Разработка инструментов сопровождения банковских информационных систем тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат экономических наук Палькин, Егор Александрович

• Палькин, Егор Александрович
• кандидат экономических наук
• 2011

Оглавление диссертации кандидат экономических наук Палькин, Егор Александрович

ОГЛАВЛЕНИЕ

Введение

Глава 1. Проблемы сопровождения информационных систем. Типичные задачи и методы их решения

1.1. Понятие и структура сопровождения ИС

1.2. Группы задач сопровождения в информационной системе коммерческого банке

1.2.1. Развитие ИС (модернизация)

1.2.2. Корректирующее сопровождение

1.2.3. Сопровождение данных

Глава 2. Процесс сопровождения кредитной работы в коммерческом банке

2.1. Специфика процесса кредитования

2.2. Автоматизация процесса принятия решения по кредитной заявке

2.2.1. Оценка заёмщика кредитным экспертом (рейтинговая оценка

кредитоспособности)

2.2.2. Системы банковского скоринга

2.2.3. Использование искусственного интеллекта для решения задач анализа

платёжеспособности заёмщиков

2.3. Система поддержки принятия решения при выдаче кредита в коммерческом банке

2.3.1. Построение модели скоринговой системы

2.3.2. Реализация ПК «НейроКредит+» и результаты использования

2.3.3. Перспективы развития ПК «НейроКредит+»

Глава 3. Поддержка целостности данных в разнородных ИС

3.1. Использование данных из разнородных ИС

3.2. Разработка алгоритма сравнения персональных данных

3.3. Интеграция алгоритма сравнения персональных данных в АБС

Заключение

Список использованных источников

Введение диссертации (часть автореферата) на тему «Разработка инструментов сопровождения банковских информационных систем»

Введение

Актуальность темы исследования. В настоящее время, по мере усложнения используемых программных систем и роста их стоимости, все более актуальной становится проблема их сопровождения. С одной стороны наблюдается ускоренное развитие информационных технологий, требующее постоянных изменений и обновлений в используемом программном обеспечении, с другой стороны жизненный цикл сложных программных систем должен быть достаточно длительным, чтобы успеть окупить затраты на их создание. По некоторым оценкам стоимость сопровождения современной информационной системы (ИС) может достигать 80% всех затрат жизненного цикла ИС. В то же время задачи этапа сопровождения ИС до настоящего времени остаются мало исследованными по сравнению с задачами других этапов жизненного цикла ИС - анализа требований, планирования и оценки проекта, проектирования, реализации и тестирования.

Являясь неотъемлемой частью функционирования программных систем любого масштаба, особое значение процесс сопровождения приобретает в корпоративных системах. Яркий пример подобных программ -банковские ИС. Их разветвлённая модульная структура со сложными механизмами сопряжения и высокими требованиями к надёжности данных не может оставаться работоспособной без систематического сопровождения, как внутреннего, так и внешнего. Сегодня девять из десяти банков нуждаются в полноценном сопровождении приобретённых универсальных систем. Подтверждением этому служит то, что поставляемые готовые решения для малых и средних банков находятся в постоянной доработке, учитывающей особенности предоставляемых банком продуктов, структуры банковского управления и внутренних правил ведения бухгалтерского учёта.

Следует отметить, что специфика задач сопровождения банковских ИС изучена слабо, отсутствует методика их классификации. Как правило, эти задачи рассматриваются с точки зрения разработчика, в то время как

3

наибольший интерес для коммерческой структуры представляет видение процесса глазами потребителя.

Среди множества задач сопровождения, с которыми сталкивается банк в процессе использования ИС, часто встречаются однотипные. Отсутствие адекватной классификации затрудняет их идентификацию и заставляет каждый раз искать новые способы их решения. С другой стороны, определённые общие подходы к сопровождению ИС могут быть с успехом применены к разнородным задачам. Таким образом, классификация задач сопровождения ИС является актуальной.

Другой актуальной задачей сопровождения банковских ИС выступает задача поддержки целостности данных. Очевидна необходимость поддержания целостности данных не только на уровне корректности форматов, но также на уровне их полноты и семантики. Средствам СУБД и информационным шлюзам не под силу справиться с подобного рода задачей, поэтому возникает потребность в разработке механизма, реализующего поддержку целостности данных на уровне анализа их смыслового содержания.

Основной вид деятельности банков - кредитование, бесспорно, требует наибольшего внимание среди прочих составляющих банковской информационной инфраструктуры. Задача поддержки принятия решения при выдаче кредитов в условиях современной конкуренции требует новых технических решений, оставаясь постоянно актуальной. Хорошая скоринговая система позволяет банку не только увеличить скорость обслуживания клиентов, но также повысить прибыль за счёт выбора наиболее надёжных заёмщиков. Поэтому актуальными являются задачи внедрения и сопровождения современных скоринговых систем, основанных на перспективных информационных технологиях.

Степень изученности проблемы. Значительный вклад в развитие представлений о процессе сопровождения, как неотъемлемой части жизненного цикла программных средств и информационных систем в

экономике, внесли известные зарубежные специалисты в области программной инженерии Э. Дж. Браудэ, Б. Боэм, Ф. Брукс, Г. Буч, Дж. Бэйли, Э. Гамма, Дж. Рамбо, И. Соммервил, М. Фаулер и др.

В нашей стране процессы сопровождения ИС долгое время рассматривалось в узком смысле, как совокупность действий, направленных на решение конкретных задач гарантийного и послегарантийного обслуживания ИС. Большее внимание этой проблеме стали уделять только в последние годы. Вопросы сопровождения данных рассматриваются в работах О.Б. Арушаняна, H.A. Богомолова, Н.И. Волченскова, В.П. Зимина, А.Д. Ковалева, Ф.В Комара, А.К. Погодаева, Г.О. Федорковой, Е.А. Хомякова. Обслуживание экономических ИС исследуется в работах Е.Ф. Жарко, В.Г. Промыслова, O.A. Промысловой, С.А. Смирнова. Проблемы формализации жизненного цикла (ЖЦ) информационных систем затрагиваются В.В. Бураковым, А.П. Гагариным, E.H. Десятириковой, В.Г. Зиновьевым, В.В. Мышко, М.М. Павловским, Е.Б. Самойловым. Общие вопросы функционирования и сопровождения ИС описываются в трудах В.А. Благодатских, A.M. Вендрова, В.В. Липаева, К.Ф.Поскакалова и др.

Следует отметить, что большинство известных источников содержат либо общие рекомендации относительно организации процесса обслуживания и сопровождения ИС, либо предлагают частные решения отдельных задач сопровождения. Для многих задач сопровождения, характерных для экономических информационных систем, отсутствует описание типовых эффективных способов решения. Практически нет работ, в которых отражена специфика сопровождения банковских ИС. В частности, нет описаний механизма сопровождения банковских ИС, не раскрыты вопросы поддержки целостности и актуальности банковских корпоративных хранилищ данных, до сих пор не предложен простой, быстрый и одновременно гибкий инструмент для поддержки на оперативном уровне управления основного направления деятельности банка - кредитования.

Цель и задачи исследования. Целью настоящей работы является разработка и исследование методов и инструментов сопровождения информационных систем в банковской сфере, позволяющих наращивать функциональные возможности действующих ИС и повысить надежность хранимых данных.

Для достижения поставленной цели, в работе решались следующие задачи, определившие логику диссертационного исследования и его структуру:

1) изучение специфики процесса сопровождения современных экономических ИС, разработка их классификации и выявление наиболее важных задач сопровождения банковских ИС;

2) разработка механизма сопровождения банковской ИС на основе централизованной системы заявок;

3) построение алгоритма прохождения заявки, позволяющего в случае необходимости перемещать заявку на предыдущий уровень обработки;

4) разработка алгоритма для оценки кредитного риска, на основе технологии искусственных нейронных сетей, и создание инструментального средства для сопровождения банковской ИС при обслуживании процесса кредитования;

5) создание инструментального средства для сопровождения данных о физических лицах в составе корпоративного хранилища данных, основанного на авторском алгоритме сравнения персональных данных клиентов банка с использованием правил фонетики русского языка.

Объектом исследования являются экономические информационные системы, используемые в деятельности современных кредитных организаций.

Предметом исследования, выступает процесс сопровождения банковских информационных систем, а также модели, алгоритмы и программные средства, используемые для реализации данного процесса.

Теоретическую и методологическую базу исследования составляют материалы по разработке информационных систем, проектированию баз данных, обслуживанию программ, моделированию искусственных нейронных сетей. Также в диссертации используются государственные стандарты, нормативные документы ЦБР, методы анализа и моделирования экономических процессов.

Рабочая гипотеза исследования. Постоянное совершенствование процесса сопровождения необходимо для эффективного функционирования банковских информационных систем и их отдельных модулей. Решающее значение в процессе сопровождения банковских информационных систем должно иметь качество производимых в системе изменений, выражающее в повышении эффективности банковских процессов, уменьшении времени расчётов, увеличении точности прогнозов.

Область исследования. Диссертационная работа выполнена в рамках специальности ВАК 08.00.13 «Математические и инструментальные методы экономики», п. 2.6. «Развитие теоретических основ методологии и инструментария проектирования, разработки и сопровождения информационных систем субъектов экономической деятельности: методы формализованного представления предметной области, программные средства, базы данных, корпоративные хранилища данных, базы знаний, коммуникационные технологии».

Основные положения диссертации, выносимые на защиту.

1. Для повышения эффективности решения задач сопровождения банковских ИС, необходимо в существующей системе их классификации дополнительно выделить отдельную группу задач по сопровождению данных.

2. Для организации эффективного сопровождения экономических ИС, необходимо использовать единый централизованный механизм исправления ошибок на основе системы заявок.

3. Процесс функционирования системы сопровождения на основе заявок должен быть реализован в виде разработанного алгоритма прохождения заявки с возможностью возврата на предыдущие уровни обработки и централизованной базы данных.

4. Система сопровождения процесса кредитования на основе нейронной сети с возможностью оперативного дообучения по данным о клиентах регионального отделения банка позволяет заметно снизить риски неплатежей по ссудам, улучшает точность прогноза, упрощает и удешевляет оценку заемщика на этапе принятия решения по заявке.

5. Система сопровождения и поддержки целостности данных о физических лицах, использующая разработанный фонетический алгоритм для поиска сходств персональных данных, позволяет на порядок снизить количество ошибок сравнения, относительно систем, использующих известные универсальные алгоритмы сравнения текстовых данных.

Научная новизна диссертационной работы. Научная новизна диссертационного исследования заключается в развитии методологии и разработке инструментов сопровождения ИС. Научную новизну содержат следующие результаты:

1) Предложена классификация задач сопровождения, отличающаяся выделением в отдельную группу задач, направленных на сопровождение данных, специфичных для корпоративных хранилищ данных, и показано, что выделенный класс задач играет важную роль при организации процесса сопровождения ИС в банковском секторе.

2) Разработан централизованный механизм сопровождения экономических информационных систем на основе заявок, встраиваемый в организационную структуру предприятия заказчика ИС, предоставляющий возможность обработки возникающих в ИС ошибок согласно предложенной классификации типичных для банковских ИС ошибок, позволяющий пользователям взаимодействовать напрямую с ответственными исполнителями и отслеживать стадии выполнения заявок.

3) Построен алгоритм обработки заявок на исправление ошибок для организации сопровождения банковских ИС, включающий формализованные пути прохождения заявки и нестандартные процедуры обработки, такие как возврат заявки на дополнительный анализ и на повторный предварительный анализ, а также открытие закрытых заявок.

4) Создана программа Нейрокредит+ для автоматизации кредитования на уровне кредитного эксперта коммерческого банка, осуществляющая поддержку принятия решения при выдаче кредита на основе механизма скоринга, реализованного с использованием оперативно дообучаемой, в том числе на основе выявленных скрытых факторов неплатежей, искусственной нейронной сети, благодаря которой в разы сокращаются сроки рассмотрения кредитной заявки и увеличивается точность прогнозирования возможности дефолта по ссудам.

5) Разработан алгоритм сравнения персональных данных, в основе которого лежит принцип создания ключа с помощью хэш-функции, использующей правила фонетики русского языка, позволяющий снизить количество ошибок сопоставления на порядок по сравнению с известными универсальными алгоритмами выявления сходств, а также предоставляющий возможность повторного использования рассчитанных хэш-значений.

Теоретическая значимость исследования заключается в разработке классификации задач сопровождения и ошибок, характерных для банковских ИС, методических рекомендаций по организации процесса сопровождения ИС на основе механизма заявок, оценке эффективности использования различных алгоритмов сопоставления персональных данных.

Практическая значимость исследования состоит в разработке механизмов и инструментов сопровождения ИС, которые могут быть применены при построении процесса сопровождения ИС современного банка. Алгоритмы и программы, разработанные в ходе исследования, являются законченными и готовыми к использованию.

Апробация и внедрение результатов исследования. Основные результаты диссертационной работы докладывались и обсуждались на научно-практических конференциях и семинарах различного уровня, в том числе: X Международная конференция «Информатика: проблемы, методологии, технологии» (г. Воронеж, ВГУ, 2010), международная конференция «Технологии Microsoft в теории и практике программирования» (г. Нижний Новгород, НГУ, 2007), студенческие научных конференции в 2006, 2007 годах в Саратовском государственном социально-экономическом университете «Проблемы социально-экономического развития России» (г. Саратов, СГСЭУ, 2007).

Основные результаты диссертационного исследования используются в деятельности коммерческого банка ООО «БАНК ФИНИНВЕСТ» в процессе принятия решения о выдаче кредита, при сборе сводных данных из разнородных ИС. Предложенный в работе алгоритм прохождения заявки лежит в основе работы банковской системы отслеживания и обработки ошибок ИС действующего коммерческого банка. Алгоритм сравнения персональных данных, встроенный в автоматизированную банковскую систему, позволяет операционистам и кассирам оперативно идентифицировать клиентов банка. Система оценки платёжеспособности поставщиков, основанная на представленном в работе механизме скоринга, реализованного с использованием искусственной нейронной сети, используется в деятельности факторинговой компании ООО «Эконом-факторинг». Разработанные методы и инструментарий нашли применение в учебном процессе Саратовского государственного социально-экономического университета, специальность «Прикладная информатика (в экономике)» (дисциплина «Имитационное моделирование экономических процессов»).

Публикации. Основные результаты диссертационного исследования изложены в 11 научных работах, в том числе 3 - в научных изданиях, рекомендованных ВАК Министерства образования и науки РФ для

публикации основных результатов диссертационных исследований, общим объёмом в 4,1 печатных листа.

Структура и объем работы. Структура диссертации обусловлена целью, задачами и логикой исследования. Диссертационная работа состоит из введения, трёх глав, заключения и библиографического списка из 111 источников. Работа изложена на 148 страницах машинописного текста, содержит 24 рисунка и 3 таблицы. Диссертация имеет следующую структуру: Во введении обосновывается актуальность рассматриваемой проблемы, формулируются цель и задачи диссертационного исследования, определяются его объект и предмет, рассматриваются теоретические и методологические основы исследования, выделяются научная новизна и практическая значимость работы, приводится оценка внедрения и апробации исследования, описывается структура диссертационной работы.

В первой главе «Проблема сопровождения информационных систем. Типичные задачи и методы их решения» выполнен анализ проблемы сопровождения ИС в коммерческом банке. Рассмотрены существующие подходы к вопросу сопровождения ИС, проанализированы действующие стандарты и статьи, посвящённые жизненному циклу ИС в целом и сопровождению, в частности. В главе обоснована необходимость доработки существующей классификации задач сопровождения в ИС субъектов экономической деятельности, предложена новая классификация задач сопровождения, учитывающая специфику банковских ИС и разработанного алгоритма обработки ошибок на основе заявок.

Во второй главе «Процесс сопровождения кредитной работы в коммерческом банке» рассматривается основное направление банковской деятельности - кредитование, предлагается модель скоринговой системы с использованием искусственной нейронной сети, которая была положена в основу разработанной системы поддержки принятия решения при выдаче. Система отличается от известных не только тем, что используется на оперативном уровне управления, но и возможностью гибкого реагирования

на изменения рынка путём постоянного дообучения нейронной сети на основе новых данных.

В третьей главе «Поддержка целостности данных в разнородных

ИС» исследуется актуальная для большинства банков проблема сопровождения данных о физических лицах. Для решения задачи сопоставления персональных данных из разнородных ИС было разработано программное средство, основанное на предложенном семантическом алгоритме Фонетик. В главе представлены сравнительные результаты работы авторского алгоритма и традиционных алгоритмов анализа строк.

В заключении сформулированы выводы, основные положения и обобщения по результатам диссертационного исследования.

Заключение диссертации по теме «Математические и инструментальные методы экономики», Палькин, Егор Александрович

Если результаты работы модели ИНС удовлетворительные, то обученная сеть сохраняется для дальнейшего использования в модуле «Кредитный работник» в файл специальной структуры в расширением *.NNW.

На этапе планирования задачи было решено отказаться от хранения структуры сети в базе данных, так как наиболее доступные провайдеры данных, такие как OLEDB, BDE или другие, при первичной загрузке неоправданно отнимают время и ресурсы системы. С небольшим объёмом данных для хранения обученной нейронной сети хорошо справляется специально структурированный файл *.NNW, по аналогии со стандартными *.INI-файлами в MS Windows. В нём названия разделов указываются в квадратных скобках, а название параметра и его значение - по одной паре на строку через знак равенства. Как показало тестирование - этого вполне достаточно для полноценной работы приложения. Доступ к данным файла производится посредством системного интерфейса API (Application Programming Interface).

5SBP2 sssssssss lsss|sssy SiliiillsR

ЯШШШШШШШ

Ю Km

ЛШШ

Ebb

ЩГлЯЯЯЯ ■jggll тъя» шин яшяятя

ЫЯЧЙ

Шшашя

НИНЕЙ Назад

Обчч. Тест.

Error ср.

Error макс. с 1

Распознано

Пуск обучения

Далее >>

Отмена

Рисунок 18. Экранная форма графического отображения хода обучения ИНС I bbi шяъшяшяяяя gsgsssssa яяшяяяжжъШ Ш « IIIIMI яяъяяяяяяя яа

Обчч. Тест.

Error ср. рШмш! 0.013334

Error макс. 0.20868 0.0243B3

Распознано 75% 100%:

Пуск обучения Назад

Далее >>

Отмена

Рисунок 19. Экранная форма графического отображения результатов обучения ИНС

Консоль кредитного работника также написана в Delphi, только с интерфейсом SDI (Single Document Interface). Навигация производится посредством меню с дублирующими кнопками быстрого доступа. Для работы программы необходим файл обученной искусственной нейронной сети *.NNW. Простой и компактный формат хранения данных об обученных нейронных сетях позволяет хранить информацию о большом количестве обученных нейронных сетей и облегчает организацию централизованной базы данных со сведениями об этих сетях.

После загрузки ИНС вместе с её структурой (в т.ч. весами), в таблице отображаются названия полей, и для пользователя доступны два режима работы: ручной ввод данных заёмщика либо пакетная обработка заранее подготовленных данных. Причём, стоит отметить гибкость работы с импортируемыми данными. Программа понимает описанный выше формат (с разделителем TAB), полноценный файлы электронных таблиц (*.XLS) и файлы с разделителем запятой (*.CSV). Последний формат добавлен для большей совместимости с некоммерческими приложениями.

После заполнения таблицы данными (не важно каким из описанных выше способов) выполняется команда Расчёт, и выходные значения отображаются в соответствующих ячейках таблицы. Данные готовы для сохранения в любом из обозначенных выше форматов.

Как было сказано выше, в программном комплексе используется библиотека NeuralBase. Её основные функциональные классы представлены на рис. 20. Ценность библиотеки заключается в наличие описания базового класса искусственного нейрона (TNeuron) и основных его методов. Нейроны образуют слой (TLayer), группа которых составляет класс нейросети (TNeuralNet). От неё наследуется класс нейронной сети с обратным распространением ошибки (TNeuralNetBP), который, в свою очередь, является родительским по отношению к классу «расширенной» нейронной сети (TNeuralNetExtended). «Расширенной» она называется, поскольку, кроме стандартно унаследованных характеристик класс нейронной сети с обратным распространением ошибки, она имеет пользовательские интерфейсы. Именно на основе этого класса создаётся рабочий экземпляр нейронной сети.

ТМеигаМе! Нейронная сеть I

Т№ига1№ИЗР Нейронная сеть с обратным распространением ошибки I

ТМеига1№Ех1епс1ес1 Нейронная сеть расширенная )

Рисунок 20. Основные функциональные классы библиотеки ЫеигаШаБе

НейроКредит+»

Несмотря на все достоинства ПК в вопросах выявления несостоятельных заёмщиков, у него есть типичные для нейросетевых моделей недостатки, связанные с «загрязнением» данных. В данном случае под термином «загрязнение» понимается не появление излишних данных с течением времени, как в случае со скоринговыми системами, а подача на вход системы несоответствующих действительности данных, которые ИНС трактует как реальные, что влечёт за собой неверное обучение сети и, как следствие, некорректные выходные данные. В таких случаях, когда существует вероятность наличия неточности в данных, рекомендуется ставить во входном векторе заранее определённое значение, например 0, соответствующее пустым данным. В таком случае сеть обучится с большей точностью.

Нежелательно также «переобучать» ИНС, так как излишняя информативность способствует проявлению сетью своеобразного «консерватизма». Она в меньшей степени становится подвержена новым тенденциям изменения данных, которые отражают изменение экономической обстановки. То есть, при излишнем обучении одно из основных преимуществ нейронной сети - возможность автоматической адаптации к новым условиям - сводится к поиску полного соответствия данных очередного заёмщика имеющимся в сети примерам. Избежать подобной неприятной ситуации помогает установка условий останова обучения на соответствующем этапе проектирования ИНС в модуле «Настройщик».

Процесс тестирования ПК «НейроКредит+» с использованием реальных данных описан ниже. Входной файл в процессе тестирования содержал 27 параметров, которые тем или иным образом влияли на оценку финансового состояния заёмщика, и одно выходное поле по каждому из клиентов, содержащее статус кредита, то есть был он выдан либо по нему был принят отказ. В модуле «Настройщик» создавалась и обучалась ИНС.

На следующем этапе была заполнена таблица, в которую вошли те же 27 полей, но на этот раз с тестовыми данными. Последнее (выходное) поле не содержало значение. В модуле «Кредитный работник», после загрузки нейросети и проведения расчётов, полученные значения были сохранены в исходный файл, подготовив, таким образом, полноценные данные для составления отчётов, построения экономических диаграмм и т.п.

Положительным ответом сети признавалось выходное значение не меньшее 0,9 (90%) - своеобразная «вероятность» действий заёмщика. Значение от 0,7 до 0,9 говорило о возможности отправить заявку на реструктуризацию. Все заявки, по которым в выходном столбце был показатель ниже 0,7 , признавались отвергнутыми.

Таким образом, нейросетевой вариант системы поддержки принятия решения при выдаче кредита автоматизирует работу кредитного эксперта, позволяет быстро реагировать на изменяющиеся внешние условия, легко настраивается так, чтобы учитывать региональные особенности отдельного филиала и позволяет реализовать централизованный контроль за множеством обученных скоринговых систем.

Апробация ПК «НейроКредит+» производилась следующим образом. После построения скор-карты была произведена корректировка весов и уточнение обучающего правила с использованием обучающего массива данных из 500 заявок.

Затем было отобрано и обработано системой ещё 500 заявок. Результаты обработки таковы: положительное решение получено по 132 заявкам, непригодными для выдачи кредитов признаны 364 заявки, 4 .заявки набравшие количество баллов в пределах зоны одобрения, также получили положительное решение после реструктуризации (уменьшена сумма кредита). Таким образом, был сформирован базовый кредитный портфель скоринговой системы с рекомендацией к выдаче 136 кредитов из предложенных 500.

В ходе экспертного анализа были рассмотрены 364 заявки, получивших отказ в выдаче кредита. В результате, были обнаружены не учтённые в ходе первичного построения системы факторы, такие как недостаточная значимость возраста для женщин от 18 до 27 лет (им не надо служить в армии), или вес семейного положения «разведен» у женщин должен быть более высоким, чем у мужчин, т.к. по статистике, разведенные мужчины чаще теряют работу и свой социальный статус, чем женщины, и т.д.

Результаты дополнительно экспертной оценки были внесены в обучающие правила программы, и сеть была переобучена на первом обучающем множестве. Затем вновь было произведено рассмотрение второй совокупности кредитных заявок. При этом обратная связь в виде экспертного анализа, послужившая ключевым фактором к перенастройке системы, привела к изменению результатов работы программы. Вторая итерация «одобрила» дополнительно к первой ещё 53 заявки.

Новые настройки скоринговой системы позволили более гибко проанализировать анкеты и выборочно учесть веса входных параметров, что привело к увеличению баллов у данных 53 анкет. В результате работы количество рекомендованных к выдаче заявок составило 189. Фактически, именно это количество ссуд было профинансировано.

Далее производилось наблюдение за процессом погашения выданных кредитов. Из 189 ссуд 14 были признаны безнадёжными к взысканию. В ходе дополнительного экспертного анализа причин, повлекших невозврат, были выявлены «скрытые» факторы, которые могут сильно влиять на вероятность возврата взятого кредита. Подробный анализ анкетных данных клиентов, по которым имелась длительная просрочка, позволил выявить следующие параметры, коррелирующие с вероятностью дефолта: географическое место проживания клиента, взаимосвязь возраста заемщика и занимаемой должности, точка обращения клиента за кредитом (офис банка, конкретный магазин или конкретный автосалон).

По результатам проведенного анализа были сформированы новые обучающие правила и нейронная сеть была заново обучена. После дополнительного анализа скрытых факторов скоринговая система, при обработке тех же 500 заявок, сократила количество заявок, получивших положительное решение, на 10 анкет, что на первый взгляд сократило кредитный портфель. Однако и количество дефолтных ссуд теперь снизилось до 6.

На рис. 21 ломаная линия схематично показывает границу между зонами «одобрения» и «отклонения» в разработанной скоринговой системе.

Рисунок 21. Изменение границы между зонами «одобрения» и «отклонения» при использовании нейронной сети 119

Результат работы построенной скоринговой системы после третьей итерации в изменении ее настроек: 178 кредитов - выдано, 6 кредитов в последствии признаны безнадежными к взысканию.

На рис. 22 показано, как изменяется доходность кредитного портфеля при изменении настроек разработанной автоматизированной скоринговой системы. Варианты 1-3 на рисунке соответствуют первой, второй и третьей итерации в изменениях настроек системы.

Доходность портфеля 100

Выдано кредитов

3 Дефолтн ых ссуд

•Доходность портфеля вариант 1 вариант 2 вариант 3

Рисунок 22. Изменение доходности кредитного портфеля

В предлагаемой схеме кредитного процесса постоянно действующая обратная связь, порождает итеративную процедуру изменения настроек скоринговой системы. Каждая следующая итерация улучшает эффективность прогнозов, даваемых скоринговой системой.

120

Анализ эффективности скоринговой систем необходимо проводить, учитывая возможные ошибки системы, возникающие при оценке заемщиков. Ошибки могут быть вызваны неправильным выбором значимых факторов, влияющих на кредитоспособность заемщика, неправильной настройкой их весов, неудачным выбором алгоритма используемого для скоринга и т.д. При этом скоринговая система может допускать ошибки как первого рода, так и второго рода. Ошибки первого рода возникают, когда кредитоспособный заемщик квалифицируется скоринговой системой как некредитоспособный. Ошибки второго рода - когда некредитоспособный заемщик квалифицируется скоринговой системой как кредитоспособный.

Рассмотрим четыре характерные экономические модели [96], соответствующие различным уровням ошибок первого и второго рода и различным стратегиям применения скоринговых систем. В качестве двух главных характеристик экономических моделей анализа скоринговых систем принято считать уровень одобрения системы (Approval rate (AR)) - доля одобренных заявок в общем числе обработанных заявок и полученный в итоге уровень дефолтных ссуд (Default rate (DR)) - доля кредитов, по которым допущено три и более подряд просрочек оплаты ежемесячных платежей по кредиту, в общем объеме кредитного портфеля. Характеристики моделей приведены в таблице 1.

Заключение

В работе изучены и отражены теоретические и практические аспекты процесса сопровождения банковских информационных систем. Показано, что сопровождение информационной инфраструктуры является определяющим фактором сокращения издержек и повышения эффективности работы банка в целом.

Рассмотрена специфика задач сопровождения ИС в коммерческом банке. При этом выявлен существенный недостаток внимания к проблеме сопровождения ИС и отсутствие экономического понимания его роли. Предложены решения по оптимизации данного процесса. Разработана классификация задач сопровождения ИС, учитывающая особенности банковской сферы.

Проведён анализ кредитного направления работы банка с точки зрения автоматизации деятельности. Замечено, что в большинстве АБС отсутствуют механизмы поддержки принятия решения при выдаче кредита. Предложено использование технологии искусственного интеллекта для построения скоринговой системы. Для этого разработан программный комплекс, представляющий собой скоринговую систему для поддержки принятия решения при выдаче кредита на основе модели искусственной нейронной сети обратного распространения ошибки. Тестирование программного комплекса «НейроКредит+» на реальных данных, взятых из коммерческого банка показало, что требуемая точность прогноза достигается. При этом точность прогноза не ухудшается при увеличении объёма входных данных.

Система имеет удобный для работы интерфейс, широкие возможности для пакетной работы с данными. Невысокие требования к рабочей станции и небольшой физический объём файлов, вкупе с малым временем работы делают данный ПК мобильным, легко переносимым на другие персональные компьютеры.

Программный комплекс включает в себя два основных модуля -«Настройщик» и «Кредитный работник». Модуль «Кредитный работник»,

135 имеет простой. Для обеспечения надежности данный модуль спроектирован таким образом, чтобы из него невозможно было изменить файл уже обученной нейронной сети. Модуль имеет широкие возможности для обмена данными с другими программами, в частности, поддержку формата MS Excel. Это позволяет интегрировать данный модуль в пользовательские приложения, или, применимо к популярным АБС, запускать его с помощью специального макроса, который формирует данные из БД АБС, запускает модуль «Кредитный работник», дожидается выходных данных и загружает их обратно в БД.

Вышеописанные возможности интеграции не мешают программному комплексу работать автономно, как это задумывалось изначально. ПК «НейроКредит+» является самодостаточным решением для оценки финансового потенциального заёмщика с минимальными затратами и усилиями кредитного эксперта.

ПК «НейроКредит+» находится на этапе становления. Безусловно, будут предприняты попытки ввода системы в эксплуатацию в коммерческом банке. В ближайшее время предполагается облегчить систему ввода данных, поскольку пользователю удобнее работать с фактическими названиями параметров, нежели с числами.

Поскольку не каждый настройщик ИНС будет специалистом в области ИИ, ведутся разработки модуля, способного на основе результатов работы сети выявлять малозначимые параметры и автоматически перестраивать её при необходимости.

Рассмотренные характеристики программного комплекса позволяют ему занять достойное место в банковской информационной инфраструктуре и дать возможность кредитному эксперту уделять большее внимание неординарным кредитным заявкам за счёт уменьшения финансовых и временных затрат на рутинную работу.

Разнообразие информационных систем в коммерческом банке часто ставит перед автоматизаторами задачу обеспечения целостности и сопряжения данных. Наибольшую сложность вызывает поддержание целостности персональных данных.

В работе рассмотрены известные алгоритмы сравнения, работающие со строковыми и персональными данными. Разработан алгоритм сравнения «Фонетик», совмещающий в себе высокую скорость работы простых строковых алгоритмов и эффективность специализированных алгоритмов, строящих индексы для исходных данных.

Создана программа, реализующая функцию сравнения персональных данных для единичного входа и для крупных массивов данных, с возможностью последующего сохранения полученного результата.

Практическая значимость полученных результатов исследования состоит в возможности внедрения фонетического сравнительного функционала в программные комплексы, обрабатывающие персональные данные, для повышения эффективности обработки данных, и системы скоринга, подходящей для использования с АБС. Практическая значимость выполненных исследований подтверждается использованием разработанного алгоритма и программных средств в многофилиальном розничном банке.

Список литературы диссертационного исследования кандидат экономических наук Палькин, Егор Александрович, 2011 год

Список использованных источников

1. Брукс Ф.П. Мифический человеко-месяц или Как создаются программные

системы / Ф.П. Брукс. - СПб: Символ-Плюс, 2010. -304 с.

2. Брауде Э.Дж. Технология разработки программного обеспечения / Э.Д.

Брауде. - СПб: Питер, 2004. - 655 с.

3. Соммервилл И. Инженерия программного обеспечения / И. Соммервилл;

6-е изд.; пер. с англ. - М.: Издательский дом «Вильяме», 2002. - 624 с.

4. Фаулер М., Райе Д., Фоммел М., Хайет Э., Ми Р., Стаффорд Р. Шаблоны

корпоративных приложений / М. Фаулер, Д. Райе, М. Фоммел, Э. Хайет, Р. Ми, Р. Стаффорд. - М.: Издательский дом «Вильяме», 2010.

5. Фаулер М. Архитектура корпоративных программных приложений / м.

Фаулер. - М.: Издательский дом «Вильяме», 2007.

6. Буч Г., Максимчук P.A., Энгл М.У., Янг Б.Дж., Коналлен Дж., Хьюстон

К.А. Объектно-ориентированный анализ и проектирование с примерами приложений / Г. Буч, P.A. Максимчук, М.У. Энгл, Б.Дж. Янг, Дж. Коналлен, К.А. Хьюстон. - М.: Издательский дом «Вильяме», 2008.

7. Гамма Э., Хелм Р., Джонсон Р., Влиссидес Дж. Приемы объектно-

ориентированного проектирования. Паттерны проектирования / Э. Гамма, Р. Хелм, Р. Джонсон, Дж. Влиссидес. - СПб.: Питер, 2007.

8. Рамбо Дж., Якобсон А., Буч Г. Унифицированный процесс разработки

программного обеспечения / Дж. Рамбо, А. Якобсон, Г. Буч. - СПб.: Питер, 2002.

9. Боэм Б.У. Инженерное проектирование программного обеспечения / Б.У.

Боэм - М.: Радио и связь, 1985. - 512 с.

10. ГОСТ Р ИСО/МЭК 12207-99 Информационная технология. Процессы

жизненного цикла программных средств

11. Гусятников B.H., Безруков А.И. Стандартизация и разработка

программных систем: учеб. Пособие / В.Н. Гусятников, А.И. Безруков. - М.: Финансы и статистика; ИНФРА-М, 2010.-288 с.

12. ГОСТ Р ИСО/МЭК 15288-2005 Системная инженерия. Процессы

жизненного цикла систем.

13. ГОСТ Р ИСО/МЭК 15504-1-2009 Информационные технологии. Оценка

процессов. Часть 1. Концепция и словарь.

14. ГОСТ Р ИСО/МЭК 14764-2002 Информационная технология.

Сопровождение программных средств.

15. Бураков В.В Формализация процесса преобразований программного

обеспечения / В.В. Бураков. - Мехатроника, автоматизация, управление. 2006. № 11. С. 19-24.

16. Гагарин А.П. Экспертное обслуживание жизненного цикла

компьютерных программ / А.П. Гагарин. - Вестник компьютерных и информационных технологий. 2006. № 8. С. 46-50.

17. ГОСТ Р ИСО 9001-2008 Системы менеджмента качества. Требования

18. ISO 9000 / Перевод A.B. Гарин. - Брошюра «Роль стандарта ИСО 9001 в

цепи поставок», 2010.

19. Key Practices of the Capability Maturity Model, Version 1.1 / Software

Engineering Institute, CMU/SEI-93-TR-25 - 1993.

20. Паулк M., Куртис Б., Хриссис M. Б. Модель зрелости процессов

разработки программного обеспечения / М. Паулк, Б. Куртис, М. Б. Хриссис, Ч.В. Вебер, С.М. Гарсия, М. Буш. - - М.: Богородский печатник, 2002. - 256 с.

21. Полковников А., Терпугов А., Белозеров А. Что такое модели зрелости

управления проектами? / А. Полковников, А. Терпугов, А. Белозеров. -www.cfin.ru, 2004.

22. Haas L.M. Beauty and the Beast: The Theory and Practice of Information

Integration / L.M. Haas. - ICDT, 2007, p. 28-43.

23. MadhavaramM., Ali D.L., Zhou M. Integrating heterogeneous distributed

database systems / M. Madhavaram D.L. Ali, M. Zhou. - Computers & Industrial Engineering, 1996. № 31(1-2), p.315-318.

24. Ершова Э. / Э. Ершова. - CNews Analytics, Интернет издание, 2009.

25. Оценка и аттестация зрелости процессов создания и сопровождения

программных средств и информационных систем (ISO / IEC TR 15504 -СММ) / Пер. с англ. A.C. Агапова, C.B. Зенина, Н.Э. Михайловского, A.A. Мкртумяна. - М. : Книга и бизнес, 2001.

26. Злобин Д.Л. Изменение парадигмы сопровождения информационных

систем / Д.Л. Злобин. - http://www.info-system.ru, 2004.

27. Демиденко О. Трудности внедрения и сопровождения информационных

систем и пути их решения / О. Демиденко. - http://www.rg-soft.ru/, «РГ-Софт», 2009.

28. Березняцкий A.B. Интеллектуализация конструирования нформационных

систем на базе адаптивных агентных моделей / A.B. Березняцкий. -Дис. канд. техн. наук 05.13.11, Томск, 2004. - 148 с.

29. Андреев A.M., Березкин Д.В., Кантонистов Ю.А. Выбор СУБД для

построения информационных систем корпоративного уровня на основе объектной парадигмы / А.М.Андреев, Д.В.Березкин, Ю.А.Кантонистов. -НПЦ «ИНТЕЛТЕК ПЛЮС», Компьютерная хроника N4, 1999.

30. Скрипников O.A. Инструментарий проектирования и сопровождения

информационных систем управления предприятием / O.A. Скрипников. - Дис. канд. эк. наук. 08.00.13, Воронеж, 2003.

31. Промыслов В.Г., Жарко Е.Ф., Промыслова O.A. Обеспечение качества

модификации слоных программных систем высокой надёжности / В.Г. Промыслов, Е.Ф. Жарко, O.A. Промыслова. - Автоматизация в промышленности. 2006. № 5. С. 13-17.

32. ГОСТ Р ИСО/МЭК 9126-93 Информационная технология. Оценка

программной продукции. Характеристики качества и руководства по их применению.

33. ГОСТ Р ИСО/МЭК ТО 15271-2002 Информационная технология.

Руководство по применению ГОСТ Р ИСО/МЭК 12207 (Процессы жизненного цикла программных средств).

34. ГОСТ Р ИСО/МЭК 2382-1-931 Информационная технология. Словарь.

Часть 1. Основополагающие термины.

35. ГОСТ Р ИСО/МЭК 2382-20-901 Информационная технология. Словарь.

Часть 20. Разработка систем.

36. ИСО 8402-941 Управление качеством и обеспечение качества. Словарь.

37. Благодатских В.А., Волнин В.А., Поскакалов К.Ф. Стандартизация

разработки программных средств / В.А. Благодатских, В.А. Волнин, К.Ф. Поскакалов. -М.: Финансы и статистика, 2006. 38 Козлов В.А. Открытые информационные системы / В.А. Козлов. - М.: Финансы и статистика, 1999. - 224 с.

39. Липаев В.В. Программная инженерия. Методологические основы / В.В.

Липаев. - Учебник, М.: Теис, 2006. - 608 с.

40. Спольски Дж. Джоэл о программировании / Дж. Спольски. - СПб.:

Символ-Плюс, 2008. - 352 с.

41. Братищенко В.В. Проектирование информационных систем /В.В.

Братищенко. - Иркутск: Изд-во БГУЭП, 2004. - 84 с.

42. Зимин В.П., Хомяков Е.А. Системная оболочка Brainstorm для поддержки

унаследованного программного обеспечения / В.П. Зимин, Е.А. Хомяков. - Известия Томского политехнического университета, 2006. Т. 309. № 4. С. 163-167.

43. Вендров A.M. Проектирование программного обеспечения

экономических информационных систем / A.M. Вендров. - М.: Финансы и статистика, 2000.

44. Смирнов С.А. Разработка автоматизированной системы сопровождения

пакета прикладных программ / С.А Смирнов. - Вестник Самарского государственного технического университета. Серия: Технические науки. 2007. № 1 (19). С. 199-199.

45. Моносов А. Сотый БИСКВИТ в действии / А. Моносов. - Банки и

технологии №4, 2001.

46. Воронин А. Актуальность потребительского кредитования / А. Воронин.

- Методический журнал «Расчеты и операционная работа в коммерческом банке» № 5, 2004.

47. Андреев A.M., Березкин Д.В., Самарев P.C., Челмодеев A.B. Объектная

распределенная гетерогенная СУБД / A.M. Андреев, Д.В. Березкин, P.C. Самарев, A.B. Челмодеев. - Сборник научных трудов, ФГУП НИИ «Восход», МИРЭА. - М.: МИРЭА, 2001.

48. Арушанян О.Б., Богомолов H.A., Волченскова Н.И., Ковалев А.Д.

Средства автоматизации документирования больших комплексов программ / О.Б. Арушанян, H.A. Богомолов, Н.И. Волченскова, А.Д. Ковалев. - Вычислительные методы и программирование: новые вычислительные технологии, 2010. Т. 11. № 2. С. 26-30.

49. Майерс Г. Искусство тестирования программ / Г. Майерс. - М.: Финансы

и статистика, 1982. -174 с.

50. ГОСТ 51901.12 - 2007 Менеджмент риска. Метод анализа видов и

последствий отказов.

51. Дроботун Е.Б. Критичность ошибок в программном обеспечении и анализ

их последствий / Е.Б. Дроботун. - Фундаментальные исследования, 2009. № 4. - С. 73-74

52. ГОСТ 28195 - 89 Оценка качества программных средств. Общие

положения.

53 В. Beizer, Software System Testing and Quality Assurance, VanNostrand Reinhold, New York, New York, 1984.

54. ГОСТ P 50.1.053-2005 Информационные технологии. Основные термины

и определения в области технической защиты информации.

55. ГОСТ Р 50.1.056-2005 Техническая защита информации. Основные

термины и определения.

56. Hernandez M., Stolfo S. The merge/purge problem for large databases / M.

Hernandez, S. Stolfo. - In Proceedings of the ACM SIGMOD International Conference on Management of Data, 1995. P. 127-138.

57. Арушанян О.Б., Богомолов H.A., Ковалев А.Д. Средства автоматизации

согласования коллекций файлов на автономных компьютерах / О.Б. Арушанян, H.A. Богомолов, А.Д. Ковалев. - Вычислительные методы и программирование: новые вычислительные технологии, 2008. Т. 9. № 2. С. 81-85.

58. Арушанян О.Б., Богомолов H.A., Волченскова Н.И., Зюряева И.В.,

Ковалев А.Д. Программный комплекс ТЕКОНВ для автоматизации преобразований больших коллекций текстовых файлов / О.Б. Арушанян, H.A. Богомолов, Н.И Волченскова, И.В. Зюряева, А.Д. Ковалев. - Вычислительные методы и программирование: новые вычислительные технологии, 2007. Т. 8. № 2. С. 74-77.

59. Wotring В. The system integrity monitoring: advice and implementation / B.

Wotring. - www.securitylab.ru, 2004.

60. Акинин П.В. Основы системы управления банковскими рисками / П.В.

Акинин. - Финансы и кредит, 2007. № 13 (253). - С. 33 - 35.

61. Потоцкая Е.Г. Организация системы управления рисками в банке / Е.Г.

Потоцкая. - Бухгалтерия и банки, 2001. - №3. - С. 17-25.

62. Порох А. Банковские технологии в области управления рисками / А.

Порох. - Банковские Технологии, 2002, №3 (77).

63. Батракова Л.Г. Экономический анализ деятельности коммерческого банка

/ Л.Г. Батракова. - М.: Логос, 1998. - 343с.

64. Киселева И.А. Коммерческие банки: модели и информационные

технологии в процедурах принятия решений / И.А. Киселева. - М.: Едиториал УРСС, 2002. - 400 с.

65. Ковалёв В.В. Введение в финансовый менеджмент / В.В. Ковалёв. - М.:

Финансы и статистика, 2006. - 768с.

66. Бухтин М.А. Методология контроллинга кредитных рисков / М.А.

Бухтин. - Оперативное управление и стратегический менеджмент в КБ, 2004. - №6. - С.80-99.

67. Беляков A.B. Банковские риски: проблемы учёта, управления и

регулирования / A.B. Беляков. - М.: Издательская группа «БДЦ-пресс»,

2003. - 256 с.

68. Боунегра А. Управление рисками в системе комплексного внутреннего

контроля банка / А. Боунегра. - Международные банковские операции,

2004. - №2. - С.145-150.

69. Будков С.Б. Совершенствование кредитного процесса путем

рационализации его внутренней структуры в коммерческих банках Российской Федерации / С.Б Будков. - Дис. канд. экон. наук, Ростов-на-Дону, 2008.

70. Ульянов Д.П. Разработка имитационных моделей и программных средств

для анализа кредитных и валютных рисков многофилиального банка / Д.П. Ульянов. - Дис. канд. экон. наук, Волгоград, 2008.

71. Андреева Г. В. Скоринг как метод оценки кредитного риска / Г. Андреева.

- Из материалов журнала «Банковские Технологии», 2002.

72. Вестник «Банка России» от 4 февраля 2004 года №7.

73. Беляев М.К. Специфические риски потребительского кредитования / М.К.

Беляев. - Банковское дело, 2006. - №5. - С.54-56.

74. Русанов Ю.Ю. Теория и практика риск-менеджмента кредитных

организаций России / Ю.Ю. Русанов. - М.: Экономистъ, 2004.

75. Масленченков Ю.С. Финансовый менеджмент банка: учебное пособие /

Ю.С. Масленченков. - М.: Юнити, 2003. - 399 с.

76. Бухтин М.А. Организационные принципы управления рисками в

коммерческом банке. Процессный подход / М.А. Бухтин. -Оперативное управление и стратегический менеджмент в коммерческом банке, 2003. - №2. - С.66-83.

77. Николаева М.А., Юнцевич О.Ф. Методы и алгоритмы построения

рейтингов / М.А. Николаева, О.Ф Юнцевич. - Информационные технологии, 2003. -№12.

78. Масленченков Ю.С. Финансовый менеджмент банка: учебное пособие /

Ю.С. Масленчиков. - М.: Юнити, 2003. - 399с.

79. Методика определения кредитоспособности банков-контрагентов

Европейского трастового банка / Методические материалы. - Клуб банковски аналитиков, www.bankclub.ru/materials-credit-banks-etb.htm.

80. Методика расчёта кредитного риска по условным обязательствам

кредитного характера / Приложение 2 к Инструкции ЦБ от 16.01.2004 № 110-И «Об обязательных нормативах банков».

81. Методики анализа финансового состояния заёмщика / Агентство ВЭП. -

http://www.vep.ru.

82. Рейтинг относительной кредитоспособности субъектов РФ / Рейтинговый центр АО «АК&М». - Москва, http://www.akm.ru/rus/analyt/ratings/roks.htm, 2002. 83 Рыкова И.Н. Скоринг-оценка физических лиц на рынке потребительских кредитов / И.Н. Рыкова. - Финансы и кредит, 2007. № 18. С. 2-9.

84. Русанов Ю.Ю., Разина О.М. Методология оценки рисков кредитования

малого и среднего бизнеса / Ю.Ю. Русанов, О.М. Разина. - Банковское дело, 2007. №6. С.91-95.

85. Селянин В.Е. Разработка моделей и инструментальных средств анализа

кредитного риска на основе технологий нечетких нейронных сетей /

B.Е. Селянин. - Дис. канд. экон. наук, Волгоград, 2007. - 161 с.

86 Белешев С.А., Гурвич Г.Ф. Математические методы экспертных оценок

C.А. Белешев, Г.Ф. Гурвич. - М.: Статистика, 1980.

87 Положение ЦБ РФ от 9.07.2003 № 232-П «О порядке формирования

кредитными организациями резервов на возможные потери». 88. Сперанский А. Потребительское кредитование. К вопросу об этике

собирания долгов / А. Сперанский. - Бухгалтерия и банки, 2006. - №8. -С.53-57.

89 Гусятников В.Н., Ульянов Д.П. Банковский кредитный скоринг как

практическая реализация нейросетевых технологий / В.Н. Гусятников, Д.П. Ульянов. - Саратов: СГСЭУ, 2008.

90 Шапот М. Интеллектуальный анализ данных в системах поддержки

принятия решений / М. Шапот. - М.: Открытые системы, 1998, №1, С. 30-35.

91 Харлашкина Е.К., Беличенко А.Ф. Автоматизированные технологии

формирования управленческих решений на примере разработанной системы поддержки принятия решений о целесообразности выдачи банком кредита предприятию состояния предприятия Е.К. Харлашкина, А.Ф. Беличенко. - Актуальные вопросы менеджмента в современных условиях, Донецкий национальный технический университет, 2004.

92. Палькин Е.А., Ульянов Д.П., Гусятников В.Н. Свидетельство об

отраслевой регистрации разработки № 10224. Разработка системы поддержки принятия решений при выдаче потребительских кредитов в коммерческом банке / Е.А. Палькин, Д.П. Ульянов, В.Н. Гусятников. -Отраслевой фонд алгоритмов и программ. Зарегистрировано 21.03.2008. Номер гос. регистрации 50200800634.

93. Палькин Е.А., Ульянов Д.П., Гусятников В.Н. Разработка системы

поддержки принятия решений при выдаче потребительских кредитов в коммерческом банке / Е.А. Палькин, Д.П. Ульянов, В.Н. Гусятников. -Компьютерные учебные программы и инновации, 2008. №9.

94. Паклин Н. Deductor:Loans - комплексное скоринговое решение в области

потребительского кредитования / Н. Паклин. - BaseGroup Labs, http://www.basegroup.ru/solutions/loans.htm.

95. Диканев Т.В. Нейронные сети / Т.В. Диканев. -Математическое

моделирование, http ://www. scintific .narod.ru/neural.htm.

96. Ульянов Д. П. Сценарные модели как средство повышения

экономической эффективности скоринговых систем / Д. П. Ульянов. -Вестник Саратовского государственного социально-экономического университета, 2008. № 4 (23). С. 139-142.

97. Ульянов Д.П. Разработка системы банковского кредитного скоринга на

основе нейросетевой технологии / Д.П. Ульянов. - Социально-экономическое развитие России: Проблемы, поиски, решения. Сборник научных трудов по итогам НИР Саратовского государственного социально-экономического университета в 2006 году. 4.2. СГСЭУ. Саратов, 2007. С. 109-111.

98. Гусятников В.Н., Палькин Е.А. Инструменты сопровождения

информационных систем с поддержкой целостности данных о физических лицах / В.Н. Гусятников Е.А. Палькин. - Вестник Саратовского государственного социально-экономического университета. Издательство Саратовский государственный социально-экономического университет, 2010. С.152-155.

99. Ямпольский М.И., Горбоносов А.Е.. Поиск дублирующих документов /

М.И. Ямпольский, А.Е. Горбоносов. - Научно-техническая информация, серия 1, №8,1973.

100. Galil Z., Giancarlo R.. Data structures and algorithms for approximate string

matching / Z. Galil, R. Giancarlo. Journal of Complexity, 1988. №4, p.33-72.

101. Chang W.I., Lampe J.. Theoretical and empirical comparisons of approximate

string matching algorithms / W. I. Chang, J. Lampe. - In CPM: 3r Symposium on Combinatorial Pattern Matching, 1992. P. 175-184.

102. Du M.-W., Chang S.C. Approach to designing very fast approximate string

matching algorithms / M.-W. Du, S.C. Chang. - IEEE Transactions on Knowledge and Data Engineering, 1994. №6(4), p. 620-633.

103. Зиновьев В.Г., Мышко B.B., Самойлов Е.Б. Оперативная обработка и

анализ многомерной измерительной информации на основе структурно-дескриптивного подхода / В.Г. Зиновьев, В.В. Мышко В.В., Е.Б. Самойлов. - Информация и космос, 2008. № 4. С. 120-126.

104. Wagner R.A., Fischer M.J. The string-to-string correction problem / R.A.

Wagner, M.J. Fischer. - Journal of the ACM, 1974. - Vol. 21, No. 1, p. 168173.

105. Smith T.F., Waterman M.S. Identification of common molecular

subsequences / T.F. Smith, M.S. Waterman. - Journal of Molecular Biology, 1981.-Vol. 147, p. 195-197.

106. Кнут Д.Э. Искусство программирования, том 3. Сортировка и поиск /

Д.Э. Кнут. - М.: Вильяме, 2005. - 824с.

107. Каньковски П. «Как ваша фамилия», или Русский MetaPhone / П.

Каньковски. - Программист, 2002, № 8. - С. 36-39.

108. Погодаев А.К., Федоркова Г.О. Нестрогое соединение реляционных

таблиц: хеширование по сигнатуре / А.К. Погодаев, Г.О. Федоркова. -Системы управления и информационные технологии, 2005. № 2 (19). С. 93-95.

109. Ram S., Park J. Semantic Conflict Resolution Ontology (SCROL): An

Ontology for Detecting and Resolving Data and Schema-Level Semantic Conflict / S. Ram, J. Park. - TKDE, 2004. 16(2), p. 189-202.

110. Song W. W., Johannesson P., Bubenko J. A. Semantic similarity relations and

computation in schema integration / W. W. Song, P. Johannesson, J. A. Bubenko. - Data & Knowledge Engineering, 1996. №19(1), p.65-97.

111. Левенштейн В.И. Двоичные коды, обеспечивающие синхронизацию и исправление ошибок / В.И. Левенштейн. - Тезисы кратких научных сообщений Международного конгресса математиков, Секция 13, Москва, 1996, 24.

Дата

тел.: [phone] . [e-mail] www.econombank.ru/partneroffers

ООО "Эконом-факторинг".

Адрес: 410002, г. Саратов, ул. Первомайская, д. 37/45. ИНН 6452932017 / 0ГРН 1076450010570 / КПП 645001001.

В диссертационный совет ДМ 212.028.07 в Волгоградском государственном техническом университете (ВГТУ)

Справка о внедрении

Устанавливая лимит по кредиту, банк исходит из текущего финансового положения организации и её истории, в то время как для качественного и быстрого роста компании необходимы оборотные средства. Если их мало, то предприятия испытывают финансовые затруднения, снижение оборачиваемости, кассовые разрывы и т.д. Факторинговые компании призваны финансировать клиентов под текущие потребности без залогов. Это ключевое преимущество выливается в необходимость оценки платёжеспособности клиента на основе разнородной информации, получаемой из различных источников.

Система оценки платёжеспособности дебиторов, разработанная Палькиным Е.А. на основе зарегистрированного авторского программного комплекса (Свидетельство об отраслевой регистрации разработки № 10224. Разработка системы поддержки принятия решений при выдаче потребительских кредитов в коммерческом банке // Отраслевой фонд алгоритмов и программ; Зарегистрировано 21.03.2008. Номер гос. регистрации 50200800634), используется в деятельности факторинговой компании ООО «Эконом-факторинг». Программа позволяет существенно сократить время рассмотрения заявки клиента и заметно увеличить точность прогноза, по сравнению с традиционными системами анализа платёжеспособности заёмщика.

Директор -^с - /,/ / ,'

ООО «Эконом-факторинг» ' _^ Д.п. Ульянов

т

ФИЛИАЛ «ПРИВОЛЖСКИ и»

В диссертационный совет ДМ 212.028.07 Волгоградского государственного технического университета (ВГТУ)

Справка о внедрении

материалов диссертационного исследования Палькина Егора Александровича «Разработка инструментов сопровождения банковских информационных

систем»

В ходе диссертационного исследования Е.А. Палькиным разработано программное средство для поддержки принятия решений о выдаче кредитов. (Свидетельство об отраслевой регистрации разработки № 10224. Разработка системы поддержки принятия решений при выдаче потребительских кредитов в коммерческом банке // Отраслевой фонд алгоритмов и программ. Зарегистрировано 21.03.2008. Номер гос. регистрации 50200800634).

Данное программное средство введено в эксплуатацию в отделе кредитования филиала «Приволжский» ООО «БАНК ФИНИНВЕСТ» в марте 2010 г. и по настоящее время используется в работе кредитных инспекторов.

И.О. Управляющего ф-м ООО «БАНК ФИНИНВЕ

Л.Р. Веньгина

410002, г. Саратов, ул. им. Чернышевского Н.Г., д. 170/176 www.bankfininvest.ru,[e-mail]

тел. [phone] тел./факс +7 {8452} 4-77-000

т

ФИЛИАЛ «ПРИВОЛЖСКИ и»

В диссертационный совет ДМ 212.028.07 Волгоградского государственного технического университета (ВГТУ)

Справка о внедрении

материалов диссертационного исследования Палькина Егора Александровича «Разработка инструментов сопровождения банковских информационных

систем»

Персональные данные о клиентах являются важной составной частью базы данных любой банковской программной системы, поэтому требуют соблюдения целостности, актуальности и возможности эффективного взаимодействия с другими системами

Разработанная Е.А. Палькиным программа сравнения персональных данных на основе фонетической инедексации (Свидетельство об официальной регистрации программы для ЭВМ. - №2010617042. - М.: РОСПАТЕНТ, 2010) была использована для переноса данных о клиентах банка при замене АБС «КБ-Вапк» на ИБС «БИСквит», позволив свести к минимуму процедуру ручного сопоставления информации о физических лицах. В настоящее время данная программа используется в составе модуля ИБС «БИСквит». Ее использование позволяет упростить процедуру оперативной идентификации клиентов банка кассирами и операционистами.

И.О. Управляющего ф-м «П] ООО «БАНК ФИНИНВЕС

%,.

Л.Р. Веньгина

410002, г. Саратов, ул. им. Чернышевского Н.Г., д. 170/176 www.bankfininvest.ru,[e-mail]

тел. +7 {800) 777-000-3 тел./факс [phone]