Аннотация. Разработка моделей банкротств прежде всего актуальна с точки зрения корпоративного управления в реальном и финансово-банковском секторе. Для достижения эффективности корпоративного управления должно быть создано соответствующее информационно-аналитическое обеспечение, т. е. система мониторинга риска банкротства организаций в условиях использования интеллектуальных информационных технологий. Указанный мониторинг-это один из важных инструментов обеспечения экономической безопасности деятельности организаций. Действительно, организации должны постоянно следить за своим финансовым положением и анализировать финансовую устойчивость, поскольку важнейшими свойствами экономико-политической среды в настоящее время является неопределенность и нестабильность. Под неопределенностью понимается рыночные условия, на которые одновременно оказывает воздействие неизмеримое число факторов различной природы и направленности. Нестабильность внешней среды проявляется через неопределенность направлений ее изменений и их высокую частоту. В данной статье рассмотрены вопросы и представлены результаты исследований по управлению кредитным портфелем банка с применением нейросетевых моделей, которые дают новые возможности снижать риски на стадии банкротства организаций при различной динамике изменения финансово-экономического состояния заемщиков. Повышение эффективности управления кредитным портфелем банка основано на нейросетевом логистическом итерационном динамическом методе. Уделено большое внимание сравнению разработанной динамической модели со многими известными количественными зарубежными и отечественными статическими моделями, экспертными и рейтинговыми моделями и регламентированной методикой Правительства Российской Федерации. Сделаны предложения по обобщенному управлению кредитным портфелем банка. Сделано обобщение предложенного нейросетевого логистического итерационного динамического метода в аспекте увеличения его прогностической силы в условиях неполноты данных о промежуточных значениях вероятности банкротства организации-заемщика. Проведена апробация предложенных идей в вычислительных экспериментах на реальных данных строительных организаций России. Выводы, полученные в ходе исследования, показывают, что нейросетевой логистический итерационный динамический метод позволяет строить экстраполяционные модели банкротств организаций при управлении кредитным портфелем банка. Ключевые слова: банк; кредитоспособность заемщиков; нейросетевая модель; нечеткая модель; кредитный портфель; факторные модели банкротства; концепции.

АннотацияОбъектом рассмотрения настоящей работы является весьма глубокое проникновение требований эффективного обучения нейросетей в алгоритмы предпроцессорной обработки. Разработан метод оценки адекватности нейросетевых моделей в отсутствии каких-либо априорных сведений о законе распределения шумов в данных. Именно это и является научной новизной данной статьи, так как данный метод позволяет взаимосвязано управлять качеством предпроцессорной обработки финансовых данных и качеством их аппроксимации в нейросети для оценки риска банкротства экономического объекта. Главной целью всех алгоритмов предпроцессорной обработки данных является повышения однородности данных и улучшение их качества (информативности) в аспекте обучения нейросети. Итогом является построение основной нейросетевой динамической модели восстановления многомерной «обобщенной производственной функции» на основе байесовского подхода. Управление качеством нейросетевой модели необходимо для нахождения горизонта прогноза риска банкротства экономического объекта, оценивания стадии развивающегося процесса кризиса объекта во времени. Достигаемый эффект от указанных теоретических предложений -повышение эффективности (в аспекте достижения компромисса между точностью предсказания и робастностью) нейросетевой модели для сложных условий моделирования (сильной зашумленности данных и дефицита наблюдений). AbstractThe object of the consideration of this work is very deep penetration requirements for an effective neural network learning algorithms in preprocessing processing. Developed a method to assess the adequacy of neural network models in the absence of any a priori information about the distribution law of noise in the data. This is the scientific novelty of this article, as this method allows interrelated to control the quality of preprocessing financial data processing and their quality of approximation in neural networks for assessing the risk of bankruptcy of an economic object. The main purpose of all algorithms preprocessing data processing is to improve the homogeneity of the data and improving their quality (information value) in the aspect of neural network learning. The result is the construction of a basic neural network dynamic recovery model, the

No abstract