Разработка инструментария для анализа кредитоспособности предприятия в условиях неопределенности тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат экономических наук Ворыханов, Максим Викторович

• Ворыханов, Максим Викторович
• кандидат экономических наук
• 2003

Оглавление диссертации кандидат экономических наук Ворыханов, Максим Викторович

д ВВЕДЕНИЕ

ГЛАВА 1. СИСТЕМЫ ПОДДЕРЖКИ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ КАК СРЕДСТВО ОПТИМИЗАЦИИ УПРАВЛЕНИЯ В УСЛОВИЯХ

НЕОПРЕДЕЛЕННОСТИ ДЛЯ КРЕДИТНЫХ УЧРЕЖДЕНИЙ

1.1. Социально-экономические предпосылки применения систем поддержки принятия решений

1.2. Основные принципы построения и концепции развития СППР на современном этапе

1.2.1. Основные принципы построения и анализ основных характеристик СППР на современном этапе

1.2.2. Уровень развития и необходимость использования

СППР на современном этапе

1.3. Оценка кредитного риска

1.3.1. Основные задачи при оценке кредитного риска

1.3.2. Проблемы, возникающие при оценке кредитного риска 37 Выводы по главе

ГЛАВА 2. ИССЛЕДОВАНИЕ МЕТОДОВ И ПОДХОДОВ

ПО ОЦЕНКЕ КРЕДИТНОГО РИСКА

2.1. Методы оценки риска, связанные непосредственно с процессом кредитования 58 + 2.1.1. Методы, основанные на анализе баланса и форм финансовой отчетности предприятия-заемщика

2.1.2. Методы, основанные на анализе финансово-хозяйственной деятельности предприятия-заемщика

2.1.3. Система рейтинговой оценки

2.2. Методы оценки риска, не связанные непосредственно с процессом кредитования

Выводы главы

ГЛАВА 3. РАЗРАБОТКА МАТЕМАТИЧЕСКОГО АППАРАТА

НЕЧЕТКОЙ ЛОГИКИ КАК СРЕДСТВА ПОДДЕРЖКИ

ПРИНЯТИЯ РЕШЕНИЙ ДЛЯ КРЕДИТНЫХ УЧРЕЖДЕНИЙ

3.1. Аппарат нечеткой логики как наиболее предпочтительное средство анализа в условиях неопределенности

3.1.1. Анализ неклассических математических моделей и методов принятия решений в условиях неопределенности

3.1.2. Нечеткие модели как эффективное средство анализа ситуации в условиях неопределенности

3.2. Разработка модели принятия решений на основе применения аппарата нечеткой логики

Выводы по главе

ГЛАВА 4. РАЗРАБОТКА СППР ДЛЯ КРЕДИТНЫХ

УЧРЕЖДЕНИЙ

4.1. Организационно-технологические аспекты функционирования СППР

4.2. Подготовка и нормализация входных данных

4.3. Организация диалога с банковским экспертом

4.4. Представление системой результатов

4.5. Анализ полученных результатов 139 Выводы по главе

Введение диссертации (часть автореферата) на тему «Разработка инструментария для анализа кредитоспособности предприятия в условиях неопределенности»

Ситуация, возникшая в банковской сфере после кризиса 1998 года, характеризуется не только резким уменьшением количества работающих коммерческих банков (в том числе и наиболее крупных), но и существенным уменьшением финансовых ресурсов, выделяемых оставшимися банками на решение вопросов автоматизации своей деятельности, что в большей мере касается систем поддержки принятия решений (СППР). Но с другой стороны, условия деятельности коммерческих банков в рамках нестабильной экономики и постоянно меняющихся "правил игры" требуют (и возможно, как никогда раньше) наличия развитых СППР, позволяющих решать вопросы как оперативного, так и стратегического управления банком.

В настоящее время есть только локальные системы, реализующие позадачный подход, ориентированные на банковскую деятельность, а особенно СППР, призванные облегчить принятие решений в области кредитования, которая является одной из наиболее сложных и рискованных сфер деятельности банка. Вместе с тем создание полностью развитых СППР должно существенно облегчить задачу банковских работников, занимающихся выдачей кредитов, а также предельно минимизировать риски, максимально устранить неопределенность и помочь избежать проблем, возникающих в результате определения кредитоспособности заемщика.

Актуализация данной проблемы, вследствие повышения внимания кредитных учреждений к вопросам анализа кредитоспособности заемщиков и автоматизации собственной деятельности, ввиду увеличения потерь по ссудам из-за необоснованности выдачи кредитов, привела к появлению в последнее время целого ряда публикаций отечественных ученых и специалистов в области банковского кредитования и систем поддержки принятия решений. Например, можно выделить работы Д. Абдрахимова, С. Архипенков, М. И. Баканова, И. В. Вишнякова, JT. Т. Гиляровской, В. Г.

Загория, А. И. Ковалева, В. И. Колесникова, Т. М. Костериной, П. Сахарова, JI. П. Кроливецкой, О. И. Лаврушина, Г. П. Макарова, В. А. Москвина и ряда других.

В данных работах широко рассматривается проблема использования методов оценки кредитоспособности таких заемщиков, у которых уже существует кредитная история, и банк располагает некоторой информацией об их надежности. Однако, до сих пор остается малоизученным вопрос о целесообразности предоставления ссуд новым клиентам, появившимся на кредитном рынке сравнительно недавно.

Для нахождения оптимальной кредитной политики банка, обеспечивающей наиболее выгодное отношение между прибылью и риском, необходимо определить наиболее точно кредитоспособность предприятия-заемщика, позволяющую выявить заслуживающих внимание клиентов. Большинство методик, применяемых банками (особенно в условиях нашей страны) для анализа кредитоспособности заемщика, основаны на анализе статистических данных (по балансу предприятия и формам отчетности). Это достаточно эффективно, если заемщик контактирует с банком давно, у банка имеется информация о поведении клиента в рамках кредитных отношений; и рассчитанных коэффициентов (характеризующих ликвидность активов, сущность дебиторской и кредиторской задолженности, соотношение собственных и заемных средств), будет достаточно для оценки его текущего состояния. Однако, если банк сталкивается с новым заемщиком или с долгосрочным кредитованием, ему приходится действовать в ситуации, протекающей в условиях неопределенности, что намного повышает величину кредитного риска. Неопределенность в данном случае объясняется большим числом факторов, определяющих положение исследуемого объекта во времени, взаимодействием его с окружающей средой, а также отсутствием количественного описания влияющих факторов. В данном случае банку приходится анализировать все характеристики финансово-хозяйственной деятельности предприятия (спрос на продукцию, реализация товаров, взаимодействие с покупателями и поставщиками, условия производственной деятельности, характер расчетов, характеристики возможного обеспечения). Причем, данный анализ ведется на основе субъективных вероятностных оценок (т. к. отсутствует механизм формализации нефинансовых (качественных) показателей) банковских экспертов (которые хорошо разбираются в текущих проблемах заемщика, понимают, что раскрывает тот или иной показатель в финансовой отчетности и владеют информацией о том, насколько перспективна та область, в которой сегодня работает предприятие), которые при получении данных о деятельности заемщика должны проверить их на достоверность и высказать собственные суждения относительно их значений и возможных изменений в дальнейшем (на основе собственного опыта и интуиции). Именно такая картина присуща ситуации принятия решения о предоставлении кредита новому для банка заемщику

Таким образом, для наиболее эффективного анализа кредитоспособности новых для банка заемщиков необходима СППР в основе который бы лежал механизм, позволяющий оперировать с субъективными вероятностными оценками, учитывать максимальное число факторов, определяющих его кредитоспособность, использовать интегрированный подход к оценке финансово-хозяйственной деятельности предприятия, получить количественную оценку деятельности заемщика.

Указанные факторы определили цели и задачи исследования.

Цель работы состоит в разработке системы поддержки принятия решений для анализа кредитоспособности нового для банка заемщика. Разработка системы поддержки принятия решений основана на предлагаемом нами комплексном подходе анализа кредитоспособности банковского клиента, включающем в себя комбинацию банковских инструкций анализа финансово-хозяйственной деятельности предприятия-заемщика и метода упорядочения альтернатив на основе условных нечетких свидетельств.

В диссертации поставлены и решены следующие теоретические и практические задачи, которые отражают общую логику исследования:

1. Проанализировать социально-экономические предпосылки применения систем поддержки принятия решений.

2. Проанализировать основные принципы построения и концепции развития СППР на современном этапе.

3. Определить основные проблемы при оценке кредитного риска коммерческого банка.

4. Доказать необходимость использования СППР в области кредитования, как наиболее рискованной области банковской деятельности.

5. Провести классификацию методик оценки рисков, как применяемых при анализе кредитоспособности, так и имеющих возможность быть адаптированными к анализу кредитоспособности. Выявить наиболее целесообразные пути развития подходов к решению проблемы оценки кредитного риска в условиях неопределенности.

6. Разработать модель принятия решений в условиях неопределенности.

7.Используя комплексный подход разработать систему поддержки принятия решений для оценки кредитоспособности предприятия-заемщика в условиях неопределенности.

В качестве объекта исследования выбрана кредитная организация.

Предметом исследования является процесс принятия решений по кредитованию предприятия-заемщика.

На защиту выносятся следующие основные научные результаты работы, отличающиеся, по мнению автора, научной новизной:

1. Применительно к анализу кредитоспособности предприятия-заемщика выявлены и научно обоснованы преимущества применения аппарата нечеткой логики для анализа процессов, протекающих в условиях неопределенности.

2. Предложено применение метода упорядочения альтернатив на основе условных нечетких свидетельств в качестве инструмента для оценки кредитного риска.

3. Разработан комплексный подход для анализа кредитоспособности предприятия-заемщика посредством использования метода упорядочения альтернатив на основе условных нечетких свидетельств.

4. Для анализа кредитоспособности предприятия заемщика в условиях неполной информации и/или отсутствия точной информации разработана СППР на основе метода упорядочения альтернатив

Методологической основой исследования являются системный анализ, труды отечественных и зарубежных ученых, теория финансового менеджмента, теория нечеткой логики, теория принятия решений, анализ статистических данных и научных публикаций.

Практическая значимость работы заключается в следующем: методические подходы по созданию и функционированию системы поддержки принятия решений для анализа кредитоспособности заемщика кредитной организации могут быть использованы для оптимизации кредитной политики банка, устранения возможных ошибок органистического происхождения, а также для высвобождения рабочего времени работников отдела Управления кредитования, выделенного на анализ кредитоспособности клиентов; методические разработки, полученные в данной работе, могут использоваться в учебном процессе, при преподавании дисциплин, связанных с банковской деятельностью, с использованием информационных систем.

Работа состоит из четырех глав, введения, заключения и списка использованной литературы.

В первой главе "Системы поддержки управленческих решений как средство оптимизации управления в условиях неопределенности для кредитных учреждений" проведены исследования социально-экономических предпосылок применения систем поддержки принятия решений, проанализированы основные принципы построения и концепции развития систем поддержки принятия решений на современном этапе и осуществляется оценка кредитного риска.

Во второй главе "Исследование методов и подходов по оценке кредитного риска" предложены критерии классификации методик оценки рисков, как применяемых при анализе кредитоспособности предприятий-заемщиков, так и имеющих возможность быть адаптированными к данному процессу, проведена классификация, позволяющая выявить новый подход к решению проблемы оценки кредитного риска в условиях неопределенности, и предложено новое направление к оценке кредитоспособности предприятия-заемщика в условиях неопределенности.

В третьей главе "Разработка математического аппарата нечеткой логики как средства поддержки принятия решений для кредитных учреждений" выявлены и научно обоснованы преимущества использования аппарата нечеткой логики в качестве наиболее предпочтительного средства анализа в условиях неопределенности, предложено применение метода упорядочения альтернатив на основе условных нечетких свидетельств в качестве инструмента оценки кредитного риска и разработан комплексный подход для анализа кредитоспособности заемщика на основе сочетания банковских инструкций анализа финансово-хозяйственной деятельности предприятия-заемщика и метода упорядочения альтернатив на основе условных нечетких свидетельств.

В четвертой главе "Разработка СППР для кредитных учреждений" разработана СППР для анализа кредитоспособности предприятия-заемщика в условиях неопределенности: предложены организационно-технологические аспекты функционирования СППР, предложена ее схема функционирования; проведено тестирование системы, на основе которого сделаны соответствующие выводы; предложен наиболее целесообразный подход к применению разработанной системы в реальных условиях.

Автор выражает глубокую благодарность профессорско-преподавательскому составу кафедр «Менеджмента и маркетинга»,

Экономики и управления производством» Ивановского государственного энергетического университета, оказавшим поддержку и помощь в ходе исследований и принявшим активное участие в обсуждении результатов работы.

Основные положения и результаты работы обсуждены и апробированы на научных семинарах кафедры «Менеджмента и маркетинга» Ивановского государственного энергетического университета, на Всероссийской заочной конференции «Перспективы развития Волжского региона (Тверь,2002), на Научной конференции студентов, аспирантов и молодых ученых «Молодая наука в классическом университете» (Иваново, 2002), на Всероссийской научной Internet-конференции «Компьютерное и математическое моделирование в естественных и технических науках» (Тамбов, 2002), на Международной научно-практической конференции молодых ученых и аспирантов «Предприятия России в транзитивной экономике» (Ярославль, 2002), на Всероссийской научно-практической конференции «Проблемы региональной экономики» (Иваново, 2002), на 4-й Международной научно-практической конференции «Экономика, экология и общество России в 21-м столетии.» (Санкт-Петербург, 2002), в сборнике статей «Вестник ИГЭУ» (Иваново, 2002), на Научно-практической конференции «Современное состояние, проблемы и перспективы развития российской экономики» (Иваново, 2002), 2-й межрегиональной научно-практической конференции «Банковская система и реальный сектор экономики» (г. Иваново, 2003).

Содержание работы опубликовано в 9 статьях и материалах конференций общим объемом 1,6 п. л., в т. ч. вклад соискателя 1,25 п. л.

Заключение диссертации по теме «Математические и инструментальные методы экономики», Ворыханов, Максим Викторович

Основные результаты исследования поставленных в работе проблем могут быть кратко сформулированы следующим образом.

Ситуация, возникшая в сфере банковской деятельности после кризиса 1998 года, характеризуется двумя различными оценками. С одной стороны, произошло не только резкое уменьшение количества работающих коммерческих банков (в том числе и наиболее крупных), но и существенное уменьшение финансовых ресурсов, выделяемых оставшимися банками на решение вопросов автоматизации своей деятельности. Но с другой стороны, условия деятельности коммерческих банков в рамках нестабильной экономики требуют наличия развитых СППР, позволяющих решать вопросы как оперативного, так и стратегического управления банком, особенно в таких наиболее сложных и рискованных областях банковской деятельности как кредитование.

В настоящее время есть только локальные системы, реализующие позадачный подход, ориентированные на банковскую деятельность, а особенно СППР, призванные облегчать принятие решений в области кредитования. Таким образом, создание развитых СППР должно существенно облегчить задачу банковских работников, занимающихся выдачей кредитов, а также предельно минимизировать риски, максимально устранить неопределенность и избежать проблем, возникающих в результате определения кредитоспособности заемщика.

Хотя современный методический инструментарий (методы по оценке кредитоспособности банковских клиентов) направлен на облегчение принятия кредитных решений, он далеко не идеален и в ряде случаев может даже дезориентировать банковских специалистов. Аналогичная ситуация характерна и для самого механизма устранения рисков, также основанного на детальных расчетах, схемы которых могут содержать методологические изъяны, ведущие к соответствующим проблемам, которые, в свою очередь, приводят к непогашению ссуд.

Поэтому, прогнозирование финансово-хозяйственной деятельности предприятия-заемщика, определение его кредитоспособности, оценка ликвидности залога под кредит к моменту возврата представляется трудно реализуемо из-за действия неопределенности. Тем более, что все существующие методы основаны на анализе точных данных, которые не позволяют оперировать с субъективными оценками экспертов, зачастую являющимися единственными данными для анализа в подобных ситуациях.

В работе основной акцент сделан именно на анализе ситуации, характеризующейся действием фактора неопределенности. Для описания факторов неопределенности на практике могут быть использованы различные модели, после анализа которых в качестве наиболее предпочтительного математического аппарата исследования ситуации в условиях неопределенности нами предложен механизм нечеткой логики, который обладает следующими преимуществами:

1. В отличие от традиционных методов нечеткие методы обладают более гибким принципом задания "точки", осуществляемым путем введения понятия функции принадлежности.

2. Нечеткие методы дают возможность качественно, т.е. вербально, описать решаемую задачу путем введения понятия лингвистической переменной, смысл которой характерен для человеческого мышления.

3. Применение аппарата нечетких множеств, нечеткой логики позволяет формализовать более гибкие связи между параметрами, что в большей степени соответствует природе изучаемых реальных явлений.

4. Нечеткие методы дают возможность принятия решения в условиях неполноты информации путем обобщения и анализа качественных значений.

5. Применение нечетких методов, таких как нечеткие соответствия, нечеткие отношения, нечеткие графы и гиперграфы, позволяет эффективно решать сложные задачи распознавания образов, многокритериального выбора альтернатив, оптимизации и т. п.

Проведенный анализ существующих методик оценки кредитоспособности банковских заемщиков показал, что традиционные методы, основанные на анализе собранных статистических данных, являются достаточно эффективными, если заемщик контактирует с банком давно, у банка имеется накопленная статистическая информация о своем клиенте. Но существуют и новые заемщики, такие, о которых банк не располагает достаточной информацией, чтобы объективно оценить картину его финансового состояния, т. е. в большинстве случаев приходится принимать решение в неопределенной ситуации.

Таким образом, после анализа существующих методов оценки кредитного риска, выявив целый ряд их недостатков, нами предложен комплексный подход к оценке кредитоспособности банковских заемщиков. Данный подход позволяет объединить два метода оценки риска:

1. Объединенная концепция оценки кредитоспособности банковского заемщика. В данную концепцию нами включены наиболее важные аспекты и характеристики, наиболее полно, по-нашему мнению характеризующие кредитоспособность предприятия-заемщика, взятые из различных методик, применяемых банками на практике.

2. Метод упорядочения альтернатив на основе условных нечетких свидетельств.

После анализа существующих методов оценки кредитоспособности банковских заемщиков нами были отобраны соответствующие входные критерии, наиболее полно, по нашему мнению, характеризующие кредитоспособность клиентов. В соответствии с особенностями их исследования и спецификой подготовки для системного анализа данные критерии сгруппированы следующим образом:

1. Анализ статистических данных:

1.1 Расчет коэффициентов по балансу предприятия;

1.1.1. коэффициент абсолютной ликвидности;

1.1.2. промежуточный коэффициент покрытия;

1.1.3. общий коэффициент покрытия;

1.1.4. коэффициент независимости;

1.1.5. коэффициент обеспеченности собственными оборотными средствами.

1.2. Анализ формы отчета о прибылях и убытках:

1.2.1. темпы изменения выручки по отношению к себестоимости;

1.2.2. показатели прибыли;

1.2.3. коэффициент рентабельности;

2. Анализ характеристик финансово-хозяйственной деятельности предприятия:

2.1. условия работы (площади, занимаемые предприятием);

2.2. основные поставщики;

2.3. место на рынке (спрос на продукцию);

2.4. взаимодействие с покупателями;

2.5. источники возврата;

2.6. формы расчета предприятия;

3. Оценка обеспечения кредита:

3.1. ликвидность обеспечения;

3.2. залоговая стоимость имущества.

В дальнейшем данные критерии (входные переменные) анализируются с помощью СППР на основе приемов, предусмотренных алгоритмом метода упорядочения альтернатив на основе условных нечетких свидетельств, который при анализе событий, протекающих в условиях неопределенности, имеет следующие, выявленные нами, преимущества:

- данный метод позволяет принимать решения в случаях, в которых отсутствуют точные данные, а имеются лишь субъективные оценки экспертов;

- данный метод позволяет учесть при анализе финансового состояния предприятия максимальное число факторов, от которых оно зависит;

- предлагаемый нами метод дает интегральную оценку финансового состояния заемщика, что рисует наиболее общую картину состояния клиента;

- анализ при использовании предложенного нами метода ведется в терминах лингвистических переменных, что упрощает задачу понимания анализируемого процесса и облегчает проблему представления данных средствам ЭВМ для лица, принимающего решение.

На основе анализа соответствующей литературы, а также изучения ряда методик, применяемых различными банками для анализа кредитоспособности заемщиков, с учетом алгоритма используемого метода для каждой входной переменной нами были сформулированы соответствующие нормативные ограничения, накладываемые банком, которые представлены в таблице 4.1.

Далее согласно алгоритму используемого метода предложено разбиение всех значений входных переменных на соответствующие интервалы, а также представлен алгоритм сопоставления интервалам значений входных переменных значений лингвистических переменных. Присвоение значений лингвистических переменных интервалам значений входных переменных представлено в таблицы 4.2.

Затем предложена процедура организации диалога с банковским экспертом, и описан алгоритм присвоения вероятностных оценок интервалам значений на примере отдельно взятых переменных из каждой группы.

На основе подготовленных подобным образом входных данных система рассчитывает интегральные показатели (ожидаемую необходимость и ожидаемую возможность), формулы для расчета которых нами выявлены с учетом данного набора входных переменных.

В целях анализа результатов работы системы, данная СППР была протестирована на примере трех заемщиков, финансово-хозяйственное положение которых было соответственно "наихудшим", "средним" и "наилучшим".

В результате тестирования системы были получены результаты, представленные в таблице 4.4., на основе которых были сделаны следующие выводы:

- полностью подтверждается тенденция роста значений как ожидаемой необходимости, так и ожидаемой возможности с улучшением качества показателей, характеризующих финансовое положение заемщика;

- значения же ожидаемой необходимости на практике получились больше значений ожидаемой возможности, что противоречит теории.

Данный характер полученных результатов, по нашему мнению, можно объяснить следующим образом. В литературе приведены примеры использования данного метода для 2 критериев оценки, т. е. задача не имела применений в реальных ситуациях, приближенных к действительности, поэтому неизвестно точно поведение подобной системы при таком количестве, действующих на нее факторов. Объяснение подобному поведению ожидаемой необходимости может быть следующим: эта величина дает предварительную обобщенную оценку вероятности возврата кредита, т. е. достаточно грубую и приближенную, поэтому разброс ее значений для различных кредитов такой большой. Что же касается самой величины значений, то, возможно, вероятность при предварительном рассмотрении без учета конкретных факторов принимает оптимистическое значение, которое в дальнейшем рассеивается при уже более глубоком рассмотрении финансового состояния заемщика (при расчете ожидаемой возможности).

Таким образом, разработанная системы функционирует по схеме, содержащей следующие этапы:

1. Получение заявки на предоставление кредита.

2. Подготовка и нормализация входных данных.

3. Диалог с банковским экспертом.

4. Ввод данных в систему.

5. Расчет соответствующих интегральных показателей.

6. Анализ интегральных показателей.

7. Составление заключения на предоставление кредита.

Разработанная система преследует следующие цели:

- на основе существующих методик анализа кредитоспособности банковского заемщика выявить те характеристики финансово-хозяйственной деятельности, которые наиболее полно характеризуют кредитоспособность клиента; на основе применения аппарата нечеткой логики описать анализируемое событие, протекающее в условиях неопределенности;

- на основе алгоритма метода, применяемого системой, дать интегрированные оценки возможности возврата кредита.

Применение разработанной СППР производится в три шага:

Шаг 1. Тестирование системы на реальных кредитных делах, имевших место в прошлом. Причем, в данном случае важно брать кредитные сделки как с благоприятным исходом (ситуация возврата кредита), так и с неблагоприятным (ситуация невозврата кредита), что необходимо для установления пороговых значений интегральных показателей, характеризующих возможность возврата кредита.

Шаг 2. Составление заключения на предоставление кредита, исходя из рассчитанных значений интегральных показателей, руководствуясь их пороговыми значениями, пользуясь следующими соображениями:

- выдавать кредиты только тем заемщикам, для которых рассчитанные значения ожидаемых необходимости и возможности превышают установленные пороговые значения;

- в случае получения заявки на предоставление кредита от нескольких заемщиков одновременно, выдавать кредит тем из них, у которых рассчитанные значения ожидаемых необходимости и возможности окажутся наибольшими.

Причем, при составлении заключения о выдачи кредита целесообразно использовать значение ожидаемой необходимости для моделирования предварительной картины финансового положения банковского клиента, а окончательное заключение делать уже на основе значения ожидаемой возможности, т. к. в ней (согласно теории, да и что подтверждает практические исследования) заложены те группы риска, которые присутствуют в конкретном случае.

Шаг 3. Изменение пороговых значений интегральных показателей после завершения очередной кредитной сделки на основе ее конечных результатов в целях совершенствования функционирования системы.

Таким образом, основным научным результатом настоящей работы является обоснование необходимости и разработка СППР для анализа кредитоспособности нового для банка заемщика .

Результаты диссертационного исследования могут быть использованы для повышения эффективности кредитной политики банка, а также сокращения временных затрат на анализ кредитоспособности банковского заемщика.

Заключение

В диссертационной работе рассмотрены вопросы оценки кредитного риска на основе создания СППР для анализа кредитоспособности банковского заемщика, где в качестве базисного элемента используется аппарат нечеткой логики как наиболее эффективное средство принятия решений в условиях неопределенности. Материал данного исследования базируется на основе российского и международного опыта.

Список литературы диссертационного исследования кандидат экономических наук Ворыханов, Максим Викторович, 2003 год

1. Абдрахимов Д., Иоффин А. Поддержка принятия решений: взгляд на место информационно-аналитических технологий ППР в арсенале банковского аналитика // Банковские технологии. 1997. - N4. - С. - 2427.

2. Абузаров А. А., Андрейчиков О. Н., Андрейчикова О. Н. Автоматизированный синтез технических решений на основе нечетких моделей теории принятия решений // Программные продукты и системы. 2000,- N3.- С. 17-19.

3. Алиев Р.А., Ульянов С.В. Нечеткие алгоритмы и системы управления. -М.: Знание, 1989

4. Андрейчикова А. Н. Разработка и исследование интеллектуальной системы принятия решений на нечетких множествах // Информационные технологии. 1999.- N8.- С. 10-19.

5. Архипенков С. Новые технологии в СППР // Банковские технологии. -1998. -N6.-С. 21-27.

6. Архипенков С. От переработки данных к анализу // Банковские технологии. - 1998. - N3.

7. Балабанов И. Т. Риск-менеджмент. М.: Финансы и статистика, 1996

8. Балацкий Е. Проблемы управления кредитными рисками // Финансовый менеджмент. 1998.- N 4.

9. Банковская энциклопедия / С. И. Лукаш, JI. А. Малютиной. -Днепропетровск: КаиссаПлюс. 1994

10. Банковский сектор: анализ экономического кризиса 1998 года // http://www.iet.ru/trend/1999/raz28.htm

11. Банковское дело / Колесникова, Л. П. Кроливецкой. М.: Финансы и статистика, 1997

12. Банковское дело / О. И. Лаврушина. М.: Финансы и статистика, 2001. -672с.

13. Баранов В. В. Игровые методы стохастического оптимального управления и принятия решений при неполной информации о состоянии // Автоматика и телемеханика. 1999.- N4.- С. 65-78.

14. Беллман Р., Заде JI. Принятие решений в расплывчатых условиях // Вопросы анализа и процедуры принятия решений: Пер. с англ. М.: Мир, 1976.

15. Беляков А. В., Ломакина Е. В. Кредитный риск: оценка, анализ, управление // Финансы и кредит. 2000. - N9. - С. 20-28.

16. Бирюков А. Системы принятия решений и хранилища данных // СУБД.-1997.- N4.- С. 30-33.

17. Борисов А. Н., Крумберг О. А., Федеров И. П. Принятие решений на основе нечетких моделей: Примеры использования. Рига: Зинатне, 1990.

18. Борисов А.Н., Алексеев А.В., Крумберг О.А. Модели принятия решений на основе лингвистической переменной. Рига: Зинатне, 1982.

19. Борисов А.Н., Алексеев А.В., Меркурьева Г.В., Слядзь Н.Н., Глушков В.И. Обработка нечеткой информации в системах принятия решений. -М.: Радио и связь, 1989.

20. Буздалин А.В., Британишский A.J1. Экспертная система анализа банков на основе методики CAMEL // http:www.buzdalin.ru/text/banks/12/camel.html

21. Букато В. И. Банки и реальная экономика: поиск новых форм взаимодействия // Деньги и кредит. 1995. - N 5. - С. 24-26

22. Вощинин А. П., Сотиров Г. Р. Оптимизация в условиях неопределенности. М.: МЭИ "Техника" (НРБ), 1989.

23. Гаврилов В. Ставропольский Сбербанк в краевых инвестиционных программах // Банковское дело в Москве. 2000. - N7.

24. Гамза В. А. Методологические основы системной классификации банковских рисков // Банковское дело.- 2001.- N 6-7.- С. 11-15, 25-29

25. Герасимов А. Основные принципы инвестиционного кредитования российских банков // Оборудование. 2001. - N4.

26. Геращенко В. В. О состоянии и перспективах развития банковской системы России // Вестник Банка России / Центральный банк. 2000. -N35.

27. Гиляровская JL Т. Об оценке кредитоспособности хозяйствующих субъектов // Финансы. 1999.- N4.- С. 53-54.

28. Гончаров A. Microsoft Access 97. Спб.: Питер, 1997.

29. Грунина Г. С., Деменков Н. П. Решение многокритериальных задач оптимизации и принятие решений в нечеткой постановке // Информационные технологии. 1998.- N1.- С. 13-15.

30. Грунина Г.С., Деменков Н.П., Евлампиев А.А. Решение многокритериальных задач оптимизации в условиях качественной неопределенности // Вестник МГТУ. 1998.- N1.- С. 45-53.

31. Гурдин К. Софт, который делает бизнес за вас // Финансовая Россия. -2001.-N41.-С. 17.

32. Гусева К. Н. Долгосрочное кредитование как метод интеграции банковского и промышленного капитала // Деньги и кредит. 2000. - N 7. - С. 16-23

33. Длин A.M. Математическая статистика в технике: Учебник. М.: Советская наука, 1958

34. Долан Э. Д., Кэмпбелл К. Д., Кэмпбелл Р. Д. Деньги, банковское дело и денежно-кредитная политика. -М. Спб.: Нестор,1991.

35. Дюбуа Д., Прад А. Теория возможностей, приложение к представлению знаний в информатике. М.: Радио и связь, 1990

36. Дюк В. Data Mining состояние проблемы, новые решения // http://inftech.chat.ru/it/database/datamining/arl.html

37. Екушев А. И. Модели учета и анализа в коммерческом банке. М.: , 1997

38. Елтаренко Е. А. Оценка и выбор решений по многим критериям. М.: МИФИ, 1995.

39. Журкина Н. Г. Обеспечение возвратности кредитов в малом бизнесе // Финансы. 2001. - N10. - С. 26-29

40. Загорий В. Г. О методах оценки кредитного риска // Деньги и кредит. -1997.-N6. -С. 31-37

41. Заде JI. Понятие лингвистической переменной и его применение для принятия приближенных решений. М.: Мир, 1976.

42. Зайцев В. В. Динамический анализ и программная формализация деятельности коммерческого банка: Диссертация на соискание ученой степени кандидата экономических наук. Иваново, 2001

43. Зверев Г. Н. Оценка точности логических приближений и границ применимости классической и неклассической логик в системах "моделирования и принятия решений" // Информационные технологии.-1999.-N12.-С. 12-19.

44. Иванов Ю. Н., Ситунек В., Сотникова Р. А. Оптимальная кредитная политика предприятия и банка // Экономика и математические методы. -1999.-т. 35.-N4.-С. 19-38

45. Инструкция ЦБ РФ «О порядке формирования и использования резерва на возможные потери по ссудам» от 30 июня 1997 г. N62a.

46. Калман Р.Е. Идентификация систем с шумами // УМН. 1985. - Т. 40. -№4.- С. 27-41.

47. Капцанов Б., Фогельсон В. Основы построения многоуровневой автоматизированной информационно-аналитической системы для банковских корпораций // Банковские технологии. 2001. - N5. - С. 3339.

48. Караваев В. Россия: инвестиционная политика и коммерческие банки // Проблемы теории и практики управления. 1998. - N 3. - С.60-63

49. Карданская Н. J1. Принятие управленческого решения: Учебник для вузов. М.: ЮНИТИ, 1999. - 407 с.

50. Каримуллин Р. Возврат кредита // Право и экономика. — 2000. п10. — С. 22-28

51. Кармазин М., Тайль М. Проблема распределения рисков // Проблемы теории и практики управления. 1999.- N5.- 108-113.

52. Карпов А. В. Процессы принятия решений в структуре управленческой деятельности // Психологический журнал. 2000. - т.21.- N1. - С. 63-77.

53. Карякин А. М. Инструментальная поддержка синтеза и адаптации вычислительной модели в САПР // Тезисы докладов НТК. Иваново, 1988, С.12

54. Карякин А. М. Совершенствование управления предприятиями в сфере наукоемкого производства и инновационной деятельности на основе концепции рабочих команд. Иваново, 1998. - 168 с.

55. Карякин А. М., Воробьева Ю.П., Жесткова Г.И. Разработка управляющих автоматизированных комплексов в экономике: проблемыи решения // Проблемы управления в системе рыночных отношений. Сборник научн.тр. Иваново, 1997, С.250-252

56. Карякин А. М., Клочкова Н. В. Роль кредитной политики в управлении кредитным риском // Тезисы докладов НПК. Иваново, 2000., С.29-30

57. Кашин В. Управление рисками при банковском кредитовании субъектов малого предпринимательства // Банковские Технологии. 2000. - N9.

58. Киселев М., Соломатин Е. Средства добычи знаний в бизнесе и финансах.// Открытые системы. 1997. - N4. - С.41-44.

59. Кисляков М. Кредитные риски коммерческого банка // Автобанк: хроника.- 1997.- N 8-9.-С. 38-40

60. Коврижкин О. Г. Имитационная модель принятия решений на основе нечеткого структурного графа // Проблемы управления и информатики.-1995.-N3.-C. 130-138.

61. Корнев Г. Автоматизация предприятия: дорого и сердито // Финансовая Россия.-2001.-N41.-С. 6

62. Корниец С. JI. Специфика банковского риска при работе сЯпромышленными предприятиями // Деньги и кредит. 1997. - N6. - С. 14-16

63. Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982.

64. Кречетов Н. Продукты для интеллектуального анализа данных // Рынок программных средств. 1997. - N14-15. - С.32-39.

65. Кудинов Ю.И. Нечеткие системы управления // Известия АН: серия техническая кибернетика. 1990.- N5.- С. 19-24.

66. Кудрявцев О. Система снижения рисков: несколько советов банкам // Финансовая газета. 1999. - N21.

67. Кузьменко В. Субсидированное кредитование АПК: Особенности и перспективы // Банковское дело в Москве. 2002. - N4. - С. 28-30.

68. Ларичев В.Д. Злоупотребления в сфере банковского кредитования М.: АО "Центр ЮрИнфоР", 199772.