Содержание к диссертации
Введение
Глава 1. Система маркетинга кредитной организации 14
1.1 .Общие цели и задачи системы маркетинговых исследований 14
1.2.Системное представление маркетинговой деятельности при стратегическом планировании 19
1.3.Модель поведения покупателя банковских услуг 26
1.4. Методическое обеспечение системы маркетинговых исследований 32
1.4.1. Методы кластеризации 32
1.4.2. Снижение размерности системы данных 40
1.5.Анализ временной зависимости депозитов 46
1.5.1. Методы анализа временных рядов 46
1.5.2. Нейросетевые модели 53
1.5.3. Анализ кассовых операций по обслуживанию физических лиц 59
1 .б.Выводы по главе 1 67
Глава 2. Модели поведения кредитной организации на конкурентном рынке 68
2.1.Обзор общих экономических теорий ценообразования 68
2.1.1. Общие методологические принципы ценообразования. 68
2.1.2. Анализ механизма цеповой дискриминации 78
2.1.3. Анализ практики ценообразования на предприятиях в условиях Российской экономики 86
2.2.Модель зависимости спроса на банковский продукт от цены на рынке банковских услуг 94
2.3.Динамическое моделирование ценовой политики кредитной организации в условиях конкуренции 99
2.4.Моделирование жизненного цикла банковского продукта 108
2.5.Выводы по главе 2 111 J
Глава 3. Интеллектуальный капитал - важнейшая составляющая эффективного развития банка 112
3.1.Современные представления о человеческом и интеллектуальном капитале 112
3.2.Динамическая модель производства банковского продукта с учетом интеллектуального капитала 119
3.2.1. Постановка задачи и уравнения 119
3.2.2. Идентификация модели производства банковского продукта 124
3.3. Оценка величины интеллектуального капитала банка 127
ЗАЗадача оптимального управления развитием банка на основе дифференциальной модели 130
3.5.Нечеткое моделирование системы управления интеллектуальным капиталом банка 137
3.5.1. Система управления интеллектуальным капиталом банка 137
3.5.2. Нечеткая математическая модель производства банковского продукта 143
З.б.Обучение нечеткой сети, моделирующей банковскую деятельность 150
3.7.Управление численности сотрудников подразделения на основе модели системы с резервами 161
3.8.Моделирование SWOT-стратегий нечеткой системой 165
3.9.Выводы по главе 3 172
Глава 4. Моделирование кредитоспособности клиентов коммерческого банка 173
4.1.Понятие скоринга в кредитной деятельности банков 173
4.2.0ценка кредитоспособности физических лиц с применением интеллектуальных алгоритмов обработки данных 176
4.2.1. Нейросетевые методы оценки кредитной надежности физических лиц 176
4.2.2. Алгоритмы анализа, основанные на правилах 179
4.2.3. Построение моделей, прогнозирующих поведение клиентов 185
4.3.Показатели хозяйственной деятельности кредитуемых предприятий 190
4.4.Модель выбора стратегии кредитования юридических лиц... 197
4.4.1. Методика оценки кредитоспособности, основанная на нечетком логическом выводе 197
4.4.2. Применение нечетких сетей Петри для оценки кредитоспособности 203
4.4.3. Причинно-следственная сеть для оценки кредитования юридических лиц 206
4.5.Выводы по главе 4 216
Глава 5. Развитие инвестиционных способностей кредитного банка 217
5.1.Этапы инвестиционного процесса в производственно экономических системах 217
5.1.1. Система показателей оценки инвестиционных проектов 217
5.1.2. Методы моделирования процесса инвестиционной деятельности 223
5.7.3. Возможности сниоісения рисков реальных инвестиций 231
5.2.0рганизация движения финансовых ресурсов предприятия.. 242
5.2.1. Оптимизация стратегии использования заемных средств 242
5.2.2. Политика долгосрочного кредитования предприятия на основе модели экономической системы с запаздывающими параметрами 249
5.3.Модель рационального поведения товаропроизводителей... 257
5.3.1. Постановка задачи 257
5.3.2. Результаты численного моделирования 261
5.4.Управление инвестиционными проектами с венчурным финансированием 274
5.4.1. Схема венчурного финансирования
инвестиционных проектов 274 5.4.2. Формализованная модель развития венчурного инвестиционного проекта 277
5.4.3. Идентификация производственной функции товаро-производящего предприятия 285
5.4.4. Оптимизация управления инвестиционным проектом для получения максимальной прибыли за заданное время 286
5.4.5. Результаты параметрического исследования развития инвестиционных венчурных проектов 291
5.4.6. Организация управления венчурным проектом для получения прибыли в кратчайшие сроки 296
5.4.7. Оценки риска венчурного инвестирования 302
5.5.Выводы по главе 5 306
Глава 6. Моделирование сценариев развития коммерческого банка .. 308
6.1 .Анализ состояния банковской деятельности ОАО «ФОНДСЕРВИСБАНК» 308
6.1.1. Основные приоритеты развития Банка 308
6.1.2. Финансовые показатели деятельности 312
6.2.Внешние и внутренние факторы, влияющие на развитие банка 329
6.2.1. Ранжирование внешних и внутренних факторов методом анализа иерархий 329
6.2.2. Прогноз динамики внешних факторов 334
б.З.Анализ сценариев банковской деятельности 340
6.3.1. Переменные модели и структура системы 340
6.3.2. Анализ результатов расчетов 343
6.4.Выводы по главе 6 347
Заключение и выводы 348
Библиографический список
- Методическое обеспечение системы маркетинговых исследований
- Анализ практики ценообразования на предприятиях в условиях Российской экономики
- Оценка величины интеллектуального капитала банка
- Нейросетевые методы оценки кредитной надежности физических лиц
Введение к работе
Актуальность темы. Основу финансовой системы современной России составляют банки. Поэтому от успешного развития банковской деятельности зависит устойчивость как финансовой системы, так и всей экономики. Российская банковская система находится на этапе интенсивных рыночных преобразований. В условиях острой конкуренции и концентрации банковского капитала важной задачей является эффективное управление, основанное на современных методах маркетинга и стратегического менеджмента. Решение задачи существенного роста валового внутреннего продукта (ВВП) зависит от обеспечения инвестиционной деятельности, основу которой образуют долгосрочные кредиты. Так как от характера финансируемого проекта зависит окупаемость инвестиций и прибыль, то решающими при предоставление кредита должна быть надежность оценки проекта и возможность влияния на управление инвестиционным проектом.
Современная экономика развитых стран характеризуется очень высокими темпами развития информационных технологий. Деятельность кредитных организаций, определяющая производство банковского продукта, как ни какая другая сфера экономической деятельности, связана с применением и потреблением информационных ресурсов. Эффективность функционирования экономической системы по производству банковского продукта в значительной степени определяется информационной поддержкой, квалификацией персонала и организаторскими способностями менеджеров высшего звена, применением современных методов анализа и управления, т.е. всем тем, что принято называть интеллектуальным капиталом. Интеллектуальные производительные силы имеют основополагающее влияние на процесс производства банковского продукта. Разработка методов количественной оценки влияния интеллектуальных факторов на деятельность и создание моделей систем управления интеллектуальным капиталом является важной и актуальной задачей.
Для эффективного управления деятельностью кредитной организации необходимо применение системного подхода, при котором экономическая система - банк моделируется совокупностью структурных элементов, таких как сие тема маркетинга, система управления интеллектуальным капиталом, система менеджмента. Создание таких моделей, позволяющих получать количественный отклик как на действия руководства банка, так и на изменение внешних экономических и политических условий, представляет собой сложную и необходимую задачу. Перспективным направлением в области системного моделирования динамических экономических систем является применением интеллектуальных алгоритмов обработки информации и извлечения знаний из данных.
В настоящее время российскими и зарубежными учеными проделан оіром-ный объем работы в области теоретических построений и практической реализации результатов исследований инвестиционных процессов. Математическое моделирование в экономике развивается в работах Ашманова С.А., Альбрехта Э.С., Глухова В.В., Дуброва A.M., Емельянова А.А., Колемаева В.А., Лагоши Б.А., Оле-нева Н.Н., Поспелова И.Г., Черемных Ю.Н., являясь продолжением классических работ Беллмана Р., Гейла Д., Самуэльсона П., Хикса Д. Теория интеллектуального капитала содержится в работах Стюарта Т., Даума Д., Эдвинсона Л., Леонтьева Б.Б., Иноземцева В.Л., Максимова В.К. и других. Большое количество публикаций на эту тему, увеличивающееся с каждым годом, свидетельствует об огромном интересе к этой области знаний. Развитые методологические основы деятельности кредитных организаций, созданные модели производства банковского продукта необходимо довести до уровня использования в практике банков и предприятий в виде необходимых информационных технологий.
Объектом исследования являются кредитные организации российской финансовой системы, оказывающие финансовую поддержку предприятия реального сектора экономики.
Предмет исследования: методы и модели прогнозирования производства банковского продукта; методики управления, обеспечивающие эффективную организацию банковской деятельностью.
Область исследования: математические модели и методы анализа микроэкономических процессов и систем: отраслей народного хозяйства, фирм и предприятий, способов оценки предпринимательских рисков и обос нования инвестиционных решений.
Цель исследования состоит в получении научно-обоснованных экономических решений, направленных на организацию производства банковского продукта путем построения динамических моделей на основе математической теории интеллектуальных систем, обеспечивающих стратегическое управление кредитной организацией, и математических моделей поведения субъектов инвестиционных проектов, снижающих риски, связанных с вложением средств в условиях развивающейся экономики России, что будет способствовать повышению эффективности использования банковских финансовых ресурсов, активизации инвестиционной деятельности финансово-кредитных учреждений при одновременном снижении рисков утери их капиталов.
Для достижения поставленной цели требуется решить следующие задачи:
- дать формализованное представление системы маркетинговых исследований, включающую модель поведения потребителя банковских услуг;
- разработать методику оценки динамики депозитов физических лиц по результатам прошлых и текущих кассовых операций;
- построить математическую модель конкурентной борьбы участников рынка банковских услуг, позволяющую разрабатывать оптимальные ценовые стратегии;
- создать динамическую модель производства банковского продукта с учетом интеллектуального капитала, адаптирующуюся к особенностям кредитных организаций;
- разработать методику оптимального управления интеллектуальным капиталом банка для определения стратегий развития;
- разработать методики определения кредитоспособности юридических и физических лиц с применением системы нечеткого вывода и деревьев решений;
- создать методику оценки эффективности инвестиционных проектов. Методы исследования. В работе применялись теоретические методы и методологические исследования в экономике, нормативные и законодательные акты Российской Федерации. Для обработки информации и получения количественных результатов использовались методы извлечения знаний из данных, теория нечетких множеств, теория оптимального управления.
Достоверность и обоснованность полученных в работе результатов и выводов подтверждается сопоставительным анализом разработанных и существующих математических моделей и методов, использованием фактических данных, содержащихся в документах бухгалтерской отчетности.
Математические модели и методы, применяющиеся в диссертационной работе, основаны на теории дифференциальных уравнений, на теории оптимального управления, теории вероятностей, теории исследования операций и теории нечетких множеств.
Научная новизна проведенного исследования заключается в следующем:
1. Дано системное представление маркетинговой деятельности, как структурного элемента общей системы управления банком.
2. Разработанная модель поведения потребителя банковских услуг в виде причинно-следственной сети дала возможность получать выходную количественную реакцию в виде объема и номенклатуры банковского продукта, характерную для потребителя, принадлежащего к одной из групп населения.
3. Разработанная методика продолжения временных рядов позволила оценивать будущие изменения величины депозитов физических лиц.
4. Построенная математическая модель конкурентной борьбы двух участников рынка банковских услуг дала возможность решить задачу оптимального управления и рассчитать оптимальную ценовую стратегию одного участника при неизменной ценовой политике второй стороны.
5. Разработанная модель жизненного цикла банковского продукта позволяет устанавливать оптимальные сроки ввода новых и замены устаревших банковских услуг.
6. На основе построенной динамической модели производства банковского продукта предложена методика количественной оценки интеллектуального потенциала и интеллектуального капитала кредитной организации.
7. С применением подхода к моделированию управления интеллектуальным капиталом банка на основе нечеткой причинно-следственной сети решена задача оптимального управления интеллектуальным капиталом банка, определяющая стратегии развития.
8. Предложено представлять SWOT - анализ в виде нечеткой причинно-следственной сети. Нечеткое моделирование позволяет реализовать сущность SWOT - анализа: превращение собственных слабостей в силу и устранение внешних угроз за счет собственных возможностей.
9. На основе возможностного метода деревьев решений разработана методика оценки кредитоспособности физических лиц, снижающая величину кредитного риска.
10. Создана методика определения кредитоспособности юридических лиц с применением системы нечеткого вывода и сетей Петри, построена структура сети, установлены основные переменные системы.
И. Разработаны модели рационального поведения товаропроизводителей и управления инвестиционными проектами.
12. На основе разработанных моделей проведены расчеты сценариев развития коммерческого банка, показавшие его высокую устойчивость к изменению внешних условий.
Практическая полезность исследования заключается в возможности применения разработанных методов для оптимизации управления банковской деятельностью.
На основе формулировок общих целей и задач маркетинга дано формализованное представление системы маркетинговых исследований, позволяющее встроить ее в общую систему управления банком. Разработана методика прогнозирования ежедневного поведения депозитов физических лиц на основе нейросе-тевой модели. На основе численного решения задачи оптимального управления рассчитана оптимальная ценовая стратегия одного участника при неизменной ценовой политики второй стороны. Получены правила, характеризующие благонадежность клиентов банка. Построена нечеткая модель выбора численности сотрудников в подразделениях организации. На основе протестированного численного метода решения задачи оптимального управления получены варианты нове дения товаропроизводителя.
Апробация работы. Отдельные законченные этапы работы обсуждались на: Научно-технической конференции ИжГТУ, посвященной 50-лстию образования ИжГТУ (Ижевск, 2002); Международных научно-технических конференциях ИжГТУ (Ижевск, 1999, 2001-2003), Всероссийской отраслевой научно-практической конференции Агенства «Росавиакосмос» по проблемам привлечения финансовых ресурсов от иностранных и российских инвесторов (2001), IV Международной научной конференции «Информационные технологии в инновационных проектах» (Ижевск, 2002); VI Международном конгрессе по математическому моделированию (Нижний Новгород, 2004); 31,33 Международных конференциях «Информационные технологии в науке, социологии, экономике и бизнесе» (Украина, Крым, Ялта - Гурзуф, 2004,2006); IV-ой Международной научно-практической конференции «Теория и практика антикризисного менеджмента» (Пенза, 2006); V Всероссийской научно-практической конференции «Проблемы и перспективы Российской экономики» (Пенза, 2006); XVII Международной научно-технической конференции «Математические методы и информационные технологии в экономике, социологии и образовании» (Пенза, 2006); Международной научно-технической конференции «Искусственный интеллект - 2006» (Таганрог, 2006); V Международной научно-практической конференции «Социально-экономическое развитие России в XXI веке» (Пенза, 2006).
Реализация работы в производственных условиях. Положения, разработки и рекомендации диссертационной работы внедрены в ОАО «Фон-дсервисбанк» и ОАО «Ижевский радиозавод».
Публикации. Основные научные результаты по теме диссертации опубликованы в виде: 4-х монографий, 29 научных трудах в изданиях, рекомендуемых ВАКом для публикации основных результатов диссертаций на соискание учёной степени доктора наук. Всего по теме диссертации опубликовано 63 работы общим объёмом 74,08 печатных листов, из которых 48,44 печатных листа принадлежат лично автору.
Структура диссертационной работы определяется общими замыслом и логикой проведения исследований.
Диссертация содержит введение, 6 глав изложенных, на 374 с. машинописного текста, заключение и приложения, в котором представлен акт об использовании результатов работы. В работу включены 140 рис., 10 табл., список литературы из 245 наименований.
СОДЕРЖАНИЕ РАБОТЫ
Введение содержит обоснование актуальности темы, формулировку цели и задач работы, основные положения, выносимые на защиту, и определяет содержание и методы выполнения работы.
В первой главе дано системное представление маркетинговой деятельности банка при стратегическом планировании. Сформулированы общие цели и задачи системы маркетинговых исследований. Построена модель поведения покупателя банковских услуг. Дан анализ методического обеспечения системы маркетинговых исследований. Рассмотрены методы кластеризации и снижения размерности системы данных. Проведен анализ временной зависимости депозитов на основе методов анализа временных рядов и нейросетевых моделей Вторая глава содержит модели поведения кредитной организации на конкурентном рынке. Дан обзор общих экономических теорий ценообразования и общих методологических принципов ценообразования. Описана модель зависимости спроса на банковский продукт от цены на рынке банковских услуг. Проведено динамическое моделирование ценовой политики кредитной организации в условиях конкуренции. Дана модель жизненного цикла банковского продукта.
В третьей главе даны современные представления о человеческом и интеллектуальном капитале. Разработана динамическая модель производства банковского продукта с учетом интеллектуального капитала. Проведена идентификация модели производства банковского продукта. Представлена методика оценки величины интеллектуального капитала банка. Приведено решение задачи оптимального управления развитием банка на основе дифференциальной модели. Изложен подход к нечеткому моделированию системы управления интеллектуальным капиталом банка. Описана математическая модель производства банковского продукта. Изложен метод обучения нечеткой сети, моделирующей банковскую деятельность. Проведено моделирование SWOT-стратегий нечеткой системой.
Четвертая глава содержит изложение методов моделирования кредитоспособности клиентов коммерческого банка. Для оценки кредитоспособности физических лиц применяются нейросетевые методы оценки кредитной надежности, алгоритмы анализа, основанные на правилах. Приведены модели, прогнозирующие поведение клиентов на основе показателей хозяйственной деятельности кредитуемых предприятий. Описана модель выбора стратегии кредитования юридических лиц, основанная на нечетком логическом выводе и нечетких сетях Петри В пятой главе излагаются принципы развития инвестиционных способностей кредитного банка. Описаны этапы инвестиционного процесса в производственно-экономических системах, дана система показателей оценки инвестиционных проектов. Дано обоснование политики долгосрочного кредитования предприятия на основе модели экономической системы с запаздывающими параметрами. На основе схемы венчурного финансирования инвестиционных проектов построена формализованная модель развития венчурного инвестиционного проекта. Решена задача оптимизации управления инвестиционным проектом для получения максималыюй прибыли за заданное время. Даны оценки риска венчурного инвестирования.
Шестая глава содержит результаты моделирования сценариев развития коммерческого банка. Дан анализ состояния банковской деятельности коммерческого банка, приведены основные приоритеты развития банка и финансовые показатели деятельности. Рассмотрены внешние и внутренние факторы, влияющие на развитие банка с прогнозом динамики внешних факторов. Дано описание переменных модели и структуры системы. Проведен анализ сценариев банковской деятельности.
Методическое обеспечение системы маркетинговых исследований
Методы кластерного анализа позволяют разделить изучаемую совокупность объектов на группы "схожих" объектов, называемых кластерами, разнести записи в различные группы, или сегменты. Кластеризация в чем-то аналогична классификации, но отличается от нее тем, что для проведения анализа не требуется иметь выделенную целевую переменную[256]. Ее удобно использовать на начальных этапах исследования, когда о данных мало что известно. Для этапа кластеризации характерно отсутствие каких-либо различий как между неременными, так и между записями [257]. Напротив, ищутся группы наиболее близких, похожих записей. Когда кластеры обнаружены, делается попытка установить, что означает такое разбиение на кластеры, чем оно вызвано.
В технологии извлечения знаний из данных широко применяются методы расщепления, непосредственно разбивающие всю совокупность записей на несколько кластеров [174]. Из них наибольшее распространение получили различные модификации метода / -средних.
Зададим число К - число кластеров, на которые мы хотим разбить записи. Случайным образом или по какому-либо правилу выбирается К исходных центров - точек в пространстве всех переменных. Не очень критично, какие именно это будут центры, процедура выбора исходных точек отразится, главным образом, только на времени счета. На первом шаге разобьем все записи на К групп, наиболее близких к одному из центров. Мерой близости может быть расстояние в пространстве всех. На втором шаге вычисляем новые центры кластеров по средним значениям переменных для записей, отнесенных к сформированным группам. Новые центры могут отличаться от предыдущих. Процедура повторяется до тех пор, пока центры кластеров (соответственно, и границы между ними) не перестанут меняться.
В реальных данных изменение одной из переменных на некоторую величину по смыслу может значить существенно больше, чем такое же изменение другой переменной. Действительные переменные можно преобразовать к равнозначному масштабу, разделив на их характерный масштаб или, если он неизвестен, на среднее значение этой переменной, на диапазон ее изменения (разность между максимальным и минимальным значением переменной) или на ее стандартное отклонение. Тогда геометрическое расстояние между точками будет примерно соответствовать нашим представлениям о близости записей. Введение метрики, расстояния между категориальными переменными или отношениями порядка имеет более сложный характер. Методы кластеризации могут работать с категориальными, булевыми переменными и с текстом. Метод К средних хорошо работает, если данные по своей естественной природе делятся на компактные, примерно сферические группы.
Другие методы кластеризации - агломеративные, или объединительные, начинаются с создания элементарных кластеров, каждый из которых со стоит из одного исходного наблюдения (одной точки), а на каждом последующем шаге происходит объединение двух наиболее близких кластеров в один[62]. Момент остановки этого процесса объединения может задаваться исследователем путем указания требуемого числа кластеров или максимального расстояния, при котором допустимо объединение. За расстояние между кластерами можно принять, например, минимальное расстояние между отдельными записями (точками) этих кластеров.
Для решения задачи классификации маркетинговой информации можно применять алгоритмы ненаблюдаемого обучения нейронных сетей, являющееся менее требовательными к объему данных. Будем использовать нейросети, обучаемые по правилу Кохонена [176] - самоорганизующиеся карты. Размерность входного слоя нейронов определяется размерностью вектора признаков Х = (х1,..,хт). Число выходных нейронов равно числу предполагаемых классов. Алгоритм Кохонена предусматривает корректировку весовых коэффициентов связей между нейронами на основании их значений от предыдущей итерации. где у. 1 - выход нейрона /, соединенного с нейроном у связью с весом w0; а - коэффициент скорости обучения; Gi - степень соседства; k,t - номер итерации и слоя, соответственно.
Обучение заключается в минимизации разности между входными сигналами нейрона, поступающими с выходов нейронов предыдущего слоя ук х и его весовыми коэффициентами [176]. Коррекция весовых коэффициентов производится для нейрона-победителя, т.е. для нейрона, максимально похожего на входной образ. Выбор такого нейрона осуществляется либо по максимуму скалярного произведения вектора весовых коэффициентов с вектором входных значений, либо по минимуму расстояния между ними Dj = Л ІУ - w0)2 .
Анализ практики ценообразования на предприятиях в условиях Российской экономики
Однако необходимо отметить тот факт, что целью предприятия зачастую является не максимизация прибыли, а достижение удовлетворения уровнем доли рынка, валовой выручки и т.д. [99]. В то же время значительная часть предприятий из товаропроизводителей, свободно распоряжающихся произведенной продукцией, превратилась в услугопроиз-водителей с заранее фиксированными объемом производства и потреби гелями услуг. Г.Б.Клейнер [152] оценивает данную тенденцию как «сервилиза-цию» промышленности с одновременным изменением непосредственного окружения предприятия в сторону увеличения доли аффилированных с предприятием хозяйствующих субъектов. Другие исследователи, например Д.Кувалдин [156], Л.Варшавский [52], оценивают главную цель предприятия и тенденции их развития, как многокритериальную задачу выживания в краткосрочной перспективе в условиях продолжающегося кризиса или как, например, Хан Д. [219] видит цель предприятия в переходе от критерия максимизации прибыли к лимитированию прибыли (установление предела прибыли которую необходимо достичь или превысить).
В настоящий момент, например по оценкам Красновой В., Смородиной Т. [155], сложилась ситуация ожесточенной ценовой конкуренции между производителями, в результате которой многие из них оказались за гранью рентабельности. Другие исследователи считают, что на сегодняшний момент ценовая конкуренция в значительной мере ограничена, следствием чего является перенос конкурентной борьбы в область неценовых решений. В то же время, согласно данным С.Афонцева и Р.Капелюшникова [18] предприятия функционирующие в условиях слабой, умеренной и сильной конкуренции составляют в процентном соотношении, соответственно, 22%, 54% и 24%.
Недостатки затратного метода ценообразования наиболее ярко проявляются в ситуации нехватки оборотных средств и необходимости адаптации к новым условиям конкуренции на рынке товара [97]. На сегодняшний день у российских предприятий наиболее популярен метод затратного ценообразо вания с элементами анализа рынка. Анализ рынка проводят путем оценки уровня цен конкурентов, выбора наиболее выгодных поставщиков и вычленения группы потребителей. Снижение себестоимости в этом случае происходит в основном за счет выбора поставщиков. Такая ценовая политика стандартна в условиях конкурентного рынка с большой потребительской емкостью. При подходе к формированию цены с учетом ценностного метода ценообразования предприятие начинает формировать цену с учетом поставленной цели. Учет себестоимости в этом случае производится с учетом покрытия постоянных затрат за счет увеличения оборота.
В настоящий момент среди российских хозяйствующих субъектов можно выделить два типа предприятий: работающие в условиях жестких спросовых ограничений и не испытывающие спросовых ограничений (естественные монополии и экспортоориентированные предприятия) [206]. С учетом этого можно разграничить целевые стратегии предприятий, соответственно в первом случае преобладающей стратегией является сохранение уровня сбыта или, в лучшем случае, расширение сбыта. Увеличение цены происходит только в рамках расширения покупательской способности. Во втором случае, в силу неэластичности спроса на продукцию, цена объективно ограничена нехваткой денежных средств у потребителей, и ее повышение сверх допустимого уровня приводит либо к росту неплатежей, либо к увеличению в платежах доли низколиквидных денежных суррогатов.
В условиях российской экономики предприятие сталкивается не только с проблемами экономического характера, большое влияние на его функционирование оказывают социально - экономические проблемы общества. С учетом этого российские предприятия можно рассматривать как социально -экономические институты формирующие традиции, обычаи хозяйственного оборота, но в то же время и подчиняющиеся сложившейся практике хозяйствования.
Необходимо принять во внимание и социально - психологическое состояние трудоспособного населения: отсутствие долговременных ориентиров экономической деятельности, выражающееся в отсутствии целерациональ-ных стратегий поведения, наличии неадекватных оценок и ожиданий, массовая криминализация экономической деятельности.
Значение социально - экономических аспектов функционирования предприятия, как элемента рыночной среды предприятия [223], недооценивается во многих научно - практических разработках. Анализируя существующую практику ценообразования в условиях Российской действительности необходимо обратить внимания на ряд немаловажных факторов, необходимых для проведения анализа сложившейся ситуации.
Крупные Российские промышленные предприятия имеют нетрадиционную структуру издержек: очень большую долю составляют специфические фиксированные издержки, возникающие вследствие необходимости содержания социальной инфраструктуры и в большинстве своем избыточной рабочей силы. Следовательно, снижение выпуска продукции, в условиях жестких спросовых ограничений, свойственных большинству Российских предприятий (за исключением предприятий монополистов), ведет не к снижению средних издержек, а к их росту. В то же время предприятие не может уйти с рынка в силу существующих барьеров выхода.
Бесконтрольность деятельности руководителя и в меньшей степени высшего менеджмента предприятия приводит к ущемлению интересов акционеров, личные интересы которых преобладают над интересами предприятия. В ряде случаев крупным акционерам удается захватить контроль над деятельностью предприятия, путем формирования своей команды управленцев, но и в этом случае есть вероятность, что собственники не ориентированы на стратегическое развитие предприятия, а преследуют цель изъятия активов.
Оценка величины интеллектуального капитала банка
Как можно видеть, величина эффективности использования интеллекту ала dK ального потенциала —— « 0.13 и —— « 0.25 имеет небольшое значение. Для dJ dJ увеличения эффективности использования интеллектуального потенциала и, следовательно, для роста активов банка необходимо найти оптимальные стратегии его развития. Распределение средств щ,1 = 1,5 находится из решения задачи оптимального управления с дифференциальными уравнениями для фазовых переменных (3.4) - (3.10), условием (3.11) и с целевым функционалом. В качестве критериев развития можно рассмотреть несколько вариантов. 1. Достижение максимального значения ресурсов банка за заданное время Т: Х(Г)- тах. (3.14) 2. Достижение максимального интегрального значения ресурсов банка за заданное время Т\ Т г j (r)rff- max или X(T) = -Jx(t)dt max. (3.15) О 0 3. Достижение заданного значения ресурсов банка Хт за минимальное время Г: 7/(Xr)- min. (3.16) 4. Достижение заданного интегрального значения ресурсов банка за минимальное время Г: т{Хт) - min. (3.17) В зависимости от целей развития задается один из рассмотренных функционалов (3.14)-(3.17). Сначала рассмотрим задачу оптимального управления с критерием развития (3.14) при постоянном во времени распределением средств, т.е. u,{t) = uf = const,1 = \,5 (3.18) В результате численного решения задачи оптимального управления (3.9)-(3.11), (3.14) для банка 1 получены значения долей средств M,=0.772;M2 = 0.138;M3 = 0;M4 = 0.089;W5=0, (3.19) обеспечивающих рост ресурсов банка до величины Х{Т) = 6.51 при 7=1 1. Основная доля средств (77.2%) должна направляться на расширение производства банковского продукта. На увеличение объемов материальных средств, обеспечивающих поддержку интеллектуального капитала, направляется 13.8% средств. На расширение информационного капитала и интеллектуальной собственности банка требуется выделение 8.9% ресурсов. Траектория развития банка при этих условиях показана на рис.3.11. 7
Следует отметить, что конечный интеллектуальный потенциал при таком управлении перераспределения ресурсов не увеличился, по сравнению с полученным при идентификации модели, а даже уменьшился с J=\A9 до ./=1.08. Это связано с тем, что на повышение квалификации сотрудников средства могут не выделяться {щ = 0), так как уровень квалификации и опыта является достаточным. Конечный уровень интеллектуального потенциала 7=1.08 позволяет добиться при найденном управлении значительно более высоких значений интеллектуального капитала (рис.3.12).
Как видим из рис.3.12, рост величины Кіш начинается после f A, тогда как на рис.3.5 рост начинается при 6. Эффективность использования интеллектуального потенциала при оптимальном управлении существенно увеличивается, как это следует из результатов расчетов, представленных на рис.3.13.
Процесс развития, как следует из рис.3.15, разбивается на четыре характерных участка. На первом временном отрезке /є[0,2] доли средств на расширение производства банковского продукта и на увеличение объемов материальных средств, обеспечивающих поддержку интеллектуального капитала, близки между собой (39% и 34%, соответственно). На расширение информационного капитала и интеллектуальной собственности банка выделяются остальные 27%. На следующем отрезке t є [2.2,4.3] доля средств на расширение производства банковского продукта увеличивается до 61%, а значения u2(t),u4(t) снижаются до 23% и 16%. Затем средства на расширение информационного капитала не выделяются и иА (?) = 0. На четвертом отрезке времени t є [6.6,11] происходит только расширение производства банковского продукта (и, (?) = \,и2 (?) = 0,и4(?) = 0).
Показатель эффективности интеллектуального потенциала увеличился с ——=1.89 при постоянном распределении до —inL=3.08 при переменном dJ dJ управлении. Конечная величина интеллектуального капитала составляет в этом случае 27.3% от величины ресурсов банка, по сравнению с 19.7% при постоянном управлении и 5% для условий идентификации. Если же отнести прирост величины интеллектуального капитала к исходному значению ресурсов банка, то эти значения будут равны 211%, 128% и 11%, соответственно.
При переменном во времени управлении темпы прироста ресурсов банка носят немонотонный характер (рис.3.14), что связано с переключением dX управлений в некоторые моменты времени. Средний темп развития — при X. переменном управлении равен 0.043.
На основе проведенного анализа можно заключить, что имеющиеся интеллектуальные потенциалы рассмотренных банков дают возможность их эффективно реализовать при соответствующем оптимальном управлении. Практическая реализация средств, выделяемых на увеличение интеллектуального капита ла, представляет собой важную задачу при выборе стратегий развития банка.
Система управления интеллектуальным капиталом банка Интеллектуальный капитал основан на совокупности знаний и умений сотрудников банка. Реализация этих знаний в практической деятельности приводит к некоторому экономическому эффекту, являющемся денежным эквивалентом интеллектуального капитала [131,132]. Получение экономического эффекта, определяемого существующим уровнем знаний, происходит в результате управления системой - банком, которое само по себе также является составной частью интеллектуального капитала. Процесс принятия решения представляет собой единство двух взаимосвязанных форм деятельности: познавательно-планирующей и практически-организаторской [248]. Познавательно-планирующая деятельность составляет основу всего процесса принятия решения в целом. Здесь на основе познания сложившейся обстановки, то есть на основе анализа и синтеза информации, полученной как на эмпирическом, так и на теоретическом этапах изучения, определяется проблемная ситуация, требующая перевода этой фактической обстановки (объекта управления) в желаемое состояние, обеспечивающее ее дальнейшее развитие. На этом этапе формируется цель, ставятся задачи и определяются средства их реализации и вырабатывается решение. В процессе этой деятельности раскрываются конструктивно-творческие способности человека, его умение оригинально мыслить и опираться на интуицию и опыт, находить точные способы оптимального решения проблем.
В текущей управленческой деятельности банка решения принимают исполнительные органы[71]. Принятие решения связано с действиями менеджеров различного уровня, которые состоят в выборе цели и способов ее осуществления. Чтобы достичь эту цель, нужно ее осмыслить, оценить ситуацию и свои возможности, установить необходимые и соответствующие цели средства реализации.
Нейросетевые методы оценки кредитной надежности физических лиц
Нейросетевые методы оценки кредитной надежности физических лиц Для оценки кредитной надежности физических лиц применяются различные модели прогнозирования исходов розничного кредитования [217]. Широкое применение нашли статистические методы, нейросетевые технологии и нечеткие алгоритмы. Одной из задач, которая может решаться данными методами, является оценка кредитного риска и эффективное управление рисками. Применение традиционных подходов рейтингования требует больших затрат времени для выполнения детальных анализов клиентов и приводит к большим расходам в том случае, если заключение контрактов осуществляется с привлечением экспертов. Методы извлечения знаний из данных ("Data Mining") имеют ряд преимуществ по сравнению с обычными методами оценки клиентов. Нейронные сети, системы нечеткого вывода имеют высокие аппроксимирующие свойства при нелинейном распознавании, а также способны адаптироваться к изменениям макроэкономических показателей и других внешних условий, влияющих на принятие решений о выдаче розничных кредитов. Высокая различительная способность алгоритмов "Data Mining" позволяет сократить неоправданные потери при кредитовании клиентов. Разработанная для внутреннего использования в конкретном финансовом учреждении математическая модель, даже если она приводит к незначительным улучшениям в процессе идентификации клиентов, может принести значительную экономию кредитных ресурсов.
Нейронная сеть осуществляет нелинейное преобразование вектора х в вектор у = Ф(\,х) и представляет собой набор последовательных операций взвешенного суммирования с применением вычислений нелинейных актива-ционных функций [176]. Здесь W-матрица коэффициентов преобразования, определяемая в процессе обучения сети. Многослойная нейронная сеть состоит из входного и выходного слоев, а также из нескольких внутренних (скрытых) слоев
Входной слой имеет размерность входного вектора х = [x,,...,xj. Обычно размерность вектора х увеличивают еще на единицу, добавляя х0 = 1. Это делается для включения величины смещения функции активации в множество весовых коэффициентов. Каждый нейрон первого скрытого слоя (к=1) осуществляет суммирование входящих сигналов п Выходной сигнал нейрона преобразуется с помощью функции активации = (7(и, ),/ = Щ; = №, где Nk - число нейронов в к-м слое; Кс - число слоев. В качестве функции активации используется сигмоида G(s) = . Производная от этой функции выражается через 1 + exp(-/fa) значения самой функции — = pG(s){\-G{s)). ds Выходные преобразованные сигналы суммируются на последующем слое и, так далее, до последнего выходного слоя. ІЖ"1 zf=G(u!),i = Wk,k = l,Kc, /=0 так что 2=Х, y = Z&.
Построенная таким образом нейронная сеть содержит весовые коэффициенты Wy,i = \,Nk,j = 0,Nk_vk = \,Kc, требующие определения в процессе обучения. Для обучения используется система данных, представляющая собой набор наблюдаемых точек (xJ ,fJ),j = l,p, где x,f - входной вектор и вектор функции, соответственно. Система данных из р точек делится на две выборки: обучающую (xj,fJ),j = l,h и проверочную (xJ,fJ),j = h + l,p. Весовые коэффициенты нужно подобрать таким образом, чтобы они обеспечили минимальное отклонение рассчитываемых в сети значений у от имеющихся f, т.е. давали бы минимум целевой функции 1 т F(W) = -( -/, )2= min. Здесь W - матрица коэффициентов w.j,i = \,Nk,j = 0,Nk_vk = \,Kc, q -номер предъявляемой для обучения пары из выборки {xq,i4),q = 1,//. Одним из недостатков нейронной сети является то, что обученная сеть представляет собой «черный ящик», выдающий отклик у = Ф(\У,х) на поданный сигнал. Дополнительные знания экспертов можно учесть только через добавление новых данных и переобучение сети. Другая проблема заключается в обработке входных сигналов, заданных в разных шкалах. В «слабых» шкалах присутствуют лингвистические переменные, булевы и дискретные сигналы. При вычислении отклика нейронная сеть предполагает непрерывность всех значений.
Алгоритмы анализа, основанные на правилах Другим направлением обработки данных являются рассуждения, основанные на предыдущем опыте [217]. Это методология, моделирующая нечеткий механизм размышлений, что сходно с процессом вывода заключений экспертами предметной области. Поля данных, используемых для объяснения и предсказания результата, становятся признаками ситуации. Число реальных событий должно быть достаточным для возможно более полного покрытия предметной области. Такие алгоритмы допускают представление информационных полей в цифровом виде, а также в виде лингвистических, булевых и дискретных переменных[75]. В процессе поиска система использует либо некоторые из этих полей, либо все поля полностью, выполняя вычисления для объяснения или предсказания результата. Итоговое поле признаков или любое другое поле, возникшее в результате моделирования взаимосвязей в полях исходных данных, может быть выражено в виде некоторого правила. Если данные неполные, алгоритм способен продолжить работу, извлекая наиболее подходящий результат. Подобные алгоритмы не предъявляют жестких требований к точности и полноте данных.
