Academic literature on the topic 'Модели банкротства'
Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles
Consult the lists of relevant articles, books, theses, conference reports, and other scholarly sources on the topic 'Модели банкротства.'
Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.
You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.
Journal articles on the topic "Модели банкротства"
1
Г.М., Багаутдинова, та Бирюков А.Н. "ЛОГИСТИЧЕСКИЕ МОДЕЛИ (LOGIT-МОДЕЛИ) ОЦЕНКИ РИСКА БАНКРОТСТВА ПРЕДПРИЯТИЯ". ИННОВАЦИОННЫЕ НАУЧНЫЕ ИССЛЕДОВАНИЯ 2021 № 2-1(4) (27 лютого 2021): 78–89. https://doi.org/10.5281/zenodo.4567940.
Full textAbstract:
В статье рассматриваются основные зарубежные и отечественные logit-регрессионные модели прогнозирования банкротства, дается их характеристика и краткий анализ всего подхода прогнозирования банкротства с использованием аппарата логистической регрессии, выделяются основные достоинства и недостатки, а также возможности применения logit-моделей для прогнозирования банкротств в российских условиях.
2
Жданов, Василий Юрьевич, та Ольга Анатольевна Афанасьева. "Модель диагностики риска банкротства предприятий авиационно-промышленного комплекса". Journal of Corporate Finance Research / Корпоративные Финансы | ISSN: 2073-0438 5, № 4 (2012): 77–89. http://dx.doi.org/10.17323/j.jcfr.2073-0438.5.4.2011.77-89.
Full textAbstract:
Авторы: Василий Юрьевич Жданов НИУ ВШЭ
 Ольга Анатольевна Афанасьева
 В статье рассматриваются недостатки использования зарубежных моделей диагностики риска банкротства для прогнозирования банкротства предприятий авиационно-промышленного комплекса (авиапредприятий), а также обосновываются преимущества использования логистических регрессионных моделей (logit-модели) по сравнению с моделями, построенными с помощью множественного дискриминантного анализа (MDA-модели). Разрабатывается logit-модель для диагностики риска банкротства авиапредприятий.
3
Алеткин, П. А., Р. З. Валиуллин та А. А. Лексина. "ПОИСК ПУТЕЙ УЛУЧШЕНИЯ ФИНАНСОВОГО СОСТОЯНИЯ ПРЕДПРИЯТИЯ НА ОСНОВЕ ЭКОНОМИКО-МАТЕМАТИЧЕСКОЙ МОДЕЛИ". Management Accounting, № 11 2023 (10 листопада 2023): 284–91. http://dx.doi.org/10.25806/uu112023284-291.
Full textAbstract:
В условиях ввода санкций в отношении России и их негативных воздействий на экономику страны для многих отечественных предприятий на первый план выходит задача недопущения финансового состояния, приводящего к банкротству. До недавнего времени ведущие отечественные и зарубежные ученые-экономисты преимущественно предлагали методологические подходы к управлению эффективности предприятий и построению экономико-математических моделей повышения эффективности деятельности в условиях ограниченных ресурсов. В отличии от уже имеющихся исследований нами была поставлена цель разработки экономико-математической модели, в которой целевой функцией является риск банкротства предприятия. Теоретической и методологической основой исследования послужили труды ведущих отечественных и зарубежных ученых-экономистов, предлагающих решение проблем формирования и совершенствования системы управления эффективностью предприятий реального сектора экономики и рационального использования ресурсов, методику анализа финансовой эффективности промышленных предприятий, а также методы построения экономико-математических моделей повышения эффективности деятельности в условиях ограниченных ресурсов. Используя такие общенаучные методы, как анализ и синтез, индукцию и дедукцию, а также математическое моделирование в статье обоснована возможность использования экономико-математических моделей для недопущения финансового состояния, приводящего к банкротству. Результатом исследования явилась экономико-математическая модель, которая позволяет управлять финансовым состоянием предприятия таким образом, чтобы уменьшался риск его банкротства в условиях ограничений, учитывающих возможности предприятия по управлению своими внеоборотными и оборотными активами, долгосрочными и краткосрочными обязательствами, собственным капиталом, чистой прибылью. Научная новизна настоящей работы заключается в том, что управление финансовым состоянием предприятия рассматривается как задача нелинейного программирования, которая отличается от других подобных работ по финансовому менеджменту тем, что целевой функцией задачи является интегральный показатель риска банкротства предприятия. Предлагаемая модель может быть использована для оптимизации структуры бухгалтерского баланса промышленных предприятий, в частности, соотношения внеоборотных и оборотных активов, соотношения собственного капитала и обязательств, в том числе долгосрочной и краткосрочной части обязательств. Тем самым расширяются возможности менеджмента промышленных предприятий в условиях существующих ограничений по разработке мероприятий по изменению финансово – хозяйственной деятельности предприятия, позволяющие улучшить его показатели финансового состояния и минимизировать интегральный показатель риска банкротства.
4
Бурова, Ирина Васильевна. "ПОСТРОЕНИЕ МАТЕМАТИЧЕСКОЙ МОДЕЛИ ВЕРОЯТНОСТИ БАНКРОТСТВА КРЕДИТНЫХ ОРГАНИЗАЦИЙ НА ОСНОВЕ БИНАРНОЙ ЛОГИСТИЧЕСКОЙ РЕГРЕССИИ". Региональные проблемы преобразования экономики, № 3 (7 вересня 2021): 123–29. http://dx.doi.org/10.26726/1812-7096-2021-3-123-129.
Full textAbstract:
В практике управления кредитных организаций в рамках реализации задач риск-менеджмента находят ограниченное применение экономико-математические методы анализа степени влияния различных факторов на финансовую устойчивость кредитной организации, что снижает результативность управленческих воздействий. Следовательно, совершенствование методов анализа и оценки стабильности финансового положения кредитной организации является одним из перспективных направлений процесса управления банковской системой. Целью исследования является применение экономико-математических методов для построения модели вероятности банкротства кредитных организаций на основе бинарной логистической регрессии. Основными методами, нашедшими применение в настоящем исследовании, являются: методы эконометрического анализа, системного и экономического анализа. В качестве базовой модели была использована логистическая регрессия. Применение таких эконометрических методов, как кластерный и факторный анализ, позволили на основании информации об обязательных резервах, чистой ссудной задолженности и нераспределенной прибыли кластеризовать кредитные организации и дать количественную оценку вероятности их банкротства на 2018 г. Эмпирическую базу для проведенного исследования составила информация о финансовом состоянии кредитных организаций Российской Федерации в 2018 г., представленная на крупнейшем независимом финансовом интернет-портале – Банки. Ру. Результаты работы: получено уравнение бинарной логистической регрессии, позволяющее построить модель вероятности банкротства кредитных организаций, экономическая интерпретация которой позволяет сделать вывод о наибольшем влиянии на вероятность банкротства банков таких факторов, как чистая ссудная задолженность и выпущенные долговые обязательства, соотнесенные с уставным капиталом. Область применения: полученные результаты могут быть использованы в практике управления коммерческих банков в рамках реализации задач риск-менеджмента. Выводы. Проверка качества полученной бинарной логистической регрессии показала, что данная модель является адекватной и может быть использована в организациях банковского сектора для оценки и прогнозирования вероятности ухудшения финансового состояния кредитной организации. Перспективным направлением развития модели видится включение в модель показателей банковских рейтингов для более точной оценки риска наступления банкротства.
5
Горбатков, С. А., and С. А. Фархиева. "A method for structural synthesis of a neural network integrated with quasi-Bayesian regularization of a neural network dynamic bankruptcy model." Экономика и предпринимательство, no. 8(121) (July 26, 2020): 952–58. http://dx.doi.org/10.34925/eip.2020.121.8.190.
Full textAbstract:
Объектом исследования являются процессы финансового менеджмента, в частности задачи прогноза стадий развивающегося банкротства корпораций-заемщиков и принятия решений по реструктуризации кредитной задолженности. Решение подобных задач важно также для оценки платежеспособности контрагентов в сделках, решения вопросов о незаконности банкротств, экономической безопасности и в других сферах экономики. Предмет исследования - разработка в условиях высокой неопределенности и зашумленности данных нейросетевой динамической модели банкротств с непрерывным временем, позволяющей диагностировать стадии развивающегося банкротства моделируемого объекта в любой момент времени (между «временными срезами» в данных), а также прогнозировать вероятность банкротства по времени вперед для заданного горизонта. Под неопределенностью понимается специфическая характеристика моделируемого класса динамических задач банкротств - неполнота и неопределенность в данных: в обучающей выборке во «временных срезах» ретроспективных данных, по которым обучается нейросетевая модель, обычно указываются только граничные значения вероятности банкротства ( ܲൌ0 либо ܲൌ1 ), т.е. отсутствует информация о Этанеопределенностьобусловленаюридическими . ሿ0;1ሾ винтервале промежуточныхзначениях причинами: пока корпорация не признана банкротом арбитражным судом, либо налоговыми органами, либо по собственному заявлению для нее ܲൌ0 , хотя объективные данные бухгалтерской отчетности могут показывать близость к банкротству. Имеет место также неопределенность, связанная с отсутствием априорной информации о законе распределения характеристики «вход-выход» ߮ሺݔԦ,ݕሻ , где ݔԦ - вектор входного сигнала; ݕ - скалярный выходной сигнал; ߮ሺ∙ሻ - плотность вероятности. Это существенно затрудняет использование традиционных подходов, основанных на минимизации функции среднего эмпирического риска. Цель работы состоит в разработке метода и алгоритмов создания динамических нейросетевых моделей банкротств, включая восстановление неполных данных (специфическое свойство моделей банкротств), сужение факторного пространства, регуляризацию модели и синтез структуры нейросети, позволяющих при непараметрической априорной неопределенности повысить прогностические свойства модели. По мнению авторов статьи, отсутствие упомянутых требований приближает нейросетевую модель к условиям практики. Результаты исследования. На базе общесистемных законов уменьшения энтропии при объединении в систему рационально взаимодействующих подсистем и закона временной инерции моделируемого экономического объекта разработан концептуальный базис (КБ) нейросетевого моделирования динамики банкротств. КБ служит методологической базой для предложенного оригинального нейросетевого логистического динамического метода (НЛДМ), который позволяет устранять отмеченную выше неполноту и неопределенность в обучающей выборке и оперировать с непрерывным временем в процедурах диагностики и прогноза стадий банкротства корпораций-заемщиков. Предложенный в статье НЛДМ, включая и ранее опубликованные монографии [1, 2] авторов статьи, отличается новым алгоритмом регуляризации модели, совмещенный со структурным синтезом нейросети. Количественно исследована адекватность динамической модели банкротств на реальных данных строительной отрасли. Вероятность правильной идентификации банкротств на тестовом множестве не хуже 90%. Исследована сходимость итерационных процедур в алгоритме НЛДМ. Особое внимание уделено также исследованию влияния интенсивности зашумления столбцов данных на прогностические свойства нейросетевой модели в специально построенном модельном примере. The object of the research is the processes of financial management, in particular, the tasks of forecasting the stages of developing bankruptcy of corporate borrowers and making decisions on the restructuringof credit debt. Solving such problems is also important for assessing the solvency of counterparties in transactions, resolving issues about the illegality of bankruptcies, economic security, and other areas of the economy.The subject of the research is the development of a neural network dynamic bankruptcy model with continuous time under conditions of high uncertainty and noise of data, which allows diagnosing the stages of developing bankruptcy of the simulated object at any time (between "time slices" in the data), as well as predicting the probability of bankruptcy in time ahead for a given horizon. Uncertainty refers to a specific characteristic of the simulated class of dynamic bankruptcy problems - incompleteness and uncertainty in the data: in the training sample, only the boundary values of the probability of bankruptcy (P=0 or P=1) are usually specified in the" time slices " of retrospective data used for training the neural network model, i.e. there is no information about the intermediatevalues of P in the interval [0;1]. This uncertainty is due to legal reasons: until the Corporation is declared bankrupt by an arbitration court, or tax authorities, or on its own application for it, P=0, although objective accounting datamay show that it is close to bankruptcy. There is also an uncertainty associated with the lack of a priori information about the law of distribution of the input-output characteristic ߮ሺݔԦ,ݕሻ , where ݔԦ is the input signal vector; y is the scalar output signal; ߮ሺ∙ሻ is the probability density. This makes it much more difficult to use traditional ap-proaches based on minimizing the average empirical risk function. The aim of the work is to develop a methodand algorithms for creating dynamic neural network models of bankruptcy, including the recovery of incompletedata (a specific property of bankruptcy models), narrowing the factor space, regularization of the model and synthesis of the neural network structure, allowing for nonparametric a priori uncertainty to increase the predictiveproperties of the model. According to the authors, the absence of these requirements brings the neural network model closer to the conditions of practice. Research result. Based on the system-wide laws of entropy reduction when combining rationally interacting subsystems and the law of time inertia of the simulated economic object, aconceptual basis (CB) for neural network modeling of bankruptcy dynamics has been developed. CB serves as a methodological basis for the proposed original neural network logistics dynamic method (NLDM), which allows to eliminate the above-mentioned incompleteness and uncertainty in the training sample and operate with continuous time in the procedures for diagnosing and predicting the stages of bankruptcy of corporate borrowers. The NLDM proposed in the article, including previously published monographs [1, 2] by the authors of the article, isdistinguished by a new algorithm for regularization of the model, combined with the structural synthesis of theneural network. The adequacy of the dynamic bankruptcy model based on real data of the construction industry isquantitatively investigated. The probability of correct identification of bankruptcies on the test set is at least 90%.The convergence of iterative procedures in the NLDM algorithm is investigated. Special attention is also paid tothe study of the influence of the noise intensity of data columns on the predictive properties of a neural networkmodel in a specially constructed model example.
6
Саитова, Х. С., та А. Р. Батукаева. "ПРОЦЕСС РАЗРАБОТКИ САЙТА ДЛЯ ОЦЕНКИ ВЕРОЯТНОСТИ РИСКА БАНКРОТСТВА". III Всероссийская научно-практическая конференция «Digital Era», № 1 (17 березня 2023): 119–23. http://dx.doi.org/10.36684/93-1-2023-119-123.
Full textAbstract:
В данной статье рассматривается теоретический аспект понятия «банкротства», представлены в числовом выражении модели оценки вероятности банкротства Э. Альтмана, Р. Таффлера, Р. Лиса, Д. Фулмера, и Г. Спрингейта. Отражен процесс разработки сайта, который позволит применять данные модели для оценки вероятности риска банкротства и его прогнозирования.
7
Панин, С. И., В. В. Добрина та Е. А. Жеребненко. "Аналитические процедуры в исследовании вероятности банкротства организации". ТЕНДЕНЦИИ РАЗВИТИЯ НАУКИ И ОБРАЗОВАНИЯ 87, № 4 (2022): 79–83. http://dx.doi.org/10.18411/trnio-07-2022-143.
Full text
8
Alekseeva, Elizaveta Y. "О ПРЕДПОСЫЛКАХ ВОЗНИКНОВЕНИЯ СОВРЕМЕННОЙ МОДЕЛИ АМЕРИКАНСКОГО БАНКРОТСТВА". Teisė 98, № 98 (2016): 225. http://dx.doi.org/10.15388/teise.2016.98.9979.
Full textAbstract:
В условиях отсутствия законопроекта и представлений о ближайших будущих изменениях правового регулирования процедур несостоятельности в России, вопрос об истории возникновения «продолжниковой» модели несостоятельности, функционирующей много лет в США, видится актуальным.Анализируя историю становления современной модели американского банкротства, мы рассмотрели четыре закона о несостоятельности 19 века, которые были недолговечными по причине смены экономической и политической ситуации в стране. Первоначально законодательство США характеризовалось дружественностью кредиторам, а институт банкротства применялся лишь принудительно к должникам «второго сорта». Законодательные акты 1800 г., 1841 г., 1867 г., 1898 г. характеризовались постепенным развитием продолжниковой концепции, которая восторжествовала в Акте о реформе законодательства о банкротства 1978 года.
9
Болдырев, М. А. "Эффективность logit-моделей оценки риска банкротства при анализе риска неисполнения обязательств компаний-эмитентов облигаций". ТЕНДЕНЦИИ РАЗВИТИЯ НАУКИ И ОБРАЗОВАНИЯ 86, № 4 (2022): 29–32. http://dx.doi.org/10.18411/trnio-06-2022-142.
Full textAbstract:
Проведен анализ возможности оценки риска неуплаты средств по облигациям российскими компаниями с помощью logit-моделей оценки риска банкротства компании, разработанных российскими учеными. Использованы t-тест Стьюдента и F-критерий Фишера. Проведен анализ эффективности моделирования исследуемого риска с помощью коэффициента эффективности модели. Определены математические модели, характеризующиеся наибольшей эффективностью при оценке риска неуплаты средств по облигациям российскими компаниями.
10
Медведев, Андрей О., та Наталья И. Симакина. "Использование показателей экономической прибыли для построения регионального рейтинга российских непубличных компаний". Journal of Corporate Finance Research / Корпоративные Финансы | ISSN: 2073-0438 2, № 1 (2010): 65–70. http://dx.doi.org/10.17323/j.jcfr.2073-0438.2.1.2008.65-70.
Full textAbstract:
Данное исследование рассматривает возможность применения модели Гарвардскойшколы бизнеса (HBS) для анализа оптимальной структуры капитала при изменчивойконъюнктуре рынков капитала. Модель HBS применяется для анализа оптимальнойструктуры капитала в долгосрочной перспективе, но игнорирует проблемы, которые могутвозникнуть из-за краткосрочных изменений на рынке капитала, такие как недостатокликвидности и рост процентных ставок.В подобных экономических условиях фирме необходимо максимизироватьдолгосрочную стоимость, но при этом обеспечивать финансовую устойчивость вкраткосрочной перспективе, чтобы обезопасить себя от банкротства и нехваткиликвидности. Для решения этой задачи традиционная однопериодная модель HBS должнабыть расширена до двухпериодной. Первый период связан с краткосрочныминестабильными условиями финансирования на рынке капитала, второй – со стабильнымидолгосрочными условиями.Основная часть статьи начинается с описания модели HBS, расчета стоимостейдолга и собственного капитала и определения оптимальной структуры капитала.Далее предлагается практическое приложение модели для расчета оптимальнойструктуры капитала компании «Вымпелком». Результаты модели сравниваются срезультатами, полученными при использовании других моделей, таких как двухпериодныйметод DCF, метод скорректированной стоимости и др.Последняя часть статьи описывает видение авторов относительно будущихисследований данной темы, в частности усовершенствования предпосылок модели, и анализотраслевых характеристик структуры капитала. Вывод из информации, изложенной в статье, состоит в том, что модель HBS ссоответствующей корректировкой можно применять для обоснованной коррекцииоптимальной структуры капитала для нестабильных состояний рынков капитала. Однакодля получения объективной оценки метода необходимо практическое применение данноймодели к компаниям и отраслям с различной спецификой.
Dissertations / Theses on the topic "Модели банкротства"
1
Полозова, Т. В., та М. Ю. Гвоздєва. "Оценка вероятности банкротства предприятия". Thesis, "Бял ГРАД-БГ" ООД, 2008. http://openarchive.nure.ua/handle/document/7990.
Full textAbstract:
Предложенная методика может применяться на промышленных предприятиях разных форм собственности и различных видов деятельности, коммерческими банками в качестве дополнительного инструмента при оценке состояния заемщика, в деятельности консалтинговых фирм и аналитеческих центров.
2
Овеков, І. "Прогнозування банкрутства за моделлю Альтмана". Thesis, Сумський державний університет, 2013. http://essuir.sumdu.edu.ua/handle/123456789/33181.
Full textAbstract:
Здатність організації своєчасно проводити платежі, фінансувати свою поточну діяльність на розширеній основі, переносити непередбачені потрясіння і підтримувати свою платоспроможність у несприятливих обставинах свідчить про її стійкий фінансовий стан, і навпаки.
При цитуванні документа, використовуйте посилання http://essuir.sumdu.edu.ua/handle/123456789/33181
3
Басанець, І. В., Ірина Йосипівна Плікус, Ирина Иосифовна Пликус та Iryna Yosypivna Plikus. "Аналіз моделей та методів виявлення кризового стану підприємств". Thesis, Полтавська державна аграрна академія, 2021. https://essuir.sumdu.edu.ua/handle/123456789/83585.
Full textAbstract:
У статті аналізуються існуючі моделі та методи виявлення кризового стану підприємств<br>В статье проводится анализ моделей и методов выявления кризисного состояния предприятий<br>The article analyzes the models and methods for detecting the crisis of enterprises
4
Федчишина, Ірина Юріївна. "Уточнення апроксимації де Вілдера для оцінки ймовірності банкрутства у страховій моделі Крамера-Лундберга". Master's thesis, Київ, 2018. https://ela.kpi.ua/handle/123456789/23449.
Full textAbstract:
В магістерській дисертації запропонований новий підхід до наближеного знаходження ймовірності банкрутства страхової компанії на нескінченному часовому горизонті. Необхідність такого наближеного знаходження зумовлюється тим, що точне значення ймовірності банкрутства, будучи розв’язком складного інтегрального рівняння, часто не може бути виражене в явній аналітичній формі.
Ідея розробленого методу полягає в заміні процесу страхового ризику на інший процес ризику зі страховими виплатами, розподіленими за законом, що є сумішшю двох експоненціальних розподілів. Для такого процесу ризику ймовірність банкрутства відома в аналітичній формі. Заміна реалізується шляхом прирівнювання перших п’яти кумулянтів початкового та нового процесів ризику.<br>In the master's thesis a new approach to the approximate finding of the ruin probability of an insurance company on an infinite time horizon is proposed. The need for such an approximate finding is due to the fact that the exact value of the ruin probability, being a solution to a complex integral equation, can often not be expressed in explicit analytical form.
The idea of the developed method is to replace the process of risk with another risk process with insurance payments distributed according to the law, which is a mixture of two exponential distributions. For such a risk process, the ruin probability is known in analytical form. Replacement is realized by equating the first five cumulants of the initial and new risk processes.<br>В магистерской диссертации предложен новый поход к приближенному нахождению вероятности банкротства страховой компании на бесконечном временном горизонте. Необходимость такого приближенного нахождения обусловлено тем, что точное значение вероятности банкротства, будучи решением сложного интегрального уравнения, часто не может быть выражено в явной аналитической форме.
Идея разработанного метода заключается в замене процесса страхового риска на другой процесс риска со страховыми выплатами, распределенными по закону, который является смесью двух экспоненциальных распределений. Для такого процесса риска вероятность банкротства известна в аналитической форме. Замена реализуется путем приравнивания первых пяти кумулянтов начального и нового процессов риска.
5
Нафас, Агаї Аг Гаміш Ові. "Прогнозування ризику банкрутства в промисловій та банківській сфері з використанням нечітких моделей та алгоритмів". Thesis, НТУУ "КПІ", 2016. https://ela.kpi.ua/handle/123456789/14938.
Full textAbstract:
Дисертацію присвячено розробці моделей та алгоритмів аналізу фінансового стану та
прогнозування ризику банкрутства підприємств та банків в умовах невизначеності, неповної
та недостовірної інформації на прикладі економіки України. Проаналізовано класичні
статистичні методи прогнозування ризику банкрутства підприємств на основі методів
багатовимірного дискримінантного аналізу, зокрема метод Альтмана. Виявлено його
недоліки та недоцільність використання в умовах економіки України, оскільки він базується
на використанні достовірної інформації про стан підприємств.
Тому в роботі обгрунтовано використання для прогнозування ризику банкрутства в
умовах неповноти та невизначеності нечітких нейронних мереж (НММ) з виведеннями
Мамдані та Цукамото. В дисертації розроблено базу правил для вирішення задачі аналізу
фінансового стану та прогнозування ризику банкрутства підприємств в умовах
невизначеності для нейромереж Мамдані та Цукомото. Оскільки загальний розмір повної
бази нечітких правил великий, що не дає можливості її навчання за короткий час,
запропоновано спосіб скорочення розмірів бази правил та її наглядне представлення шляхом
використання бальних оцінок. Розроблено алгоритми прогнозування ризику банкрутства
підприємств з використанням ННМ Мамдані та Цукамото.
Далі в роботі розглянуто нео-фаззі каскадні мережі для аналізу фінансового стану та
прогнозуванню ризику банкрутства підприємств в умовах невизначеності. Їх особливостями
є відсутність бази правил висновку, а також те, що функції належності фіксовані і не
потребують навчання, навчаються лише лінійні параметри – ваги зв’язків ННМ. Тому ці
мережі мають прискорену збіжність навчання в порівнянні з ННМ з висновками Мамдані
та Цукамото.
Проведено експериментальні дослідження запропонованих моделей та алгоритмів для
прогнозування ризику банкрутства підприємств України та порівняльний аналіз з
класичними методами. Результати експериментів показали, що точність прогнозування
ризику банкрутства складає методом Альтмана - 68-70%, матричним методом - 80%, нео-фазі
каскадною нейромережею - 87%, а ННМ Мамдані та Цукамото -88-90 %.
В роботі також було досліджено проблему прогнозування ризику банкрутства в
банківській сфері України в умовах невизначеності. Для вирішення цієї проблеми
запропоновано використання ННМ TSK та ANFIS. Проведено експериментальні
дослідження ефективності використання ННМ для прогнозування ризику банкрутства банків
та порівняння зі статистичними моделями ARIMA, logit-model та probit–model, а також із
нечітким МГУА. В результаті експериментів встановлено, що найбільшу точність
прогнозування забезпечує використання ННМ TSK (2%) та нечіткого МГУА (4%), тоді як
статистичні моделі мають точність: logit-model - 16%, probit –model - 14%) та ARIMA - 18%.
В процесі експериментів також було визначено адекватні фінансово-економічні
показники банків для прогнозування ризику банкрутства.<br>The thesis is devoted to the development of models and algorithms for analysis of financial
state and forecasting of bankruptcy risk of enterprises and banks in condition of uncertainty,
incomplete and unreliable information on the example of the Ukrainian economy. Classical
statistical methods for predicting the risk of bankruptcy on the basis of multivariate discriminant
analysis, in particular the method of Altman, are analyzed. It revealed its deficiencies and
inappropriateness of its use in Ukraine's economy, since it is based on the use of reliable
information on the state enterprises. Therefore, the use of fuzzy neural networks (FNN) with the
conclusions Mamdani and Tsukamoto to forecast the risk of bankruptcy in the conditions of
incompleteness and uncertainty is entirely justified. In the thesis rule base is developed for solving
the problem of financial analysis and forecasting the risk of bankruptcy of enterprises for neural
networks Mamdani and Tsukamoto. Since the total size of the comprehensive fuzzy rule base is
great that does not allow its training in a short time, a method of reducing the size of the rule base
and its visual representation through the use of scores is suggested. Algorithms for predicting the
risk of bankruptcy of enterprises with FNN Mamdani and Tsukamoto are developed. Further in the
paper the cascade neo-fuzzy network (CNFN) for predicting the risk of bankruptcy in condition of
uncertainty is suggested. Its features is the absence of the rule base, as well as the fact that the
membership functions are fixed and does not need training. Therefore, these networks have
accelerated the convergence of training compared with FNN Mamdani and Tsukamoto.
Experimental studies of the proposed models and algorithms for the forecasting of the risk of
bankruptcy in Ukraine and comparative analysis with classical methods are presented. The
experimental results showed that the accuracy of predicting the bankruptcy risk by Altmana- by 68-
70%, matrix method - 80%, cascade neo-fuzzy neural network - 87% and FNN Mamdanі and
Tsukamoto - 88-90%.
The paper also studied the problem of forecasting the risk of bankruptcy in the banking sector
of Ukraine in conditions of uncertainty. To solve this problem using FNN TSK and ANFIS is
proposed. Experimental research of effectiveness of using FNN to predict the risk of bank failures
and comparison with statistical models ARIMA, logit-model, probit-model and fuzzy GMDH are
presented. The experiment established that the greatest prediction accuracy allows the use of FNN
TSK (2%) and fuzzy GMDH (4%), while the statistical models: logit-model - 16%, probit-model -
14% and ARIMA - 18%. During the experiments adequate financial and economic indicators of
banks to predict the risk of bankruptcy were determined.<br>Диссертация посвящена разработке моделей и алгоритмов анализа финансового
состояния и прогнозирования риска банкротства предприятий и банков в условиях
неопределенности, неполной и недостоверной информации на примере экономики Украины.
Проанализированы классические статистические методы прогнозирования риска
банкротства предприятий на основе методов многомерного дискриминантного анализа, в
частности метод Альтмана. Выявлено его недостатки и нецелесообразность использования
в условиях экономики Украины, поскольку он базируется на использовании достоверной
информации о состоянии предприятий. Поэтому в работе обосновано использование для
прогнозирования риска банкротства в условиях неполноты и неопределенности нечетких
нейронных сетей (ННС) с выводами Мамдани и Цукамото. В дисертации разработана база
правил для решения задачи анализа финансового состояния и прогнозирования риска
банкротства предприятий в условиях неопределенности для нейросетей Мамдани и
Цукамото. Поскольку общий размер полной базы нечетких правил большой, что не дает
возможности ее обучения за короткое время, предложен способ сокращения размеров базы
правил и ее наглядное представление путем использования балльных оценок. Разработаны
алгоритмы прогнозирования риска банкротства предприятий с использованием ННС
Мамдани и Цукамото. Далее в работе рассмотрены каскадные нео-фаззи сети для
прогнозирования риска банкротства предприятий в условиях неопределенности. Их
особенностями является отсутствие базы правил вывода, а также то, что функции
принадлежностей фиксированные и не нуждаются в обучении, обучаются лишь линейные
параметры – веса связей ННС. Поэтому эти сети имеют ускоренную сходимость обучения в
сравнении с ННС Мамдани и Цукамото.
Проведены экспериментальные исследования предложенных моделей и алгоритмов для
прогнозирования риска банкротства предприятий Украины и сравнительный анализ с
классическими методами. Результаты экспериментов показали, что точность
прогнозирования риска банкротства составляет методом Альтмана - 68-70%, матричным
методом - 80%, нео-фаззи каскадной нейросетью - 87%, а ННМ Мамдани и Цукамото -88-90
%.
В работе также была исследована проблема прогнозирования риска банкротства в
банковской сфере Украины в условиях неопределенности. Для решения этой проблемы
предложено использование ННС TSK и ANFIS. Проведены экспериментальные
исследования эффективности использования ННС для прогнозирования риска банкротства
банков и сравнение со статистическими моделями ARIMA, logit-model и probit–model, а
также с нечетким МГУА. В результате экспериментов установлено, что самую большую
точность прогнозирования обеспечивает использование ННМ TSK (2%) и нечеткий МГУА
(4%), тогда как статистические модели имеют точность: logit-model - 16%, probit–model -
14% и ARIMA - 18%. В процессе экспериментов были также определены адекватные
финансово-экономические показатели банков для прогнозирования риска банкротства.
6
Тарасенко, В. М. "Антикризове фінансове управління підприємством". Master's thesis, Сумський державний університет, 2018. http://essuir.sumdu.edu.ua/handle/123456789/71562.
Full textAbstract:
Досліджено теоретичні та практичні аспекти антикризового фінансового управління; удосконалено інструментарій оцінювання ймовірності банкрутства підприємства, обґрунтовано основні засади щодо подолання кризи на аналізованому підприємстві.<br>Исследованы теоретические и практические аспекты антикризисного финансового управления; усовершенствован инструментарий оценки вероятности банкротства предприятия, обоснованы основные положения по преодолению кризиса на анализируемом предприятии.<br>The theoretical and practical aspects of anti-crisis financial management are investigated; improved tools for assessing the probability of bankruptcy of the enterprise, substantiated the main principles for overcoming the crisis in the analyzed enterprise.
7
Сажин, М. С., та M. S. Sazhin. "Развитие методики оценки вероятности банкротства на предприятиях оборонно-промышленного комплекса : магистерская диссертация". Master's thesis, 2019. http://hdl.handle.net/10995/75951.
Full textAbstract:
Предприятия ОПК, как объект научного исследования интересны с точки зрения разработки механизма адаптации предприятий ОПК к рыночной среде, оценки вероятности банкротства. Данный вопрос в настоящее время являются весьма актуальным. Его решение крайне востребованного отечественными промышленными предприятиями, имеющими оборонное значение. Очевидно, что на сегодняшний день всё большее число предприятий оборонно-промышленного комплекса, сталкиваются с трудностями, что провоцирует их банкротство. Использование методик и множества моделей различного авторства для прогнозирования банкротства и оценки уровня его вероятности может помочь в процессе диагностики текущего финансового состояния предприятия сферы ОПК и заблаговременно предотвратить факт наступления банкротства. Однако, не существует безупречной методики, которую можно использовать для прогнозирования банкротства предприятий оборонно-промышленного комплекса (что показано в работе). Ввиду чего цель работы была сформулирована следующим образом: разработать систему оценки вероятности банкротства предприятий оборонно-промышленного комплекса, учитывающую специфику и особенности отрасли. Задачи исследования определяются целью: 1. Выполнить анализ наиболее используемых методик определения вероятности банкротства по отношению к предприятиям оборонно-промышленного комплекса; 2. Дать оценку результатам анализа наиболее используемых методик определения вероятности банкротства по отношению к предприятиям оборонно-промышленного комплекса; 3. Опираясь на результаты анализа наиболее используемых методик определения вероятности банкротства по отношению к предприятиям оборонно-промышленного комплекса и их выявленные недостатки разработать собственную систему критериев оценки вероятности банкротства в сфере ОПК; 4. Дать оценку предлагаемой системы оценки вероятности банкротства в сфере оборонно-промышленного комплекса на основе её апробации на ряде предприятий ОПК. Объектом исследования являются предприятия оборонно-промышленного комплекса Российской Федерации. Предметом исследования является оценка вероятности банкротства предприятий комплекса Российской Федерации.<br>Enterprises of the defense industrial complex, as an object of scientific research, are interesting from the point of view of developing a mechanism for adapting the enterprises of the military-industrial complex to the market environment, assessing the probability of bankruptcy. This issue is currently very relevant. His decision is highly demanded by domestic industrial enterprises of defense importance. It is obvious that today an increasing number of enterprises of the military-industrial complex are facing difficulties that provoke their bankruptcy. Using techniques and a variety of models of different authorship to predict bankruptcy and assess its level Probability can help in the process of diagnosing the current financial condition of a company in the defense industry sector and prevent bankruptcy in advance. However, there is no perfect method that can be used to predict the bankruptcy of enterprises of the military-industrial complex (as shown in the work). In view of this, the purpose of the work was formulated as follows: to develop a system for assessing the probability of bankruptcy of enterprises of the military-industrial complex, taking into account the specifics and characteristics of the industry. The objectives of the study are determined by the purpose of: 1. To analyze the most used methods for determining the probability of bankruptcy in relation to the enterprises of the military-industrial complex; 2. To assess the results of the analysis of the most used methods for determining the probability of bankruptcy in relation to the enterprises of the military-industrial complex; 3. Based on the results of the analysis of the most used methods for determining the probability of bankruptcy in relation to enterprises of the military-industrial complex and their identified shortcomings, develop their own system of criteria for assessing the probability of bankruptcy in the defense industry; 4. To assess the proposed system for assessing the probability of bankruptcy in the field of the military-industrial complex on the basis of its testing at a number of defense enterprises. The object of the research is the enterprises of the military-industrial complex of the Russian Federation. The subject of the research is the assessment of the probability of bankruptcy of enterprises of the complex of the Russian Federation.
Conference papers on the topic "Модели банкротства"
1
Дзыгман, Александр Сергеевич, Иван Алексеевич Малаев, Людмила Ивановна Кругляк, and Андрей Викторович Спиридонов. "MODELING OF THE ASSESSMENT OF THE PREDISPOSITION TO BANKRUPTCY OF ENTERPRISES." In Научные исследования в современном мире. Теория и практика: сборник избранных статей Всероссийской (национальной) научно-практической конференции (Санкт-Петербург, Июнь 2022). Crossref, 2022. http://dx.doi.org/10.37539/nitp329.2022.10.42.011.
Full textAbstract:
В статье систематизированы основные модели, позволяющие прогнозировать вероятность банкротства (финансово-экономической несостоятельности) предприятий, их основные преимущества и недостатки. The article systematizes the main models that allow predicting the probability of bankruptcy (financial and economic insolvency) of enterprises, their main advantages and disadvantages.
2
Юсупов, Алишер Рустамович. "MODELING THE ASSESSMENT OF THE LEVEL OF PREDISPOSITION TO BANKRUPTCY: FOREIGN EXPERIENCE AND DOMESTIC PRACTICE." In Science. Research. Practice (Наука. Исследования. Практика): сборник статей XCV International scientific conference (Санкт-Петербург, Апрель 2025). Crossref, 2025. https://doi.org/10.37539/250423.2025.72.75.008.
Full textAbstract:
Одной из важнейших задач по обеспечению финансовой безопасности компаний является своевременная и качественная оценка уровня предрасположенности к банкротству с помощью общепризнанных зарубежных и отечественных моделей. Однако, многие из них устарели или не ориентированы на современные вызовы мировой экономики. One of the most important tasks to ensure the financial security of companies is a timely and qualitative assessment of the level of predisposition to bankruptcy using generally recognized foreign and domestic models. However, many of them are outdated or not focused on the current challenges of the global economy.