Разработка системы поддержки принятия решения по активным операциям финансово-инвестиционных институтов тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат экономических наук Фролов, Юрий Игоревич

• Фролов, Юрий Игоревич
• кандидат экономических наук
• 1997

Оглавление диссертации кандидат экономических наук Фролов, Юрий Игоревич

Введение

1. Применение экспертных систем в экономике

1.1. Этапы анализа финансового состояния хозяйствующего субъекта

1.1.1. Зарубежные методы оценки кредитоспособности

1.1.2. Отечественные методы оценки кредитоспособности

1.2. Экспертные системы в финансово-экономической дея- 37 тельности

1.3. Диагностические системы и индуктивное приобретение 48 знаний

2. Математическая модель процесса классификации хозяй- 59 ствующих субъектов

2.1. Математическая постановка задачи

2.2. Использование методов дискриминантного анализа для 63 интерпретации и классификации данных

2.3. Эвристические методы классификации

2.4. Экспертиза как способ устранения неполноты исходных 84 данных. Шкалирование и методы обработки экспертных оценок

3. Программно-инструментальный комплекс поддержки 92 принятия решений "АРМ Консалт"

3.1. Архитектура и функциональные возможности экспертной системы "АРМ Консалт"

3.2. Использование данных статистической отчетности для оценки работоспособности системы

3.3. Устранение неполноты и использование избыточности информации ПО

Введение диссертации (часть автореферата) на тему «Разработка системы поддержки принятия решения по активным операциям финансово-инвестиционных институтов»

Финансовые институты составляют неотъемлемый атрибут современного денежного хозяйства, их деятельность тесно связана с потребностями воспроизводства. Находясь в центре экономической жизни, обслуживая интересы производителей, банки опосредуют связи между промышленностью и торговлей, сельским хозяйством и населением. Банки - это атрибут не отдельно взятого экономического региона или какой-либо одной страны, сфера их деятельности не имеет ни географических, ни национальных границ, это планетарное явление, обладающее колоссальной финансовой мощью, значительным денежным капиталом.

Наметившиеся в последнее время признаки экономической стабилизации - замедление инфляции, стабилизация национальной валюты, централизованное уменьшение ставок рефинансирования - позволяют надеяться на скорый переход к цивилизованным формам хозяйствования, в том числе в банковском деле. В связи с этим все больший интерес начинает представлять изучение западных методов планирования активных банковских операций, принятие решений по предоставлению кредитов - основы дохода каждого банка.

Российская банковская система в ее современном виде - это еще незавершенная система, недостроенное здание. Банк перестал быть административным органом, подчиненным правительственному учреждению, регламентации и контролю, он получил статус специфического предпринимательского общества, руководствующегося наряду с официальным законодательством соображениями коммерческой выгоды и собственными правилами самофинансирования. Совершается попытка перехода от монополизированной административно-командной государственной структуры к динамичной, гибкой, основанной на частной и коллективной собственности системе кредитных учреждений, ориентированных на коммерческий успех, получение прибыли.

Банки имеют самое прямое отношение к процессу удовлетворения потребности общества в деньгах. От деловой политики коммерческих банков зависит реальность денежных потоков с точки зрения их соответствия реальным процессам воспроизводства. Банк выступает в роли финансового посредника при перераспределении денежных средств и осуществлении платежей на финансовом рынке. Совокупность таких финансовых посредников, действующих в рамках общего денежно-кредитного механизма, образует банковскую систему. Ее основной целью является обслуживание оборота капитала в процессе производства и обращения товаров. Определение функций отдельных банков и регламентация их деятельности содержится в Законе РФ "О банках и банковской деятельности в РФ" и ряде других законодательных актов.

Возможность коммерческих банков создавать деньги путем выдачи кредита имеет большое значение для экономики, расширяя с помощью кредита производственные возможности субъектов воспроизводства без предварительного процесса накопления средств. Предоставление банком различных видов денежных ссуд является краеугольным камнем банковского бизнеса. В кредитных операциях банк оперирует в основном заемным капиталом, значительная часть которого может быть востребована вкладчиками в краткие сроки и без предварительного уведомления. При кредитовании банк прежде всего должен определить, способен ли заемщик своевременно и в полном объеме погасить задолженность по ссуде. Это предусматривает необходимость оценки банком не только платежеспособности клиента на определенную дату, но и прогноз его финансовой устойчивости на перспективу.

Кредитоспособность клиента в мировой банковской практике являлась и является одним из основных объектов оценки при определении целесообразности и форм кредитных отношений. В нашей стране в условиях централизованного планового управления экономикой, банк при оценке финансовой устойчивости клиента, при разделении на "хорошо" и "плохо" работающих, т.е. при определении их кредитоспособности, руководствовался в основном показателями выполнения плана [83]. Критерий финансовой устойчивости клиента не редко уступал место критерию народнохозяйственной необходимости поддержания данного вида производственной деятельности, когда решался вопрос о возможности и режиме кредитования.

В условиях рыночной экономики на первое место выдвигается необходимость разработки объективного, научного подхода к определению кредитоспособности заемщика банка с учетом сложившейся отечественной и зарубежной практики. Объективная оценка финансового состояния заемщика и учет возможных рисков по кредитным операциям позволят банку эффективно управлять кредитными ресурсами.

В условиях стабильной рыночной экономики оценка кредитоспособности представляет собой частично формализуемую проблему с наработанным математическим аппаратом. И наоборот, в условиях нестабильной Российской экономики эта проблема характеризуется сильной неполнотой, избыточностью и противоречивостью исходной информации, что приводит к необходимости использования эвристических методов и теории принятия решений. В этой связи наиболее актуальным представляется использование методов искусственного интеллекта - методов автоматического обучения на примерах. Основная особенность этих методов состоит в возможности полной автоматизации построения модели знаний, которая производится на основе обработки фактического материала с минимальным субъективным влиянием на этот процесс специалистов и экспертов.

Применяемые и рекомендуемые в настоящее время способы оценки кредитоспособности опираются главным образом на анализ данных о деятельности заемщика в предшествующем периоде. Такая оценка не может характеризовать поведение клиента в будущем, ее можно принимать во внимание только как предварительную. Провести качественную оценку может только специалист высокого класса, причем ему прийдется выполнять очень трудоемкую работу, анализируя данные балансов предприятия и другую финансовую отчетность.

При разработке подходов оценки кредитоспособности заемщика специалисты сталкиваются с подзадачами, которые не поддаются полной формализации. Это связано с наличием риска при совершении кредитной сделки, его зависимости от многочисленных факторов, прежде всего от результатов деятельности заемщика, с разнородностью факторов, влияющих на протекание процесса функционирования предприятия - заемщика в условиях становления рыночной экономики, недостоверностью, неполнотой и противоречивостью информации, получаемой специалистом кредитного отдела в связи с отсутствием в стране единой информационной базы по клиентам, доступной всем банкам, а также тем, что среди обращающихся за кредитом большой процент составляют вновь созданные организации, не имеющие никакой кредитной истории. Проблема усложняется также тем, что невозможно представить желаемые цели в виде функционального критерия.

Анализируя перечисленные особенности, можно сделать вывод, что для решения такого рода задач следует использовать возможности интеллектуальных систем и эвристические методы классификации. Такие системы явились результатом возникновения и развития нового направления в исследованиях по искусственному интеллекту, получившего название экспертные системы или системы поддержки принятия решений. Данные системы способны эффективно и быстро решать задачи принятия решений в условиях нечеткого определения свойств объекта и внешних воздействий, при неполноте и недостаточности информации о состоянии объекта. Условия, в которых приходится осуществлять оценку качества заемщика и принимать решение о выдаче кредита в повседневной работе банка, делают целесообразным применение экспертных систем и эвристических методов.

Исходя из всего вышесказанного, можно сформулировать основную цель исследования - создание системы поддержки принятия решения для оценки кредитоспособности клиентов банка.

Для достижения указанной цели в диссертации были поставлены и решены следующие задачи:

1) разработана новая концепция создания системы принятия решений для оценки кредитоспособности заемщика, использующая статистические данные банка и знания экспертов кредитного отдела в условиях неполноты, противоречивости и некоторой избыточности информации;

2) построена математическая модель системы поддержки принятия решений в области кредитования на основе дискрими-нантного анализа и эвристических методов классификации;

3) введено понятие обобщенной задачи классификации клиентов банка по уровню кредитоспособности в применении к системам поддержки принятия решений, при учете неполноты и противоречивости данных о клиентах;

4) разработаны авторские эвристические алгоритмы, позволяющие производить классификацию заемщиков на основе их финансовых показателей и обеспечивающие легкость интерпретации полученных результатов для дальнейшего анализа;

5) на основе анализа методик оценки кредитоспособности банков-корреспондентов и исследования проблемы функционирования систем поддержки принятия решений, использующих статистические данные и знания экспертов, создана база знаний кредитного отдела;

6) построен программный комплекс "АРМ Консалт" на базе разработанных алгоритмов и созданной базы знаний кредитного отдела банка, позволяющий проводить комплексный анализ экономических показателей его клиентов.

В соответствии с поставленной целью предметом исследования является процесс принятия решения о выдаче кредита в банковской практике, а целыо исследования - совершенствование теоретических, методологических и практических аспектов этого процесса.

Методологической основой исследования явились научные труды в области финансового и банковского менеджмента, моделирования экономических процессов, компьютерной обработки экономической информации. В диссертации использованы методы экономико-математического моделирования, системного и дис-криминантного анализа, методы классификации и прикладного статистического анализа, элементы теории выбора и принятия решений.

Научная новизна работы заключается в совершенствовании методов управления кредитными ресурсами банка за счет создания и использования системы поддержки принятия решений для оценки кредитоспособности заемщиков.

К новым научным результатам относятся:

1) концепция системы поддержки принятия решений для оценки кредитоспособности заемщика, использующая статистику банка данных и знания экспертов кредитного отдела в условиях неполноты и противоречивости информации;

2) математическая модель системы поддержки принятия решений в области кредитования, разработанная на основе подходов дискриминантного анализа и эвристических методов классификации;

3) постановка и решение обобщенной задачи классификации в применении к системам поддержки принятия решений в условиях неполноты, противоречивости и избыточности информации о заемщиках;

4) концепция и архитектура комплекса инструментальных средств по созданию систем поддержки принятия решений;

5) полученные результаты, доказывающие состоятельность применения разработанной экспертной системы в области анализа кредитоспособности и планирования активных операций.

Практическая ценность работы определяется прикладным характером исследования, комплексностью решения задачи целесообразности выделения кредитов, созданием программного комплекса, позволяющего обрабатывать большие объемы статистической и экспертной информации и получать научно обоснованные оценки состояния кредитоспособности предприятий-заемщиков с высокой степенью достоверности и возможностью их дальнейшей интерпретации и анализа с целыо прогноза на перспективу.

Результаты диссертации использовались для оценки финансового состояния клиентов АКБ "Транскапиталбанк". Разработанный "АРМ Консалт" внедрен в работу кредитного и аналитического управлений вышеназванного банка.

Диссертационная работа состоит из введения, трех глав, заключения, списка использованной литературы и приложений.

Заключение диссертации по теме «Математические и инструментальные методы экономики», Фролов, Юрий Игоревич

Заключение

Практика показывает, что организации-заемщики значительно различаются по характеру своей производственной, коммерческой и финансовой деятельности и в силу этого невозможно создать единые исчерпывающие указания по анализу кредитоспособности. Оценка кредитоспособности представляет собой творческий процесс и требует от кредитных работников банков глубоких экономических знаний, аналитического мышления, умения определять и оценивать тенденции в хозяйственной деятельности и финансовом положении заемщиков, их возможности по соблюдению принципов кредитования, прогнозировать как будущее состояние дел заемщика, так и обстоятельства, которые могут на них повлиять.

Точность анализа финансового состояния предприятия-заемщика в значительной мере зависит от достоверности анализируемой информации. Эта проблема стоит в настоящее время очень остро. Попытки "приукрасить" балансы предприятий, находящихся в кризисном положении, нежесткая регламентация отдельных проводок, некомпетентность некоторых бухгалтеров и отсутствие жесткого контроля и ответственности за подобные "отступления от правил" привели к массовым нарушениям составления финансовой отчетности и, как следствие, к необходимости внимательного анализа баланса предприятия на предмет его достоверности.

Экономически независимые предприятия самостоятельно организуют снабжение, производство и сбыт продукции, распоряжаются выручкой от реализации. Многие показатели их деятельности: нормативы, себестоимость продукции, структура и оборачиваемость ресурсов и пр. становятся объектом коммерческой тайны. В то же время банкам необходимо получать достаточную информацию для выбора партнера по кредитным отношениям, определения его финансовой устойчивости, платежеспособности, эффективности использования ресурсов, доходности деятельности. В этих целях и была создана методика анализа кредитоспособности заемщика на основе современной информационной технологии.

В диссертационной работе получены следующие результаты:

1. На основании проведенных исследований разработана авторская методика и построена система поддержки принятия решений для оценки кредитоспособности заемщика на основе имеющихся статистических данных банка и знаний экспертов кредитного отдела в условиях неполноты и противоречивости информации.

2. Введено понятие обобщенной задачи классификации в применении к системам поддержки принятия решений в области кредитования.

3. Разработана экспертная система для кредитного отдела, включающая:

- методы анализа прикладных областей, представляющих собой разнотипные признаковые пространства, описывающие состояние заемщика на основе балансовых показателей и их производных;

- эвристический алгоритм решения задач поддержки принятия решений по активным операциям в условиях неполноты и противоречивости данных о клиенте, а также для поддержки избыточности данных;

- методы обработки результатов экспертного опроса и проверки согласованности мнений экспертов.

4. Разработана архитектура и функциональное наполнение программного комплекса экспертной системы, применяемой в работе кредитного отдела.

5. Создана база знаний аналитического отдела, использующая статистические данные и знания специалистов.

6. Построена и опробована система поддержки принятия решений для оценки кредитоспособности заемщиков. Процент правильных классификаций на контрольном примере составил 90,69 %. Это довольно высокий показатель, если учесть результаты рассмотренных в главе 1 Западных программных комлексов, число правильных классификаций в которых составляет 68-84%. Система внедрена в работу АКБ "Транскапиталбанк". Использование системы позволило снизить трудозатраты и повысить эффективность использования кредитных ресурсов.

Список литературы диссертационного исследования кандидат экономических наук Фролов, Юрий Игоревич, 1997 год

1. Авдиянц Ю.ГТ. Кредит и повышение экономической эффективности производства. М.: Финансы, 1972. - 167с.

2. Айвазян С.А., Бухштабер В.М., Ешоков Н.С., Прикладная статис тика. Классификация и снижение размерности М.: Финансы и статис тика, 1989. -608с.

3. Айвазян С.А., Бежаева З.И., Староверов О.В. Классификация многомерных наблюдений. М: статистика, 1974 - 240с.

4. Айзерман М.А. Браверман Э.М., Роаоноэр Л.И. Метод потенциальных функций в теории обучения машин. М.:Наука, 1970. 383с.

5. Александров В.В., Горский М.Д. Алгоритмы и программы структурного метода обработки данных. Ленинград, Наука, 1983.

6. Афифи А.Б., Эйзен С. Статистический анализ. Подход с использованием ЭВМ. М.:Мир, 1982. - 488с.

7. Банковский портфель (Книга банкира. Книга клиента. Книга инвестора) М.:"СОМИНТЭК", 1994 - 746с.

8. Банковское дело / Под ред. Лаврушина О.И. М.: Банковский и биржевой научно-консультационный центр, 1992. - 428с.

9. Банковское дело / Под ред. С.Л.Певанера. Харьков: Изд-во Нар комюста УССР, 1927. - 350с.

10. Ю.Бешелев С.Д., Гурвич Ф.Г. Математико-статистические методы экспертных оценок. М.: Статистика, 1980. - 263 с.11 .Бешелев С.Д., Гурвич Ф.Г. Экспертные оценки в принятии плановых решений. М.: Экономика, 1976. - 79 с.

11. Бонгард М.М. Проблемы узнавания. М. Наука, 1967. - 320с.

12. Вагин В.Н. Дедукция и обобщение в системах принятия решений М.: Наука, 1988.

13. М.Валенцева Н.И. Методы кредитования социалистического хозяйства. М.:Финансы, 1980. - 128с.

14. Валенцева Н.И., Мамонова И.Д. Эффективность использования банковского кредита. М.: Финансы, 1975. - 128с.

15. Вапник В.Н. Восстановление зависимости по эмпирическим данным. М.: Наука, 1979. - 447с.

16. Вапник В.Н., Червоненкис А.Я. Теория распознования образов. -М.: Наука, 1973. -416с.

17. Волынский B.C. Кредит в условиях современного капитализма. -М.: Финансы и статистика, 1991. 176 с.

18. Геращенко В.В. Банковская система в условиях перехода к регулируемой рыночной экономике // Деньги и кредит. 1991ю - № 1 - с. 36.

19. Голубев МЛ. Классификационный алгоритм индуктивного вывода для экономического анализа Проблемы машиностроения и и автоматизации, 1994, № 1-2, с. 10-18.

20. Гупал A.M., Цветков A.M. Разработка индуктивного вывода знаний с использованием листьев и деревьев решений УСиМ, 1992, № 5-6, с. 21-26.

21. Денежное обращение и кредит при капитализме / Под ред. Л.Н.Красавиной. М.: Финансы и статистика, 1989. - 367с.

22. Деньги. № 47-48, 1995 - с. 24-42.

23. Долан Э.Дж. и др. Деньги, банковское дело и денежно-кредитная политика / Пер. с англ. Д., 1991. -448 с.

24. Дудорин В.И., Блинов О.Е., Годин В.В., Тихомиров Н.П., Фили-нов-Чернышев Н.Б. Методы социально-экономического прогнозирования. М.: ГАУ, 1992. - 107 с.

25. Евалин З.П. Техника определения кредитоспособности. М.: Фи-низдат, НКФ, 1927. - 80 с.

26. Ешоков И.С. Факторный, дискриминантный и кластерный анализ М.: Финансы и статистика, 1989. - 215 с.

27. Епанечников В.А. Непараметрическая оценка многомерной плотности вероятности. Теория вероятностей и ее приложения т.' XVI, № 1, 1969, с. 64-78.

28. Журавлев Ю.И. Об алгебраическом подходе к решению задач распознавания или классификации. В кн. Проблемы кибернетики М.: 1978. Вып.33. с. 5-68.31.3агоруйко Н.Г. Методы распознавания и их применение. М.: Сов.радио, 1972.

29. Искусственный интеллект: В кн. КН1. Системы общения и экспертные системы: Справочник / Под ред. Э.В.Попова. М.: Радио и связь. 1990. -464 с.

30. Искусственный интеллект: В 3 кн. Кн.З. Программные и аппаратные средства: Справочник / Под ред. В.Н.Захарова, В.Ю. Хорошевского. М.: Радио и связь, 1990. - 368 с.

31. Кирисюк Г.М., Ляховский B.C. Оценка банком кредитоспособности заемщика.//Деньги и кредит. 1993. -№ 4 - с.30-39.

32. Ковригин О.В. Проектирование баз знаний экспертных систем: Инженерия знаний. М.: Знание, 1987.

33. Корнеева Р.В. Кредитные взаимоотношения промышленности с госбанком. М.:Финансы, 1975. -223 с.

34. Котлер Ф. Основы маркетинга / Пер. с англ. М.: Прогресс, 1990.

35. Кредитно-расчетные методы стимулирования интенсификации производства / Под ред. B.C. Пашковского. М.: Финансы и статистика, 1989.

36. Кролевецкая Л.П. Кредит при полном хозрасчете. М.: Финансы и статистика, 1991. - 143 с.

37. Литвин М.И. О критериях платежеспособности предприятия.// Финансы. 1993. - № 10. - с. 19-23.

38. Медведев Ж. Банки, сбережения, капиталы и кредиты. Почему при социализме они не выполняют коммерческих функций // Финансы СССР. 1991. - № 3. - с. 13-23.

39. Менохин А.Н. Методы распознования образов // Вычислительные системы. Новосибирск, 1976. - Вып. 67. - с. 42-53.

40. Мескон М.Х., Альберт М., Хедоури Ф. Основы менеджмента /Пер. с англ. М.: Дело, 1992. - 702 с.

41. Нильсон Н. Обучающиеся машины. М.:Мир, 1967, 180 с. с. 100109.47.0льхова Р.Г., Сахарова М.О., Соколинская Н.Э. Банк и контроль. М.: Финансы и статистика, 1991. - 207 с.

42. Осипов Г.С., Куршев Е.П., Голубев С.А. Simer+Mir инструментальные программные средства для экспертных систем // II Всесоюзная конференция "Искусственный интеллект - 90". Выставка., Минск, 2124 октября 1990. - Минск: 1990. - с.58-64.

43. Пессель М.А. Финансово-кредитный механизм интенсификации общественного производства. М.: Финансы, 1977. - 224 с.

44. Пономарев В.А. Анализ балансов капиталистических банков. -М.'.МФИ, 1982.-95 с.

45. Попов Э.В. Оболочки экспертных систем "Искусственный интеллект 90". Лекции. Часть 2., Минск, 21-24 октября 1990. - Минск: 1990. -с. 93-100.

46. Попов Э.В. Экспертные системы. М.: Наука, 1988, 300 с.

47. Посконов А.А. Банк и предприятие. М.: Знание, 1966. - 40 с.

48. Поспелов Д.А. Концепции развития исследований в СССР в области искусственного интеллекта // II Всесоюзная конференция "Искусственный интеллект 90". Круглые столы., Минск, 21-24 октября 1990. - Минск: 1990. - с. 42-44.

49. Прикладная статистика: Классификация и снижение точности. (Справ, изд.) / Под ред. С.А.Айвазяна. М.: Финансы и статистика, 1989.-607 с.

50. Приобретение знаний: Пер с япон. / под ред. С. Осуги, Ю.Саэки. -М.: Мир, 1990.-304 с.

51. Радиус Ш.Ю. Ограниченность выборки в задачах классификации // Проблемы управления. Вып. 18. Вильнюс, 1976.

52. Радиус Ш.Ю. Алгоритмы построения правила классификации (обзор). В сб.: Статистические проблемы управления, вып. 11, Вильнюс, 1975, с. 11-46.

53. Розенберг А.Д. Использование баланса для анализа кредитоспособности // Деньги и кредит. 1991. - №3. - с. 40.

54. Реальность и прогнозы искусственного интеллекта. Сб. статей / Под ред. В.Л. Стефашока. М.: Мир, 1987, 247 с.

55. РидЭ., Коттер Р., Гилл Э., Смит Р. Коммерческие банки Пер. с англ. - М.: Прогресс, 1983. - 501 с.

56. Роде Э. Банки, биржи, валюты современного капитализма / Пер. с нем.; В.Н.Шенаева. М.: Финансы и статистика, 1986. - 341 с.

57. Родионов С.С., Бабичева Ю.А. Денежно-кредитное регулирование капиталистической экономики. М.: Финансы и статистика, 1991. -176 с.

58. Сахарова М.О. К вопросу о кредитоспособности предприятий // Деньги и кредит. 1989. - № 3. - с. 19-26.

59. Себестиан П.С. Процессы принятия решений при распознавании образов. Киев: Техника, 1965. - 151 с.

60. Соколинская Н.Э. Экономический риск в деятельности коммерческого банка. М.: О-во "Знание" РФ, 1991. - 80 с.

61. Симановский А.Ю., Кандалова С.Ф. Кредитный рынок: состояние, перспективы //Деньги и кредит. 1991. - № 4. - с. 14-20.

62. Системы общения и экспертные системы: Справочник/ Под ред. Э.В. Попова. М.: Радио и связь. 1990 с. - 464 с.

63. Стефанюк B.J1. Экспертные системы и их применение / II Всесоюзная конференция "Искусственный интеллект 90". Лекции. Часть 2., Минск, 21-24 октября 1990. - Минск: 1990. с. 36-56.

64. Ту Дж., Гонсалес Р. Принципы распознавания образов: Пер. с англ. М.: Мир, 1978.

65. Уотермен Д. Руководство по экспертным системам: Пер. с англ. -М.: Мир, 1989.-388 с.

66. Усоскин В.М. Финансовая и денежно-кредитная система США. -М.: Финансы, 1976. 134 с.

67. Усоскин В.М. Современный коммерческий банк: управление и операции. М.: "Все для вас", 1993. - 320 с.

68. Федоров Б.Г. Современные валютно-кредитные рынки. М.: Финансы и статистика, 1989. - 158 с.

69. Фор А. Восприятие и распознавание образов. М., Машиностроение, 1989,272 с.

70. Фролов Ю.И. Методики оценки кредитных рисков. // Социальные и экономические проблемы управления. Тематический сборник научных трудов. Вып. 2 М.: ГАУ, 1995. - с. 97-102.

71. Фролов Ю.И. Искусственный интеллект в банковском анализе.// Материалы конференции молодых ученых и студентов ГАУ "Реформы в России и проблемы управления 97"

72. Фу К. Структурные методы распознавания образов. М.: Мир, 1977.- 319 с.

73. ХантЭ. Искуственный интеллект. М.: Мир, 1978, 558 с.

74. Харрис А. Денежная теория /Пер. с англ. М.: Прогресс, 1990. -750 с.81 .Цыпкин Я.З. Основы теории обучающихся систем. М.: Наука, 1970.-251 с.

75. Цыпкин Я.З. Адаптация, обучение и самообучение в автоматических системах. М.: Наука, 1968. - 399 с.

76. Шереметьев А.Д., Сайфулин Р.С., Негашев Е.В. Методика финансового анализа предприятия. М.: Юни-Глоб, 1992. - с.35.

77. Ширяев А.Н. Вероятность. М.: Наука, 1980. 576с.

78. Шишкин А.К., Вартанян С.С., Микрюков В.А. Бухгалтерский учет и финансовый анализ на коммерчиских предприятиях.- М.: Ин-фра -м, 1996.

79. Шоломов JI.A. Логические методы исследования дискретных моделей выбора. М.: Наука, 1989. - 288с.

80. Экспертные системы: состояние и перспективы: Сб. трудов / Под ред. Д.А. Поспелова. М.: Наука, 1989. - 152 с.

81. Экспертные системы для персональных компьютеров: Справ, пособие / В.С.Крисевич, Л.А.Кузьмич, А.М.Шиф и др. Мн.: Выш.шк., 1990. - 197 с.

82. Экспертные системы. Принципы работы и примеры. (Под ред. Р.Форсайта). М.: Радио и связь, 1987. - 224 с.

83. Элти Дж., Кумбо М. Экспертные системы: концепции и примеры. М.-.Финансы и статистика, 1987. - 191 с.

84. Янишевская В.М., Севрук В.Т., Лукачер Т.Г. Анализ платежеспособности предприятий и организаций: Практическое руководство для государственных и иных предприятий. М., 1991. - с.5.

85. Aronszajn N. Theory of reproducing kernels. Trans. Amer.Math.Soc,, 1950, 68, p. 337-404.

86. Aspinwall R. Handbook For Banking Stratergy N.Y., 1985, 800p.

87. Blalock H.M. Jr Social Statistics New York: McGraw-Hill, 1979.

88. Bloomfield Ch. Presenting Financing Proposals to Banks. London, 1986. - 117p.

89. Channon D. Bank Strategic Managment and Marketing Chichester, 1986.-246 p.

90. Computation Models of Learning / Ed. Bolo. L.: Springer, 1987. -208p.

91. Cooley W.W., Lohnes P.R. Multivariate Data Analysis New York: John Wiley.

92. Eudence F. fundamentels of Financial Managment. N.Y., 1987-592 p.

93. Fisher R.A. The use of multiple measurements in taxonomic problems Annals of Eugenics 7, p. 179-188, 1936.

94. Gevarter W.B. The Nature and Evaluation of Commercial Expert System Building Tools // Compyter. 1987. - Vol.20, N5. - p.24-414.

95. IEEE Trans, syst., Man and Cyber. 1987. Vol.17, N3. Spec. Iss.: Causal and diagnostic reasoning.

96. Kiselevvich S. TIMM the intelligent machine model. General Research Corporation Report, 5383 Hollister Ave., Santa Barbara, Calif., September 1983.

97. Koch T.W. Bank Management N.Y., 1988 - 717p.

98. Lachenbruch P.A. Discriminant Analysis New York: Hafner, 1975.

99. Mahalanobis P.C. On the generalized distance in statistics. -Proceedings of the National Institute of Science, India, 1963.

100. Meisel W.S. Potential functions in mathematical recognition. IEEE Trans, on Electr. Сотр., vol. C-18, N10, 1969, p.48-52.

101. Quilan J/R/ Induction of decision tree // Machine Learning. 1986. Vol.1, N1.-pp. 81-106.

102. Riese C. Control strategies in RULEMASTER. Report Rl-RS-00296, Radian Corporation, 8501 Mo-Рас Blvd. Austin, Tex., January 1985.

103. O.Shapiro A., Niblett T. Automatic Induction of Classification Rules for a Chess Endgame. Advances in Computer Chess 3. (Clarke M.R.B., ed.). Oxford: Pergamon, 1982.Which Computer? EXPERT-EASE, April 1984, pp.68-71.