2020. — Т 12. — №3 - перейти к содержанию номера...
Постоянный адрес этой страницы - https://esj.today/42ecvn320.html
Полный текст статьи в формате PDF (объем файла: 513 Кбайт)
Ссылка для цитирования этой статьи:
Горбатков, С. А. Гибридный метод структурного синтеза и регуляризации нейросетевой динамической модели банкротств корпораций / С. А. Горбатков, С. А. Фархиева // Вестник Евразийской науки. — 2020. — Т 12. — №3. — URL: https://esj.today/PDF/42ECVN320.pdf (дата обращения: 04.11.2024).
Гибридный метод структурного синтеза и регуляризации нейросетевой динамической модели банкротств корпораций
Горбатков Станислав Анатольевич
ФГОБУ ВО «Финансовый университет при Правительстве Российской Федерации»
Филиал в г. Уфа, Уфа, Россия
Профессор кафедры «Математика и информатика»
Доктор технических наук, профессор
E-mail: sgorbatkov@mail.ru
РИНЦ: https://elibrary.ru/author_profile.asp?id=158740
SCOPUS: https://www.scopus.com/authid/detail.url?authorId=8646868800
Фархиева Светлана Анатольевна
ФГОБУ ВО «Финансовый университет при Правительстве Российской Федерации»
Филиал в г. Уфа, Уфа, Россия
Заведующий кафедрой «Математика и информатика»
Кандидат технических наук
E-mail: ok-xi@yandex.ru
РИНЦ: https://elibrary.ru/author_profile.asp?id=567037
Аннотация. Объектом исследования являются задачи финансового менеджмента, в частности задачи прогноза стадий развивающегося банкротства корпораций-заемщиков и принятия решений по реструктуризации кредитной задолженности. Решение подобных задач важно также для оценки платежеспособности контрагентов в сделках, решения вопросов о незаконности банкротств, экономической безопасности и в других сферах экономики.
Предмет исследования – разработка в условиях высокой неопределенности и зашумленности данных динамической модели банкротств с непрерывным временем, позволяющей диагностировать стадии банкротства моделируемого объекта в любой момент времени (между «временными срезами» в данных), а также прогнозировать вероятность банкротства по времени вперед для заданного горизонта. Под неопределенностью понимается специфическая характеристика моделируемого класса динамических задач банкротств – неполнота и неопределенность в данных: в обучающей выборке во «временных срезах» ретроспективных данных, по которым строится модель, обычно указываются только граничные значения вероятности банкротства (Р = 0 либо Р = 1), т. е. отсутствует информация о промежуточных значениях Р в интервале [0;1]. Неопределенность обусловлена юридическими причинами: пока корпорация не признана банкротом арбитражным судом, либо налоговыми органами, либо по собственному заявлению для нее Р = 0, хотя объективные данные бухгалтерской отчетности могут показывать близость к банкротству.
Целью исследования является разработка научно обоснованного подхода к синтезу структуры динамической нейросети, способной эффективно работать в сложных условиях моделирования.
Ключевые слова: нейросеть; алгоритм оптимального отбора факторов; концептуальный базис; компрессия факторов в кластерах; функция Харрингтона; динамическая модель банкротств; регуляризация модели; интегрированная со структурным синтезом; тестирование; адекватность модели
Контент доступен под лицензией Creative Commons Attribution 4.0 License.
ISSN 2588-0101 (Online)
Уважаемые читатели! Комментарии к статьям принимаются на русском и английском языках.
Комментарии проходят премодерацию, и появляются на сайте после проверки редактором.
Комментарии, не имеющие отношения к тематике статьи, не публикуются.