Содержание к диссертации
Введение
1. Структура процесса розничного кредитования. Особенности рынка розничного кредитования 11
1.1. Особенности рынка розничного кредитования 11
1.2. Структура процесса розничного кредитования 14
1.3. Роль системы кредитного скоринга как конкурентного преимущества кредитной организации 16
1.4. Выводы и результаты 22
2. Математические и инструментальные методы организации бизнес-процессов в розничном кредитовании 24
2.1. Разработка основных принципов и структуры системы кредитного скоринга 24
2.2. Система кредитного скоринга при рассмотрении заявок 31
2.3. Взаимодействие кредитной организации с бюро кредитных историй42
2.4. Система кредитного скоринга при работе с просроченной задолженностью 45
2.6. Pre-sale скорингв ко-брендинге 52
2.7. Использования скоринга отклика в работе банка 54
2.8. Выводы и результаты 56
3. Математические методы и алгоритмы построения скоринговои модели в виде дерева решений 57
3.1. Описание данных на входе и выходе алгоритма 58
3.2. Алгоритм построения дерева по правилам эксперта и данным 60
3.3. Описание алгоритма построения дерева решений 64
3.4. Описание алгоритма построения «коллективной» скоринговои модели 70
3.5. Выводы и результаты 75
4. Программное обеспечение построения скоринговых моделей в виде дерева решений . 77
4.1. Описание программного обеспечения 77
4.2. Описание формата входных файлов 80
4.2.1. Формат XML 81
4.2.2. Формат файла rules.xml 88
4.2.3. Формат файла names .xml 89
4.2.4. Формат файла tr. arf f 90
4.2.5. Формат файлов с матрицей 91
4.2.6. Формат файла-результата (tree xml) 91
4.3. Пример работы программного обеспечения 91
4.4. Выводы и результаты 139
Заключение 140
Литература 142
Приложение 1 151
- Роль системы кредитного скоринга как конкурентного преимущества кредитной организации
- Система кредитного скоринга при работе с просроченной задолженностью
- Алгоритм построения дерева по правилам эксперта и данным
- Пример работы программного обеспечения
Введение к работе
Актуальность темы. Кредитование банками физических лиц в России сегодня является массовым явлением. Современная экономическая ситуация подталкивает банки к расширению кредитного предложения при одновременном сокращении мошеннических операций и просроченной задолженности. Наряду с понижением процентной ставки простота оформления и скорость предоставления кредита становятся факторами конкурентной борьбы банков за клиентов. Заинтересованными партнерами банков в широком кредитовании населения выступают торговые компании. На территории крупных торговых центров часто открываются кредитные офисы банков, и решение о выдаче кредита, как и сама кредитная операция, может быть осуществлено непосредственно в торговом центре.
Расширение предложений кредитных продуктов и банковских услуг, рост банковского бизнеса и усложнение его характера сопровождаются накоплением рисков. Так по данным Центрального Банка РФ, объем всех выданных банками кредитов (организациям, банкам и физическим лицам) составил на 1 марта 2009 года 20 909,0 млрд.руб. По сравнению с началом 2008 года объем выданных кредитов банками вырос на 46,6%. Просроченная задолженность по всем кредитам на 1 марта 2009 г. составила 588,9 млрд.руб., увеличившись на 220% по сравнению с 1 января 2008 г. По отношению к общей сумме выданных кредитов просроченная задолженность на 1 марта 2009 г. составила 2,8%, по сравнению с 1,3% на 1 января 2008 г. Если говорить о просроченной задолженности физических лиц, то она с 1 января 2008г. по 1 марта 2009 года увеличилась на 81% и составила 174,5 млрд.руб. В этой связи приоритетной является задача укрепления устойчивости кредитных организаций, банковских групп и банковского сектора в целом за счет совершенствования систем управления рисками и внутренними бизнес-процессами.
В настоящее время кредитным организациям необходимо активно использовать накопленный зарубежный и отечественный опыт в сфере розничного кредитования. Коммерческим банкам необходимо выработать принципы, применять оптимальные методы и формировать инструментарий рационального участия в данной сфере банковского бизнеса. Все это свидетельствует об исключительной важности построения четкого и адекватного комплексного механизма потребительского кредитования, как для самих коммерческих банков, так и для национальной экономики в целом.
Степень разработанности проблемы. Исследованию проблем управления банковскими рисками посвящено достаточно много зарубежных и отечественных работ. Среди зарубежных авторов, занимающихся вопросами банковских рисков могут быть выделены Аргенти Д., Басе Р.М.В., Валра-вен К.Д., Гилл Э., Х.В. Грюнинг, А. де Жуан, Коттер Р., Озиус М.Е., Портер Р.С., Пратт Л.А., Путнам Б.Х., Рид Э., Роуз П.С, Ситр Д., Смит Р., Таффлер Р.Дж., Уильяме Д.Дж.С, Эдварде Б. и пр. Основные отечественные труды принадлежат Балабанову И.Т., Севрук В.Т., Соколинской Н.Э. А также научные труды Савинской Н.А., Белоглазовой Г.Н., Романовского М.В., Смирнова А.Л., Гусевой К.Н., Жукова Е.Ф., Гочарук О.В., Челнокова В.А., Лаврушина О.И., Горбунова А.А. и других ученых.
Возможные методы анализа рисков основаны на экспертных оценках и статистических методах. Способы построения экспертных оценок рассмотрены в работах Андрейчикова А.В., Андрейчиковой О.Н., Ларичева О.И., Саати Т., Кернса К. Наиболее изученными и используемыми в европейских и американских кредитных организациях являются статистические методы. Однако их применение требует наличие большого количества кредитных историй. В российских условиях в настоящее время можно использовать информационные базы статистических и аналитических материалов Правительства РФ и Центрального Банка РФ. Для принятия надежных решений их оказывается недостаточно.
Цели и задачи исследования. Целью диссертационного исследования является исследование организации процесса розничного кредитования с точки зрения ускорения процесса принятия решения на различных этапах процесса кредитования и сокращения кредитного и операционного рисков банка, разработка и построение скоринговых моделей как на основе знаний экспертов в области кредитования, так и имеющихся данных о кредитных историях.
Реализация поставленной цели обусловила необходимость решения следующих задач:
Раскрыть основные этапы процесса розничного кредитования.
Предложить направления использования различных видов скоринга в организации процесса розничного кредитования.
Разработать структуру скоринговой системы для розничного кредитования банка.
Разработать методы и алгоритмы построения скоринговой модели с учетом знаний экспертов в области кредитования и имеющихся данных о кредитных историях.
Разработать программное обеспечение, реализующее предложенные методы и алгоритмы построения скоринговых моделей, и внедрить в бизнес-процессы кредитной организации.
Объектом диссертационного исследования является процесс организации розничного кредитования.
Предметом исследования являются подходы, методы, алгоритмы, обеспечивающие поддержку принятия решения в процессе розничного кредитования.
Теоретической и методологической основой диссертационного исследования являются труды отечественных и зарубежных ученых в области создания автоматизированных систем управления бизнес-процессами и систем поддержки принятия решений, управления рисками, экономической теории, теории информации, экономической кибернетики,
законодательные и нормативные акты Российской Федерации, Банка России, внутренние инструкции кредитных организаций. В работе использованы материалы, опубликованные в российской и зарубежной печати, а также представленные на специализированных профессиональных сайтах сети Интернет. При разработке представленных в диссертации экономико-математических моделей и методов использовались методы системного анализа, теории вероятностей, теории информации, методы построения деревьев решений и иерархического синтеза.
Диссертационная работа выполнена в рамках паспорта научных специальностей ВАК 08.00.13 - Математические и инструментальные методы экономики, п. 1.4. «Разработка и исследование моделей и математических методов анализа микроэкономических процессов и систем: отраслей народного хозяйства, фирм и предприятий, домашних хозяйств, рынков, механизмов формирования спроса и потребления, способов количественной оценки предпринимательских рисков и обоснования инвестиционных решений», п. 2.3. «Разработка систем поддержки принятия решений для рационализации организационных структур и оптимизации управления экономикой на всех уровнях», п. 2.5. «Разработка концептуальных положений использования новых информационных и коммуникационных технологий с целью повышения эффективности управления в экономических системах».
Наиболее существенные результаты, полученные лично автором и имеющие научную новизну:
Показаны направления использования различных видов скоринга в организации процесса розничного кредитования, описана организация системы кредитного скоринга в различных бизнес-процессах.
Разработан алгоритм построения скоринговой модели в виде дерева решений на основе знаний эксперта в области кредитования, представленных в виде правил, и имеющихся данных о кредитных историях.
Разработан метод построения «коллективной» скоринговой модели на основе метода иерархического синтеза, т.е. модели, построенной на основании мнений нескольких экспертов и учитывающей различную значимость каждого из экспертов.
Разработано программное обеспечение, реализующее предложенные автором методы построения скоринговых моделей.
Теоретическая и практическая значимость диссертационной работы заключается в реализации основных рекомендаций в деятельности коммерческих банков при организации процесса розничного кредитования, разработан комплексный механизм принятия решений и эффективного управления кредитными и операционными рисками в розничном кредитовании. Разработанная автором система скоринговой оценки может использоваться кредитующими подразделениями коммерческих банков при принятии организационно-управленческих решений по кредитованию населения. Предложенный метод построения «коллективной» модели кредитного скоринга может использоваться в системе скоринговой оценки в случае недостаточности количества и/или качества статистических данных, а также когда необходимо внести изменения в скоринговую модель, не дожидаясь изменений в кредитном портфеле.
Апробация работы. Основные результаты и положения работы докладывались и обсуждались на следующих конференциях:
13-я Всероссийская конференция «Математическое программирование и приложения», Екатеринбург, февраль-март 2007 г.;
38-я Региональная молодежная конференция ИММ УрО РАН «Проблемы теоретической и прикладной математики», Екатеринбург, январь-февраль 2007 г.;
III Всероссийская конференция «Проблемы оптимизации и экономические приложения», Омск, июль 2006 г.;
ежегодные научно-практические конференции ЮУрГУ.
Публикации. По теме диссертационного исследования опубликовано 10 научных работ, общим объемом 3,4 п.л., (1,6 авторских), отражающих ее основные результаты.
Структура работы Работа изложена на 188 страницах машинописного текста, состоит из введения, четырех глав, заключения и двух приложений. Работа иллюстрирована 2 таблицами, 18 рисунками. Библиографический список содержит 98 наименований литературных источников.
Во введении обоснована актуальность исследуемой проблемы, сформулированы цель работы, объект и предмет исследований, кратко охарактеризована научная новизна и практическая значимость полученных результатов, их апробация, приведены сведения о расположении материала по разделам работы.
В первой главе показаны особенности рынка розничного кредитования, структура процесса розничного кредитования, проанализирована роль системы кредитного скоринга как конкурентного преимущества кредитной организации. Во второй главе предложена концептуальная структура системы кредитного скоринга исходя из особенностей рынка розничного кредитования, описана организация процесса кредитования с использованием данной системы, предложены меры по снижению кредитного и операционного рисков банка. В третьей главе предложен метод, позволяющий строить скоринговую модель в виде дерева решений как на основе знаний экспертов в области кредитования, так и на основе имеющихся данных о кредитных историях клиентов. Разработан метод построения «коллективной» скоринговой модели, использующий мнения нескольких экспертов с учетом значимости каждого из экспертов в кредитном учреждении. В четвертой главе описана архитектура разработанного программного обеспечения. В заключении приводятся основные выводы и предложения по результатам диссертационного исследования.
В приложении 1 приводится листинг программы, реализующей разработанные алгоритмы построения «коллективной» модели кредитного скоринга на основе знаний экспертов в области кредитования, с учетом их значимости в кредитной организации, и имеющихся данных о кредитных историях. В приложении 2 приводится описание данных, используемых в примере работы программного обеспечения.
Роль системы кредитного скоринга как конкурентного преимущества кредитной организации
Если рассматривать то, насколько отечественные банки готовы к внедрению скоринговых систем, то здесь складывается двойственная ситуация. В то время как большинство крупных банков уже вплотную подошли к внедрению полноценных систем кредитного скоринга, банки среднего размера только начинают осознавать свою потребность в скоринге. Хотя именно у средних банков складывается наиболее ясное понимание того, что внедрение систем кредитного скоринга - это единственная возможность вести конкурентную борьбу с крупными банками на рынке кредитования физических лиц.
Конечно, считать, что в российских банках вообще не используются системы кредитного скоринга, нельзя. В некоторых крупных банках работают централизованные системы оценки заемщиков, однако, как правило, это системы с простейшей отчетностью. Банков, где кредитный скоринг неразрывно связан с кредитной политикой, стратегиями принятия решений и возможностью оперативного управления скоринговыми моделями, - единицы [61].
Порядка 90% используемых сегодня методик оценки заемщиков реализованы в формате MS Excel [61]. И хотя это обеспечивает простоту вычисления и работы, имеются достаточно серьезные проблемы: - децентрализованность системы оценки; - невозможность построения сложной стратегии принятия решения; - скоринговые карты основаны на экспертных знаниях кредитных аналитиков банка, что ограничивает их качество и уменьшает клиентскую базу; - невозможность осуществления быстрых решений департамента риска кредитной организации: смена или корректировка методики оценки превращается в длительную процедуру для большого количества точек обслуживания; - открытость методики оценки: любой человек, имеющий определенные навыки, может «взломать» методику оценки и в дальнейшем «подстроиться» под «хорошего» заемщика; это касается не только рисков мошенничества, но и помощи заемщикам со стороны кредитных инспекторов, которые в большей части являются низкооплачиваемыми сотрудниками и стремятся к максимальному объему привлеченных кредитов, не отвечая за их возврат). И самое важное, что при использовании такого подхода невозможно дать ответы на ряд вопросов, которые интересует любой банк, работающий на рынке розничного кредитования. Например, почему ухудшается качество кредитного портфеля; что нужно сделать для более точной оценки заемщика; как следует изменить расчет оценки с учетом накопленного опыта? Если рассматривать внедрение скоринга как инфраструктурную задачу, то есть как задачу построения централизованной системы оценки и принятия решения (см.рис.5), то в такой системе должны быть реализованы следующие возможности [20, 22, 73, 88, 95]. Управление кредитными продуктами - задание соответствий между моделями и типами кредитных продуктов, использование для различных целевых групп различных моделей оценки. Создание стратегий принятия решений - создание правил интерпретации скорингового результата, формирование принципов стратегии принятия решения по кредитной заявке. Мониторинг точек продаж кредитных продуктов - оценка эффективности и динамики работы в режиме реального времени, отслеживание количества «фиктивных» запросов на получение оценки, отслеживание принятых решений на основе скоринга. Отслеживание адекватности моделей и качества кредитного портфеля — проверка рабочей адекватности модели на текущих заемщиках, оценка фактора субъективности в приятии решений. и т.д. Если определить кредитный скоринг как разработку моделей, то основные задачи, стоящие перед кредитной организацией, следующие: определение ключевой цели и типа скоринга: определение того, для чего конкретно будет использоваться скоринг - оценка заемщика, оценка динамики состояния счета или же определение оптимальной стратегии по уже «плохим» заемщикам; оценка, анализ и определение критериев: задание критериев оценки кредитоспособности и определение базовых параметров классификации заемщиков; выбор методов построения скоринговых моделей: исследование доступных методов создания скоринговых моделей на предмет максимальной адекватности имеющейся ситуации; оценка финансовой эффективности моделей: оценка и анализ общего влияния скоринговой модели на кредитный портфель в целом. Исходя из анализа процесса розничного кредитования, полноценная система кредитного скоринга должна отвечать следующим требованиям [20, 22, 88, 95]. 1. Централизованность, то есть наличие одной системы кредитного скоринга во всех структурных подразделениях банка, осуществляющих розничное кредитование. Это позволяет иметь одну методологию оценки заявок на кредит, проводить быструю и централизованную интеграцию в работу созданных моделей и стратегий работы, осуществлять качественный, полноценный и оперативный контроль за деятельностью как отдельных сотрудников, так и структурных подразделений. 2. Возможность автоматической работы системы с информацией из внешних источников, таких как кредитные бюро, свои локальные базы данных, черные списки службы безопасности, данные о предприятиях региона, Федеральной миграционной службы, Пенсионного фонда РФ и др. 3. Возможность построения скоринговых моделей с использованием различных методов: бальные модели, дискриминантный анализ, кластерный анализ, деревья решений, нейронные сети и др. 4. Возможность сегментации заявок / клиентов. 5. Возможность создания стратегий анализа заемщиков, то есть возможность создания правил кредитной политики, объединения нескольких скоринговых моделей и создания правил по анализу их результатов, возможность расчета в системе дополнительных параметров кредита (оптимальная сумма кредитования, срок, первоначальный взнос, обеспечение и др.) (см. рис. 6). 6. Возможность гибкой настройки интерпретации скорингового рейтинга для кредитных специалистов, позволяющая скоринговой системе выдавать для кредитных специалистов рекомендации, замечания, подсказки и различного рода сообщения, делая, таким образом, оценку заемщика максимально объективной и качественной.
Система кредитного скоринга при работе с просроченной задолженностью
В эпоху «кредитного бума» банки, в погоне за более высокой долей рынка, смягчали условия выдачи кредитов и ослабляли требования риск-менеджмента. Раньше рост просрочки был не так заметен, так как объем кредитов рос опережающими темпами. Сейчас рост кредитов замедлился или остановился, рост просрочки заметен у всех банков. Такие долги характеризуются относительно невысокой суммой индивидуальной задолженности каждого клиента при большом общем их количестве. Наиболее эффективно взыскание таких долгов во внесудебном порядке, так как судебное и исполнительное производство в рамках юридических процедур являются крайне ресурсоемкими, и их себестоимость часто превышает сумму задолженности.
В связи с ростом просроченной задолженностью на сегодня одной из основных задач для банков является построение коллекторской работы, то есть обеспечение возврата выданных кредитов. Причем особенно важно разумно подойти к вопросу взыскания долгов в разрезе долгосрочных перспектив. В связи с кризисом некоторые вполне благонадежные заемщики могут допускать незначительные просрочки. Зачастую банкам стоит отнестись к таким просрочкам лояльно, чтобы в дальнейшем получить в ответ лояльность заемщика. Особенную важность в этой ситуации имеет сегментация заемщиков, которая позволит получить в дальнейшем ощутимую прибыль для банка. Использование системы кредитного скоринга позволяет банку настроить работу с просрочкой с учетом особенностей кредитных продуктов, региональной, отраслевой или любой другой принадлежности должников, разработать и применять индивидуальный подход к разным сегментам должников или каждому неплательщику в отдельности.
Рабочий день коллекторской службы банка или коллекторского агентства начинается с просмотра базы данных и составления списка задач (звонков, визитов) на день. Объем базы данных должников зависит от различных факторов. В период сложной экономической ситуации в стране объем просроченной задолженности резко возрастает. Соответственно, усложняется планированием рабочего дня - новые данные поступают в непредсказуемых объемах, и выделение из них наиболее приоритетных является довольно сложной задачей. А перед планированием каждого визита к должнику коллектору необходимо потратить немало времени на изучение конкретной ситуации, но отправляться на встречу зачастую все равно приходится, не предполагая действительного исхода.
Большинство из тех, кто преднамеренно не оплачивает кредит, предпринимают попытки скрыться от кредиторов, для чего, как правило, меняются номера телефонов и место постоянного жительства, для проживания используются арендованные квартиры, заключаются браки, изменяются фамилии и т.д. Любой профессиональный коллектор поддержит мнение о том, что установление контакта с должником неразрывно связано с самим фактом оплаты, поскольку для того чтобы эффективно взыскать долг, нужно представлять психологический портрет неплательщика, его интересы, проблемы, слабые стороны [72]. Активно приступая к работе с неплательщиками, каждый коллектор обязан придерживаться определенного алгоритма. Целесообразность применения скоринговых методов в коллекторской деятельности заключается не столько в автоматизации рутинных операций, связанных с отправкой уведомлений и писем, сколько в планировании работы с должником (исходя из рассчитываемой вероятности положительного исхода), а также определении эффективной последовательности воздействий на должника. Нужно отметить, что себестоимость мероприятий по взысканию не должна превышать доходности; ограниченность трудовых ресурсов требует приоритезации усилий; наличие дополнительных ограничений, направленных на сохранение лояльности клиентов, выполнение нормативов регулирующих органов и т.п.
Обычные вопросы, возникающие перед руководителем коллекторского подразделения или аналитиком: - что выгоднее: начать взыскание немедленно или подождать несколько дней (возможно, клиент внесет платеж без дополнительных напоминаний)? - на какого клиента направить больше усилий по взысканию: должника, занимающегося индивидуальной предпринимательской деятельностью, который должен банку 500 000 руб., но скрывается, или заемщика по кредитной карте с суммой задолженности 10 000 руб.? - какого клиента нет смысла убеждать в ходе длительных телефонных переговоров, а необходимо срочно подавать в суд? - когда следует прекратить усилия по взысканию данной задолженности? На эти и подобные вопросы способна ответить система collection-скоринга. Задача collection-скоринга заключается в решении ключевых задач коллекторской деятельности, таких как планирование и осуществление своевременных и целенаправленных действий по управлению взаимоотношениями с должниками, начиная с момента первого возникновения просроченного платежа. Цель такого типа скоринга — предотвратить переход клиентов в разряд «безнадежных» должников. Технология collection-скоринга заключается в определении значимых для анализа характеристик клиента и ситуации, прогон данных через collection-скоринговую модель, формирование совокупности воздействий на основе данных моделирования (план collection-деятельности) и организация работы коллектора [95].
Алгоритм построения дерева по правилам эксперта и данным
Если рассматривать кредитную организацию, то в ней всегда существует несколько экспертов, ответственных за качество кредитного портфеля (начальник подразделения розничного кредитования, его заместитель, члены кредитно-экономического комитета и др.) и имеющих свои предпочтения и свое «виденье» кредитоспособного клиента. Помимо этого, использование знаний нескольких экспертов - это снижение субъективизма при принятии решений. Рассмотрим способ построения коллективной модели оценки кредитоспособности заемщиков, на основе моделей, предложенных несколькими экспертами в области кредитования.
Будем считать, что эксперты используют один и тот же набор кредитных историй, характеристик и общий критерий ветвления в алгоритме J4.8, что и характерно для одной кредитной организации. Отличаются модели только набором правил, используемых экспертами, и их приоритетом. Пусть {EVE2,...,E„} - множество экспертов, {PvP2,...,Pk} - используемые ими правила. Для ранжирования правил относительно цели используется следующий метод, основанный на иерархическом синтезе [1, 2, 4-6, 15, 18, 23, 36, 47, 56, 57, 63, 66, 67]. Шаг 1. Структурировать исходную задачу как иерархию целей. Иерархия целей строится следующим образом: верхний уровень (цель А) соответствует нахождению оптимального ранжирования правил, средний уровень соответствует системам предпочтений экспертов [Ех,Е2,...,Еп], а нижний уровень - всем используемым экспертами правил {Рх,Р2,...,Рк}. Каждый элемент среднего уровня соединен с элементом верхнего уровня, но не всегда с каждым элементом нижнего уровня (см. рис.17). Шаг 2. На основе иерархической структуры построить бинарную (kxri) матрицу В соответствий между экспертами и правилами. Матрица В содержит элементы bv ={0,1}: если правило Р{ используется для построения модели экспертом Ej, то Ъц = 1, в противном случае Ьу = 0. Шаг 3. Для каждого элемента иерархии построить матрицы парных сравнений элементов иерархии следующих уровней: [А] и [Е,], і = 1, 2, ..., п. Для установления относительной важности элементов иерархии следует воспользоваться шкалой отношений (действительные числа от 1 до 9, чем больше значение, тем более значим элемент иерархии) (см. табл.1). При использовании указанной шкалы эксперт, сравнивая два правила в смысле достижения цели А, расположенной на вышележащем уровне иерархии, должен поставить число в интервале от 1 до 9 или обратное значение. Для этого в иерархии выделяют элементы двух типов: элементы-родители и элементы-потомки. Элементы-потомки воздействуют на соответствующие элементы вышестоящего уровня иерархии, являющиеся по отношению к первым элементами-родителями. Матрицы парных сравнений строятся для всех элементов-потомков, относящихся к определенному родителю. Парные сравнения производятся в терминах доминирования одного элемента над другим в соответствии со шкалой отношений. При проведении парных сравнений следует отвечать на вопросы: какой из двух сравниваемых элементов важнее или имеет большее воздействие. Если элемент Е] доминирует над элементом Е2 то клетка матрицы, соответствующая строке Е] и столбцу Е2, заполняется числом большим единицы, а клетка, соответствующая строке Е2 и столбцу Е\ заполняется обратным к нему числом. 5 Существенная или сильная значимость Имеются надежные данные или логические суждения для того, чтобы показать предпочтительность одного из действий 7 Очевидная или очень сильная значимость Убедительное свидетельство в пользу одного действия перед другим 9 Абсолютная значимость Свидетельства в пользу предпочтения одного действия перед другим в высшей степени убедительны Матрица парных сравнений правил каждого из эксперта строится по следующему алгоритму: каждое последующее правило из списка правил эксперта имеет приоритет на ниже, чем предыдущее, где к к-\ к \ количество используемых экспертом правил, т.е где {dij) представляют векторы приоритетов правил относительно эксперта Ej. При этом если правило Pt не оценивается экспертом Ej, то в матрице D соответствующее значение d0=0. Шаг 6. Для повышения приоритета правил, образующих большие группы, и снижение приоритета правил в группах с их относительно небольшим числом, построить следующий структурный критерий, отображаемый диагональной матрицей L (имеется в виду, что группу определяют правила, используемые экспертом Ej, или другими словами являющиеся «потомками» по отношению к эксперту Ej в иерархической схеме задачи):
Пример работы программного обеспечения
Стилевыми таблицами (стилевыми листами) принято называть специальные инструкции, управляющие процессом отображения элемента в окне программы-клиента (например, в окне браузера) [96, 97]. Примером таких таблиц является такой стандарт для HTML-страниц как CSS (Cascading Style Sheets). Однако, являясь очень мощным средством оформления HTML- страниц, CSS- таблицы, тем не менее, не могут применяться в XML-документах, т.к. набор тэгов в этом языке не ограничен и использование статических ссылок на форматируемые объекты документа в этом случае невозможно.
Поэтому для форматирования XML- элементов был разработан новый язык разметки XSL (Extensible Stylesheet Language), являющийся подмножеством XML, и специально был предназначен для форматирования XML-элементов.
Можно выделить некоторые его отличия от CSS. Во-первых, стилевые таблицы XSL позволяют определять оформление элемента в зависимости от его месторасположения внутри документа, т.е. к двум элементам с одинаковым названием могут применяться различные правила форматирования. Во-вторых, языком, лежащем в основе XSL, является XML, а это означает, что XSL более гибок, универсален и у разработчиков появляется возможность использования средства для контроля за корректностью составления таких стилевых списков (используя DTD или схемы данных). В-третьих, таблицы XSL не являются каскадными, подобно CSS, т.к. чрезвычайно сложно обеспечить "каскадируемость" стилевых описаний, или, другими словами, возможность объединения отдельных элементов форматирования путем вложенных описаний стиля, в ситуации, когда структура выходного документа заранее неизвестна, и он создается в процессе самого разбора. Однако в XSL существует возможность задавать правила для стилей, при помощи которых можно изменять свойства стилевого оформления, что позволяет использовать довольно сложные приемы форматирования [59].
XSL - документ представляет собой совокупность правил построения, каждое из которых выделено в отдельный блок, ограниченный тэгами rule и /rule . Правила определяют шаблоны, по которым каждому элементу XML ставится в соответствие последовательность HTML- тэгов, т.е. внутри них содержатся инструкции, определяющие элементы XML-документа и тэги форматирования, применяемые к ним. Использование Documents Type Definitions (DTD) и XML Schema Definitions (XSD)
В XML-документах DTD определяет набор действительных элементов, идентифицирует элементы, которые могут находиться в других элементах, и определяет действительные атрибуты для каждого из них. Синтаксис DTD весьма своеобразен и от автора-разработчика требуются дополнительные усилия при создании таких документов (сложность DTD является одной из причин того, что использование SGML, требующего определение DTD для любого документа, не получило столь широкого распространения как, например, HTML). Как уже отмечалось, в XML использовать DTD не обязательно - документы, созданные без этих правил, будут правильно обрабатываться программой-анализатором, если они удовлетворяют основным требованиям синтаксиса XML. Однако контроль за типами элементов и корректностью отношений между ними в этом случае будет полностью возлагаться на автора документа. До тех пор, пока грамматика нашего нового языка не описана, его сможем использовать только конкретные пользователи, и для этого нужно применять специально разработанное программное обеспечение, а не универсальные программы-анализаторы [54]. В DTD для XML используются следующие типы правил: правила для элементов и их атрибутов, описания категорий (макроопределений), описание форматов бинарных данных. Все они описывают основные конструкции языка — элементы, атрибуты, символьные константы внешние файлы бинарных данных.
Для того чтобы использовать DTD в документе, его можно описать его во внешнем файле и при описании DTD просто указать ссылку на этот файл или же непосредственно внутри самого документа выделить область, в которой определить нужные правила.
XSD является наиболее современным языком для описания схемы любых XML-документов. 2 мая 2001 года консорциум W3C опубликовал формат 1.0 для схем XSD. Затем в этом же году компания Microsoft выпустила формат MSXML 4 . 0 для XML-документов, поддерживающий XSD. Схемы являются альтернативным способом создания правил построения XML-документов. По сравнению с DTD, схемы обладают более мощными средствами для определения сложных структур данных, обеспечивают более понятный способ описания грамматики языка, способны легко модернизироваться и расширяться. Безусловным достоинством схем является также то, что они позволяют описывать правила для XML- документа средствами самого же XML.
Однако это не означает, что схемы могут полностью заменить DTD-описания - этот способ определения грамматики языка используется сейчас практическими всеми верифицирующими анализаторами XML и, более того, сами схемы, как обычные XML- элементы, тоже описываются DTD. Но серьезные возможности нового языка и его относительная простота, безусловно, дают основания утверждать, что новейший стандарт найдет широкое применение в качестве удобного и эффективного средства проверки корректности составления документов.
Похожие диссертации на Математические и инструментальные методы оценки рисков в розничном кредитовании на основе композиции статистического и экспертного подходов
