Система підтримки прийняття рішень для аналізу операційних ризиків
Вантажиться...
Дата
2023
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Левенчук Л.Б. Система підтримки прийняття рішень для аналізу
операційних ризиків. − Кваліфікаційна наукова праця на правах рукопису.
Дисертація на здобуття наукового ступеня доктора філософії з галузі
знань 12 Інформаційні технології за спеціальністю 124 Системний аналіз. –
Національний технічний університет України «Київський політехнічний
інститут імені Ігоря Сікорського», Київ, 2023.
Операційний ризик стає все більш актуальним у різних сферах,
включаючи фінанси, медицину, транспорт і виробництво. Він представляє
собою ризик збитків, спричинений невдалими внутрішніми процесами,
людьми, системами або зовнішніми подіями, і може мати серйозний
фінансовий та репутаційний вплив на організацію. Система підтримки
прийняття рішень (СППР) для аналізу операційного ризику є ключовим
інструментом для використання в різних організаціях. Вона дає
можливість виявити потенційні ризики, оцінити їхню ймовірність та вплив
на протікання процесів, а також визначити оптимальні стратегії для
їхнього пом’якшення.
Процеси, які не відносяться до стаціонарних та мають нелінійний
характер, є загально поширеними і мають різноманітні застосування у
демографії, екології, економіці, фінансах та інших сферах. Ці процеси
характеризуються великою кількістю невизначеностей, таких як
невизначеність в даних, невизначеність в структурі моделі та параметрична
невизначеність. Невизначеність у всіх цих аспектах може впливати на
точність та надійність системи підтримки прийняття рішень і призводити
до неточних результатів аналізу даних та прогнозування.
Для ефективного управління нестаціонарними та нелінійними
процесами необхідно використовувати адаптивні підходи, які дозволяють
системі підтримки прийняття рішень адаптувати свою структуру та
параметри до змінних умов. Загальна класифікація нелінійних та
нестаціонарних процесів допомагає розуміти природу цих процесів у
різних сферах та визначати належні методи аналізу та прогнозування.
Усвідомлення наявності різних видів невизначеностей і їхнього впливу на
результати аналізу даних є важливим етапом у розробці надійних та
точних системи підтримки прийняття рішень.
Метою дисертаційного дослідження є створення та програмна
реалізація у формі інтелектуальної СППР системної методології побудови
математичних моделей для формального опису і прогнозування розвитку
нелінійних нестаціонарних фінансово-економічних процесів за допомогою
ймовірнісно-статистичного підходу, регресійного аналізу і методів
інтелектуального аналізу даних (ІАД) з використанням інтелектуальної
СППР.
В дисертації отримані такі нові наукові результати:
1. Розроблені нові моделі у формі байєсівської мережі (БМ) і
байєсівської регресії, які відрізняються можливістю врахування
ймовірнісно-статистичних невизначеностей даних і забезпечують
підвищення якості оцінювання можливих операційних втрат.
2. Вперше застосовано метод структурно-параметричної адаптації
моделей у формі БМ до нових даних (повторне оцінювання структури і
параметрів моделі з використанням заданої множини критеріїв) з метою
підвищення адекватності ймовірнісних моделей.
3. Удосконалено алгоритми обчислювальних процедур, що
використовуються для оцінювання структури і параметрів моделей
(удосконалення методу Монте-Карло для марковських ланцюгів)
операційних ризиків.
Практична цінність дисертаційної роботи полягає у тому, що
розроблено оригінальну СППР на основі принципів системного аналізу
для розв’язання задачі моделювання, оцінювання і прогнозування
можливих втрат внаслідок реалізації операційних ризиків на основі
статистичних даних та експертних оцінок, розроблених математичних
моделей і множини статистичних критеріїв якості.
Всі результати роботи доведено до практичного інженерного рівня і
впроваджено у навчальний процес інституту прикладного системного
аналізу НТУУ «КПІ імені Ігоря Сікорського» та у фінансових компаніях з
метою застосування методології оцінювання ринкових ризиків на практиці.
Запропонована методологія дає змогу обґрунтовано підійти до розв’язання
задачі прогнозування розвитку сучасних фінансових процесів, оцінювання
можливих фінансових ризиків та їх врахування у виробленні тактичних і
стратегічних управлінських рішень. Всі теоретичні і практичні результати
дисертаційної роботи у повній мірі опубліковано у фахових вітчизняних та
закордонних наукових виданнях, що входять до відповідного
встановленого переліку, а також виконано їх належну апробацію на
міжнародних наукових конференціях і семінарах.
У дисертаційній роботі розглянуто питання актуальності
дослідження операційного ризику та розробки системи підтримки
прийняття рішень для його аналізу. Встановлено, що правильна оцінка
прогнозів є надзвичайно важливим завданням, оскільки невірні рішення
при оцінюванні прогнозів можуть призвести до серйозних матеріальних
втрат. Проведено дослідження методів боротьби з невизначеністю та
опрацьоване питання розробки ефективних стратегій обробки даних для
моделювання, прогнозування і оцінювання ризиків в нестаціонарних та
нелінійних процесах.
Зроблено огляд існуючих математичних моделей для формального
опису операційних фінансових ризиків. Розроблено ймовірнісностатистичну модель операційного ризику у формі динамічної байєсівської
мережі (БМ) і подано приклад її застосування до оцінювання операційного
ризику у страхуванні. Розроблено комбіновану модель: лінійна + нелінійна
регресія для операційного ризику, яка будується на основі статистичних
даних.
Для побудови моделей у формі БМ та регресії використано
теоретичні положення, що стосуються аналізу
статистичних/експериментальних даних з метою оцінювання структури і
параметрів такої моделі. Формування (обчислення) ймовірнісного
висновку виконувалось за допомогою теореми Байєса.
Розроблено структуру та складові елементи інтелектуальної СППР
для аналізу операційних ризиків. Створено метод моделювання
операційних ризиків на основі комбінованої моделі (ймовірнісні фільтри +
регресія + динамічна байєсівська мережа).
Запропоновано вдосконалену системну багатокрокову методологію
побудови моделей фінансових процесів і фінансових ризиків довільного
походження. Наданий детальний огляд теоретичних основ і методів
адаптації байєсівських мереж до даних в контексті аналізу ймовірнісних
розподілів для дискретних випадкових величин і динамічних систем.
Наведено приклад застосування методології, який демонструє її
ефективність в застосуванні до аналізу ризиків актуарних процесів.
Застосування запропонованої методології для моделювання фінансових
процесів з використанням узагальнених лінійних моделей та байєсівського
оцінювання параметрів гарантує високу якість оцінювання ризиків з
мінімальними похибками.
Сформульовано метод моделювання ризиків на основі системного
підходу до побудови моделей операційних ризиків та його застосування
при побудові системи підтримки прийняття рішень. Створено модель
операційного ризику на основі узагальненої лінійної регресійної
(байєсівської) моделі. Побудовано (розширення функцій) інтелектуальну
СППР для аналізу операційних ризиків.
За матеріалами дисертації опубліковано 14 робіт, з яких 6 – це статті
у журналах і збірниках наукових праць, що входять до переліку фахових
видань затверджених МОН України за спеціальністю дисертації або у
періодичних виданнях іноземних держав (1 з них включена до міжнародної
наукометричної бази Scopus, 1 до Web of Science), та 8 – публікації у
матеріалах конференцій (у тому числі, міжнародних).
Опис
Ключові слова
операційні ризики, система підтримки прийняття рішень, адаптивна байєсівська мережа, математична модель, прогнозування, теорема Байєса, нелінійні нестаціонарні процеси, operational risks, decision support system, adaptive Bayesian network, mathematical model, forecasting, Bayes theorem, nonlinear nonstationary processes
Бібліографічний опис
Левенчук, Л. Б. Система підтримки прийняття рішень для аналізу операційних ризиків : дис. … д-ра філософії : 124 Системний аналіз / Левенчук Людмила Борисівна. – Київ, 2023. – 168 с.