Содержание к диссертации
Введение
Глава 1. Анализ процесса принятия решения при мониторинге банкротств предприятий 10
1.1. Анализ процедур принятия решений о банкротстве предприятий 10
1.2. Анализ предпосылок к исследованию банкротств предприятий 14
1.2.1. Анализ данных арбитражных судов федерального уровня 14
1.2.2. Анализ данных арбитражных судов регионального уровня 17
1.2.3. Анализ данных о незаконных банкротствах 19
1.3. Методические основы диагностики банкротств 21
1.3.1. Анализ методик прогнозирования банкротства предприятия 21
1.3.2. Анализ зарубежные методов диагностики банкротств 24
1.3.3. Анализ методики принятия решения о несостоятельности на российских предприятиях 28
1.4. Анализ возможностей известных программных продуктов для поддержки принятия решения о финансовом состоянии предприятия 31
Выводы по главе 1 34
Глава 2. Разработка подхода к поддержке принятия решений при мониторинге банкротств предприятий с использованием возможностей информационных технологий 36
2.1. Место задачи принятия решения в общем контуре управления и разработка схемы обмена данными в системе мониторинга банкротств предприятий 36
2.1.1. Определение структуры системы поддержки принятия решений при мониторинге банкротств предприятий 38
2.1.2. Разработка схемы обмена данными в системе мониторинга банкротств 41
2.2 Разработка системных моделей поддержки принятия решений при мониторинге банкротства 45
2.2.1. Разработка функциональной модели 45
2.2.2. Разработка информационной модели 48
2.3. Разработка требований к экспертной системе и выбор моделей представления знаний для поддержки принятия решений при мониторинге банкротств предприятий 51
2.3.1. Назначение и структура экспертной системы 51
2.3.2. Этапы разработки экспертной системы 53
2.3.3. Выбор моделей представления знаний для экспертной системы мониторинга банкротств предприятий 56
2.4. Разработка требований к блоку анализа финансовых показателей для
поддержки принятия решений при мониторинге банкротств предприятий 59
2.4.1. Анализ финансовых показателей предприятия и задача прогнозирования временных рядов 59
2.4.2. Выбор инструментария интеллектуального анализа данных 64
Выводы по главе 2: 66
Глава 3. Разработка методов для системы мониторинга банкротств предприятий 68
3.1. Формализация задачи принятия решения о наличии признаков ложного банкротства предприятий 68
3.2. Разработка моделей и алгоритмов для группировки предприятий в соответствии со степенью угрозы банкротства 73
3.2.1. Структурирование знаний и формирование правил экспертной системы 74
3.3.1. Разработка дерева решений модуля экспертной системы для группировки предприятий в соответствии со степенью угрозы банкротства76
3.3. Разработка моделей модуля экспертной системы для выявления признаков ложного банкротства предприятий 78
3.3.1. Структурирование знаний и формирование правил модуля экспертной системы для выявления возможных признаков ложного банкротства предприятий 79
3.3.2. Дерево решений модуля экспертной системы для выявления наличия возможных признаков ложного банкротства предприятий 81
3.4. Разработка моделей и алгоритмов для реализации модуля интеллектуального анализа данных в системе поддержки принятия решений при мониторинге банкротств предприятий 84
3.5. Моделирование процессов функционирования системы поддержки принятия решений при мониторинге банкротств предприятий с использованием иерархических цветных сетей Петри 87
Выводы по главе 3: 94
Глава 4. Реализация и анализ прототипа системы мониторинга банкротств предприятий и анализ эффективности предложенного подхода 96
4.1. Программная реализация модуля экспертной системы для классификации предприятий в соответствии со степенью угрозы банкротства 96
4.2. Программная реализация модуля экспертной системы для оценки наличия признаков ложного банкротства на предприятии 105
4.3. Программная реализация системы интеллектуального анализа данных для прогнозирования финансовых показателей предприятия
4.4. Анализ эффективности предложенных моделей и методов для мониторинга банкротств предприятий 115
Выводы по главе 4: 121
Направления дальнейших исследований 122
Список литературы: 125
- Анализ предпосылок к исследованию банкротств предприятий
- Определение структуры системы поддержки принятия решений при мониторинге банкротств предприятий
- Разработка моделей и алгоритмов для группировки предприятий в соответствии со степенью угрозы банкротства
- Программная реализация модуля экспертной системы для оценки наличия признаков ложного банкротства на предприятии
Введение к работе
Число банкротств в России неуклонно растет, об этом свидетельствует статистика дел о несостоятельности (банкротстве) рассмотренная арбитражными судами Российской Федерации в 1998-2007 гг.
По данным Министерства внутренних дел РФ материальный ущерб от экономических преступлений в 2006 году превысил 100 миллиардов рублей. За этот же промежуток времени сотрудниками департамента экономической безопасности МВД РФ было выявлено более 250 тысяч преступлений экономической направленности. Среди экономических преступлений, которые вызывают наибольшую обеспокоенность в последнее время, прежде всего находятся преступления, связанные с банкротствами предприятий.
Ряд работ отечественных и зарубежных ученых и экономистов, таких как В. И. Терехин, В. П. Панагушин, М. Н. Крейнина, Е. А. Мизиковский [1],А. П. Градов, А.О. Недосекин, М.И. Гизатуллин, А.И. Ковалев, В.П. Привалов, Э. Альтман, У. Бивер и др., посвящены исследованию проблемы банкротств.
Важным аспектом проблемы банкротств является анализ и своевременное выявление признаков ложных (фиктивных и преднамеренных) банкротств, так как они приносят наибольший ущерб в сфере банкротств предприятий. Ложное банкротство несет в себе прямую угрозу экономической безопасности государства, поскольку подрывает основы современной рыночной системы, делает страну непривлекательной для стратегических инвесторов. Важная роль в повышении достоверности принятия управленческих решений отводится мониторингу банкротств. На сегодняшний день не разработано комплексного решения данной задачи, которое бы включало весь необходимый набор методического, алгоритмического и программного обеспечения.
Целью диссертационной работы является разработка методического, алгоритмического и информационного обеспечения системы поддержки принятия решений при мониторинге банкротств предприятий для повышения уровня достоверности и обоснованности принятия управленческих решений в кризисных ситуациях.
Задачи исследования. Для достижения поставленной цели сформулированы следующие задачи:
Разработать концепцию системы поддержки принятия решений при мониторинге банкротств предприятий на основе применения инженерии знаний, технологии экспертных систем и технологии интеллектуального анализа данных.
Разработать метод классификации предприятий в соответствии со степенью угрозы банкротства на основе технологии экспертных систем.
Разработать метод прогнозирования финансовых показателей предприятия на основе интеллектуального анализа данных.
Разработать метод выявления признаков ложного банкротства на основе технологии экспертных систем.
Разработать алгоритмическое и информационное обеспечение для реализации системы поддержки принятия решений при мониторинге банкротств предприятий.
Методы исследования. В ходе исследования в качестве инструментария использовались методы системного анализа, теории принятия решений, методы разработки и эксплуатации экспертных систем, методы интеллектуального анализа данных, методы моделирования на основе иерархических сетей Петри.
На защиту выносятся:
Концепция системы поддержки принятия решений при мониторинге банкротств предприятий на основе применения инженерии знаний, технологии экспертных систем и технологии интеллектуального анализа данных.
Метод классификации предприятий в соответствии со степенью угрозы банкротства на основе технологии экспертных систем.
Метод прогнозирования финансовых показателей предприятия на основе интеллектуального анализа данных.
Метод выявления признаков ложного банкротства на основе технологии экспертных систем.
7 Алгоритмическое и информационное обеспечение для реализации
системы поддержки принятия решений при мониторинге банкротств
предприятий.
Методы исследования. В ходе исследования в качестве инструментария использовались методы системного анализа, теории принятия решений, методы разработки и эксплуатации экспертных систем, методы интеллектуального анализа данных, методы моделирования на основе иерархических сетей Петри.
На защиту выносятся:
Концепция системы поддержки принятия решений при мониторинге банкротств предприятий на основе применения инженерии знаний, технологии экспертных систем и технологии интеллектуального анализа данных.
Метод классификации предприятий в соответствии со степенью угрозы банкротства на основе технологии экспертных систем.
Метод прогнозирования финансовых показателей предприятия на основе интеллектуального анализа данных.
Метод выявления признаков ложного банкротства на основе технологии экспертных систем.
Алгоритмическое и информационное обеспечение для реализации системы поддержки принятия решений при мониторинге банкротств предприятий.
Научная новизна работы:
Новизна концепции системы поддержки принятия решений при мониторинге банкротств предприятий состоит в подходе к выявлению признаков ложного банкротства на основе интеграции технологий экспертных систем и интеллектуального анализа данных, что позволяет организовать эффективную систему поддержки принятия решений при мониторинге банкротств предприятий.
Новизна метода классификации предприятий в соответствии с угрозой банкротств на основе экспертной системы состоит в формализации знаний в виде дерева решений для группировки предприятий в соответствии со степенью
8 угрозы банкротства и поиске решений с использованием полученных
продукционных правил, что позволяет снизить влияние человеческого фактора
при классификации предприятий.
Новизна метода прогнозирования финансовых показателей предприятий состоит в разработке алгоритма прогнозирования для каждого из финансовых показателей путем нейросетевого моделирования в рамках интеллектуального анализа данных, что позволяет повысить точность прогноза.
Новизна метода выявления признаков ложного банкротства состоит в прогнозе динамики изменения финансовых показателей, характеризующих наличие признаков ложного банкротства, на основе экспертной системы и отличается способом подготовки данных и формированием признаков для поиска решений, что позволяет выявлять признаки ложного банкротства на ранней стадии.
Новизна алгоритмов и информационного обеспечения состоит в использовании технологии экспертных систем для реализации процедур классификации предприятий в соответствии с угрозой банкротств и выявления признаков ложного банкротства, что позволяет снизить количество ошибочных решений при мониторинге банкротств предприятий.
Практическая значимость и внедрение результатов. Практическую значимость имеют полученные автором следующие результаты:
Метод классификации предприятий в соответствии с угрозой банкротств на основе экспертной системы.
Комбинирование различных инструментов для прогнозирования финансовых показателей предприятия на основе интеллектуального анализа данных.
Метод выявления признаков ложного банкротства на основе экспертной системы.
9 Реализация предложенных алгоритмов в компьютерной среде,
включающей оболочку Knowledge Wright 4.3.2. и аналитическую платформу
Deductor 5.0.
Практическое использование результатов работы позволяет повысить достоверность управленческих решений при мониторинге банкротств предприятий, а также снизить влияние человеческого фактора в процессе принятия решений.
Результаты работы внедрены в следственном управлении Следственного комитета при прокуратуре РФ по РБ, в учебном процессе УГАТУ, в ООО «Сервис-Центр Регион».
Связь с плановыми исследованиями. Исследование по тематике диссертации выполнено в рамках НИР по темы ИФ-ВК-01-08-ОЗ Министерства образования РФ «Исследование и разработка интеллектуальных технологий поддержки принятия решений и управления на основе инженерии знаний».
Апробация работы. Основные положения и результаты работы докладывались на научно-технических- конференциях: 8-й Международной конференции «Компьютерные науки и информационные технологии» (Германия, 2006), зимней школе-семинаре аспирантов и молодых ученых УГАТУ (2007, 2008 гг.), 9-й Международной конференции «Компьютерные науки и информационные технологии» (Красноусольск, 2007), на заседании Башкирского отделения научного совета РАН по методологии искусственного интеллекта (Уфа, 2008), на Международной научно-практической конференции «Технологии управления социально-экономическим развитием региона» ИСЭИ УНЦ РАН (Уфа, 2008), на 10-й Международной конференции «Компьютерные науки и информационные технологии» (Турция, 2008).
Анализ предпосылок к исследованию банкротств предприятий
Число банкротов в России неуклонно растет, об этом свидетельствует статистика дел о несостоятельности (банкротстве) рассмотренная арбитражными судами Российской Федерации в 1998 - 2006 гг. [5,6,7,8].
В ежегодном отчете-справке арбитражный суд РФ раскрывает ряд показателей по рассмотрению дел о несостоятельности. Сбор и анализ такого рода информации является важным шагом на пути формирования общей картины функционирования института банкротства в России. Результаты анализа данных представлены на рисунках 1.2 и 1.3.
Анализ данных показывает, что в 2005 году в суды поступило в 2,3 раза больше заявлений о несостоятельности, чем за предыдущий отчетный период. Увеличение количества поступивших заявлений обусловлено, в частности, определением порядка и условий финансирования процедур банкротства отсутствующих должников из средств федерального бюджета в соответствии с постановлением Правительства Российской Федерации от 21.10.2004. № 573.
Данные о решениях арбитражного суда РФ Процедуры, направленные на восстановление платежеспособности должников, проводились в отношении 1 045 должников (процедура финансового оздоровления в отношении 3% должников, внешнего управления в отношении 97% должников). По результатам проведения указанных процедур только в 2% случаях производство по делам было прекращено в связи с погашением задолженности и удовлетворением требований кредиторов. [7]
По результатам рассмотрения дел в 2005 г. принято 13 963 решения о признании должников банкротами и открытии конкурсного производства. Из них в 13,6% случаях признаны банкротами государственные и муниципальные унитарные предприятия. [8]
В рассматриваемом периоде 2004 г. по 2005 г. завершено производство по 18 812 делам, в том числе по 0,4% делам в связи с заключением мирового соглашения и по 1,6% делам в связи с отказом в признании должника банкротом. По 79,3%) дел производство окончено в связи с завершением конкурсного производства.[7,8]
В рамках дел о банкротстве арбитражными судами в 2005 г. рассмотрено 99 220 разногласий, заявлений, жалоб на 13,4%) больше, чем в 2004 году [8]. Из общего количества рассмотренных заявлений 73,0% составили заявления об установлении размера требований кредиторов.
Если проблему принятия решения об экономической несостоятельности предприятия рассматривать на примере Республики Башкортостан, которая на сегодняшний день не входит в число самых проблемных регионов страны, то следует отметить, что год от года число поступающих заявлений в Арбитражный суд растет. Статистика поступивших заявлений за последние два года сформирована на основании ежегодного отчета Арбитражного суда [9].
Согласно статистике, большинство дел о несостоятельности в 2006 г. было инициировано уполномоченными органами [9]. Число таких дел, по сравнению с предшествующим отчетным периодом, увеличилось с 807 до 1342. Кроме того, в 2006 г. число поданных заявлений о признании банкротами отсутствующих должников увеличилось в 11 раз по сравнению с 2005 г.
Основной вывод, следующий из проведенного выше анализа статистики дел о признании несостоятельности предприятий в арбитражных судах за 1998-2006 гг., заключается в том, что закон о несостоятельности (банкротстве) от 2002 г. не принес ожидаемого снижения количества банкротств. Следовательно, проблема не может быть решена только путем совершенствования законодательства, необходимо создание эффективной системы мониторинга. 1.2.3. Анализ данных о незаконных банкротствах
Существуют два основных вида ложного банкротства: фиктивное банкротство и преднамеренное банкротство. Фиктивное банкротство — заведомо ложное объявление руководителем юридического лица о несостоятельности данного юридического лица или индивидуальным предпринимателем о своей несостоятельности, в том числе обращение этих лиц в арбитражный суд с заявлением о признании должника банкротом при наличии у него возможности удовлетворить требования кредиторов в полном объеме, влечет административное наказание, установленное законодательно [10].
Преднамеренное банкротство — преступление в сфере экономической деятельности, умышленное создание или увеличение неплатежеспособности, совершенное руководителем или собственником коммерческой организации, а равно индивидуальным предпринимателем в личных интересах или интересах иных лиц, причинившее крупный ущерб либо иные тяжкие последствия [11].
Вопросы фиктивных и преднамеренных банкротств оставались актуальными в 2003-2004 гг. По данным ФСФО, в 2002 г. выявлено 457 фактов преднамеренного и фиктивного банкротства, в 2003 г. — 417. При этом в 2002-2004 гг. было возбуждено около 300 уголовных дел по данным признакам, однако только 20 были доведены до суда, в том числе 12 завершились обвинительным приговором. В связи с усложнением процедуры возбуждения дел о банкротстве и ограничением самостоятельности арбитражных управляющих с 2003 г. число ложных банкротств (по оценке ФСФО) в 2003— 2004 гг. заметно уменьшилось, однако участились случаи вывода имущества с предприятия до начала процедуры банкротства. Весьма актуальной данная проблема является и для государственных унитарных предприятий, особенно для той их части, которая вносится в ежегодные планы приватизации. По некоторым оценкам, до 10% таких ГУПов (предполагаемых к приватизации) в течение года становятся банкротами, а 70-80% активов выводится до банкротства. В итоге, как показывает практика 2003-2004 гг., с началом применения норм нового закона о банкротстве активность в сфере захвата активов заметно снизилась, однако это означает лишь перенесение соответствующей «нагрузки» на традиционный рынок корпоративного контроля (враждебные поглощения через покупку акций или иные действия, связанные с акциями компании) и в сферу исполнительного производства. По нормам нового закона, кредитор может подать заявление о банкротстве должника только в том случае, если судебные приставы не смогли взыскать долг.
Председатель Арбитражного суда Республики Башкортостан Сафин Ф.М. считает, что проблема недружественного поглощения предприятий (рейдерство) несет в себе прямую угрозу экономической безопасности государства, поскольку подрывает основы современной рыночной системы, делает страну непривлекательной для стратегических инвесторов, дискредитирует политику, проводимую руководством Российской Федерации [12]. Все это, несомненно, обусловливает актуальность темы и необходимость поиска новых путей решения проблемы. Рейдерство в России, как особый вид деятельности, получило толчок к развитию в 1998 году, когда принятый Закон о несостоятельности (банкротстве) превратил искусственное банкротство в ключевой инструмент захвата чужой собственности.
Определение структуры системы поддержки принятия решений при мониторинге банкротств предприятий
Мониторинг позволяет организовать информационную прозрачность процессов банкротства, снизить субъективность оценки экономической составляющей предприятия и на ранней стадии предупредить лицо, принимающее решение, о возможном наличии признаков ложного банкротства предприятия.
Система мониторинга банкротств предприятий выполняет одновременно несколько функций, поэтому чем более полным и качественным будет состав показателей, по которым осуществляется оценка возможного наличия признаков ложного банкротства предприятия, тем более эффективными будут управленческие мероприятия, осуществляемые контрольными органами для предотвращения банкротства или минимизации последствий банкротства предприятия. В этой связи целесообразно рассмотреть составные элементы концептуальной схемы системы мониторинга банкротств предприятий. Мониторинг - составная часть управления, которая заключается в непрерывном наблюдении и анализе деятельности экономических объектов с отслеживанием динамики изменений [42]. Мониторинг предполагает решение следующих задач [43]: 1. Определение предмета постоянного наблюдения (область, рамки исследуемого периода и цель). 2. Определение механизмов наблюдения процесса (процедуры, методы, этапы и исполнители). 3. Определение прогноза (ожидаемые результаты или первоначальные предположения). 4. Изучение динамики процесса. 5. Сравнение с прогнозом и оценка, выработка предложений по совершенствованию процесса в исследуемой области, совершенствованию механизмов проведения мониторинга.
В качестве одного из важнейших назначений системы мониторинга банкротств предприятий можно считать наличие устойчивой и информативной связи между законодательной деятельностью и ее конечным результатами. Еще одним назначением мониторинга является снижение субъективности оценок процессов банкротств предприятий.
Пользователи такой системы могут не только отслеживать важнейшие тенденции развития экономических процессов предприятия, но и оперативно оценивать происходящие изменения в финансовом состоянии предприятия, что, в свою очередь, позволяет еще на ранней стадии зарождения кризисной ситуации принять управленческие решения по уходу от негативного сценария развития событий и минимизировать риск признания предприятия неплатежеспособным [44, 45]. Тем самым, система мониторинга банкротств предприятий формирует необходимую основу для раннего обнаружения пользователем возможных признаков преднамеренного доведения предприятия до состояния банкротства.
Основными субъектами системы мониторинга предприятия являются само предприятие, а также производственные и вспомогательные подразделения. Участие всех подразделений в мониторинге является обязательным, а руководство предприятия обеспечивает конфиденциальность и достоверность представляемой ими информации.
Поскольку подобный мониторинг предполагает большой объем аналитической деятельности с разнообразными данными, он должен основываться на новых информационных технологиях обработки данных, в частности — интеллектуального анализа данных и поддержки принятия решений [46]. Схема взаимодействия компонентов системы мониторинга банкротств предприятий с использованием информационных технологий представлена на рисунке .
Объектами мониторинга являются процессы банкротства, главными «действующими лицами» которых выступают предприятия (потенциальные или реальные банкроты), кредиторы (инициирующие процедуры банкротства), арбитражные суды (рассматривающие в соответствии с законодательством дела о несостоятельности и вводящие своими решениями процедуры банкротства). Субъекты мониторинга— компетентные надзорные органы, наделенные в соответствии с законодательством соответствующими полномочиями надзора и принятия решений. Лица, принимающие решения, (ЛПР) в надзорных органах располагают силами и средствами для сбора, накопления и анализа данных (учетные и следственные органы, подразделения накопления и анализа данных)[47].
В данной работе разрабатывается система поддержки принятия решений при мониторинге законности банкротств. Система поддержки принятия решений (СПОР) является, по сути, системой распределенного искусственного интеллекта, сочетающей строгие, формальные методы и модели поиска решений с нестрогими, эвристическими методами и моделями, базирующимися на знаниях специалистов-экспертов, моделях человеческих рассуждений, имитационных моделях, неклассических логиках и накопленном опыте; и включающей ряд взаимодействующих между собой интеллектуальных модулей (агентов), т.е. модулей выполняющих соответствующие интеллектуальные функции [48]. Для анализа и выработки решений в системах поддержки принятия решений используются различные методы: информационный поиск, интеллектуальный анализ данных, поиск знаний в базах данных, рассуждение на основе прецедентов, имитационное моделирование, генетические алгоритмы, нейронные сети и др. [49].
Целью разработки системы поддержки принятия решений при мониторинге банкротств предприятий является повышение эффективности и достоверности оценки признаков ложного банкротства предприятий.
Основу комплекса методик предлагаемой СППР составляют законодательно утвержденные методические указания как по учету и анализу финансового состояния и платежеспособности предприятий и организаций с целью группировки в соответствии со степенью угрозы банкротства, так и методики оценки наличия признаков фиктивного и преднамеренного банкротства предприятия, используемые российскими аудиторами и арбитражными управляющими [50]. Для разработки системы поддержки принятия решений при мониторинге банкротств предприятий были использованы: инженерия знаний, технология экспертных систем, технология интеллектуального анализа данных.
Другим модулем системы поддержки принятия решений при мониторинге банкротств предприятий является модуль интеллектуального анализа данных. К задачам, решаемым данным модулем, относятся очистка данных для получения качественного прогноза и прогноз финансовых показателей предприятия с использованием нескольких механизмов построения прогностических моделей, в том числе самообучающихся алгоритмов.
Формирование правил базы знаний для модуля выявления признаков ложного банкротства производится на основе распоряжения ФСДН РФ от 08.10.1999 № 33-р о методических рекомендациях по проведению экспертизы о наличии (отсутствии) признаков фиктивного или преднамеренного банкротства. Для наибольшей достоверности оценки наличия признаков фиктивного или преднамеренного банкротства утвержденная методика была дополнена критериями, предложенными аудиторами-практиками для выявления на ранних стадиях незаконных действий, ведущих предприятие к банкротству. Задачей модуля является выявление негативных тенденций в изменении финансовых показателей и выявление возможных признаков ложного банкротства на основе сравнительного анализа текущих и спрогнозированных в модуле интеллектуального анализа данных финансовых показателей.
Разработка моделей и алгоритмов для группировки предприятий в соответствии со степенью угрозы банкротства
Разрабатывается база знаний модуля экспертной системы для группировки предприятий в соответствии со степенью угрозы банкротства. На основе анализа нормативной и методической литературы выделены правила принятия решения об отнесении предприятий к одной из пяти групп в соответствии со степенью угрозы банкротства. Разработаны продукционные правила и дерево решений модуля экспертной системы для группировки предприятий в соответствии со степенью угрозы банкротства.
Для разработки продукционной модели представления знаний для модуля экспертной системы группировки предприятий в соответствии со степенью угрозы банкротства необходимо выделить ряд экономических показателей, на основе расчета которых будут приниматься управленческие решения. Список используемых показателей представлен в таблице.
Выделив все составные элементы, можно перейти к разработке продукционной модели знаний. Правила принятия решения основываются на приказе Министерства экономического развития и торговли Российской Федерации от 21 апреля 2006 г. «Об утверждении методики проведения Федеральной налоговой службой учета и анализа финансового состояния и платежеспособности стратегических предприятий и организаций». С учетом признаков группировки объектов учета в соответствии со степенью угрозы банкротства [77], разработаны продукционные правила базы знаний . а) группа 1 - платежеспособные объекты учета, которые имеют возможность в установленный срок и в полном объеме рассчитаться по своим текущим обязательствам за счет текущей хозяйственной деятельности или за счет своего ликвидного имущества (G1); б) группа 2 - объекты учета, не имеющие достаточных финансовых ресурсов для обеспечения своей платежеспособности (G2); в) группа 3 - объекты учета, имеющие признаки банкротства, установленные Федеральным законом от 26 октября 2002 г. N 127-ФЗ "О несостоятельности (банкротстве)" (G3); г) группа 4 - объекты учета, у которых имеется непосредственная угроза возбуждения дела о банкротстве (G4); д) группа 5 - объекты учета, в отношении которых арбитражным судом принято к рассмотрению заявление о признании такого объекта учета банкротом (G5).
Разработка дерева решений модуля экспертной системы для группировки предприятий в соответствии со степенью угрозы банкротства
Дерево решений - это способ представления правил в иерархической, последовательной структуре, где каждому объекту соответствует единственный узел, дающий решение. Область применения деревьев решений в настоящее время широка, но все задачи, решаемые этим аппаратом могут, быть объединены в следующие три класса: 1. Описание данных: деревья решений позволяют хранить информацию о данных в компактной форме, которое содержит точное описание объектов. 2. Классификация: деревья решений отлично справляются с задачами классификации, т.е. отнесения объектов к одному из заранее известных классов. Целевая переменная должна иметь дискретные значения. 3. Регрессия: если целевая переменная имеет непрерывные значения, деревья решений позволяют установить зависимость целевой переменной от независимых(входных) переменных. Например, к этому классу относятся задачи численного прогнозирования(предсказания значений целевой переменной). Модуль экспертной системы для группировки предприятий в соответствии со степенью угрозы банкротства и дерево решений для него можно отнести ко второму классу.
Программная реализация модуля экспертной системы для оценки наличия признаков ложного банкротства на предприятии
Реализация модуля экспертной системы для оценки наличия признаков ложного банкротства на предприятии осуществляется с помощью системы-оболочки Knowledge Wright 4.3.2. Знания представляются в виде продукционных правил. Система позволяет использовать средства отладки и тестирования программы, редактирования для модификации знаний и данных. Основной частью экспертной системы является база знаний, которая накапливается в процессе развития системы. База знаний содержит правила типа: IF (условие) THEN (заключение), либо IF (условие) THEN (заключение 1) ELSE (заключение 2).
Процесс реализации модуля экспертной системы для оценки наличия признаков ложного банкротства на предприятии состоит из следующих действий: 1. вводится информация в основное поле базы знаний «knowledgebase main»; 2. вводятся «question» - вопросы, на которые отвечает ЛПР; 3. вводятся «rule set» - правила, включающие в себя «conditions» -условия и «value» - значения; 4. разрабатывается и реализуется форма для предоставления результирующей информации «output».
Основное поле заполняется данными об экспертной системе, о базе знаний, описываются цели экспертной системы и определяются форматы данных.
Следующим шагом в реализации экспертной является ввод вопросов, на которые отвечает ЛПР. Ввод вопросов реализуется путем заполнения готовой формы, в которую требуется ввести вопрос, возможные ответы, определить тип ответа и т.д.
Вопросы экспертной системы выявления признаков ложного банкротства предприятий строятся на основании факторов. Факторы - блоки информации, которые система будет использовать, чтобы выбрать цель. Факторы, используемые модулем экспертной системой для выявления признаков ложного банкротства предприятий, представлены в табл. 3.2.
Задача ввода правил подразделяется на две подзадач - введение условий «conditions», на основании которых принимается решение и введение возможных решений для каждого условия. На рисунке 4.7. представлено программное окно с фрагментом правил базы знаний, на основании которых принимается решение о наличии признаков ложного банкротства предприятий.
Формирование условий принятия того или иного решения модуля экспертной системой для выявления признаков ложного банкротства предприятий основывается на продукционных правилах, подробно описанных в главе 3.
Завершающим этапом реализации модуля экспертной системы для выявления признаков ложного банкротства предприятий является разработка и реализация формы для предоставления итоговой информации. На рис. 4.8. представлен фрагмент программной реализации экспертной системы - окно «Output» - ответ реализованного модуля экспертной системы.
Ответами модуля экспертной системы для выявления признаков ложного банкротства предприятий являются: 1. Присутствуют признаки ложного банкротства предприятия; 2. Отсутствуют признаки ложного банкротства предприятия, предприятие находится в тяжелом финансовом положении; 3. Отсутствуют признаки ложного банкротства предприятия, предприятие погашает обязательные платежи; 4. Возможен вывод основных средств с предприятия; 5. Идет накопление других составляющих кредиторской задолженности без погашения задолженности перед бюджетом; 6. Идет умышленное накопление недоимок для последующего списания. Продукционные правила модуля экспертной системы для выявления признаков ложного банкротства предприятий были проверены на непротиворечивость правил с помощь программного продукта ReSolver 32 Editor. Выводы по разделу Модуль экспертной системы для выявления признаков ложного банкротства предприятий реализован с помощью оболочки Knowledge Wright 4.3.2, что позволило автоматизировать процесс выявления возможных признаков ложного банкротства предприятий и снизить влияние человеческого фактора на принятия управленческих решений.
Программная реализация системы интеллектуального анализа данных для прогнозирования финансовых показателей предприятия осуществляется с помощью аналитической платформы Deductor 5.0. [86] Deductor - это аналитическая платформа, основа для создания законченных прикладных решений в области анализа данных. Реализованные в Deductor технологии позволяют на базе единой архитектуры пройти все этапы построения аналитической системы [87].
Первым этапом в реализации системы интеллектуального анализа данных для прогнозирования финансовых показателей предприятия является ввод первичной информации. Ввод первичной информации в Deductor возможен двумя способами: вручную и автоматически. Одной из характерных черт реализуемой системы поддержки принятия решений при мониторинге законности банкротств является наличие большого объема информации, поэтому ввод первичной информации о предприятий в Deductor осуществляется в автоматическом режиме с помощью мастера импорта (рис 4.9.).
Анализ первичной информации происходит поэтапно. Работа по очистке, трансформации и прогнозированию данных осуществляется индивидуально с каждым временным рядом финансового показателя предприятия в отдельности. В качестве примера рассмотрим весь процесс интеллектуального анализа данных на примере задолженности предприятия перед бюджетом.
