Прогнозирование риска банкротства в промышленной и банковской сфере с использованием нечетких моделей и алгоритмов

Скорочена інформація про документ
dc.contributor.advisorЗайченко, Ю. П.
dc.contributor.authorАгаи Аг Гамиш Ови Нафас
dc.contributor.degreedepartmentКафедра математических методов системного анализаuk
dc.contributor.degreefacultyИнститут прикладного системного анализаuk
dc.contributor.degreegrantorНациональный технический университет Украины "Киевский политехнический институт"uk
dc.date.accessioned2016-02-12T09:16:56Z
dc.date.available2016-02-12T09:16:56Z
dc.date.issued2016
dc.description.abstractukДисертацію 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.
dc.format.page157 c.uk
dc.identifier.citationАгаи Аг Гамиш Ови Нафас. Прогнозирование риска банкротства в промышленной и банковской сфере с использованием нечетких моделей и алгоритмов : дисс. ... канд. техн. наук. : 05.13.23 - системы и средства искусственного интеллекта / Агаи Аг Гамиш Ови Нафас. - Киев, 2016. - 157 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/14939
dc.language.isoruuk
dc.publisher.placeКиевuk
dc.status.pubpublisheduk
dc.subjectпрогнозуванняuk
dc.subjectризик банкрутства корпораційuk
dc.subjectнечіткі нейронні мережі Мамдані та Цукамотоuk
dc.subjectнео-фаззі каскадні мережіuk
dc.subjectTSKuk
dc.subjectANFISuk
dc.subjectнечіткий МГУАuk
dc.subjectпрогнозированиеru
dc.subjectриск банкротства корпорацийru
dc.subjectнечеткие нейронные сети Мамдани и Цукамотоru
dc.subjectнечеткий МГУАru
dc.subjectforecastingen
dc.subjectthe risk of bankruptcy of corporationsen
dc.subjectfuzzy neural networks Mamdani and Tsukamotoen
dc.subjectcascade neo-fuzzy networken
dc.subjectfuzzy GMDHen
dc.subject.udc[519.216.3:658.016.8:044.8](043.3)uk
dc.titleПрогнозирование риска банкротства в промышленной и банковской сфере с использованием нечетких моделей и алгоритмовuk
dc.typeThesis Doctoraluk
thesis.degree.levelcandidateuk
thesis.degree.nameкандидат технических наукuk
thesis.degree.speciality05.13.23 - системы и средства искусственного интеллектаuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Aghaei Agh Ghamish Ovi Nafas_diss.PDF
Розмір:
3.02 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
7.65 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Дисертації (ММСА)
Дисертації (вільний доступ)