Базы знаний и экспертные системы:

Учеб. пособие для вузов / А. М. Дворянкин, А. В. Кизим, И. Г. Жукова, М. Б.

Сипливая;

М-во образования Рос. Федерации, Волгогр. гос. техн. ун-т. – Вол гоград: Политехник, 2003. – 139 с.

64. Исидзука, М. Представление и использование знаний / М. Исидзу ка;

Под ред. Х. Уэно. – М.: Мир, 1989. – 220 с.

65. Картавцев, Д.В. Математическое моделирование систем управле ния информационными структурами с использованием принципов построе ния экспертных систем / Д.В. Картавцев – Автореф. дис. … соиск. канд. техн.

наук. – Воронеж: ВИ МВД РФ, 2006. – 16 с.

66. Кендалл, М.Дж. Статистические выводы и связи / М.Дж. Кендалл, А. Стьюарт. – М.: Наука, 1973. – 899 с.

67. Кендэл, М. Ранговые корреляции / М. Кендэл. – М.: Статистика, 1975. – 220 с.

68. Кисель, Е.Б. Сравнительный анализ инструментальных средств для разработки систем управления реального времени / Е. Б. Кисель. – Экс пертные системы реального времени: Материалы семинара. – М.:ЦРДЗ, 1995.

– 114 с.

69. Колмогоров, А.Н. Элементы теории функций и функционального анализа:

Учебник / А.Н. Колмогоров, С.В. Фомин. – М.: Наука, 1972. – 496 с.

70. Конопелько, Л.А. Экспертная система для обработки данных газо аналитических измерений / Л.А. Конопелько, В.В. Растоскуев // Приборы и системы управления. – 1995. – № 7. – С. 30-35.

71. Конышева, Л. К. Основы теории нечетких множеств: Учебное посо бие / Л.К. Конышева, Д. М. Назаров. – СПб.: Питер, 2011. – 192 с.

72. Корченко, А. Г. Построение систем защиты информации на нечет ких множествах. Теория и практические решения / А.Г. Корченко. – М.: Из дательство: МК-Пресс, 2006. – 320 с.

73. Косьмина, О. И. Сравнительная характеристика различных методик диагностики финансового состояния предприятия / О. И. Косьмина. – Сбор ник научных трудов Сев.-Кав. ГТУ. Серия «Экономика». – 2010. – № 10. – С.

21-28.

74. Кофман, А. Введение в теорию нечетких множеств: Пер. с франц. / А. Кофман. – М.: Радио и связь, 1982. – 431 с.



Pages:     | 1 |   ...   | 4 | 5 || 7 |
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.