Многопараметрическая кластеризация для инновационных проектов ранних стадий развития на рынке венчурного инвестирования сетями простейших нейропроцессоров тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат наук Брагина, Екатерина Игоревна

• Брагина, Екатерина Игоревна
• кандидат наук
• 2014

Оглавление диссертации кандидат наук Брагина, Екатерина Игоревна

Оглавление

Введение

Глава 1. Теоретические основы развития рынка частного венчурного 12 инвестирования

1.1 Понятия и определения рынка частного венчурного инвестирования

1.2 Сходства и различия между частными инвесторами и венчурными фон- 18 дами

1.3 Частное инвестирование в мире: развитие и характеристика рынка

1.4 Основные этапы развития рынка частного венчурного инвестирования 26 в России

1.5 Особенности российского рынка венчурных инвестиций ранней стадии

1.6 Характеристики частных инвесторов в России

1.7 Роль государства в Российской венчурной отрасли: точки соприкос- 34 новения с частными инвесторами

1.8 Существующие проблемы на рынке частного венчурного 38 инвестирования в России

1.9 Источники финансирования инновационных проектов

1.10 Основные критерии отбора инновационных проектов в России 71 Выводы по главе 1 74 Глава 2. Методология оценки инновационных проектов на рынке частного 75 венчурного инвестирования

2.1 Модель принятия решения частным инвестором

2.2 Классификация инновационных проектов по степени проработанности 90 проекта в целом. Выявление «слабых мест» инновационного проекта

2.3 Алгоритм оценки инновационного проекта

2.4 Структура и функционирование нейронной сети для анализа 100 инновационного проекта

2.5 Принятие решения о дальнейшей работе с проектом

2.6 Пример классификации инновационных проектов по степени про- 108 работанности в целом

Выводы по главе 2

Глава 3. Разработка программных средств для кластеризации инновационных 118 проектов ранних стадий развития

3.1 Существующие программные средства оценки инновационных 118 проектов

3.2 Проектирование информационной системы для анализа претендующих 123 на инвестирование инновационных проектов ранних стадий развития

3.3 Программная реализация многопараметрической кластеризации 128 инновационных проектов ранних стадий развития

Выводы по главе 3

Заключение

Список используемой литературы

Приложения

Введение диссертации (часть автореферата) на тему «Многопараметрическая кластеризация для инновационных проектов ранних стадий развития на рынке венчурного инвестирования сетями простейших нейропроцессоров»

ВВЕДЕНИЕ

Развитие высокотехнологичных секторов российской экономики невозможно представить без появления и активного роста большого количества малых инновационных предприятий, которые создавали и продвигали бы на российский, а так же международный рынок востребованные конкурентоспособные товары и услуги. Развитие именно такого рода компаний зачастую может требовать привлечения «комфортного» венчурного капитала. Основным источником такого капитала на ранних стадиях развития малых инновационных компаний являются частные инвесторы.

В настоящее время в большинстве регионов нашей страны существует достаточно большое количество успешных предпринимателей, а так же высококвалифицированных менеджеров, обладающих значительными объемами свободных денежных средств, а так же потенциальной готовностью к индивидуальной инвестиционной деятельности, либо вхождению в ассоциацию частных инверторов для совместного инвестирования в инновационные проекты.

В современном финансовом мире частные инвесторы - неотъемлемая часть формирования здоровой экономики. Согласно утверждениям экспертов, накопленный размер вложений, сделанных частными инвесторами за последние 30 лет, в два раза превысил значения вложений, сделанных венчурными инвесторами [45]. Специалисты Центра Венчурных Исследований в Витморской школе бизнеса и экономики при Университете Ыыо-Хэмпшира (Великобритания) вычислили, что вложения частных инвесторов составляют примерно 20 миллиардов долларов США в год.

Размер вложений частных инвесторов сопоставим с инвестициями венчурных фондов, из которых лишь 2% представляют собой вложения в компании ранних стадий развития своего развития. Помимо этого, частные инвесторы зачастую являются хорошими специалистами в области ведения бизнеса, способными давать полезные практические советы предпринимателям, желающим грамотно развивать свою компанию.

Актуальность темы исследования. Институт частного инвестирования в России представляет собой сегмент венчурного инвестирования, на котором работают физические и юридические лица, инвестирующие свободные денежные средства в инновационные проекты ранних стадий развития (рге-Бееё-ы, Беес1-ы,

Инновационные проекты ранних стадий развития характеризуются своей уникальностью и высокой степенью неопределенности и рискованностью. Так же в силу того, что в России данный сегмент венчурного инвестирования находится в стадии формирования, не существует определенного алгоритма оценки и принятия решений по инновационным проектам, подаваемым на рассмотрение частным инвесторам. В связи с этим для оптимизации оценки инновационных проектов и принятия решения по инвестированию достаточно острым является отбор наиболее значимых критериев оценки проекта, которые стали бы универсальным набором характеристик проекта. Так же существует безусловная необходимость разработки универсального алгоритма работы частного инвестора с заявками на инвестирование, с дальнейшей разработкой системы поддержки принятия решений по каждому инновационному проекту. Именно решение данных проблем позволит облегчить работу частных инвесторов и ускорить процесс принятия решений по каждому проекту.

Для решения подобного рода задач весьма удачно подходят такие «интеллектуальные» системы анализа данных, как сети простейших нейропроцессоров. Отсюда вытекает необходимость и обоснованность разработки универсального программного обеспечения для многопараметрической оценки и кластеризации инновационных проектов ранних стадий развития и принятия решения об инвестировании, основанного на современных интеллектуальных компьютерных системах, что и явилось предметом нашего диссертационного исследования.

Степень научной разработанности проблемы. Разработка обобщенного алгоритма оценки инновационных проектов на рынке венчурного частного инвестирования является новым направлением российской прикладной науки.

Теоретические и методологические аспекты положения диссертации и разработанные инструментальные средства строились на основе анализа широкого спектра работ зарубежных и отечественных ученых из различных областей научного знания. В области экономической значимости, тенденций развития, а так же характеристик субъектов рынка частного венчурного капитала проведен анализ работ У. Ветцеля, В. Бигрейва, Н. Грея, Р. Гэррисона, В. Делиуса, Г. Кландта, Т. Кольмана, К. Мэсона, Д. Сол и др.; в области развития и функционирования рынка частного венчурного капитала в России — М. Бунчука, А.И. Каширина, A.C. Семенова, Э.А. Фиякселя, В.Н. Фридлянова; в области искусственного интеллекта - В.В. Борисова, А.И. Галушкина, В.В. Круглова, В.И. Литвиненко, С. Хайкина; в области применения искусственного интеллекта в экономике — Д. Бестенса, В.Ван ден Берга, Д. Вуда, А. Ежова, М. Минского, A.C. Шумского; в области искусственного интеллекта — С.И. Барцева, А.И. Масалова, М. Минского, В.А. Охонина, Н.И. Червякова и др.; в области моделирования и процессов принятия решений - A.B. Андрейчикова, О.Н. Андрейчиковой, А.Р. Белкина, Р. Беллмаиа, А.Н. Борисова, A.M. Дубова, В.Е. Жуковина, JT. Заде, А.О. Недосекина, П.В. Терелянского и др.; в области анализа и обработки изображений - A.B. Бондаренко, Ю. В. Визильтера, Р. Вудса, Р. Гонсалеса, В.Т. Фисенко, Т.Ю. Фисенко, В.В. Яншина и др.

Стоит отметить, что наименее изученными являются следующие вопросы: тенденции институционализации российского рынка частного венчурного капитала, возможность прогнозирования состояния частного рынка венчурного капитала в России на основе отечественного и зарубежного опыта, нет универсального алгоритма оценки высоко рискованных инновационных проектов на ранних стадиях развития. Учитывая наличие вышеуказанных задач, актуальным являются моделирование процессов принятия решений в секторе рынка частного венчурного капитала в России посредством использования сетей простейших нейропроцессоров.

Цели и задачи исследования. Целыо работы является разработка инструментария для поддержки процесса принятия решений об инвестировании в

инновационные проекты ранних стадий на рынке венчурного капитала путем многопараметрический кластеризации с использованием сетей простейших нейропроцессоров. В соответствии с указанной целью исследования были поставлены и решены следующие задачи:

- изучить методы анализа частными инвесторами инновационных проектов ранних стадий развития, существующие в России и в мире;

- выявить основные критерии оценки инновационных проектов российскими частными инвесторами;

- определить унифицированный алгоритм оценки инновационных проектов частными инвесторами на базе выделенных основных критериев анализа;

предложить алгоритм принятия решения об инвестировании в инновационный проект частными инвесторами, основанный на обобщении информации, полученной от экспертов (частных инвесторов), и последующей ее кластеризации на основе сравнения с оценками проектов-эталонов;

- разработать систему поддержки принятия решений об инвестировании в инновационные проекты ранних стадий развития на рынке венчурного инвестирования.

Объектом исследования являются экономические системы, в частности — группы и ассоциации частных венчурных инвесторов.

Предметом исследования является процесс принятия решений частных инвесторов при взаимодействии с инновационными компаниями.

Соответствие темы диссертации требованиям паспорта специальностей ВАК (по экономическим наукам). Исследование выполнено в рамках специальности 08.00.13 «Математические и инструментальные методы экономики», в соответствии с паспортом специальности п. 2.1. «Развитие теории, методологии и практики компьютерного эксперимента в социально-экономических исследованиях и задачах управления», 2.4 Разработка систем поддержки принятия решений для обоснования общегосударственных программ в областях: социальной; финансовой; экологической политики.

Теоретико-методологическая основа диссертационного исследования. Теоретической и методологической основой явились исследования в области процессов прииятия решений и нейросетевых технологий, проведенных отечественными и зарубежными учеными, а так же работы анализу формирования и развития зарубежного и отечественного рынков венчурного частного инвестирования. Для решения поставленных задач применялись следующие основные методы исследования: системный подход, метод анализа и синтеза, метод нахождения наименьшего расстояния, математические методы и модели анализа изображений и искусственного интеллекта.

Информативно-эмпирическая база исследования. Информационной базой исследования служат аналитические ежегодные сборники Российской ассоциации венчурного инвестирования, опубликованные в свободном доступе материалы российских и зарубежных ассоциаций частных инвесторов. Нормативно-правовую базу исследования составляют нормативные документы и законодательные акты Российской Федерации и зарубежных стран, касающиеся регулирования инновационной деятельности, информационные ресурсы Internet, оригинальные материалы автора.

Рабочая гипотеза диссертационного исследования. Процесс кластеризации инновационных проектов ранних стадий развития базируется на оценке большого количества параметров по нескольким факторам путем ухода от многомерного представления результатов работы эксперта к построению цветографических карт и последующего их анализа и кластеризации с помощью нейропроцессоров.

Основные положения диссертации, выносимые на защиту:

1. Набор основных критериев оценки инновационных проектов российскими частными инвесторами на стадиях deal flow («поверхностный» анализ поступившей на рассмотрение частным инвесторам информации о проекте) и due diligence (углубленное изучение всех вопросов, связанных с поступившей информацией о проекте), и факторов, по которым все критерии оцениваются с целью наиболее полного отображения информации о проекте;

2. Механизм заполнения оценочных карт и формирования цветографических карт в процессе анализа инновационных проектов, подаваемых на рассмотрение частным инвесторам;

3. Механизм расчета интегрированной оценки подаваемых на рассмотрение инновационных проектов, а так же оценки структурных групп для более детального анализа заявки на инвестиции и снижения риска появления ошибок второго рода (отклонения более успешных в коммерческом плане проектов и принятия менее успешных) на основе составленных цветографических карт;

4. Алгоритм кластеризации анализируемых инновационных проектов на основе полученных интегрированных и структурных оценок с использованием ней-ропроцессоров;

5. Система поддержки принятия решений об инвестировании в инновационные проекты ранних стадий развития на рынке венчурного инвестирования.

Научная новина диссертационного исследования. Оценка инновационных проектов ранних стадий развития и принятие решений об инвестировании — процесс трудоемкий, подразумевающий анализ и систематизацию достаточно большого количества информации. Именно поэтому автором предлагается выделить ряд критериев, который может представить полную картину о проекте, анализируя не только общую оценку проекта, но и наиболее важных для инвестора блоков критериев, а так же уйти от «стандартных» шкал оценок градиентной шкалой синего цвета, формируя цветографические карты, анализируемые сетями нейропроцессоров. Такие сети работают аналогично человеческому мозгу, анализируя и решая задачи большой размерности. Таким образом, научная новизна состоит в составлении цветографических карт в процессе оценки как интегрированных оценок заявок на инвестирование, так и структурных групп критериев инновационных проектов, и их дальнейшей обработки сетями нейропроцессоров для дальнейшей кластеризации.

Основные результаты, содержащие элементы научной новизны, заключаются в следующем:

- изучены механизмы оценки инновационных проектов российскими частными инвесторами;

- выявлены основные критерии оценки инновационных проектов российскими частными инвесторами;

- определен унифицированный механизм отбора и оценки инновационных проектов частными инвесторами на базе выделенных основных критериев оценки;

- предложен алгоритм оценки и процесса принятия решения об инвестировании в инновационный проект частными инвесторами с целью сокращения временных затрат;

- разработана система поддержки принятия решений об инвестировании в инновационные проекты ранних стадий развития на рынке венчурного инвестирования.

Теоретическая и практическая значимость работы состоит в том, что результаты исследования могут быть использованы федеральными, региональными и муниципальными органами законодательной власти в законотворческой деятельности по созданию в России условий, необходимых для быстрого развития и эффективного функционирования рынка частного венчурного капитала. Результаты исследования могут быть также применены менеджерами сетей индивидуальных венчурных инвесторов, индивидуальными венчурными инвесторами и инициаторами инновационных проектов России в их практической деятельности.

Апробация работы. Основные положения диссертационного исследования докладывались и обсуждались на международных, всероссийских и межрегиональных научно-практических конференциях: «Проблемы современного социума глазами молодых исследователей» (г. Волгоград, РГТЭУ, 2011, 2012); «Современное общество, образование и наука» (Тамбов, 2012); «Актуальные вопросы современной науки» (г. Таганрог, 2012); «Информационные и математические технологии в образовании, технике, экономике и управлении» (г. Волгоград, РГТЭУ, 2013); «Студенческий научный форум 2013» (г. Москва, Российская Академия Естествознания, 2013); «Управление инновациями - 2013» (г. Москва, Ин-

ститут проблем управления имени В.А. Трапезникова при Российской Академии Наук, 2013), 51-я внутривузовская научная конференция (г. Волгоград, ВолгГТУ, 2014), Всероссийская научно-практическая конференция «Управление стратегическим потенциалом регионов России: методология, теория, практика» (г. Волгоград, ВолгГТУ, 2014).

Объем и структура диссертационной работы. Работа состоит из введения, трех глав, заключения, списка используемой литературы, и приложений. Диссертация выполнена на 176 страницах основного текста, содержит 43 рисунка и 15 таблиц. Список используемой литературы содержит 96 наименований печатных изданий отечественных и зарубежных авторов.

ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ РАЗВИТИЯ РЫНКА ЧАСТНОГО ВЕНЧУРНОГО ИНВЕСТИРОВАНИЯ

1.1 Понятия и определения рынка частного венчурного инвестирования

Рынок частного венчурного инвестирования в России начал свое формирование ближе к середине 1990-ых годов. Само понятие частных инвесторов в нашей стране является достаточно новым. В Европе и на Западе понятие «частный инвестор» является синонимом понятию «бизнес-ангел». Тем не менее, в источниках можно найти ряд определений частным инвесторам. Так, в [30] дается следующее определение частным инвесторам: «Бизнес-ангелы1 -инвесторы, физические и юридические лица, вкладывающие средства в малые инновационные проекты ранних стадий развития, обычно в объеме - не более 1 миллиона евро в одну компанию». В той же книге можно найти еще одно определение частным инвесторам: «Бизнес-ангел - это активный партнер основателей и менеджеров профинансированной им компании, работающий с ними в единой команде... Бизнес-ангел помогает предпринимателю «строить» компанию». Некоммерческое партнерство «Содружество бизнес-ангелов России» (НП «СБАР») дает свое определение частным инвесторам: «Бизнес-ангел - это физические и юридические лица, инвестирующие часть собственных средств в инновационные компании самых ранних стадий развития - "посевной" (seed) и "начальной" (start-up). Бизнес-ангелы - это первые профессиональные инвесторы, вкладывающие средства в инновационные компании. За ними, как правило, следуют венчурные, а затем прямые инвестиции. Объем бизнес-ангельских инвестиций в одну компанию составляет от нескольких десятков тысяч до миллиона евро» [46]. Данные определения полностью отражают сущность вложений в инновационные компании ранних стадий своего развития.

1 Частный инвестор и бизнес-ангел в данном диссертационном исследовании принимаются как синонимы

Сейчас частные инвесторы представляют собой особую группу, представляющую класс частных инвесторов. Помимо частных инвесторов, к данному классу инвесторов можно так же относить друзей, родственников, членов семей, которые так же способны стать потенциальными источниками финансирования инновационных компаний ранних стадий развития. Из наиболее известных и успешных частных инвесторов в России можно назвать Александра Галицкого, Вадима Асадова, Андрея Головина [59].

Несмотря на очень высокую степень риска невозврата вкладываемых денежных средств, тип частного инвестирования — это один из самых высокодоходных способов ведения бизнеса, способных приносить вкладчику не менее 70% годовых. Успех частных вложений в основном может достигаться за счет формирования комфортных деловых и дружеских отношений между инвесторами, инноваторами, а так же руководством создаваемой компании, а так же их совместной работы в плане единой сплоченной команды. Частные инвесторы вносят в инновационные компании ранних стадий своего развития не только денежные средства, но так же опыт, деловые связи и свои знания. Предпочтительными стадиями развития инновационных компаний для инвестирования у частных инверторов являются «посевная» стадия (seed), реже начальная стадия (start-up). Для данных компаний получение инвестиций от частных инвесторов является в какой-то степени первым этапом развития проекта; следующим этапом становится уже получение инвестиций от венчурных фондов. Жизнеспособность инновационных компаний (так же как и инновационных идей) особенно важна для привлечения частных инвесторов, принимая во внимание тот факт, что некоторые частные инвесторы занимают пассивную позицию в развитии компании и зачастую просто ищут возможности достижения удовлетворяющих их прибылей.

За последние несколько десятков лет как в частном, так и в венчурном инвестировании, уже сложились определённые стандарты, правила и традиции - терминология, методики оценки инновационных проектов, критерии успеха и сравнения проектов между собой, способы диверсификации рисков. В России же

инфраструктура частных инвестиций находится в самом начале формирования и только начинает обретать свою форму.

В индустрии частных и венчурных инвестиций существует следующее разде-

ление процесса роста и развития компании на стадии, приведенные в таблице 1.1 [27].

Таблица 1 — Стадии развития компании

Название (англ.) Название (русск.) Краткое описание

Seed Начальная, «посевная» стадия Идет формирование новой компании; есть наличие проекта или же самой бизнес-идеи; создание и формирование управленческой команды (менеджмента), проведение НИОКР; начало маркетинговых исследований. На данной стадии возможно существование прототипа предлагаемого продукта.

Start-up Старт-ап Команда, как правило, уже может быть полностью сформирована. Бизнес-план компании готов; уже имеются опытные образцы предлагаемого к реализации продукта; ведется организация серийного производства продукта; ведутся работы по выходу продукта на рынок

Early stage, early grown Ранний рост Ведутся работы по выпуску, а так же коммерческой реализации уже готового продукта. Компания еще может не иметь устойчивую прибыль от реализации предлагаемого ею продукта. На данную стадию развития компании обычно приходится выход на «точку безубыточности»

Expansion Расширение Компания может уже занимать определенные позиции на существующем или новом рынке; компания выходит на устойчивую прибыльность; происходит расширение производства, а так же сбыта производимой продукции; проводятся исследования в области маркетинга, а так же увеличение основных фондов компании и капитала

Later stage Поздняя стадия, устойчивое развитие Занятие компанией прочных позиций на целевых сегментах рынка, получение устойчивой прибыли и выплата дивидендов по акциям. Значения ежегодного роста — незначительные. Акции компании могут котироваться на рынке

После достижения инновационной компанией стадии устойчивого развития

(Later stage) происходит «выход» инвесторов из поддерживаемых ими проектов.

«Выход» может происходить путем продажи компании стратегическим инвесторам, путем вывода компании на IPO или через частное размещение акций компании (продажа акций компании фондам прямых инвестиций). Есть так же еще один вариант «выхода» и инвесторов и основателей из инвестируемой ими компании - путем банкротства компании и прекращения данного бизнеса. Схематично стадии развития компании, приведённые в таблице 1, можно изобразить следующим образом (рисунок 1).

Рисунок 1 - Изменения финансового положения компании по мере ее роста*

*Каширин А.И. В поисках бизнес-ангела. Российский опыт привлечения стартовых инвестиций / А.и. Каширин, A.C. Семенов. - М.: Вершина, 2008. - 384 е.: ил., табл.

На рисунке приняты следующие обозначения: 1 - «посевная» стадия; 2 -

«Start-up»; 3 - ранний рост; 4 - расширение; 5 - устойчивое развитие; Т - время.

Расстояние от начала координат до пересечения кривой с осью Т в сфере частного

инвестирования обычно называется «Долиной смерти» ли «Горением». Сам вид

рисунка частными инвесторами часто называется «Хоккейной клюшкой».

В связи предпочтением частных инвесторов вкладывать свои денежные

средства в ранние стадии развития инновационных проектов (в основном - в

стадию seed, реже - в стадию start-up), то для дальнейшего исследования

необходимо иметь четкое понимание различий между данными стадиям. Стадия

start-up предполагает наличие уже существующей компании, развивающей свое производство; стадия seed - это бизнес, находящийся на стадии своего начала, формирования. Среди основных различий между данными стадиями можно выделить следующие (таблица 2):

Таблица 2 — Сравнение стадий seed и start-up

Параметры Стадия seed Стадия start-up

Будущий денежный поток Не поддается достоверному прогнозированию. Имеются лишь первоначальные оценки будущего денежного потока Может прогнозироваться с существенной степенью достоверности

Формирование компании (юридического лица) Находится на стадии формирования Работы по формированию компании уже завершены

Команда Команда находится на стадии формирования, известна лишь часть предполагаемых участников Команда полностью сформирована, либо нуждается в незначительных изменениях

Предпринимательская квалификация основателей компании Очень часто квалификация команды оказывается невысокой. В данном случае инвестор может активно принимать участие в передаче своих знаний в области управления бизнесом, а так же могут приглашаться специалисты со стороны Команда может самостоятельно решать базовые задачи развития своего бизнеса. Участие инвестора или приглашенных со стороны специалистов требуется лишь в «узких местах»

Рынок Рынок на данной стадии только изучается; у команды имеется лишь его общее видение; могут иметься только отдельные наработки по продвижению на рынок создаваемого продукта Командой выполнены первоначальные исследования по изучению потенциального рынка; потребители предлагаемого товара уже определены; маркетинговая стратегия находится в процессе разработки

Продолжение таблицы 1.2

Параметры Стадия seed Стадия start-up

Интеллектуальная собственность На данной стадии допускается возможная незавершенность разработок, а так же отсутствие регистрации имеющейся интеллектуальной собственности Первоначальный пакет имеющейся у компании интеллектуальной собственности полностью сформирован и защищен

Производство Опытное производство находится в процессе налаживания Опытное производство уже налажено; ведутся работы по организации массового производства предлагаемого продукта

Объем инвестиций 0,1-1 миллион евро 1-5 миллионов евро

Встречи инвестора и команды Частые встречи инвесторов и реципиентов инвестиций «без галстука», носящие неформальный характер Частые встречи инвесторов и реципиентов инвестиций в рамках формальной процедуры и в установленные сроки

Основной трудностью полноценного функционирования рынка частного

венчурного инвестирования является недостаточный поток информации между частными инвесторами и реципиентами инвестиций: частные инвесторы предпочитают не раскрывать свой статус инвестора, так же как и достаточно сложно найти квалифицированного предпринимателя.

Несмотря на то, что большинство частных инвесторов вкладывает свои денежные средства в инновационные проекты не только ради возможности получения высокой денежной прибыли, отсутствие перспектив получения достойной финансовой отдачи от вложений может способствовать отказу потенциального частного инвестора от ведения данного рода деятельности. Именно поэтому основным фактором, влияющим на масштабы и интенсивность деятельности частных инвесторов, становится достаточное количество подготовленных высококачественных молодых частных предприятий.

Список литературы диссертационного исследования кандидат наук Брагина, Екатерина Игоревна, 2014 год

Список использованной литературы

1. Агамирзян, И.Р. Рынок венчурных инвестиций: мировые тенденции и российская практика (информация к докладу) / И.Р. Агамирзян. - М.: 2010. — 35 с.

2. Айвазян, С.А. Прикладная статистика: Классификация и снижение размерности: справ. изд./ С.А. Айвазян, В.М. Бухштабер, И.С. Ешоков, Л.Д. Мешалкин; под ред. С.А.Айвазяна — М.: Финансы и статистика, 1989. — 607 с.

3. Алексеева, Н. П. Прикладная статистика. Часть 2. Многомерные методы: учеб.пос. / Н. П. Алексеева. - Санкт-Петербург: Санкт-Петербургский государственный университет, 2010.- 127 с.

4. Амелькин, С.А. Обобщенное расстояние Евклида-Махаланобиса и его свойства / С.А. Амелькин, A.B. Захаров, В.М. Хачумов // Информационные технологии и вычислительные системы, 2006. - № 4. - С. 40-44.

5. Бенджамин Дж. А., Маргулис Дж. Руководство для бизнес-ангелов: как получить прибыль, инвестируя в растущий бизнес. - М.: Вершина, 2007. 320 с.

6. Борисов, В.В. Нечеткие модели и сети [Текст] / В.В. Борисов, В.В. Круглов, A.C. Федулов. - М.: Горячая линия - Телеком, 2007. - 284с.: ил.

7. Брагина, Е.И. Оптимизация процесса принятия решений на рынке неформального венчурного инвестирования сетями нейропроцессоров [Электронный ресурс]: доклад / Е.И. Брагина, АЛО. Жесткова // Студенческий научный форум 2013: V междунар. студ. электрон, науч. конф., 15 февр. - 31 марта 2013 г. Направл. "Экономические науки", секция "Экономико-математическое моделирование" / Рос. акад. естествознания. -М., 2013. - С. 13. - Режим доступа: http://www.scienceforum.ru/2013/pdf/8772.pdf.

8. Брагина, Е.И. Предпосылки и перспективы развития нейросетевых технологий / Е.И. Брагина // Сб. тез. науч.-практ. конф. мол. учёных по направл.: Химия -наука будущего. Инновации в энергосбережении и энергоэффективности. Информ. технологии - локомотив инновац. развития : в рамках мол одёж, конгресса "Интеграция инноваций: регион, аспекты", 19-21 апр. 2012 г. / ВПИ (филиал) ВолгГТУ [и др.]. - Волгоград, 2012. - С. 89-91.

9. Брагина, Е.И. Проблематика представления инновационных идей и рекомендации будущим инноваторам / Брагина Е.И., Терелянский П.В. // Приволжский научный вестник, 2012. - № 8. - С. 31-34.

10. Брагина, Е.И. Разработка комплексного подхода к анализу эффективности функционирования сложных систем при различных сочетаниях качественных значений параметров / Д.Е. Декатов, И.Е. Егорова, П.В. Терелянский, Е.И. Брагина // Исследования и инновации. - 2013. - № 2. - С. 6-12.

11. Брагина, Е.И. Разработка методологии поддержки принятия решений в стратегическом управлении предприятием в условиях неопределённости [Электронный ресурс] / Д.Е. Декатов, И.Е. Егорова, Е.И. Брагина // Интернет-вестник ВолгГАСУ. Серия "Строительная информатика". - 2013. - № 9 (26). -С. 1-5. - Режим доступа: http://vestnik.vgasu.ru/attachments/DekatovEgorovaBraginal -2013 9(26).pdf.

12. Брагина, Е.И. Формализация процесса оценки эффективности стратегического управления сложными экономическими системами на основе качественной информации [Электронный ресурс] / Д.Е. Декатов, И.Е. Егорова, Е.И. Брагина // Интернет-вестник ВолгГАСУ. Серия "Строительная информатика". - 2013. - № 9 (26). - С. 1-7. - Режим доступа: http://vestnik.vgasu.ru/attachments/DekatovEgorovaBragina2-2013 9(26).pdf.

13. Бунчук, М. Роль венчурного капитала в финансировании малого инновационного бизнеса // Технологический бизнес, 2001. [Электронный ресурс]. Режим доступа: http://www.techbusiness.ru.

14. Варжева, H.A. Применение нейронных сетей для решения задачи диагностики гипотрофии новорожденных детей [Электронный ресурс]: доклад / H.A. Варжева, Я.А. Ледаков, О.П. Солдатова // Студенческий научный форум 2013: V междунар. студ. электрон, науч. конф., 15 февр. - 31 марта 2013 г. Направл. «Технические науки», секция «Информационные технологии в науке, социальной сфере и медицине» / Рос. акад. естествознания. - М., 2013. - С. 112. - Режим доступа: http://www.scienceforum.ru/2013/pdf/9052.pdf

15. «Введение в венчурный бизнес». Электронная библиотека портала «Венчурная Россия». - Санкт-Петербург. - 2003. — 356 с. Режим доступа: www.allventure.ru

16. Галушкин, А.И. «Формирование начальных условий для ускорения настройки коэффициентов нейронных сетей в задачах оптимизации» / А.И. Галушкин // Научная сессия МИФИ — 2006. VIII Всероссийская научно-техническая конференция «Нейроинформатика-2006» Сборник научных трудов. В З-ч частях. 4.2. М.: МИФИ, 2006. с. 87-94.

17. Глэдстоун, Д. Инвестирование венчурного капитала: подробное пособие по инвестированию в частные компании для получения максимальной прибыли./ Д. Глэдстоун. - Днепропетровск: Баланс Бизнес Букс, 2006. - 416 с.

18. Гомперс, П. Взлет и падение венчурного капитала / П. Гомперс. - Бизнес и история экономики. - Т. 23, Вып. 2. - 1994.

19. Гонсалес, Р. Цифровая обработка изображении / Р. Гонсалес, Р. Вудс. — М.: Техносфера, 2005. - 1072 с.

20. Горяинова, Е.Р. Методы бинарной классификации объектов с номинальными показателями / Е.Р. Горяинова, Т.И. Слепнёва // Журнал Новой экономической ассоциации. Серия «Проблемы экономической теории». - М.: ОАО «Первая Образцовая типография». - №2 (14), С. 27-49

21. Гражданский кодекс Российской Федерации N 51-ФЗ от 30 ноября 1994 года (с изменениями и дополнениями)

22. Гулькин, П. Г. Венчурные и прямые частные инвестиции в России: теория и десятилетие практики / П.Г. Гулькин - СПб.: ООО «Аналитический центр "Альпари СПб"», 2003. - 240 с.

23. Ежегодные аналитические сборники Российской ассоциации венчурного инвестирования. Режим доступа: http :// www, rvca. г и/

24. Ежов, A.A. Нейрокомпыотинг и его применения в экономике и бизнесе / А.А Ежов, С.А. Шумский. - М.: МИФИ, Серия «Учебники экономико-аналитического института МИФИ». - 1998.- 224 с.

25. Журавлёв, Ю.И. Распознавание образов и анализ изображений / Ю.И. Журавлёв, И.Б. Гуревич // Искусственный интеллект: Модели и методы. - Т. 1. — М.: Радио и связь, 2000.-310 с.

26. Зайченко, Ю.П. Нечеткие модели и методы в интеллектуальных системах: учеб. для ВУЗов. - К.: «Издательский Дом «Слово», 2008. - 344 с.

27. Инновационная Россия: время перемен. Режим доступа: http://www.minpromrb.ru/upload/news/2012.02/RVK Broshura small.pdf

28. Искусственный интеллект. — В 3-х кн. Кн.2. Модели и методы: справочник / Под ред. Д.А. Поспелова. - М.: Радио и связь, 1990. - 304 е.: ил.

29. Каркищенко, А. Н. Статистическое распознавание лиц по геометрии характерных точек для систем транспортной безопасности / А. Н. Каркищенко, И.А. Гречухин // УБС. - 2012. №38. С.65-77.

30. Каширин, А.И. В поисках бизнес-ангела. Российский опыт привлечения стартовых инвестиций / А.И. Каширин, A.C. Семенов. - М.: Вершина, 2008. -384 е.: ил., табл. - ISBN 978-5-9626-0354-4.

31. Каширин, А.И. Венчурное инвестирование в России / А.И. Каширин, A.C. Семенов. - М.: Вершина. - 2007. - 320 с.

32. Кемпбелл, К. «Венчурный бизнес: новые подходы»: пер. с англ. / К. Кемпбелл. - М.: «АЛЬПИНА БИЗНЕС БУКС», 2008. - 2-е изд., испр. - 428 с.

33. Лазарев, В.М., Нейросети и нейрокомпьютеры: монография / В.М. Лазарев, А.П. Свиридов. - М.: 2011.- 131 с

34. Литовченко, Ц.Г. Нейрокомпьютер для обнаружения и распознавания сложных динамических образов / Ц.Г. Литовченко // Труды VIII Всероссийской конференции «Нейрокомпьютеры и их применение» Сб.докл,, 2002 г. - с. 6972.

35. Леоненков, A.B. Нечеткое моделирование в среде MATLAB и fuzzy TECH. / A.B. Леоненков. - СПб.: БХВ, 2005. - 716 с.

36. Малкахи, Д., «Инвестирование на срок - Практическое руководство по привлечению акционерного капитала в Ирландии" / Д. Малкахи // Oak Tree Press, 2005. - 95 p.

37. Матвейкин, В.Г. Информационные системы интеллектуального анализа. / В.Г. Матвейкин, Б.С. Дмитриевский, Н.Р. Ляпин - М.: Машиностроение, 2008. - 92 е.; ил.

38. Материалы Ассоциации ангельского инвестирования - АСА, (US). Режим доступа: www.angelcapitalassociation.org

39. Материалы Ассоциации бизнес-ангелов Великобритании ВВАА, (UK). Режим доступа: http://www.bbaa.org.uk/

40. Материалы Ассоциации бизнес-ангелов «Стартовые инвестиции». Режим доступа: http://vvww.start.-invest.ru/

41. Материалы Всемирной ассоциации лидирующих бизнес-ангельских объединений WBAA, (Int). Режим доступа: www.wbaa.biz

42. Материалы журнала The Angellnvestor. Режим доступа: http://www.theangelinvestor.ru/

43. Материалы Международной ассамблеи бизнес-ангелов. Режим доступа: http://www.mabaspb.ru/assets/files/presentations/Siladiy Prezentaciya MABA.pdf

44. Материалы Национальной ангельской организации NACO, (СА). Режим доступа: http://www.angelinvestor.ca/

45. Материалы Национальной ассоциации Бизнес-ангелов. Режим доступа www.private-capital.ru

46. Материалы Некоммерческого партнерства «Содружество бизнес-ангелов России». Режим доступа: http://www.russba.ru/

47. Материалы Официального сайта Министерства РФ по антимонопольной политике и поддержке предпринимательства. Режим доступа: http://www.maprus.ru

48. Материалы Фонда содействия развитию малых форм предприятий в научно-технической сфере. Режим доступа: http://www.fasie.ru

49. Материалы European Business Angels Nettwork (EBAN). Режим доступа: http://www.eban.org/

50. Местецкий, JI.M. Математические методы распознавания образов: курс лекций / JI.M. Местецкий. - М.: МГУ, ВМиК, кафедра «Математические методы прогнозирования». -2002-2004. — 85 с.

51. Набор инструментов Европейской Торговой Ассоциации бизнес-ангелов, посевных инвестиций и других участников рынка инвестиций в ранние стадии (EBAN). Введение в деятельность бизнес-ангелов и сетей бизнес-ангелов в Европе. 30.06.2009 - 86 с.

52. Налоговый кодекс Российской Федерации №146-ФЗ от 31 июля 1998 года (с изменениями и дополнениями)

53. Новикова, Н.М. Структурное распознавание образов. Учебно-методическое пособие для вузов. / Н.М. Новикова. — Воронеж: издательско-поли-графический центр Воронежского государственного университета, 2008.

54. Овчинников, П.Е. Применение искусственных нейронных сетей для обработки сигналов: уч.-метод. пособие / П.Е. Овчинников. - Нижний Новгород: Нижегородский госуниверситет, 2012. - 32 с.

55. Осовский, С. Нейронные сети для обработки информации / С. Осовский. -Пер. с польского И.Д. Рудинского. -М.: Финансы и статистика, 2002. - 344 с.

56. Отчет уровня богатства в мире в 2013 году. Режим доступа: http://my.knightfrank.com/research-reports/the-wealth-repoit.aspx

57. Официальный сайт Министерства РФ по налогам и сборам. Режим доступа http://www.nalog.ru/

58. Патрик, Э.А. Основы теории распознавания образов: пер. с англ. В. М. Ба-ронкина и др./ Э.А. Патрик. - М. Сов. Радио. - 1980. -408 с.

59. Переверзева, M. Н. Механизм отбора инновационных компаний в секторе неформального рынка венчурного капитала / M. Н. Переверзева, С. А. Шанин // Вестник НГУ. Серия: Социально-экономические науки. - 2010. - Т. 10, выпуск 1

60. Приказ ФСФР от 18 марта 2008 г. № 08-12/пз-н «Об утверждении положения о порядке признания лиц квалифицированными инвесторами»

61. Распоряжение Правительства РФ от 10.03.2000 N 362-р "Об учреждении Венчурного инновационного фонда"

62. Распоряжение Правительства Российской Федерации от 7 июня 2006 года № 838-р (ред. от 11.11.2006) «Об утверждении сводного плана мероприятий по реализации основных положений Послания Президента Российской Федерации Федеральному Собранию Российской Федерации 2006 года»

63. Рогова, Е. М. Венчурный менеджмент: учеб. пособие [Текст] / Е. М. Рогова, Е. А. Ткаченко, Э. А. Фияксель. - М.: Изд. дом Гос. ун-та - Высшей школы экономики, 2011. - 440 с.

64. Рогова, Е.М. Венчурное финансирование инвестиций в малые инновационные предприятия: проблемы и перспективы / Е.М. Рогова, Э.А. Фияксель // Известия Санкт-Петербургского университета экономики и финансов. -4(52). - 2007. - 0,5 п.л.

65. Рутковская, Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы: - пер. с польск. И.Д. Рудинского. / Д. Рутковская, М. Пилиньский, Л. Рутковский. - М.: Горячая линия - Телеком, 2006.-452 с.

66. Рындин, Е.А. Методы решения задач математической физики: уч. пос.. / Е.А. Рындин. - Таганрог: ТРТУ, 2003. - 119

67. Рынок венчурных инвестиций ранней стадии: ключевые тренды. Режим доступа:

http://rusangels.ru/netcat_ Шез/изегГйеБ/УТзЮМ Купок%20уепс1штуЬ%201пуе51 itsiv%20rannev%20stadii к1уисЬеууе%20Н'епс1у.рс^

68. Рязанов, В.В. О построении оптимальных алгоритмов распознавания и таксономии (классификации) при решении прикладных задач / В.В. Рязанов. // Распознавание. Классификация. Прогноз. Математические методы и их применение. Серия «Приложения теории распознавания, классификации и прогнозирования». -М.: Наука, 1989. с. 229-279

69. Соловьев, H.B. Распознавание в интеллектуальных системах: методич. указ. / Н.В. Соловьев. - Санкт-Петербург: Санкт-Петербургский государственный университет аэрокосмического приборостроения, 2013. —30 с.

70. Суркова, A.C. Построение модели и алгоритма кластеризации в интеллектуальном анализе данных / A.C. Суркова, С.С. Буденков // Вестник Нижегородского университета им. Н.И. Лобачевского, секция «Информационные технологии» № 2 (1). - 2012. - с. 198-202

71. Федеральный закон от 10.12.2003 N 173-ФЭ "О валютном регулировании и валютном контроле" (действующая редакция от 01.09.2013)

72. Федеральный закон от 02.08.2009 №217-ФЗ «О внесении изменений в отдельные законодательные акты Российской Федерации по вопросам создания бюджетными научными и образовательными учреждениями хозяйственных обществ в целях практического применения (внедрения) результатов интеллектуальной деятельности»

73. Федеральный закон от 26.12.1995 N 208-ФЗ «Об акционерных обществах» (действующая редакция от 06.11.2013)

74. Федеральный закон от 29.11.2001 N 156-ФЗ «Об инвестиционных фондах» (в редакции от 23.07.2013 N 251-ФЗ)

75. Федеральный закон от 26.07.2006 г. №135-Ф3 «О защите конкуренции»

76. Федеральный закон от 22.07.2005 г. № 116-ФЗ "Об особых экономических зонах в Российской Федерации"

77. Федеральный закон от 18 июля 1999 г. N 183-Ф3 "Об экспортном контроле" (с изменениями и дополнениями)

78. Фияксель, Э.А. Венчурные инвестиции в инновационном проекте - как это происходит в России / Э.А. Фияксель // Российское предпринимательство. -2007. - №7. - 0,3 п.л.

79. Фияксель, Э.А. Коммуникативная природа презентации / Э.А. Фияксель // «Коммуникативные практики в современном обществе: осмысление, освоение, обучение»: Материалы всероссийской научно-практической конференции 23-25 ноября 2006 года. - Санкт-Петербург, 2006. - 0,3 п.л.

80. Фияксель, Э.А. Почему инноваторам не хватает инвестиций или как преодолеть пропасть / Э.А. Фияксель // Инновации. - №3. -2007. - 0,3 п.л.

81. Фияксель, Э.А. Формирование источников венчурного капитала в России: проблемы и способы их решения / Э.А. Фияксель // Экономика и управление: Сборник научных трудов. Часть IV / Под редакцией д-ра экон. наук, проф. А.Е. Карлика. - СПб.: Изд-во СПбГУЭФ, 2006. - 0,4 п.л.

82. Фияксель, Э.А. Роль венчурного капитала в финансировании ранних стадий развития малых инновационных предприятий / Э.А. Фияксель, Е.М. Рогова // Экономика и управление: Сборник научных трудов. Часть I / Под редакцией д-ра экон. наук, проф. А.Е. Карлика. - СПб.: Изд-во СПбГУЭФ, 2007. - 0,4 п.л. (автора — 0,2 п.л.)

83. Фу, К. Структурные методы в распознавании образов: пер. с англ. Н.В. Завалишина; под ред. М.А. Айзермана / К. Фу. - М.: Мир, 1977. - 319 с.

84. Хайкин, С. Нейронные сети: Полный курс: пер. с англ. / С. Хайкин. — М.: Вильяме, 2008. — 1103 с.

85. Чулюков, В.А. Основы искусственного интеллекта. / В.А. Чулюков, И.Ф. Астахова, A.C. Потапов - Воронеж: ВГГГУ, 2006. - 304 с.

86. Шумская, А.О. Оценка эффективности метрик расстояния Евклида / А.О. Шумская. - "Доклады Томского государственного университета систем управления и радиоэлектроники". Серия «Управление, вычислительная техника и информатика» - 2013. - № 3 (29).- с. 141-145. Режим доступа: http://w\vw.tusur.ri)/filearchive/reports-magazine/2013-29-3/14 l.pdf

87. Яхъяева, Г.Я. Нечеткие множества и нейронные сети: уч.пособ. / Г.Я. Яхъяева . - Ульяновск: ОАО «ИПК «Ульяновский Дом печати», 2006. - 314 с.

88. Employee Retirementlncome Security Act 1974, ERISA

89. Hotelling H. Stability in Competition. // Economic Journal. 1929. n. 153 Vol.XXXIX p.41-57.

90. Huang W.M., Lippmann R.P., "Neural Net and Traditional Classifiers," Neural Info. Processing Syst., Anderson D., ed., pp. 387-396, NY: American Institute of Physics, 1988.

91. Kohonen T., "Self-organizing maps," 3. ed. - Berlin; Heidelberg; New York; Barcelona; Hong Kong; London; Milan; Paris; Singapore; Tokyo: Springer, 2001, 501 p.

92. Ludermir T.B., Yamazaki A., Zanchettin C., "An Optimization Methodology for Neural Network Weights and Architectures," IEEE Transactions on Neural Networks, vol. 17, no. 6, November 2006, pp. 1452-1459.

93. Mamdani E.H. Application of fuzzy algorithms for control of simple dynamic plants //Proc. Inst. Elect. Eng. - 1974. - Vol.121, № 12. - P. 1585-1588

94. Mamdani E.H., Assilian S. An experiment in linguistic synthesis with a fuzzy logic controller // Int. J. Man-Mach. - 1975. - Vol. 7, №1. - p. 1-13.

95. Oja, E., Ogawa, H., Wangviwattana, J. "Learning in nonlinear constrained Hebbian networks", in Artifitial Neural Networks (Proc. ICANN-91), T. Kohonen et al. (Eds.). Amsterdam: North-Holland, 385-390. - 1991

96. Passino K.M., Stephen Yurkovich. Fuzzy Control. - Boston (USA): Addison Wesley Longman, 1998. - 522 p.