Динамические модели производства банковского продукта для поддержки стратегического управления кредитной организацией тема диссертации по экономике, полный текст автореферата

Автореферат диссертации по теме "Динамические модели производства банковского продукта для поддержки стратегического управления кредитной организацией"

т

На правах рукописи

ВОЛОВНИК Александр Давидович

УДК 330.322(075.8)

ДИНАМИЧЕСКИЕ МОДЕЛИ ПРОИЗВОДСТВА БАНКОВСКОГО ПРОДУКТА ДЛЯ ПОДДЕРЖКИ СТРАТЕГИЧЕСКОГО УПРАВЛЕНИЯ КРЕДИТНОЙ ОРГАНИЗАЦИЕЙ

Специальности:

08.00.05 - Экономика и управление народным хозяйством (управление инновациями и инвестиционной деятельностью) 08.00.13 — Математические и инструментальные методы экономики

Автореферат диссертации на соискание ученой степени доктора экономических наук

Ижевск 2006

Работа выполнена в ГОУ ВПО «Ижевский 1 осударственный 1е\нический университет» (ИжГТУ) и ОАО «Фондсервисбанк»

Научные консультанты:

член-корреспондент РАН,

доктор экономических наук, профессор Гизатуллин Х.Н.

(Институт социально-экономических исследований Уфимского НЦ РАН, г. Уфа);

заслуженный деятель науки Удмуртской Республики

доктор физико-математических наук, профессор Тененев В. А. (ИжГТУ)

Официальные оппоненты:

заслуженный деятель науки Российской Федерации, доктор экономических наук, профессор Гаврилец Ю.Н. (ЦЭМИ РАН, г Москва);

заслуженный деятель науки РФ, доктор экономических наук,

доктор технических наук, профессор Зайнашев Н.К. (ГОУ ВПО «Уфимский государственный авиационный технический университет»)

доктор физико-математических наук, профессор Румянцев А.Н. (ГОУ ВПО «Пермский государственный университет»)

Ведущая организация: ГОУ ВПО «Уральский государственный экономический университет» (г. Екатеринбург).

Защита состоится 21 декабря 2006 года в 14-00 часов на заседании диссертационного совета Д 212 065.05 ИжГТУ по адресу 426069, г. Ижевск, ул. Студенческая ,7

С диссертацией можно ознакомиться в библиотеке ИжГТУ Автореферат разослан 20 ноября 2006 г

Ученый секретарь диссертационного совета, кандидат жономических паук, доцент

О. М. Перминова

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Основу финансовой системы современной России составляют банки. Поэтому от успешного развития банковской деятельности зависит устойчивость как финансовой системы, так и всей экономики. Российская банковская система находится на этапе интенсивных рыночных преобразований. В условиях острой конкуренции и концентрации банковского капитала важной задачей является эффективное управление, основанное на современных методах маркетинга и стратегического менеджмента. Решение задачи существенного роста валового внутреннего продукта (ВВП) зависит от обеспечения инвестиционной деятельности, основу которой образуют долгосрочные кредиты. Так как от характера финансируемого проекта зависит окупаемость инвестиций и прибыль, то решающими при предоставление кредита должна быть надежность оценки проекта и возможность влияния на управление инвестиционным проектом.

Современная экономика развитых стран характеризуется очень высокими темпами развития информационных технологий. Деятельность кредитных организаций, определяющая производство банковского продукта, как ни какая другая сфера экономической деятельности, связана с применением и потреблением информационных ресурсов. Эффективность функционирования экономической системы по производству банковского продукта в значительной степени определяется информационной поддержкой, квалификацией персонала и организаторскими способностями менеджеров высшего звена, применением современных методов анализа и управления, т.е. всем тем, что принято называть интеллектуальным капиталом. Интеллектуальные производительные силы имеют основополагающее влияние на процесс производства банковского продукта. Разработка методов количественной оценки влияния интеллектуальных факторов на деятельность и создание моделей систем управления интеллектуальным капиталом является важной и актуальной задачей.

Для эффективного управления деятельностью кредитной организации необходимо применение системного подхода, при котором экономическая система — банк моделируется совокупностью структурных элементов, таких как система маркетинга, система управления интеллектуальным капиталом, система менеджмента. Создание таких моделей, позволяющих получать количественный отклик как на действия руководства банка, так и на изменение внешних экономических и политических условий, представляет собой сложную и необходимую задачу. Перспективным направлением в области системного моделирования динамических экономических систем является применением интеллектуальных алгоритмов обработки информации и извлечения знаний из данных.

В настоящее время российскими и зарубежными учеными проделан огромный объем работы в области теоретических построений и практической реализации результатов исследований инвестиционных процессов. Математическое моделирование в экономике развивается в работах Ашманова С.А., Альбрехта Э.С., Глухова В.В., Дуброва A.M., Емельянова A.A., Колемаева В.А., Лагоши Б.А., Оленева H.H., Поспелова И.Г., Черемных Ю.Н., являясь продолжением классических работ Беллмана Р., Гейла Д., Самуэльсона П., Хикса Д. Теория интеллектуального капитала содержится в работах Стюарта Т., Даума Д., Эдвинсона Л., Ле-

онтьева Б.Б., Иноземцева В.Л., Максимова В К. и других. Большое количество публикаций на эту тему, увеличивающееся с каждым годом, свидетельствует об огромном интересе к этой области знаний. Развитые методологические основы деятельности кредитных организаций, созданные модели производства банковского продукта необходимо довести до уровня использования в практике банков и предприятий в виде необходимых информационных технологий.

Объектом исследования являются кредитные организации российской финансовой системы, оказывающие финансовую поддержку предприятия реального сектора экономики.

Предмет исследования: методы и модели прогнозирования производства банковского продукта; методики управления, обеспечивающие эффективную организацию банковской деятельностью.

Область исследования: математические модели и методы анализа микроэкономических процессов и систем: отраслей народного хозяйства, фирм ^ предприятий, способов оценки предпринимательских рисков и обоснования инвестиционных решений.

Цель исследования состоит в получении научно-обоснованных экономических решений, направленных на организацию производства банковского продукта путем построения динамических моделей на основе математической теории интеллектуальных систем, обеспечивающих стратегическое управление кредитной организацией, и математических моделей поведения субъектов инвестиционных проектов, снижающих риски, связанных с вложением средств в условиях развивающейся экономики России, что будет способствовать повышению эффективности использования банковских финансовых ресурсов, активизации инвестиционной деятельности финансово-кредитных учреждений при одновременном снижении рисков утери их капиталов.

Для достижения поставленной цели требуется решить следующие задачи:

- дать формализованное представление системы маркетинговых исследований, включающую модель поведения потребителя банковских услуг;

- разработать методику оценки динамики депозитов физических лиц по результатам прошлых и текущих кассовых операций;

- построить математическую модель конкурентной борьбы участников рынка банковских услуг, позволяющую разрабатывать оптимальные ценовые стратегии,

- создать динамическую модель производства банковского продукта с учетом интеллектуального капитала, адаптирующуюся к особенностям кредит^ ных организаций;

- разработать методику оптимального управления интеллектуальным капиталом банка для определения стратегий развития;

- разработать методики определения кредитоспособности юридических и физических лиц с применением системы нечеткого вывода и деревьев решений;

- создать методику оценки эффективности инвестиционных проектов.

Методы исследования. В работе применялись теоретические методы и

методологические исследования в экономике, нормативные и законодательные акты Российской Федерации Для обработки информации и получения количественных результатов использовались методы извлечения знаний из данных.

теория нечетких множеств, теория оптимального управления.

Достоверность и обоснованность полученных в работе результатов и выводов подтверждается сопоставительным анализом разработанных и существующих математических моделей и методов, использованием фактических данных, содержащихся в документах бухгалтерской отчетности.

Математические модели и методы, применяющиеся в диссертационной работе, основаны на теории дифференциальных уравнений, на теории оптимального управления, теории вероятностей, теории исследования операций и теории нечетких множеств.

Научная новизна проведенного исследования заключается в следующем:

1. Дано системное представление маркетинговой деятельности, как структурного элемента общей системы управления банком.

2. Разработанная модель поведения потребителя банковских услуг в виде причинно-следственной сети дала возможность получать выходную количественную реакцию в виде объема и номенклатуры банковского продукта, характерную для потребителя, принадлежащего к одной из групп населения.

3. Разработанная методика продолжения временных рядов позволила оценивать будущие изменения величины депозитов физических лиц.

4. Построенная математическая модель конкурентной борьбы двух участников рынка банковских услуг дала возможность решить задачу оптимального управления и рассчитать оптимальную ценовую стратегию одного участника при неизменной ценовой политике второй стороны.

5. Разработанная модель жизненного цикла банковского продукта позволяет устанавливать оптимальные сроки ввода новых и замены устаревших банковских услуг.

6. На основе построенной динамической модели производства банковского продукта предложена методика количественной оценки интеллектуального потенциала и интеллектуального капитала кредитной организации.

7. С применением подхода к моделированию управления интеллектуальным капиталом банка на основе нечеткой причинно-следственной сети решена задача оптимального управления интеллектуальным капиталом банка, определяющая стратегии развития.

8. Предложено представлять SWOT — анализ в виде нечеткой причинно-следственной сети. Нечеткое моделирование позволяет реализовать сущность SWOT - анализа: превращение собственных слабостей в силу и устранение внешних угроз за счет собственных возможностей.

9. На основе возможностного метода деревьев решений разработана методика оценки кредитоспособности физических лиц, снижающая величину кредитного риска.

10. Создана методика определения кредитоспособности юридических лиц с применением системы нечеткого вывода и сетей Петри, построена структура сети, установлены основные переменные системы.

11. Разработаны модели рационального поведения товаропроизводителей и управления инвестиционными проектами.

12. На основе разработанных моделей проведены расчеты сценариев развития коммерческого банка, показавшие его высокую устойчивость к измене-

нию внешних условий.

Практическая полезность исследования заключается в возможности применения разработанных методов для оптимизации управления банковской деятельностью.

На основе формулировок общих целей и задач маркетинга дано формализованное представление системы маркетинговых исследований, позволяющее встроить ее в общую систему управления банком. Разработана методика прогнозирования ежедневного поведения депозитов физических лиц на основе нейросеггевой модели. На основе численного решения задачи оптимального управления рассчитана оптимальная ценовая стратегия одного участника при неизменной ценовой политики второй стороны. Получены правила, характеризующие благонадежность клиентов банка. Построена нечеткая модель выбора численности сотрудников в подразделениях организации. На основе протестированного численного метода решения задачи оптимального управления получены варианты поведения товаропроизводителя. ^

Апробация работы. Отдельные законченные этапы работы обсуждались на: Научно-технической конференции ИжГТУ, посвященной 50-летию образования ИжГТУ (Ижевск, 2002); Международных научно-технических конференциях ИжГТУ (Ижевск, 1999, 2001-2003), Всероссийской отраслевой научно-практической конференции Агенства «Росавиакосмос» по проблемам привлечения финансовых ресурсов от иностранных и российских инвесторов (2001), [V Международной научной конференции «Информационные технологии в инновационных проектах» (Ижевск, 2002); VI Международном конгрессе по математическому моделированию (Нижний Новгород, 2004); 31,33 Международных конференциях «Информационные технологии в науке, социологии, экономике и бизнесе» (Украина, Крым, Ялта - Гурзуф, 2004,2006); 1У-ой Международной научно-практической конференции «Теория и практика антикризисного менеджмента» (Пенза, 2006); V Всероссийской научно-практической конференции «Проблемы и перспективы Российской экономики» (Пенза, 2006); XVII Международной научно-технической конференции «Математические методы и информационные технологии в экономике, социологии и образовании» (Пенза, 2006); Международной научно-технической конференции «Искусственный интеллект -2006» (Таганрог, 2006); V Международной научно-практической конференции «Социально-экономическое развитие России в XXI веке» (Пенза, 2006).

Реализация работы в производственных условиях. Положения, разработки и рекомендации диссертационной работы внедрены в ОАО «Фондсер^ висбанк», коммерческий банк «Легион» и ОАО «Ижевский радиозавод».

Публикации. Основные научные результаты по теме диссертации опубликованы в виде: 4-х монографий, 29 научных трудах в изданиях, рекомендуемых ВАКом для публикации основных результатов диссертаций на соискание учёной степени доктора наук. Всего по теме диссертации опубликовано 63 работы общим объемом 74,08 печатных листов, из которых 48,44 печатных листа принадлежат лично автору.

Структура диссертационной работы определяется общими замыслом и логикой проведения исследований.

Диссертация содержит введение, 6 глав изложенных, на 374 с машинописного текста, заключение и приложения, в кагором представлен акт об использовании результатов

работы. В работу включены 140 рис., 10 табл., список литературы из 245 наименований.

СОДЕРЖАНИЕ РАБОТЫ

Введение содержит обоснование актуальности темы, формулировку цели и задач работы, основные положения, выносимые на защиту, и определяет содержание и методы выполнения работы.

В первой главе дано системное представление маркетинговой деятельности банка при стратегическом планировании. Сформулированы общие цели и задачи системы маркетинговых исследований. Построена модель поведения покупателя банковских услуг. Дан анализ методического обеспечения системы маркетинговых исследований. Рассмотрены методы кластеризации и снижения размерности системы данных. Проведен анализ временной зависимости депозитов на основе методов анализа временных рядов и нейросетевых моделей

Вторая глава содержит модели поведения кредитной организации на конкурентном рынке. Дан обзор общих экономических теорий ценообразования и общих методологических принципов ценообразования. Описана модель зависимости спроса на банковский продукт от цены на рынке банковских услуг. Проведено динамическое моделирование ценовой политики кредитной организации в условиях конкуренции. Дана модель жизненного цикла банковского продукта.

В третьей главе даны современные представления о человеческом и интеллектуальном капитале. Разработана динамическая модель производства банковского продукта с учетом интеллектуального капитала. Проведена идентификация модели производства банковского продукта. Представлена методика оценки величины интеллектуального капитала банка. Приведено решение задачи оптимального управления развитием банка на основе дифференциальной модели. Изложен подход к нечеткому моделированию системы управления интеллектуальным капиталом банка. Описана математическая модель производства банковского продукта. Изложен метод обучения нечеткой сети, моделирующей банковскую деятельность. Проведено моделирование Б'\\гОТ-стратегий нечеткой системой.

Четвертая глава содержит изложение методов моделирования кредитоспособности клиентов коммерческого банка. Дня оценки кредитоспособности физических лиц применяются нейросетевые методы оценки кредитной надежности, алгоритмы анализа, основанные на правилах. Приведены модели, прогнозирующие поведение клиентов на основе показателей хозяйственной деятельности кредитуемых предприятий. Описана модель выбора стратегии кредитования юридических лиц, основанная на нечетком логическом выводе и нечетких сетях Петри

В пятой главе излагаются принципы развития инвестиционных способностей кредитного банка. Описаны этапы инвестиционного процесса в производственно-экономических системах, дана система показателей оценки инвестиционных проектов. Дано обоснование политики долгосрочного кредитования предприятия на основе модели экономической системы с запаздывающими параметрами. На основе схемы венчурного финансирования инвестиционных проектов построена формализованная модель развития венчурного инвестиционного проекта. Решена задача оптимизации управления инвестиционным проектом для получения максимальной прибыли за заданное время. Даны оценки риска венчурного инвестирования.

Шестая глава содержит результаты моделирования сценариев развития коммерческого банка. Дан анализ состояния банковской деятельности коммерческого банка, приведены основные приоритеты развития банка и финансовые показатели деятельности. Рассмотрены внешние и внутренние факторы, влияющие на развитие банка с прогнозом динамики внешних факторов. Дано описание переменных модели и структуры системы. Проведен анализ сценариев банковской деятельности.

ОСНОВНЫЕ ПОЛОЖЕНИЯ ДИССЕРТАЦИОННОЙ РАБОТЫ, ВЫНОСИМЫЕ НА ЗАЩИТУ

1. Модель поведения потребителя банковских услуг в виде причинно-следственной сети.

Покупательское поведение зависит от факторов маркетинга (продукт, цена, система распространения, комплекс стимулирования), факторов среды (экономик ческие, политические, технологические, социальные, правовые, природные, культурные) и личностных факторов. Если покупатель осознал потребность в каких-либо товарах, то он начинает собирать информацию о возможных товарах и продавцах. Кредитная организация дает информацию либо непосредственно через рекламу и общественные источники (СМИ) либо через знакомых и родственников потребителя, уже пользующихся услугами данного банка.

Покупатель анализирует информацию и в результате имеющихся мотивов делает выбор набора банковских услуг. После получения услуг потребитель дает оценку, насколько полно удовлетворены его потребности.

При моделировании сложных систем желательно получение количественного результата реакции системы на изменение входных переменных. Одним из направлений моделирования является применение нечетких когнитивных карт, нечетких сетей Петри. Поведение покупателей, в том числе и потребителей банковских услуг, характеризуется высокой степенью неопределенности. Поэтому целесообразно использовать методы нечетких множеств, лежащие в основе многих экспертных систем. Моделируемая система представляется в виде причинно-следственной сети. Взаимодействия между элементами системы представляются в виде нечетких правил. Построенная сеть может функционировать в нескольких режимах:

1. Имеется достаточное количество данных, связывающих входные и выходные параметры системы (сети). В этом случае количественные параметры, опреле^ ляющие функции принадлежности, находятся в процессе обучения сети. "

2. Режим экспертной системы. При недостаточном количестве данных эксперты устанавливают меры условия и следствия, а также формулируют правила в виде нечетких высказываний.

3. Смешанный режим. Часть параметров системы устанавливают эксперты. другая часть определяется набором данных.

Количественный результат взаимодействия между элементами определяется на основе нечеткого вывода. В режиме экспертной системы и в смешанном режиме наиболее предпочтительным является нечеткий логический вывод по Мамдани

Функционирование системы в направлении от входа к выходу определя-

ется зависимостью Y = F(X,W), где W — параметры системы, а внешние факторы включены в вектор X.

Для построения модели поведения выделим первую группу элементов — мотивы (рис.1), побуждающие клиента к приобретению банковских услуг. Обозначим переменные этой группы Ми,1 = 1,Л'Л,,/ = , где Nм - количество мотивов; N - количество продуктов (услуг) на рынке. Эти элементы имеют направленные связи с элементом «уровень потребности», определяя его значение на основе нечеткого вывода. Результат логического суммирования пропускается через функцию активации вида 9>(н) = ехр(— £/м), где величина Е имеет смысл «энергии активации». Функция активации имеет пороговый характер (чем меньше Е, тем ниже порог).

источники информации

Рис. 1. Структура модели поведения потребителя банковских услуг Вторую группу элементов образуют внешние факторы Р1П1 = 1, Л^,/ = 1,ЛГ. Каждый фактор, также как и мотив, по разному влияет на покупателя в зависимости от типа рассматриваемого продукта. Внешние факторы связаны с мотивами, оказывая на них определенное влияние.

Третья группа элементов состоит из источников информации = 1, А^,/ = , связанных с набором продуктов и имеющих в качестве выхода элемент «уровень информации». Результат логического суммирования также проходит через функцию активации.

Сигналы от элементов «уровень потребности» и «уровень информации» в виде весовых коэффициентов потребительской полезности обрабатываются элементом «анализ и выбор». Обработка основывается на существующем в теории потребления предположении, что потребитель рационально расходует имеющиеся у него доходы q в соответствиями с полезностью товараД и его ценами рп1 = \,М.

Величина дохода q входит в число переменных системы. Математическая модель выбора имеет вид:

и(х) -> шах (1)

при условии

N

]>]РЛ=<7> (2)

¡•1

где С/(х) - функция предпочтения или полезности.

Возьмем функцию полезности в форме

V

Для решения задачи выбора применим метод множителей Лагранжа. Для этого вводится множитель Я и определяется функция Лагранжа:

V /V

+Я q-^РЛ il ч / i

Экстремум функции Л(\,А) тах определяет решение задачи условной оптимизации (1,2).

¿¡д _ ¿1Д

Условия экстремума: -— = 0,i = 1,jV , — = 0.

Bxt дЯ

Для функции полезности вида (3) получим: ajirx" ' - Лр, = 0./ = 1. jV , Л

N

Х>Д-</ = 0.

I I

Решением данной системы уравнений является: множитель Лагранжа:

РГ

у(«,Д)Ч Р. ^ г!

и количества приобретаемого продукта

1 а, Г~Г,

, у = --= —,t = \,N.

1 -а, 1 -а,

Выходной реакцией данной сети является объем и номенклатура банковского продукта, характерная для потребителя, принадлежащего к одной из групп населения.

Построенная модель входит в качестве структурного элемента в систему маркетинга банка (рис.2).

средства на маркетинговые исследования

О-

О U" и

факторы

Рис 2 Модель повеления и структуре системы маркетинга банка

В этом случае появляется еще одна группа переменных - финансовые средства, выделяемые на проведение маркетинговой политики. Объемы выделяемых средств на рекламу, на информационное обеспечение, на улучшение качества услуг связываются с элементами Ми и . Выход из подсистемы поведения потребителя является обратной связью для управления распределением ресурсов банка.

2. Методика анализа временной зависимости депозитов.

В процессе проведения маркетинговых исследований, обеспечивающих принятие оптимальных стратегий развития банка, важную роль играет анализ временных рядов. В маркетинговых исследованиях необходимо рассматривать динамику поведения кассовых операций, прогнозировать объем депозитов, непосредственно влияющих на кредитный потенциал банка и на показатели его устойчивости. Характеристики временного ряда со временем меняются, колеблются, но волатильность не одинакова и может быть вызвана влиянием общих факторов, определяющих главное направление, основную тенденцию развития явления.

Рассматривается зависимость общего вида:

/ =/<*,) +С, у, ^(^.у^ + ^где векторы х, = = у, = = 1,г - влияющие факторы и условное стандартное

отклонение, являющееся детерминированной функцией от прошлых значений цен; - ошибки модели в момент /,,/ = О, N. Данную зависимость можно построить с применением нейросетевых моделей.

Применительно к решению задачи продолжения временного ряда нейронная сеть осуществляет нелинейное преобразование вектора х в вектор у: у = Ф(\У,х), где W — матрица коэффициентов преобразования, определяемая в процессе обучения сети.

Временной ряд или последовательность = О,А' преобразуется в матрицу, состоящую из столбцов <2у,у=0,р, с помощью сдвига по времени или

/а /\ "' 1

л л -

лага длинои

1+к-1 '

_/к-1 /к "' УлГ

Последовательность временного ряда переведена в набор обучающих

- С ^4

данных, содержащийр точек (х,_уУ = 0,р, где х1 = !

,.1 ¡л-г)

С применением описанного алгоритма определяется зависимость вида: / = /(х,), на обучающей выборке из А точек. В последующие моменты времени полученная зависимость используется для прогнозирования значений финансового показателя. При таком подходе процесс продолжения временного ряда является не задачей экстраполяции, а задачей интерполирования,

что дает устойчивые результаты.

Зависимость для волатильности у1 = ) находится с применением

полученного преобразования / = /(\,). Строится последовательность

Затем эта последовательность преобразуется в двумерную матрицу, также как последовательность /,. Для построения зависимости вида V, = , V,) используется входной вектор:

(

1

f,

. Выходом является v :

Поступление денег на депозиты физических лиц и снятие денег со счетов клиентов является случайным процессом. Учет данных денежных потоков осуществляется с установленным по- Л / рядком для кассовых операций в коммерческом банке. Восста- ™ V. новление и продолжение временного ряда поступлений денег при лаге 5 показано на рис.3. График выдачи денег приведен на рис.4. Разность межлу приходом и расходом является суммой, постучи*1--,' пающей на депозиты Д (/,).

Рассмотренный метод восстановления зависимости временного ряда с последующим его продолжением на основе нейросетевой модели можно применять для оценки других финансовых показателей, применяющихся в маркетинговых исследованиях: курс валют, стоимость акций и других ценных бумаг, процентная ставка и т.д. /

-Воссгановлзше зависимости В ержяя граница

- Исходная зависимость Нижняя граница

-^—Прогноз зашсшлосги

«и loti I'll 1 Jjll зп I irn 411(1

Рис 3 Восстановление и продолжение временного ряда поег\млсипп tener

Рис.4. График выдачи денег

3. Динамические модели поведения кредитной организации на конкурентном рынке.

В условиях усиления конкурентной борьбы в современных условиях российского рынка важным является сохранение и расширение клиентской базы. Для этого необходима ориентация банков на расширенное обслуживание физических лиц с учетом индивидуального подхода, повышение качества услуг и их привлекательности для клиентов. Устойчивое положение на рынке банковских услуг достигается за счет внедрения современных технических средств, банковских технологий, совершенствования системы управления персоналом, повышения квалификации сотрудников, улучшения имиджа банка. Наряду с неценовой конкуренцией необходимо обоснованное варьирование процентных ставок и платы за услуги.

Для понимания системы формирования цены на банковские услуги необходимо построить ее формализованную модель. Даже простая модель, но адекватно отражающая взаимодействие элементов в системе, позволяет провести качественный и количественный анализ направлений развития системы и сформировать представление о стратегии управления. Формирование спроса на рынке банковских услуг определяется наличием конкурирующего предложения. Описание процесса взаимодействия объемов спроса на конкурирующие услуги следует проводить с применением математических моделей. Будем считать, что на рынке присутствуют два поставщика банковского продукта. Одним из участников является кредитная организация, стремящаяся с помощью ценовой политики расширить рынок, повысить объем поставок продукта и увеличить получаемую прибыль. Вторым участником является совокупность остальных операторов данного рынка. Система уравнений записывается в виде: сЬсу/Ж = .V, - а,,.г, - апхг), с1х2/Л = хг (К2 - а2[х7 - а22х{),

.г, (О) = л,". V, (О) = V" .где коэффициенты ,.и12.а21,а22 характеризуют интенсивность поставок банковского продукта обеими сторонами, У2 - объемы возможного спроса на продукты первого и второго участников.

Принимается, что каждый участник устанавливает свою цену поставляемому банковскому продукту С',.С\. Считаем, что для банковского продукта при остальных одинаковых условий выполняется правило: с ростом цены на банковские услуги объем спроса уменьшается. Рассмотрим возможность формирования ценовой стратегии кредитной организации при постоянном уровне цен у других участников. Задача состоит в выборе некоторой цены, изменяющей объем спроса К, (С,) таким образом, чтобы получаемая суммарная плата за банковские услуги была бы максимальной: т

Р(С)- |д—> тах, где Т - рассматриваемый отрезок времени. А

о ^

Зависимость спроса от цены взята в виде логистической кривой

ехр (а/ЗС,)

, ч , ,„ ,/ = 1,2, где а,р - коэффициенты, зависящие

^ Ко )

от факторов рыночного спроса; Уи - максимальное значение объема спроса, соответствующее минимальной цене банковской услуги. Зависимость применима к каждому участнику рынка (/ = 1,2) при одних и тех же коэффициентах а,р.

Таким образом, имеем задачу оптимального управления. В уравнениях присутствуют коэффициенты, которые можно разделить на две группы. Первую группу составляют коэффициенты, с помощью которых можно управлять процессом. В данном случае это цена С',(/). Во второй группе находятся коэффициенты, идентифицирующие математическую модельапмп*а2\,аг2,а,р ,

Кщ/д. Эти коэффициенты устанавливаются либо экспертным путем, либо из анализа имеющихся опытных данных.

Для случая оптимального управление ценой на всем временном отрезке [0.7"] получено ^ следующее решение задачи, приведенное на рис.5 (зависимость о 1 2 3 -1 5 ( „ ,

Рис 5 Зависимость цены управляющей функции С,(Г)(це-

п объемов спроса от времени ны) и объемов спроса от времени).

Цена на услуги резко снижается в начальный период по сравнению с равновесной ценой, что дает расширение объема спроса. Затем цена подтягивается до уровня равновесной при значительном большем объеме спроса, чем у конкурирующей стороны Объем поставок и суммарная плата существенно превышает аналогичные показатели второй стороны

4. Дифференциальная модель производства банковского продукта с учетом интеллектуального капитала

Интеллектуальный капитал является частью человеческих ресурсов, используемых при получении прибавочного продукта. Для банковской деятельности роль человеческого капитала и, в частности интеллектуального, неизмеримо выше, чем в других отраслях. В промышленности производство обеспечивается и материальными и трудовыми ресурсами. В соответствии с теорией производственных функций объем производимого продукта У определяется функцией вида, У = где К - объем производственных фондов; Ь - объ-

ем трудовых ресурсов или человеческий капитал.

Коэффициенты эластичности по производственным фондам а и по труду

_ Э/г К дР £ „

р имеют вид:а = -^-—, р = Для производственной функции Кобба-

Дугласа эти коэффициенты являются показателями степени при соответствующих факторах: У = АКа1?, причем «г + /? = 1.

Специфика производства банковского продукта состоит в том, что в этом процессе не создаются какие-либо материальные ценности. Банковский продукт является комплексом услуг по финансовым операциям в результате деятельности и может представлять: банковский счет, депозит, вексель, чек, процент по вкладу или за кредит. Если в обычном товарном производстве первостепенное значение имеют объемы производственных фондов (средства производства), то в производстве банковского продукта на первый план выступает человеческий капитал. Банк, как и любая другая кредитная организация, не обладает большими объемами основных производственных фондов. Успешная работа банка во многом зависит от деловых качеств управленческого звена и от профессиональности сотрудников, т.е. как раз от интеллектуальных возможностей. Поэтому величина коэффициента эластичности по труду должна быть больше эластичности по производственным фондам. Поэтому влияние интеллектуального капитала на процесс развития банка является основополагающим.

С возрастанием роли человеческого капитала растет и влияние наличия интеллектуального капитала банка, так как интеллектуальный потенциал определяется в первую очередь возможностями трудовых ресурсов. Для управления интеллектуальным капиталом необходимо научиться его оценивать и выразить через применяемые в практике бухгалтерского учета показатели. Это требует создания некоторых моделей. Нами предполагается два подхода к решению данной задачи. Первый в качестве основы опирается на теорию производственных функций с использованием математических моделей в виде некоторых дифференциальных и алгебраических уравнений. Второй базируется на представлении банка и его деятельности в виде причинно-следственной сети или когнитивной карты. Эти два подхода должны взаимно дополнять друг друга.

Модель развития деятельности банка основывается на производственной функции вида в которой наряду с основными средствами V, численно-

стью персонала Я и другими ресурсами учитывается интеллектуальный капитал J.

Положительное развитие банка существенно зависит от его ресурсов. Под ресурсами банка понимаются собственные средства или капитал, а также привлеченные средства или обязательства, используемые для проведения активных операций.

Процесс усвоения и реализации знаний, определяющих уровень интеллектуального капитала, будем описывать функциями вида<о(./) = си1г ехр(— £/./") .Такие функции характеризуются «энергией активации» Е. Производственную функцию

3

представим в вид= + (Я +г)" Хп, Л(У)= 1 + (У), где

к I

(рк (./) = а^'1 ехр(-£4/У) - функции, учитывающие следующие составляющие интеллектуального капитала: <р, - трудовой капитал, определяемый квалификацией и опытом сотрудников; <р2 - информационный капитал; (ръ - интеллектуальная собственность банка и имеющиеся знания. I Функция А (./) определяет эндогенное влияние интеллектуального капитал^ на прирост капитала банка. Переменная V соответствует объему основных средств банка, а V - объему материальных средств, обеспечивающих поддержку интеллектуального капитала (компьютеры, оргтехника, рабочие места и т.п.). Переменная Я обозначает объем трудовых ресурсов, переменная г определяет дополнительную квалификацию, получаемую сотрудниками в процессе обучения и переподготовки. Кредитный потенциал банка, представляющий разницу между суммой всех мобилизованных средств и обязательными резервами, обозначен X, а,/3,у,г]- некоторые коэффициенты, характерные для процесса производства банковского продукта.

Прирост капитала происходит за счет направления части ресурсов к,/7" на расширение производства банковского продукта. Как уже отмечалось, банковская деятельность связана с определенным риском и наличием убытков. Величину убытков будем характеризовать выражением вида Д Л'■ у/(,/) .где д коэффициент, определяющий долю убытков от величины капитала; у (./) - функция, снижающая величину убытков при наличии интеллектуального капитала. Уравнение, описывающее прирост капитала и ресурсов банка будет иметь

следующий вид: с1Х/Ж = + V)" {Я + г)р Хп-АХц/^). Прирост интел-

лектуального капитала определяется его составляющими: V, г, /, где ; - включает в себя информационный капитал и интеллектуальную собственность банка^ Коэффициенты ак функций также зависят от этих составляющих с ис-Ч

пользованием зависимостей:а, = ф.(=)фг{г}, а2 =9\(10- а\ — Ф, (О- где - - средняя заработная плата сотрудников.

Процесс прироста описывается уравнением: Ш/М = /р, (V + г + 1} = ^(у + г +1У ехр + /- + /))

Значения переменных V, г, / определяются долями средств на-

правляемых на поддержание и развитие этих составляющих интеллектуального капитала1 ¿Л'/гЛ = «,/•",¿/г/«// = //,/*",с///«Л =м>/* ,с/г/б// =(/</•'. Заработная плата г также определяется выделением части средств и^Г

Уравнения описывают процесс производства банковского продукта при начальных значениях: Х(0) = Х0,./(0) = ./„, у(0) = v0,r(0~) = /■„,/(<)) = /о,г(0) = г0 и

5

параметрах У «; = 1.

/-1

Полученная математическая модель может применяться для задач прогноза, а также для выбора оптимальных стратегий развития банка. Но прежде необходимо провести идентификацию данной модели, определив значения входящих в уравнения коэффициентов по фактическим данным бухгалтерской отчетности. Задача идентификации формулируется как задача оптимального управления. Фазовые переменные X, 3, V, г, г, г определяются уравнениями дви-

5

жения при выполнении условия ^ м( = 1. Коэффициенты а,Е,у, входящие в

ы

уравнения движения считаются неизвестными управляющими воздействиями. Задача состоит в нахождении этих коэффициентов из условия наименьшего отклонения зависимости Х(Г), полученной из решения уравнений, от фактических значений Хг((). Таким образом, коэффициенты а, Е, у минимизируют

т г

функционал: Ф(а,Е,у)= ][Х(а,Е,у ,<)- Л"ДО] сЛ -» тт. Для решения ис-0

пользуется численный метод.

Значения Хфакт и расчетные значения X приведены на рис.6. Также на рис.6 показана зависимость интеллектуального потенциала 3(1) от времени, полученная в результате решения.

5. Методика и результаты оценки величины интеллектуального капитала банка.

На основе идентификации математической модели банка можно провести оценку не только интеллектуального потенциала ./(/), но и попытаться дать оценку влияния этого потенциала на банковский капитал. В математической модели функция А (У) выступает как мультипликатор интеллектуального капитала. При А(3~) = 1 непосредственного влияния интеллектуального потенциала на увеличение ресурсов банка не происходит. Обозначим решение системы дифференциальных уравнений при Л(3) = 1, как Х'(1). Тогда величина Км (/) = Л' (/) - X' (/) является оценкой влияния интеллектуального потенциала

Рис.6. Зависимости А", и J (С) от времени

на прирост капитала банка. Зависимость интеллектуального капитала и его производной от интеллектуального потенциала приведена на рис.7.

Зависимость Кт (,/) показывает, насколько эффективно используется интеллектуальный потенциал. В качестве показателя эффективности рассматривается производная (c/Kml )l{cU). Как зависимость так и ее производная (dKmi)j(dJ) имеют некоторый nopoi( J а 0.25, ниже которого Kml(J)= 0, (с/Кт)/(dJ)=0

Затем величина (£#Trat)/(iZ/) растет и после Ktnt (J)>1 выходит на некоторое постоянное значение {dKm)/tdT)*> 0.L3.

Анализ динамики финансовых характеристик показывает, что в первой четверти рассматриваемого временного отрезка создаются предпосылки для роста интеллектуального капитала. Постепенное накопление интеллектуального потенциала банка приводит к тому, что во второй половине анализируемого периода начинается отдача интеллектуальных возможностей в виде дополнительного значения капитала Кт. Прирост ресурсов банка вследствие интеллектуального капитала составляет 11% от первоначального уровня.

Как можно видеть, величина эффективности использования интеллектуального потенциала к 0.13 имеет небольшое значение. Для увеличения эффек-

тивности использования интеллектуального потенциала и, следовательно, для роста активов банка необходимо найти оптимальные стратегии его развития. Распределение средств и,,1 = 1,5 находится из решения задачи оптимального управления с дифференциальными уравнениями для фазовых переменных и с целевым функционалом. В качестве критериев развития можно рассмотреть несколько вариантов.

1. Достижение максимального значения ресурсов банка за заданное врем^ Т: ЛГ(Г) —> max.

2. Достижение максимального интегрального значения ресурсов банка за

1 __J г

заданное время Т: J.V (/ )dt —» max или .V ('/") = — J.V (/ )сЛ —* max .

3. Достижение заданного ¡начения ресурсов банка .V, за минимальное время Т: Г{Х,)—* min .

4. Достижение заданного интегрального значения ресурсов банка за минимальное время 7 Г (XI ; -> min

Рис 7 {авнспмость интеллектуального капитала и его производной от интеллектуального потенциала

12Л

Сначала рассмотрим задачу оптимального управления с критерием развития при постоянном во времени распределением средств, т.е. и, (/) = н;° = const,I = 1,5

В результате численного решения задачи оптимального управления для банка 1 получены значения долей средств

щ = 0Л12\иг = 0.138;и3 = 0;и4 = 0.089;w5 =0, обеспечивающих рост ресурсов банка до величины X (Т°) = 6.51 при Т = 11.

Основная доля средств (77.2%) должна направляться на расширение производства банковского продукта. На увеличение объемов материальных средств, обеспечивающих поддержку интеллектуального капитала, направляется 13.8% средств. На расширение информационного капитала и интеллектуальной собственности банка требуется выделение 8.9% ресурсов. Траектория развития банка при этих условиях показана на рис.8.

хш

4 в 8

Рис.8. Траектория развития банка

Xjnt.dKini/dJ

О- 0.2 0.4 0.6 0.8 1 1.2

Рис.9. Эффективность использования интеллектуального

потенциала при оптимальном управлении (с1Кы )/(сЦ) =0.13, полученного при идентификации модели.

Эффективность использования интеллектуального потенциала при оптимальном управлении существенно увеличивается, как это следует из результатов расчетов, представленных на рис.9.

Показатель эффективности использования интеллектуального капитала (^т)/(Л/)=1.89 при оптимальном

управлении для 7М1 намного выше соответствующего значения

В теории экономического роста существует понятие о траектории сбалансированного роста. Под траекторией сбалансированного роста понимается такое решение системы дифференциальных уравнений при и, (/) = и" = const,I = 1,5, что темпы прироста фазовых переменных являются положительными и постоянными. На рис.10 показано изменение темпов прироста ресурсов банка UX/X при постоянном и переменном управлении.

JXTX

Рис 10 Изменение темпов прироста ресурсов банка при постоянном и переменном управлении При оптимальном управлении с и = const траектория развития банка выходит на траекторию сбалансированного роста с dXjX =0.023.

Если отказаться от условия постоянности значений и = const на заданном временном периоде, то получим задачу оптимального управления, где и, (Г),/ = 1,5 - функции во времени. При численном решении данной задачи число неизвестных величин увеличивается с 5 до 55. Схема решения остается прежней. Графики управляющих функций iil(t),u2(t'),u}(t) приведены на рис.11. Функции м.,(/) = 0,м,(/) = 0, как и в предыдущем варианте решения задачи оптимального управления при и = const.

Процесс развития, как следует из рис.11, разбивается на четыре характерных участка. На первом временном отрезке /<=[0,2] доли средств на расширение производства банковского продукта и на увеличение объемов материаль-. ных средств, обеспечивающих поддержку интеллектуального капитала, близшД между собой (39% и 34%, соответственно) На расширение информационного капитала и интеллектуальной собственности банка выделяются остальные 27%. На следующем отрезке ts [2.2,4.3] доля средств на расширение производства банковского продукта увеличивается до 61%, а значения и, (f).«,(/) снижаются до 23% и 16% Затем средства на расширение информационного капитала не выделяются и «,(/) = (). На четвертом отреже времени /6 [6.6,11] происходит только расширение производства банковского продукта

(//,(/) = 1,г;, (/) = О.и, (/) = 0 ) Величина ресурсов банка за время /'-11 при пере-

менном оптимальном управлении увеличилась в 7.7 раз. Величина интеллектуального капитала составляет /Гы=2.1 на момент времени 7"= 11. Показатель эффективности интеллектуального потенциала увеличился с 1.89

при постоянном распределении до (с1Кт~)1 (си~)~ 3.08 при переменном управлении. Конечная величина интеллектуального капитала составляет в этом случае 27.3% от величины ресурсов банка, по сравнению с 19.7% при постоянном управлении и 5% для условий идентификации. Если же отнести прирост величины интеллектуального капитала к исходному значению ресурсов банка, то эти значения будут равны 211%, 128% и 11%, соответственно.

и -а-и2 -е-и1 -ъ-и4

Рис.11. Четыре характерных участка процесса развития.

При переменном во времени управлении темпы прироста ресурсов банка носят немонотонный характер (рис.10), что связано с переключением управлений в некоторые моменты времени. Средний темп развития <1Х/Х при переменном управлении равен 0.043.

б.Нечеткое моделирование системы управления интеллектуальным капиталом банка.

При описании сложных систем, к которым относится и банк, характеризующихся высокой степенью неопределенности, целесообразно использовать методы нечетких множеств, лежащие в основе многих экспертных систем. Для решения задачи управления сложной недетерминированной системой управленческий процесс представляется в виде нечеткой сети

Либо на основе обучения, либо на основе экспертных оценок формируется набор правил = . Каждому правилу соответствуют функции принадлежности условия и следствия. Правила, содержащие одинаковые следствия и относящиеся к одному и тому же взаимодействию, объединяются в одно с помощью логического суммирования.

Количественный результат взаимодействия между элементами определяется на основе нечеткого вывода. Представим нечеткое правило в виде: А=> В. Условие А в общем случае представлено в виде

//(.V, б . / )АНО...(х, е ■•(, )А.\'!Х..(хи е Ач )1кеп{у е 5,) (4)

Если обозначить 1Г =(м1),А = вектор входных воздействий, а V' = ( V,),/ = 1,/. результирующий вектор, то функционирование системы в направлении от входа к выходу определяется зависимостью У = Р(и, \У), где XV -параметры системы, включая и внешние факторы. При наличии обратной связи в системе функциональная зависимость принимает рекуррентный вид:

У(/) = Р(и(г-[),У(»-1),\У), (5)

где / - год развития системы. Данная модель позволяет имитировать поведение системы при варьировании величин компонент вектора и.

В динамических системах оптимальное управление подразумевает выполнение какого-либо критерия качества. Это может быть критерий - функцио-ь

нал вида J= ^(х,и)сЛ. Задача состоит в выборе оптимального управлениям

'о

и = (м,.....нт), обеспечивающего J=>ext при заданных ограничениях на область допустимых управлений (и) < 0,^ = .

Представим систему управления интеллектуальным капиталом банка в виде нечеткой причинно-следственной сети. Считаем, что составляющими интеллектуального капитала являются: 1. Человеческий капитал. 2. Информационный капитал. 3. Интеллектуальная собственность. 4. Социальный капитал. 5. Организационный капитал.

Каждая из этих составляющих определяется некоторыми свойствами и. Умения, навыки и знания сотрудников банка можно охарактеризовать их квалификацией. Примем, что квалификация (7) определяется следующими свойствами: опыт работы (1), базовое образование (2), деловая активность (3), дополнительное обучение (4), владение информационными технологиями (5), коммуникабельность (6) (номер в скобках соответствует номеру элемента на рис.12.

Информационная составляющая (18) интеллектуального капитала описывается переменными: тип системы управления базами данных (СУБД) (8); уровень защиты информации (9); способы классификации информации (10); полнота баз данных (БД) о физических лицах (ФЛ) (И); полнота баз данных о юридических лицах (ЮЛ) (12); степень обмена данными о клиентах с другими элементами банковской системы (13); уровень охвата сотрудников банка ин-| формационными технологиями (ИТ) (14); наличие принятых методов оценки^ рисков (15); наличие принятых методов исследования рынка (16); наличие принятых методов оценки рисков финансового рынка (ФР) (17).

Интеллектуальная собственность (23) представлена свойствами: наличие собственных методов оценки рисков (19); наличие собственных методов исследования рынка (20); наличие методов оптимального менеджмента (21): наличие мероприятий по стимулированию обмена знаниями (22).

Социальный капитал (28) имеет следующие свойства: уровень доверия в коллективе (24); уровень солидарности в коллективе (25): степень взаимодействия с банковским сообществом (26); уровень взаимодействия с властями (27)

Организационный капитал (33) основан на свойствах высшего звена менеджмента банка: организаторские способности топ-менеджеров (29); предпринимательские способности топ-менеджеров (30); востребованность топ-менеджеров (31); способность топ-менеджеров ставить задачи (32).

Рассмотренные переменные будем считать входными для рассматриваемой системы. Кроме этих переменных, входными также являются: материальная база банка (34); широта распространения (география) филиалов (35). Внешняя среда также описывается некоторыми свойствами, также соответствующими входным переменным и: политика центрального банка (ЦБ) (48); действия конкурентов (49); политическая обстановка в стране (50).

Функционирование банка как системы определяется такими элементами, как: качество обслуживания (36); известность банка (37); риск потери вкладов (38); местоположение банка (39); номенклатура банковских услуг (40); доступность кредитов (41); процентная ставка (42); уровень кредитов (45).

В качестве показателей деятельности банка выступают: объем привлеченных средств (депозиты физических лиц) (43); объем депозитов юридических лиц (44); собственные средства (капитал) (46); прибыль банка (47). Эти переменные являются выходными V.

Структурная схема рассматриваемой системы банка приведена на рис.12.

Рис, ¡2. Структурная схема системы банка

На рис.12 кружки с номерами соответствуют элементам и переменным системы. Стрелки, соединяющие узлы — элементы, являются связями, соответствующими тому или иному действию. Каждому действию соответствует набор

нечетких правил вида (4).

Здесь переменные определяются по десятибалльной шкале. Значение переменной, соответствующей элементу с входящими связями, находится взвешенным суммированием по всем входящим связям: ; = ^ и>;/у|;, где - весо-

I

вые коэффициенты, определяющие вклад I -й связи в состояние у-го элемента.

Пунктирными стрелками на рис.12 обозначены обратные связи. В рассматриваемой системе они означают выделение средств из прибыли на усиление какого-либо входного свойства. Благодаря этим обратным связям модель системы приводится к виду (5) с динамическими свойствами. Выходная переменная «прибыль» измеряется не в балльной шкале, а в относительных единицах (к объему привлеченных средств).

Для переменных, входящих в левую часть условия для обратной связи и измеряемых в количественной шкале, суммарная величина ук умножается на^Ь

коэффициент

1-Х'

, где суммирование проводится по всем обратным свя-

зям к-го элемента.

Параметры нечетких правил (4) и коэффициенты связей определяются

либо в режиме обучения, либо в режиме «экспертной системы». Рассмотрим смешанный вариант: параметры нечетких правил задают эксперты, а коэффициенты связей H'v вычисляются в процессе обучения нечеткой системы исходя

из заданного вида изменения выходных переменных.

Задача идентификации рассматриваемой модели, при заданных экспертами параметрах нечетких правил, состоит в нахождении коэффициентов связей н';),

обеспечивающих заданное поведение выходных характеристик. В качестве выходной переменной берется кредитный потенциал банка У. В качестве фактических данных Yf(t) применялись данные бухгалтерской отчетности. Задача состоит в нахождении коэффициентов W = u'(| из условия наименьшего отклонения зависимости )'(/), полученной в результате нечеткого логического вывода, от фактических значений Yf(t). Коэффициенты W = \v:i вычисляются из условия

/

минимума функционала: F(W)= jjV(W)- Y/ (/)] dt —> min, т.е. решается зада-^J

о

ча нахождения экстремума функции многих переменных. При идентификации модели не всегда известны начальные значения входных переменных. В этом случае значения входных переменных IJ(О) включаются в число неизвестных

X = <["",,],[ift и находится минимум функции F(X] -> min

Основными проблемами при решении данной задачи численными методами являются выбор начального приближения и достижение глобального экстремума. ')ти проблемы порождаются сложным видом функции F(X). Число переменных при идентификации рассматриваемой модели равно 153 Зависи-

U5

мость функции отклонения F(x,) для v)0„vlls,.v,si при фиксированных ¡качениях других переменных пока-мна на рис 13.

Из вида графика следует, что на пути к глобальному экстремуму встречается множество локальных. Такие многоэкстремальные о 2 0 4 а в 0 8 1 " функции, в принципе, не

Рис 13. Зависимость функции М01У минимизироваться

отклонения F(х,) для v'HIJ,-v,la,.v,„ стандартными методами оп-

тимизации (градиентные методы, квазиньютоновские, прямые методы)

Исследования показали, что для оптимизации многоэкстремальных функций

следует применять генетические алгоритмы. Для обучения применялся вещественный генетический алгоритм с дополнительным обучением.

Результаты восстановления заданной

2 4 6 s ю 12 14 16 зависимости Y (t) пред-Рис 14 Кредитный потенциал банка ставлены на рис.14.

Из данных, приведенных на рис.14, следует, что идентифицированная модель хорошо воспроизводит фактические данные. Проведенная настройка коэффициентов связи позволяет давать прогноз на развитие данной экономической системы. При условии вложения средств в рост интеллектуального потенциала банка должно происходить дальнейшее увеличение кредитного потенциала.

7. Метод оценки кредитоспособности физических лиц с применением интеллектуальных алгоритмов обработки данных.

Проблема выбора стратегий кредитования в современных условиях России является первостепенной. Среди населения возрос спрос на потребительские кредиты. При этом уровень доходов многих заемщиков не всегда соответствует величине взятых кредитов. Все это, в совокупности с целенаправленными мошенническими манипуляциями некоторых заемщиков, приводит к росту невозврашенных кредитов. Рост доли не возврата кредитов может привести к кризису банковской системы и к банкротству неэффективно управляемых кредитных организаций.

Для оценки кредитной надежности физических лиц применяются различные модели прогнозирования исходов розничного кредитования Широкое применение нашли статистические методы, нейросетевые технологии и нечет-

кие алгоритмы. Одной из задач, которая может решаться данными методами, является оценка кредитного риска и эффективное управление рисками. Нейронные сети, системы нечеткого вывода имеют высокие аппроксимирующие свойства при нелинейном распознавании, а также способны адаптироваться к изменениям макроэкономических показателей и других внешних условий, влияющих на принятие решений о выдаче розничных кредитов.

Нейронная сеть осуществляет нелинейное преобразование вектора х в вектор у = <t>(W,x) и представляет собой набор последовательных операций взвешенного суммирования с применением вычислений нелинейных активационных функций. Здесь W — матрица коэффициентов преобразования, определяемая в процессе обучения сети. Многослойная нейронная сеть состоит из входного и выходного слоев, а также из нескольких внутренних (скрытых) слоев. Входной слой имеет размерность входного вектора х = [*,,...,.*„]. Для обучения используется система данных,

представляющая собой набор наблюдаемых точек (xy,f J),j — \,p, где x,f - входной вектор и вектор функции, соответственно. Система данных из р точек делится на две выборки: обучающую (xJ,fJ),j = 1,й ипроверочную (xJ ,f'),j = h + l,p. Весовые коэффициенты нужно подобрать таким образом, чтобы они обеспечили минимальное отклонение рассчитываемых в сети значений у от имеющихся f, т.е. да-

1 т

вали бы минимум целевой функции F(W) = — ^ (у, - /1я)г =s> min.

2 f.i

Одним из недостатков нейронной сети является то, что обученная сеть представляет собой «черный ящик», выдающий отклик у = 0(W,x) на поданный сигнал. Дополнительные знания экспертов можно учесть только через добавление новых данных и переобучение сети. Другая проблема заключается в обработке входных сигналов, заданных в разных шкалах. В «слабых» шкалах присутствуют лингвистические переменные, булевы и дискретные сигналы. При вычислении отклика нейронная сеть предполагает непрерывность всех значений.

Другим направлением обработки данных являются рассуждения, основанные на предыдущем опыте. Это методология, моделирующая нечеткий механизм размышлений, что сходно с процессом вывода заключений экспертами предметной области. Поля данных, используемых для объяснения и предсказания результата, становятся признаками ситуации. Число реальных событий должно быть достаточным для возможно более полного покрытия предметной области. Такие алгоритмы допускают представление информационных полей в цифровом виде, а также в виде лингвистических, булевых и дискретных переменных. В процессе поиска система использует либо некоторые из этих полей, либо все поля полностью, выполняя вычисления для объяснения или предсказания результата. Итоговое поле признаков или любое другое поле, возникшее в результате моделирования взаимосвязей в полях исходных данных, может быть выражено в виде некоторого правила. Если данные неполные, алгоритм способен продолжить работу, извлекая наиболее подходящий результат. Подобные алгоритмы не предъявляют жестких требований к точности и полноте данных.

К алгоритмам анализа, основанных на правилах, следует отнести адаптивные

системы нечеткого вывода и деревья решений. Метод деревьев решений отличается высокой скоростью обработки данных и обучения при сохранении свойств систем нечеткого логического вывода В процессе поиска классифицирующею правила проводится перебор всех независимых переменных и отыскивается наиболее представительное правило на данном этапе. Поиск повторяется до тех пор, пока получающиеся подгруппы содержат в себе представителей классов и включают в себя достаточно большое количество точек для того, чтобы статистически значимо быть разбитыми на меньшие подгруппы. В результате, окончательное классифицирующее правило, построенное этим процессом, может быть представлено в виде бинарного дерева. Каждый узел этого дерева соответствует некоторому подмножеству данных и содержит найденное классифицирующее правило для этого подмножества.

Удобным для анализа свойством деревьев решений является представление данных в виде иерархической структуры. Компактное дерево проявляет картину влияния различных факторов, независимых переменных.

Создание моделей, прогнозирующих поведение клиентов, берущих займы у кредитных организаций, является одной из важнейших задач финансового менеджмента. Применим для построения модели оценки кредитного риска два алгоритма: нейронные сети и деревья решений.

Для обработки использовался набор данных, состоящий из 10000 записей с 17 полями (атрибутами). 16 атрибутов представляют вектор входных данных. К ним относятся: размер запрашиваемого кредита; срок кредита; доход клиента; характер работы; рабочий стаж; уровень образования; место проживания; продолжительность регистрации по месту жительства; наличие в собственности квартиры или другой недвижимости; наличие движимого имущества; возраст клиента и его пол; наличие и размер текущего счета в данном банке; наличие бравшихся кредитов в данном банке. Семнадцатый атрибут представляет выходную переменную и свидетельствует о своевременном или несвоевременном возврате кредитов. Ряд входных переменных, таких как характер работы, уровень образования, место проживания, пол клиента являются лингвистическими. Другие входные переменные являются непрерывными. Выходная переменная также является лингвистической: «возврат в срок», «просроченный или неполный возврат», «невозврат». Выходной переменной соответствуют три класса с номерами 0, 1,2.

При использовании нейронной сети номер класса соответствует значению переменной. Лингвистические признаки ранжируется и номер ранга также соответствует значению атрибута. При обучении нейронной сети все переменные нормируются от 0 до 1. Для классификации нормированная выходная переменная ve [ü. 1] переводится в номер класса:

0 | ve [0,1/3] При обучении все данные разделены на две

К - 1 I eil/"1 ">/31 равные части тренировочная и тестовая. Для обучения использовалась тренировочная выборка I Уе (2/3,1] размером 5000 точек. Результаты классификации анализировались на тестовой выборке

Одним из показателей правильной классификации является доля правильно определенных случаев от общего их числа Нейронная сеть, состоящая

из одного скрытого слоя и 32 нейронов, показала точность 94.40%. Результаты, показывающие точность разделения на классы, приведены в табл.1.

Таблица I.

К 0 1 2

99.51 0.49 0

г.,,,% 49.02 34.73 16.25

4.49 11.54 83.97

Ыь 4465 124 131

4487 357 156

Здесь Зц.,1,к = 0,1,2 - точность классификации или доля, выраженная в процентах, от числа случаев, принадлежащих классу г, классифицированных номером к. Ык - число случаев, правильно отнесенных к классу к, Ык - число случаев в выборке, принадлежащих классу к.

Из таблицы следует, что наиболее точно нейронной сетью распознается добросовестный клиент. Точность 8т =99.51%, что соответствует 22 случаям, неправильно отнесенных к классу клиентов, частично не выполняющих условия договора (Л=1). Недобросовестные клиенты, не возвращающие кредитные суммы (класс К=2) распознаются с точностью 322 = 83.97%. Из них количество клиентов, ошибочно отнесенных к надежным, равно семи (¿>20 = 4.49%). Наименее точно распознаются клиенты класса К= 1 при точности ¿>и =34.73%. В соответствии с данной моделью 175 частичных нарушителей договора отнесены к классу благонадежных, а 58 к классу полных нарушителей.

Второй метод оценки благонадежности клиентов заключается в построении дерева решений по указанному выше алгоритму. В отличие от нейросете-вой методики при построении дерева решений нет необходимости представлять все переменные как непрерывные. Результаты, характеризующие точность классификации представлены в табл.2.

Построенное дерево содержит 30 правил и обеспечивает точность классификации 95.18%, что немного лучше, чем в случае нейронной сети. Точность распознавания надежных клиентов также высока =98.71%. Но пропуск ненадежных клиентов качественнее, чем в случае нейронной сети. Если нейронная сеть пропустила 175 частичных нарушителей и 7 полных нарушителей договора (всего 182 случая), то дерево решений пропустило всего только 115 случаев и из них 13 полных нарушителей.

Таблица 2.

Результаты классификации клиентов деревом решений_

К 0 1 2

98.71 1.29 0

г>ц,% 28.57 70.31 1.12

8.33 41.03 50.64

N. 4429 251 79

4487 357 156

Кроме того, полученные в результате построения дерева решений, правила имеют наглядную интерпретацию и позволяют определить «лицо» благонадежного и ненадежного клиента.

Правила имеют следующий вид:

0 i/XfOJ - 4 06 AND X]!] 2 68 AND X/11J 59 63 then Y 1

1 ifX/O/ • 4 06 AND Xfll] • 59 63 AND X[l] - 2 74 AND X[2] 7 87 then Y 0

2 if XfO] • 4 06 AND X[11] 59 63ANDX[11 2 74 AND X[2] 7 87 then Y I

3 ifXfO] • 4 06 AND Xfl] - 2 68 AND Xfl I] - 59 63 4ND X[I} 2 74 then Y 0

4 if XfO] - 41)6 AND X[l] ■ I 40 AND X[l] • 2 68 then Y 0

5 if XIIj / 00 AND XfO] ' 4 06 AND X[I] ■ I 40 AND X/II/ 59 02 then Y I

6 tfX[0]> 4 06 AND X[1 j • I 40 AND X[1 ¡1 < 59 02 AND X[12] 1 AND Xfl] ■ I 08 then Y 0

7 ifXI Ij > / ОП AND XfOJ ■■ 4 06 ANDXfll/ < 59 02AND X[12] I AND X/1 j ■ I 08 then Y 1

8 ifX[l] > - 1 00 AND XfO] > 406 ANDXflJ -- 140 AND Xfll] 59 02 AND XI12/ OthenY 0

9 if Xfl] • I 00 AND XfOJ - 4 06 AND X[3] 2 then Y 0

10 if Xfl] > I 00 AND Х/0/ 4 Of, AND Х/3/ - 1 16 AND X[2] 2 08 then Y 0

11 ifXfl]- I 00 AND XfO] - 4 06 AND X[3] -- / 16 AND Х/2/ ■ 2 OH AND X[3] • 2 then Y 0

12 if Xfl] / 00 AND XfO] -- 4 06 AND X[2] < 2 08 AND X[3] 1 then Y I

13 if Xfl] - I 00 AND XfO] 4 25 AND Xfl] > 0 83 then Y I

14 if Xfl I ■ 0 60 AND Xfl ] 0 83 AND Х/0/ • 4 85 then У 2

15 if XfO]- 425 AND Xfl] • 060 AND Xfl] 0 83 AND X/0] ^ 4 85 ANDXfl 1] ■ 59 48then Y 2

16 if Xfl]-- 0 60AND Xfl]- 083 AND XfO] --4 85ANDXfll]- 59 48 AND XfO] 460thenY 2

17 if XfO] > 425 ANDXfl] - 0 60 AND Xfl] - 083 ANDXfl 1] 59 48 AND XfO] ■ 4 60 then Y 1

18 if XfO]-- 4 25 AND Xfl] 0 60 then Y 2

19 if Xfl] ! 00 AND XfO] -• 3 12 AND XfO] 4 25 AND Xfl] • 0 60 ANDXfl I] ■ 59 34 then Y I

20 if Xfl/■- 1 00 AND Х/0/ ■ J 12 AND XfO] 4 25 AND Xfl I ] 59 34 AND Xfl] ■ 0 83 then Y 0

21 if XfO] 4 25AND Xfl] 0 60ANDXfll] •• 5934ANDXfl] 0 83 AND XfO] 357then Y I

22 if XfO] 312 ANDX[11~* 060ANDXfll] •- 59 34AND Xfl] 083 IND XfO] 357 then Y 0

23 ifX/O/ 3 12 AND XfO] 4 25 AND Xfl ] - 0 60 then Y I

24 ifX/1/--I00ANDX/0/--3 12ANDX/0/ ■ 266ANDXfl3]^ 2 Hi ANDXfll] 6127then Y I

25 if Xfl] ' I 00 AND XfO] 3 12 AND XfO] -2 66 AND Xfl I] 28 69.1ND Xfl3] • 2 10 AND Xfl I] 61 27 then Y 0

26 if Xfl]- I 00 AND XfO]- 312 AND XfO] 266 ANDXfll] 28 69 1ND Xfl3] ■ 2 10 then Y О

27 ifX/l/..... / 00 AND Х/0/ ■ 3 12 AND Х/0/ 2 66 ANDXfll] 28 69 then Y 0

28 if Xfl] - I 00 AND XfO] - 0 86 AND X]0] 2 66 then Y 0

29 if Xfl] -- / 00 AND XfO] 0 86 then Y 0

Из приведенного выше анализа следует, что важнейшим требованием к создаваемой модели является ее умение схватывать влияющие на выдачу кредита признаки клиента и трансформировать эту информацию в способность клиента возвратить взятый заем.

Оценка кредитоспособности клиентов по приведенным моделям допускает риски двух видов. Риск первого рода связан с выдачей кредита ненадежному клиенту с частичной или полной потерей выданной суммы. Риск второго рода связан с необоснованным отказом в кредите, приводящем к упущенной выгоде. Для данных табл.4.2 риск первого рода определяется числом 115 не совсем надежных клиентов или 2.3%, а риск полной потери кредитов составляет 0.26% Ошибка второго рода составляет 1.1% Исходя из построенных моделей можно поставить оптимизационную ¡адачу получения минимальных суммарных издержек, связанных с ошибками первого и второго рода

8. Модель выбора стратегии кредитования юридических лиц.

Подход к оценке кредитного риска на основе балльной или рейтинговой системе имеет слишком детерминированный характер. При этом велика ошибка как переоценки кредитоспособности клиента, так и недооценки. Кроме того, слишком жесткие оценки отпугивают потенциальных клиентов и, следовательно, сужают рынок банковских услуг для данной кредитной организации.

Методика оценки кредитоспособности, опирающаяся на математический аппарат теории нечеткого логического вывода является более гибкой и служит основой для построения экспертных советующих систем. Будем рассматривать модель оценки кредитоспособности юридических лиц на основе обобщенной системы нечеткого логического вывода. Представим систему оценки состояния предприятия в виде нечеткой причинно-следственной сети: S = (P,V~), где

Р = -Pi,i = V= iyiP„Pj^,i,j = j~. - множество элементов и множе-^

ство связей между элементами системы. Основой для проведения операции нечеткого логического вывода является вид связей между элементами нечеткой системы, содержащих правила, названия термов и функции принадлежности термов. Система нечеткого вывода описывается т правилами вида:

Л, = l^if Qx, е(г,,5,У then у е = 1,т, где Xj,j = l,n - имена

входных переменных; у — имя выходной переменной.

Результатом нечеткого вывода является четкое значение переменной у е Y на основе заданных четких значений xj е X, j = \,п.

Систему нечетких продукционных правил можно представить в виде нечетких сетей Петри. Нечеткая сеть Петри (СП) основана на структуре обобщенной СП с введением неопределенности нечеткого характера в базовый формализм. Нечеткие сети Петри могут быть использованы для представления нечетких продукционных правил и выполнения на их основе нечеткого логического вывода.

Если ввести наборы лингвистических переменных типа (L,H), (L,M,H), (A LM, М, НМ,Н),..., для входных и выходных переменных и рассматривать правила вида: if jc, = L л,...,лхт - L then у = L, if х1 = М л.....лхт = М then у = М,

if х1 = Н л,...,лхт = Н theny = H, I

то правилам соответствует нечеткая сеть Петри.

Представим процесс оценки кредитования юридических лиц в виде нечеткой причинно-следственной сети. Выходным результатом является уровень кредитоспособности. Выделим три уровня кредитоспособности: L - низкий, М — средний, Н — высокий. При низком уровне лицо получает отказ в кредитовании, при среднем уровне размер кредита ограничивается размерами и сроками, при высоком уровне может предоставляться долгосрочный кредит в требуемых размерах. Структура сети Петри показана на рис.15.

При иерархическом представлении рассматриваемого процесса кредитоспо-

собность юридических лиц определяется следующими основными факторами:

1. Наличие оправданных целей кредитования.

2. Состояние предпринимательской деятельности.

3. Обеспеченность кредита.

4. Состояние документации о финансовом и юридическом положении предприятия.

5. Внешние факторы.

6. Общие характеристики.

7. Вероятность банкротства.

Каждый из рассматриваемых факторов определяется в свою очередь некоторыми показателями или факторами следующего уровня.

1.Наличие целей кредитования:

1.1. Предвидится экономический эффект.

1.2. Отсутствуют противоречия целям кредита.

2. Состояние предпринимательской деятельности:

2.1. Нарушения отчетной документации.

2.2. Наличие убытков.

2.3.Наличие просроченной задолженности.

3. Обеспеченность кредита:

3.1. Наличие договора по страхованию.

3.2. Наличие гарантии — поручительства.

3.3. Состояние заложенного имущества: 3.3.1 Ликвидность имущества.

3.3.2. Длительная сохранность имущества.

3.3.3. Стабильность цен на заложенное имущество.

3.3.4. Затраты на реализацию залога.

4. Состояние документации о финансовом и юридическом положении предприятия:

4.1. Предоставление копии устава.

4.2. Предоставление образцов подписей.

4.3. Наличие срочных обязательств.

4.4. Состояние финансовых показателей, рассчитанных на основе баланса:

4.4.1. Состояние ликвидности:

4.4.1.1. Показатель ликвидности.

4.4.1.2. Показатель общей ликвидности.

4.4.1.3. Показатель ликвидности баланса

4.4.1.4. Показатель абсолютной ликвидности.

4.4.2. Состояние деловой активности:

4.4.2.1 Оборачиваемость дебиторских счетов.

4.4.2.2. Оборачиваемость ¡апасов.

4.4.2.3. Оборачиваемость кредиторской ¡лдолженности. 4 4 3. Состояние финансовой устойчивости предприятия

4 4 3.1. Автономность предприятия.

4.4 3 2 Реальная стоимость основных средств.

4 4.3 3 Соотношение между ликвидными и неликвидными

средствами. 4.4.4. Состояние рентабельности:

4.4.4.1. Рентабельность производства.

4.4.4.2. Рентабельность продукции.

5.Внешние факторы:

5.1. Применение новой техники и технологий.

5.2. Наличие рынка сбыта продукции.

5.3. Состояние энерго-, материало-, фондоемкости.

5.4. Динамика цен и тарифов.

6. Общие характеристики:

6.1. Величина уставного капитала.

6.2. Размер кредита.

6.3. Срок погашения.

6.4. Время регистрации предприятия.

6.5. Место регистрации.

6.6. Численность управляющего персонала.

1.1 »

7 Вероятность банкротства:

7.1. Доля оборотных средств в активах.

7.2. Рентабельность активов по нераспределенной прибыли.

7.3. Рентабельность активов по балансовой прибыли.

7.4. Коэффициент покрытия по рыночной стоимости собственного капитала.

7.5. Отдача всех активов.

Самые левые позиции

(влияющие факторы низшего уровня иерархии) соответствуют входным значениям. Правая позиция соответствует выходному значению — кредитоспособности предприятия.

При заданных значениях входных переменных, в соответствии с правилами нечеткого логического вывода определяется уровень кредитоспособности юридического лица.

Рис.15. Структура сети Петри

9. Модели рационального поведения товаропроизводителей и управления инвестиционными проектами.

Для успешного развития кредитной организации она должна активно участвовать в инвестиционных процессах. Собственно, это является основополагающей функцией банков. Инвестиционная способность банка определяется прежде всего способностью оценить степень инвестиционного риска и возможностью управления инвестиционным процессом. Объективная оценка финансового положения инвестируемого предприятия и оказание влияния на финансовую политику позволяет минимизировать инвестиционные риски.

Модель рационального поведения товаропроизводителей строится на основе агрегированной модели экономики Задача состоит в исследовании рационального поведения товаропроизводителей в процессе производства при предположениях: 1. Для развития производства используются как собственные, так и заемные средства. 2. Развитие производства осуществляется как экстенсивным (увеличение объема основных производственных фондов), так и интенсивным (улучшение производства) путями. 3. Объем собственных средств определяется реализацией произведенного товара, зависящей от объема рынка сбыта. 4. Имеющиеся в распоряжении средства направляются на накопление и потребление. 5. Процесс производства описывается производственной функцией типа Кобба— Дугласа.

Задача управления производственным процессом во времени заключается в распределении имеющихся средств на расширение, улучшение производства, а также на потребление таким образом, чтобы улучшались экономические показатели рассматриваемой системы: объемы производства и реализации; заработная плата работников; расширение рабочих мест.

Обозначим IV - объем средств, полученных от реализации произведенной продукции У. Эти средства, за вычетом платы за кредиты и хранение нереализованной продукции (AIV ), направляются на развитие и улучшение производства (/„), на заработную плату (г), на непроизводственные накопления (Ь) таким образом, что /0= а,{IV-АIV). :=a2(}V-AW), b = a,(fV-A(V) и а, +а, +а3 =1.

Величина вычета определяется соотношением AIV - Н (Г, ,сг) + с\6', где В~(Тк,<у) - расчет в текущем периоде времени за кредиты, полученные на время '/[ со ставкой er; S - количество нереализованного товара, хранящееся на складе за плату cs.

Инвестиции / на развитие и улучшение производства и сбыта, кроме величины 1а, включают внешние заимствования (кредиты) ¿Г(/,г), где t - время получения кредита; г - период реализации / = /„ + ¿Г(/.г).

Эти средства направляются на расширение производства (/,), на его улучшение (/>), на увеличение рынка сбыта (/,) гак, что

/,=ДЛ Л =/?,/. /,=Д/ и ¿Д=1.

1 I

Производственная функция с учетом эндогенного научно-технического прогресса имеет вид Г = ИМА"/' где К - объем основных производствен-

ных фондов; Ь - объем трудовых ресурсов; Л(/2) - мультипликатор прогресса, показывающий эффективность средств /2, затрачиваемых на улучшение производства. В данной модели рассматривается ситуация, когда улучшение производства происходит по мере вложения средств (приобретение и освоение новых технологий), что типично для товаропроизводителей. Накопление эффекта от вклада в научные исследования в этом случае не происходит.

Принимая во внимание, что основные фонды изнашиваются с коэффициентом амортизации ¿и и за кредиты необходимо рассчитываться, уравнение для изменения величины капитала принимает вид с!К/<Л = /, - /лК.

Величины У, IV,Б связаны соотношениями:

IV

Г7 + 5| У + ЯйК 'г = < , 5 = (У - V. )<Л, где V, - объем рынка сбыта.

Мультипликатор прогресса описывается функцией Л(12) = 1 + а2/2', удовлетворяющей неоклассическим условиям. Изменение количества занятых в производственном процессе трудовых ресурсов определяется предельной нормой замены трудовых ресурсов основными фондами и начальной фондовооруженностью <1Ь/ЫК = {аЬ0~)/[(\-а)К0~\.

Трудовые ресурсы ограничены сверху величиной Ь < . Количество занятых рабочих мест отождествляется с величиной Ь.

При оценке объема рынка сбыта принимается во внимание, что его величина характеризуется следующими факторами: численностью населения региона; уровнем дохода населения; качеством производимой продукции. Влияние этих факторов на рынок сбыта предлагается описывать следующей зависимостью V, = К50 + £ф-(1-£/2)ехр(-4/2)Р ЛГ0(1 + <-/3М)(1 + О,О.

Первый и второй факторы учитываются выражением ¿/[^„(1+^4 •/3/ЛГ0)(1+ £),/), где Ы0 - население регионов, потребляющее выпускаемую продукцию; коэффициент с1х характеризует часть доходов населения, затрачиваемую на приобретение данного вида товара; (1 + • /3/Л^0) - относительное увеличение спроса, связанное с дополнительной информацией потребителей о свойствах товара; £>, - темп прироста доходов населения во времени. Третий фактор — качество товара, связан с улучшением производства. Новые техноло-" гии, помимо увеличения объема выпуска продукции, обеспечивают и более высокое качество произведенного товара, следовательно, и более высокую конкурентоспособность. Увеличение спроса на конкурентоспособный товар описывается логистической функцией вида [1-(1-с/2)ехр(-с/3/2)]/2, изменяющейся от начального уровня спроса Ы2 (уровень потребления любого товара) до 1 (полное освобождение рынка от конкурирующих товаров). Коэффициенты с1ъ,с1л,уг,Ул -эмпирические, подбираемые в процессе адаптации модели.

Развитие экономической системы происходит во времени г е [0,7"] при

начальных условиях: К(0) = Уо,К{0) = К^.ЦО) = ¿(1. В качестве показателей эф-

_ | I

фективности исследуемой системы рассмотрим следующие: К = — - сред-

о

ний за рассматриваемый период времени Г объем основных фондов; — 1 т ~

2 = — Л - средний уровень заработной платы одного работника;

^ о ^

Рассмотрим аддитивной критерий качества или ^ = (1 -г)К +гг, состоящий из среднего объема производственных фондов и средней заработной платы за рассматриваемый период, где г - весовой коэффициент. Задача решается при Р = (1 - г)К + гХ шах .

Кроме того, количество занятых рабочих не должно снижаться, т.е. г/А/Л > 0.

В результате, получена задача оптимального управления по максимизации критерия качества Р(К при наличии ограничений на фазовые переменные выбором управляющих воздействий огД/),Д(г),/ = 1,3, ГД/). Управляющая политика состоит в оптимальном перераспределении средств и в выборе оптимальных сроков кредитов.

Исследовались три варианта развития: 1.г = 0 - однозначный приоритет развития производства. 2.г = 1 - однозначный приоритет потребления. 3./- = /;,, где величина гп определяется дополнительным условием не снижения уровня производственных фондов сИС/Л > 0.

Зависимость производственных фондов от времени для трех вариантов развития приведена на рис. 16. Третий вариант обеспечивает рост производственных фондов, постоянный рост объема выпускаемого продукта, рост заработной платы с увеличивающимся темпом при г = ;; = 0.67

Модель венчурного финансирования инвестиционных проектов гакже строится на основе агрегированной модели производственно-технической системы, соответствующей вновь образованной компании Венчурным инвестиционный проект предполагает начало нового производства Уставной капитал новой компании составляют собственные средства инициатора проекта и привлеченные средства венчурного инвестора. Для дальнейшего развития проекта во {можно привлечение мемного капитала в виде кредитов

Рис. 16 Зависимость производственных фондов от времени

Обозначим: - собственные средства инициатора проекта на начальном этапе; 2,у - средства венчурного инвестора, привлекаемые в проект; - собственные средства, создаваемого под проект предприятия, определяемые как

7° = 7° + 7°

¿-.¡у — ¿,1р т ¿,у .

Собственные средства Z,0F направляются на капитальные вложения и организацию инвестиционного проекта. На освоение нового технологического процесса до выпуска первых образцов продукции требуется некоторое время ттр. В этот период времени уже могут понадобиться дополнительные средства на подготовку производства, которые формируются из взятых на некоторый срок кредитов. Для венчурного инвестора основной интерес представляет рыночная цена созданного предприятия, которую можно сопоставить с рыночной ценой акций. Для оценки акции примем, что ее рыночная стоимость складывается из балансовой цены, цены выпускаемой продукции и, возможно полученных дивидендов, в течении некоторого периода вреД мени. На рыночную стоимость акций венчурного инвестиционного проекта может оказать существенное влияние фактор динамичности развиваемого предприятия. При высокой положительной динамике роста выпуска и продаж новой продукции, а также при росте дивидендов, может возникнуть дополнительный спрос на акции данного предприятия в надежде получить в будущем значительную прибыль.

Задачей венчурного инвестора является построение такого управления проектом, при котором рыночная цена акций предприятия должна быть максимально высокой.

При этом можно рассматривать две формулировки задачи: 1. Получение заданной величины прибыли от продажи своей части акций за минимально возможное время; 2. Получение максимальной прибыли при выходе из инвестиционного проекта в фиксированный момент времени.

Управление инвестиционным проектом заключается в распределении средств на развитие проекта и на продвижение акций на фондовый рынок. В соответствии с полученной моделью развития инвестиционного проекта это соответствует определению величин норм накопления, а также размеров необходимых кредитов.

Сдерживающим фактором будут действия инициатора проекта, который заинтересован в развитии предприятия на более длительный период. Он должен обеспечивать соответствующий уровень заработной платы, заботиться о расширении рынка сбыта продукции в более отдаленном времени, следить за кредиторской задолженностью. Тем не менее, конечные цели венчурного инвестора и инициатора проекта не являются антагонистическими и достигаются при движении в одном направлении.

Результаты расчетов предполагаемой стоимости инвестиционного проекта приведены на рис. 17. Первоначальная стоимость бизнеса в первые моменты времени снижается. Цена акций определяется балансовой или книжной стоимостью. После времени начала выпуска продукции происходит скачкообразное возрастание стоимости бизнеса. Это связано как с выходом на рынок новой продукции, так и с первой выплатой дивидендов по акциям. Затем наблюдается

37

период относительно спокойного увеличения стоимости предприятия. Перед временем выхода венчурного инвестора из проекта, благодаря его управленческой политики, снова происходит резкое возрастание цены акций венчурного инвестиционного проекта. Тем самым венчурный инвестор добился своей цели получения максимальной прибыли. Норма полу-0123456789 ,0 ченной прибыли для него соста-Рис 17 Результаты расчетов предполагаемой вила примерно 60% ГОДОВЫХ, стоимости инвестиционного проекта

Инициаторы проекта, создавшие новое предприятие, также оказались в выигрыше.

Во-первых, на момент разделения предприятия создана материально-техническая база для выпуска новой продукции. Во-вторых, налажен устойчивый выпуск пользующейся спросом продукции. В-третьих, произошло существенное увеличение вложения средств в научно-техническое обеспечение производства, что позволяет ему быть конкурентоспособным. В-четвертых, величина приведенной стоимости инвестиционного проекта для инициатора также является положительной.

Ю.Моделирование сценариев развития коммерческого банка.

Анализ банковской деятельности проведен на примере ОАО «ФОНДСЕР-ВИСБАНК». Внешняя задача Банка состоит в активной финансовой поддержке одного из высокотехнологичных секторов отечественного производства, в содействии развитию стратегически важных отраслей промышленности, прежде всего предприятий оборонно-промышленного комплекса. Работа Банка в этой области совпадает с государственной экономической политикой, в которой главный акцент делается на перспективные «точки роста» российской экономики.

1 Всего активов

5 4 ' Г. • * < 1 II

Рис IX Активы ОАО «ФОПДСЕ1'ВПС БАНК»

Расширение круга обслуживаемых предприятий и частных лиц, а также рост оборотов на счетах клиентов способствовали увеличению ресурсной базы Банка. За рассматриваемый период существенно возросла валюта баланса и произошло увеличение активов (рис.18).

Для создания модели банковской деятельности определим основные переменные системы в соответствии с основными приоритетами развития и финансовыми показателями банка.

Элемент «1-Информационное обеспечение» определяется следующими переменными: 1.1. Модернизация программно-аппаратных средств локальных сетей и корпоративной сети передачи данных. 1.2. Установке дополнительных резервных линий. 1.3. Технологическое оснащение филиалов и отделений. 1.4. Совершенствование программного обеспечения стратегического и финансового планирования, а также управления ликвидностью и доходностью. 1.5. Мониторинг рисков. 1.6. Методики оценки эффективности сделок с учетом факторов^ риска. 1.7. Поддержание системы оценки финансового состояния банков контрагентов. 1.8. Методики анализа и система принятия решений.

Переменные 1.5—1.8 можно также отнести и к интеллектуальной собственности банка, являющейся одной из составляющих интеллектуального капитала.

Элементу «2-Кадровая политика» соответствуют переменные: 2.1. Повышение квалификации. 2.2. Планирование карьеры. 2.3. Структурирование труда -расширение направлений деятельности и углубление профессиональных знаний. 2.4. Адаптация персонала к изменяющимся условиям. 2.5. Организация психологической помощи сотрудникам, работающим в условиях повышенных рисков.

Банковские услуги подразделяются на несколько составляющих.

3. Обслуживание физических лиц: 3.1. Зарплатные проекты. 3.2. Срочные депозиты. 3.3. Депозиты до востребования. 3.4. Переводы «Western Union» и система «Анелик». 3.5. Банковские карты. 3.6. Коммунальные услуги. 3.7. Потребительское кредитование.

4. Расчеты. 4.1. Бюджетным финансирование предприятий ОПК. 4.2. Оптимизация встречных расчётов. 4.3. Зачёт взаимных обязательств между клиентами. 4.4. Сопровождение внешнеэкономической деятельности клиентов.

5. Кредитование клиентов- предприятий: 5.1. Финансовая поддержка предприятий. 5.2. Револьверные кредитные линии. 5.3. Вексельные кредиты. 5.4. Лизинговые проекты.

6. Синдицированное кредитование.

7. Внешнеторговые операции: 7.1. Проведение технологического аудита.^^ 7.2. Согласование с поставщиком условий поставки. 7.3. Предконтрактная про-^Р работка платёжных условий. 7.4. Поставка импортного оборудования.

8. Межбанковское сотрудничество, операции на финансовых рынках: 8.1. Расширение корреспондентской сети. 8.2. Структуризация инвестиционного портфеля.

9. Деятельность региональных подразделений.

10. Качество обслуживания.

11. Репутация банка.

12. Долгосрочные партнёрские отношения.

13. Деловые связи клиентов с представителями смежных отраслей.

В качестве показателей деятельности банка выступают выходные переменные:

14. Объем привлеченных средств физических лиц

15. Объем привлеченных средств.

16. Собственные средства.

17. Активы банка.

В качестве внешних условий выступают следующие показатели;

18. Ставка рефинансирования ЦБ.

19. Ставка ЦБ по кредитам предприятиям.

20. Ставка ЦБ по депозитам физических лиц.

21, Объем ВВП.

22. Доходы населения.

Связи между элементами системы показаны на рис.19.

Рис 19 ( ниш между )лемс1!г.1мп системы

Пунктиры соответствуют обратным связям. Первый ряд элементов соответствует входным переменным. Для усиления действия этих цементов к ним направляются средства из собственных источников

Коэффициенты связей в нечеткой модели и начальные шачепня входных переменных подобраны в результате обучения причинно-следственной сет по данным бухгалтерского баланса Для обучения модели В1яты данные квартальных бухгалтерских балансов с 01 01 2003г по 01.07 06г (всего 14 точек) Все величины ог-

несены к объему суммарных активов на начало 2003 года. Затем по обученной модели делается прогноз на 1.5 года (6 кварталов). Более продолжительный прогноз делать нецелесообразно, так как погрешности модели начинают накапливаться и приводить к неадекватным результатам. Лучше всего модель переобучать каждый квартал по мере появления новых данных бухгалтерского баланса. Рассчитанные и исходные результаты по объему средств клиентов приведены на рис.20.

исходные данные -восстановленные данные - прогноз дуемые прогноз (+) Прогноз (г) :

а 2 4 6 г 10 12 14 16 18 20

Время

Рис.20. Исходные и рассчитанные результаты по объему средств клиентов

Основной сценарий развития соответствует прогнозным значениям внешних факторов, полученных методом продолжения временных рядов. Ожидается 30% прирост средств не кредитных организаций в течение года. В качестве благоприятного и неблагоприятного сценариев рассматривались 25% отклонения в верхнюю и нижнюю сторону от прогнозируемых значений внешних факторов. Благоприятный вариант дает 39% прироста средств клиентов. При неблагоприятном варианте развития прирост равен 23 процентам.

Динамика депозитов физических лиц показана на рис.21.

°-5 т-

д 5 . о исходные данные

— восстановленные данные

0.4 - _

— прогнозируемые +

0,4 - ♦ прогноз (+) + % 0 з _ _ прогноз (-) + _______

о 0:2 -

« -----

0.2 -

0.1 - ^^^^ 0.1 -__—

о.о 4-1-1-1-1-1-1———1-1-1-

0 2 4 б 8 10 12 14 16 13 20

Время

Рис.21. Динамика депозитов физических лиц Объем депозитов физических лиц должен увеличиться за год на 20% при

о исходные данные

— восстановленные данные

~~— прогнозируемые

+ прогноз (+)•• + ■

— прогноз (-) 4- - -—

т ■ -—

о о^г^

ожидаемом варианте изменения внешних условий. При благоприятном сценарии прирост депозитов составляет 38%. При худшем варианте увеличения вкладов от населения может не произойти.

График динамики собственных средств представлен на рис.22

Приросты объемов собственных средств для прогнозного и неблагоприятного вариантов оказались достаточно близкими между собой (13% и 11%, соответственно) Это свидетельствует о хорошем запасе устойчивости банка к неблагоприятному воздействию внешних условий. В случае благоприятного сценария увеличение собственных средств произойдет на 25%.

О 5

« 04 (Ч

Я

С*

в- 0 3

I 02

О исходные данные — восстановленные данные —' прогноз ируемые + прогноз (+) — прогноз (-)

10 Время

Рис 22 График динамики собственных средств

Четвертой выходной характеристикой является объем активов. Результаты расчетов приведены на рис.23.

5 0

4 5

4 0

3 5

„ 3 0

СР

2 5

3 2 0

1 5

1 0

0 5

0 0

О исходные данные

— восстановленные данные прогнозируемые прогноз (+)

— прогноз (-)

111 Время

Рис 23 Динамнка активов банка

Активы банка по номинальному сценарию должны возрасти на 40% Менее благоприятный сценарий дает 32%, что также свидетельствует о достаточной устойчивости ОАО «ФОНДСЕРВИСБАНК» к действию внешних факторов При положительном стечении обстоятельств годовое увеличение активов может составить 50%

ЗАКЛЮЧЕНИЕ И ВЫВОДЫ

Для решения задачи оптимального управления деятельностью кредитной организации применен системный подход. Деятельность субъекта экономики -коммерческого банка моделируется совокупностью структурных элементов: системы маркетинга, системы управления интеллектуальным капиталом, системы менеджмента. Для построения моделей использованы методы построения нечетких причинно-следственных сетей, интеллектуальные методы обработки информации и методы экономической динамики на основе дифференциальных уравнений. При описании процесса производства банковского продукта применяется теория производственных функций.

В результате проведенных исследований сформулированы следующие выводы.

1. Формализованное представление системы маркетинговых исследований, построенное на основе общих целей и задач банковского маркетинга, позволяет рассматривать ее как структурный элемент общей системы управления банком. *

2. Разработанная модель поведения потребителя банковских услуг в вид" причинно-следственной сети дает возможность получать выходную количественную реакцию в виде объема и номенклатуры банковского продукта, характерную для потребителя, принадлежащего к одной из групп населения.

3. Разработана методика продолжения временных рядов, позволяющая оценивать будущие изменения величины депозитов физических лиц.

4. Построена математическая модель конкурентной борьбы двух участников рынка банковских услуг. На основе численного решения задачи оптимального управления рассчитана оптимальная ценовая стратегия одного участника при неизменной ценовой политики второй стороны, заключающаяся в поддержании цены на продукцию на меньшем уровне, чем равновесная цена.

5. Разработанная модель жизненного цикла банковского продукта позволяет устанавливать оптимальные сроки ввода новых и замены устаревших банковских услуг.

6. На основе построенной динамической модели производства банковского продукта предложена методика количественной оценки интеллектуального потенциала и интеллектуального капитала кредитной организации.

7. Из анализа финансовых показателей банка ОАО «ФОНДСЕРВИС-БАНК», имеющих положительную динамику в течение всего рассматриваемого периода времени, получена величина интеллектуального капитала на уровне 11 % от всех активов, что превышает величину уставного капитала и находится на уровне собственных средств.

8. С применением подхода к моделированию управления интеллектуальны^ капиталом банка на основе нечеткой причинно-следственной сети решена задача оптимального управления интеллектуальным капиталом банка, определяющая стратегии развития. При оптимальном управлении показатель эффективности использования интеллектуального капитала возрастает с 0.13 до 1.89.

9. Предложено представлять SWOT — анализ в виде нечеткой причинно-следственной сети. Нечеткое моделирование позволяет реализовать сущность SWOT — анализа: превращение собственных слабостей в силу и устранение внешних угроз за счет собственных возможностей.

10. На основе возможностного метода деревьев решений разработана методика оценки кредитоспособности физических лиц, снижающая величину кре-

дитного риска на 3%. Построенные правила обеспечивает точность классификации 95 2% и точность распознавания надежных клиентов 98.7%.

11. Создана методика определения кредитоспособности юридических лиц с применением системы нечеткого вывода и сетей Петри. Построена структура сети, установлены основные переменные системы. Получены правила, характеризующие благонадежность клиентов банка.

12. Для повышения инвестиционной способности банка на всех этапах инвестиционного проекта для повышения эффективности его реализации целесообразно применять комбинацию из методов прямого математического моделирования и интеллектуальных методов извлечения знаний из данных, дающую дополнительной информации о закономерностях развития инвестиционных проектов и снижающую инвестиционный риск.

13. Основу рационального управления венчурным инвестиционным проектом составляет направление средств на развитие и совершенствование производственного процесса с переменной нормой накопления. Норма накопления должна быть снижена на 50% после времени начала выпуска новой продукции для выплаты дивидендов и выделения дополнительных средств на научно-техническое совершенствование технологического процесса. Дивиденды также необходимо начинать выплачивать в период, предшествующий времени выхода венчурного инвестора из проекта.

14. На основе разработанных моделей проведены расчеты сценариев развития конкретной экономической системы ОАО «ФОНДСЕРВИСБАНК», показавшие высокую устойчивость банка к изменению внешних условий. Ожидаемый прирост активов на полтора года составляет от 32 до 50%. Основная задача банка состоит в активной финансовой поддержке высокотехнологичных секторов отечественного производства, в содействии развитию стратегически важных отраслей промышленности, прежде всего предприятий оборонно-промышленного комплекса.

ОСНОВНОЕ СОДЕРЖАНИЕ ДИССЕРТАЦИИ ОТРАЖЕНО В СЛЕДУЮЩИХ РАБОТАХ АВТОРА:

/. Монографии и брошюры

1. Воловник А Д., Силкин А.Ю. Кластеризация контрагентов как инструмент формализации управленческих решений в области ценообразования. Мурманск - Ижевск: Изд-во Кольского НЦ РАН, 2005. - 101 с.

2. В.Е Лялин, В.И. Ляшенко, А.Д. Воловник и др. Экономико-правовые механизмы поддержки и развития субъектов малого предпринимательства в странах Америки и Азии - Мурманск - Ижевск - Донецк: Изд-во Кольского НЦ РАН, 2005. - 243с.

3. Воловник А Д Модели снижения инвестиционного риска при оптимизации управления предприятием. Мурманск - Ижевск: Изд-во Кольского НЦ РАН, 2005 127 с.

4. Воловник А.Д Динамическое моделирование деятельности коммерческого банка Мурманск - Ижевск: Изд-во Кольского НЦ РАН, 2006 297 с.

II. Научные статьи в ведущих репетируемых научных журналах и изданиях. рекомендуемых ВАК РФ

5 Воловник А.Д Управление производственными ¡¡шасами предприятия

в условиях инфляции // Информационные технологии в науке, социологии, экономике и бизнесе: Материалы 31 Междн. конф. — Украина, Крым, Ялта — Гурзуф: Ж. «Открытое образование», М., 2004 - С.123-124.

6. Воловник А.Д., Лялин В.Е. Оптимизация кредитной политики предприятия // Информационные технологии в науке, социологии, экономике и бизнесе: Материалы 31 Междн. конф. — Украина, Крым, Ялта — Гурзуф: Ж. «Открытое образование». М., 2004 - С. 125-126.

7. Воловник А.Д., Лялин В.Е. Оптимальное управление производством при наличии инвестиционных лагов // Информационные технологии в науке, социологии, экономике и бизнесе: Материалы 31 Междн. конф. - Украина, Крым, Ялта - Гурзуф: Ж. «Открытое образование», 2004. - С. 127-128.

8. Воловник А.Д., Силкин А.Ю., Лялина Е.В. Модель кластеризации контрагентов // Вестник МАРТИТ. -2005. - № 10(22). С. - 58-66.

9. Воловник А.Д., Силкин А.Ю. Особенности функционирования пред^^ приятий в условиях российской экономики // Вестник МАРТИТ. -2006. -1(23). - С. 9-20.

10. Воловник А.Д., Силкин А.Ю. Принятие управленческих решений в области ценообразования // Вестник МАРТИТ. -2006. - № 1(23). С. 60-73.

11. Воловник А.Д., Силкин А.Ю., Лялина Е.В. Методологические проблемы обработки экономических данных // Вестник Белгородского университета потребительской кооперации. - 2005 - №5 (14) — С. 111-117.

12. Воловник А.Д., Лялин В.Е. Модели снижения инвестиционного риска при оптимизации управления предприятием // Аудит и финансовый анализ. -2006. -№2.-С. 200-246.

13. Силкин А.Ю., Воловник А.Д., Лялин В.Е. Нечеткая кластеризация контрагентов при принятии решений ценовой дискриминации на основе формальных критериев // Сборник научных трудов. Приложение к журналу «Аудит и финансовый анализ». - 2006. - №2 - С. 188-229.

14. Воловник АД. Анализ кривой спроса банковского продукта // Вестник Белгородского университета потребительской кооперации. - 2006. - №2(16) - С. 50-54.

15. Воловник А.Д. Модель оптимального управления инвестиционными проектами / Вестник Белгородского университета потребительской кооперации. - 2006. - №2(17) - С. 80-85.

16. Воловник А.Д., Лялина Е.В. Оценка кредитоспособности физических лиц с применением интеллектуальных алгоритмов обработки данных // Вестник^— МАРТИТ. -2006. - № 2(24). - С. 12-20. ф

17. Воловник А.Д., Лялина Е.В. Моделирование ценовой политики кредитной организации в условиях конкуренции // Вестник МАРТИТ. -2006. -№.6(28) - 2006. - С.28-34.

18. Volovnik A.D., Lyalin V.E. Models of decrease of investment risk by optimization of operation of business // Audit and financial analysis. — 2006.—№2 — P. 195-23 5.

19. Silkin A.J., Volovnik A.D., Lyalin V.E. Illegible clusterization of counterparts at a making of price discrimination on the basis of formal criteria // Appendix to journal «Audit and financial analysis». — 2006. - №2 - P. 161-193.

20. Воловник А.Д. Нечеткое моделирование системы управления интеллектуальным капиталом банка // Вестник МАРТИТ. -2006. - №.5(27) - 2006. - С. 132-141.

21. Воловник А.Д., Тененев В.А. Идентификация модели управления интеллектуальным капиталом банка на основе генетического алгоритма с вещественным кодированием // Вестник МАРТИТ. -2006. - №.7(29). - С. 8-16.

22. Воловник А.Д., Семенов В.В. Решение ¡адачи о ¡амене оборудования методом статистических испытаний // Вестник МАРТИТ. - № 7(29). - 2006 . - С. 74-80

23. Воловник А.Д., Лялин В.Е. Применение метода нелинейного программирования для оптимального управления инвестиционными проектами // Известия ТулГУ. Серия. Математика Механика. Информатика. - Т. 11. Вып. 4. Информатика. - Тула: Изд-во ТулГУ, 2005. - С.26-43

24. Воловник А.Д., Лялина Е.В. Применение математической теории интеллектуальных систем для оценки кредитоспособности физических лиц // Известия ТулГУ. Серия. Математика. Механика. Информатика. - Т. II. Вып. 4. Информатика. - Тула: Изд-во ТулГУ, 2005. - С. 14-25

25. Воловник А.Д. Применение логистической зависимости при анализе кривой спроса банковского продукта // Известия ТулГУ. Серия. Математика. Механика. Информатика. - Т. 11. Вып. 4. Информатика. - Тула: Изд-во ТулГУ, 2005.-С.7-13

26. Воловник А.Д. Скоринг физических лиц с применением нейронных сетей и деревьев решений // Информационные технологии в науке, образовании, телекоммуникациях и бизнесе. Майская сессия: Материалы 33 Междн. конф. -Украина, Крым, Ялта - Гурзуф: Ж. «Открытое образование», 2006. - С.91-92.

27. Воловник А.Д., Лялина Е.В. Применение нечетких сетей Петри для оценки кредитоспособности юридических лиц // Информационные технологии в науке, образовании, телекоммуникациях и бизнесе. Майская сессия: Материалы 33 Междн. конф. - Украина, Крым, Ялта - Гурзуф: Ж. «Открытое образование», 2006. - С.89-90.

28. Воловник А.Д., Лялина Е.В. Оптимальное управление ценовой политикой кредитной организации в условиях конкуренции // Информационные технологии в науке, образовании, телекоммуникациях и бизнесе Майская сессия: Материалы 33 Междн. конф. - Украина, Крым, Ялта - Гурзуф: Ж. «Открытое образование», 2006. - С.87-88.

29. Воловник А.Д. Динамическая модель производства банковского продукта с учетом интеллектуального капитала // Вестник МАРТИТ. - 2006. -№10(32)-С. 29-35

30. Воловник А.Д, Захарова A.A. Оптимизация управления интеллектуальным капиталом на основе дифференциальных уравнений // Вестник МАРТИТ.-2006.-№10(32)-С. 128-135.

31. Воловник А.Д., Захарова А.А Нечеткая модель поведения покупателя банковских услуг // Информационные технологии в науке, образовании, телекоммуникациях и бизнесе. Осенняя сессия- Материалы 33 Междн. конф. Украина, Крым, Ялта - Гурзуф- Ж «Открытое образование», 2006 - С.33-34.

32. Воловник А.Д. Моделирование резервов подразделения на основе нечеткой системы // Информационные технологии в науке, образовании, телекоммуникациях и бизнесе. Осенняя сессия Материалы 33 Междн. конф Украина, Крым, Ялта - Гурзуф Ж. «Открытое образование», 2006. - С 35-36

33 Воловник А Д , Захарова А А Моделирование жизненного цикла банковского продукта // Информационные технологии в науке, образовании.

телекоммуникациях и бизнесе. Осенняя сессия: Материалы 33 Междн. конф. — Украина, Крым, Ялта — Гурзуф: Ж. «Открытое образование», 2006. - С.36-37.

III. Статьи в региональных журналах, сборниках научных трудов и материалах конференций

34. Воловник А.Д., Рагозин JI.H. Оценка финансовых рисков при кредитовании ОАО «Ижевский радиозавод» с учетом его финансово-хозяйственной деятельности в условиях посттрансформационной экономики/ Труды международной научно-технической конференции «Информационные технологии в инновационных проектах». - Ижевск: ИжГТУ, 1999. - С. 67-69.

35. Воловник А.Д> Инвестиционная политика банка «Фондсервисбанк» при финансировании перспективных проектов предприятий // Всероссийская отраслевая научно-практическая конференция Агенства «Росавиакосмос» по проблемам привлечения финансовых ресурсов от иностранных и российских инвесторов / Сборник тезисов докладов. - Мытищи: Изд-во Московского гос» университета леса, 2001.- С. 23-25. Щ

36. Демичев С.Г., Воловник А.Д. Математическая модель жизненного цикла товара // Труды международной научно-технической конференции «Информационные технологии в инновационных проектах», г.Ижевск, 2001. - С.70-74.

37. Воловник А.Д. Оптимальная стратегия использования заемных средств на предприятии // Математические модели и информационные технологии в экономике: Тематический сборник научных трудов Международной научно-технической конференции «Информационные технологии в инновационных проектах». - Екатеринбург - Ижевск: Изд-во ИЭ УрО РАН, 2003. - С. 45-48.

38. Воловник А.Д. Информационно-аналитическое сопровождение инвестиционных проектов // Математические модели и информационные технологии в экономике: Тематический сборник научных трудов Международной научно-технической конференции «Информационные технологии в инновационных проектах». - Екатеринбург - Ижевск: Изд-во ИЭ УрО РАН, 2003. - С. 54-57.

39. Воловник А.Д. Функционирование системы материально-технического снабжения предприятия // Математические модели и информационные технологии в экономике: Тематический сборник научных трудов Международной научно-технической конференции «Информационные технологии в инновационных проектах». - Екатеринбург - Ижевск: Изд-во ИЭ УрО РАН, 2003. - С.24-25.

40. Воловник А.Д. Управление производственно-экономической системой с запаздывающими параметрами // Математические модели и информационные технологии в экономике: Тематический сборник научных трудов Международной на^ учно-технической конференции «Информационные технологии в инновационных проектах». - Екатеринбург - Ижевск: Изд-во ИЭ УрО РАН, 2004. - С. 49-53.

41. Воловник А.Д. Модель оценки эффективности финансового рычага // Математические модели и информационные технологии в экономике: Тематический сборник научных трудов Международной научно-технической конференции «Информационные технологии в инновационных проектах». - Екатеринбург-Ижевск: Изд-во ИЭ УрО РАН, 2004. - С.26-27.

42. Воловник А.Д. Агрегированная модель производственно-технической системы // Математические модели и информационные технологии в экономике: Тематический сборник научных трудов Международной научно-

■tw

технической конференции «Информационные технологии в инновационных проектах» - Екатеринбург - Ижевск: Изд-во ИЭ УрО РАН, 2004 С 28-29.

43. Dedov L A., Shibaev I.V.. Volovnik A.D. On one problem of economics // VI International congress on mathematical modeling / Сборник тезисов докладов -Нижний Новгород: Изд-во Нижегородского госуниверситета, 2004. - С.401.

44. Silkin A.Y., Lyalin V.E., Volovnik A.D. The specified model ot automatic fuzzy clusterization of contractors // VI International congress on mathematical modeling / Сборник тезисов докладов. - Нижний Новгород: Изд-во Нижегородского госуниверситета, 2004. - С.435.

45. Воловник А.Д., Тененев В.А. Оптимизация движения производственных запасов на предприятии // Интеллектуальные системы в производстве: Со науч. тр. ИжГТУ. - 2004. - № 2. - Ижевск: Изд-во ИжГТУ, 2004. - С. 53-57.

46. Воловник А.Д, Силкин А.Ю. Анализ механизма контрактации // Про-|Лблемы экономики и управления- Междунар. научн.-производ. журнал. - 2005. -W№ 4. - Белгород: Изд-во БГУ, 2005. - С. 32-38.

47. Воловник А.Д., Силкин А.Ю., Лялина Е.В. Методология обработки jko-номических данных // Проблемы экономики и управления: Междунар. научн.-производ. журнал. - 2005. - № 4. - Белгород: Изд-во БГУ, 2005. - С. 62-67.

48. Воловник А Д., Тененев В.А. Управление инвестиционными проектами с венчурным инвестированием // Интеллектуальные системы в производстве: Сб. науч тр. ИжГТУ - 2005. - № 1. - Ижевск: Изд-во ИжГТУ, 2005. - С. 5-30

49. Воловник А.Д. Формирование инвестиционных лагов для расширения производства и для совершенствования его технологического процесса // Проблемы и перспективы российской экономики: Материалы V Всероссийской научно-практической конференции. - Пенза: Изд-во ПГУ, 2006. С. 129-132.

50. Воловник А Д. Достижение дополнительной прибыли предприятия ¡а счет оптимизации объемов производственных запасов в условиях быстрого роста индекса цен // Проблемы и перспективы российской жономики: Материалы V Всероссийской научно-практической конференции. Пенза: Изд-во Г1ГУ, 2006. С 155-157.

51. Воловник АД., Лялина Е.В. Модель оценки ¡ффективности финансовот рычага в условиях погашения кредиторской задолженности за счет новых заемных средств // Проблемы и перспективы российской экономики: Материалы V Всероссийской научно-практической конференции. - Пенза: Изд-во ПГУ, 2006 С. 133-135.

• 52. Воловник Д. Математическая модель оптимальной ценовой политики на рынке банковских услуг // Теория и практика антикризисного менеджмента. Сборник материалов IV Международной научно-практической конференции. - Пенза- ПДЗ. 2006 С. 154-157.

53 Воловник А Д, Лялина Е В Проведение скоринга юридических лиц с использованием систем нечетког о логического вывода Л Теория и практика антикризисного менеджмента Сборник материалов IV Международной научно-практической конференции Пенза ПДЗ, 2006. С 152-154

54. Воловник АД, Лялина Е В Сравнительный аналш применения нейронных сетей и деревьев решений для оценки кредитоспособности физических лиц h Теория и практика антикризисного менеджмента Сборник материалов IV Международной научно-практическои конференции Пенза ПДЗ, 2006 С 149-152

55. Воловник А.Д, Лялина E.B Моделирование этапов инвестиционных проектов // Математические методы и информационные технологии в экономике, социологии и образовании: Материалы XVII Международной научно-технической конференции. — Пенза: Изд-во ПГУ, 2006. — С. 70-72.

56. Воловник АД., Оптимизация управления запасами в условиях неопределенности действия внешних факторов // Математические методы и информационные технологии в экономике, социологии и образовании: Материалы XVII Международной научно-технической конференции. — Пенза: Изд-во ПГУ, 2006. - С. 91-94.

57. Воловник А.Д. Метод оценки интеллектуального капитала банка // Социально-экономическое развитие России в XXI веке: Материалы V Международной научно-практической конференции. - Пенза: Изд-во ПГУ, 2006. - С. 53-55.

58. Воловник А.Д. Модель прогноза развития банка на основе нечеткой причинно-следственной сети // Социально-экономическое развитие России в XXI веке: Материалы V Международной научно-практической конференции Пенза: Изд-во ПГУ, 2006. - С. 50-52. ^

59. Воловник АД. Настройка коэффициентов нечеткой динамической модели банка // Социально-экономическое развитие России в ХХЗ веке: Материалы V Международной научно-практической конференции. - Пенза: Изд-во ПГУ, 2006.—С. 47-50.

60. Воловник А.Д., Лялина, Е.В. Захарова A.A. Моделирование SWOT-стратегии нечеткой системой // Ж. АН Украины «Искусственный интеллект» -№3,2006. - Донецк: Изд-во Наука i освгга, 2006. - С. 365-371

61. Лялин В.Е., Воловник А.Д. Нечеткий и дифференциальный подходы к моделированию интеллектуального капитала организации Н Ж. АН Украины «Искусственный интеллект» - №3,2006.—Донецк: Изд-во Наука i освгга, 2006.—С. 429-435.

62. Воловник А.Д., Тененев В.А. Применение генетического алгоритма с вещественным кодированием для настройки модели управления интеллектуальным капиталом банка // Искусственный интеллект-2006: Мат-лы Междунар. науч.-техн. конф. - Таганрог: Изд-во ТРТУ, 2006.-Т. 1С. 155-161.

63. Воловник А.Д., Семенов В.В., Сенилов М.А. Определение времени замены оборудования с позиции задачи динамического программирования II Искусственный интеллект-2006: Мат-лы Междунар. науч.-техн. конф. - Таганрог: Изд-во ТРТУ, 2006. - Т. 1. - С. 202 - 210.

А.Д. Воловник|

ЛР № 020764 от 29.04.98

Подписано в печать 15.11.2006. Формат 60 х 84 1/16. Отпечатано на ризографе. Уч.-изд.л. 3,86 Усл. печ. л. 2,79. Тираж 100 экз. Заказ № 810/1.

Издательство Института экономики УрО РАИ 620014, Екатеринбург, ул.Московская 29

Диссертация: содержание автор диссертационного исследования: доктора экономических наук, Воловник, Александр Давидович

Введение.

Глава 1. Система маркетинга кредитной организации.

1.1.Общие цели и задачи системы маркетинговых исследований

1.2.Системное представление маркетинговой деятельности при стратегическом планировании.

1.3.Модель поведения покупателя банковских услуг.

1.4.Методическое обеспечение системы маркетинговых исследований.

1.4.1. Методы кластеризации.

1.4.2. Снижение размерности системы данных.

1.5.Анализ временной зависимости депозитов.

1.5.1. Методы анализа временных рядов.

1.5.2. Нейросетевые модели.

1.5.3. Анализ кассовых операций по обслуживанию физических лиц.

1.6.Выводы по главе 1.

Глава 2.Модели поведения кредитной организации на конкурентном рынке.

2.1 .Обзор общих экономических теорий ценообразования.

2.1.1. Общие методологические принципы ценообразования.

2.1.2. Анализ механизма ценовой дискриминации.

2.1.3. Анализ практики ценообразования на предприятиях в условиях Российской экономики.

2.2.Модель зависимости спроса на банковский продукт от цены на рынке банковских услуг.

2.3.Динамическое моделирование ценовой политики кредитной организации в условиях конкуренции.

2.4.Моделирование жизненного цикла банковского продукта

2.5.Выводы по главе 2.

Глава З.Интеллектуальный капитал - важнейшая составляющая эффективного развития банка.

3.1.Современные представления о человеческом и интеллектуальном капитале.

3.2.Динамическая модель производства банковского продукта с учетом интеллектуального капитала.

3.2.1. Постановка задачи и уравнения.

3.2.2. Идентификация модели производства банковского продукта.

3.3.Оценка величины интеллектуального капитала банка.

3.4.3адача оптимального управления развитием банка на основе дифференциальной модели.

3.5.Нечеткое моделирование системы управления интеллектуальным капиталом банка.

3.5.1. Система управления интеллектуальным капиталом банка.

3.5.2. Нечеткая математическая модель производства банковского продукта.

З.б.Обучение нечеткой сети, моделирующей банковскую деятельность.

3.7.Управление численности сотрудников подразделения на основе модели системы с резервами.

3.8.Моделирование SWOT-стратегий нечеткой системой.

3.9.Выводы по главе 3.

Глава 4.Моделирование кредитоспособности клиентов коммерческого банка.

4.1 .Понятие скоринга в кредитной деятельности банков.

4.2.0ценка кредитоспособности физических лиц с применением интеллектуальных алгоритмов обработки данных.

4.2.1. Нейросетевые методы оценки кредитной наделсности физических лиц.

4.2.2. Алгоритмы анализа, основанные на правилах.

4.2.3. Построение моделей, прогнозирующих поведение клиентов.

4.3.Показатели хозяйственной деятельности кредитуемых предприятий.

4.4.Модель выбора стратегии кредитования юридических лиц.

4.4.1. Методика оценки кредитоспособности, основанная на нечетком логическом выводе.

4.4.2. Применение нечетких сетей Петри для оценки кредитоспособности.

4.4.3. Причинно-следственная сеть для оценки кредитования юридических лиц.

4.5.Выводы по главе 4.

Глава 5.Развитие инвестиционных способностей кредитного банка

5.1 .Этапы инвестиционного процесса в производственноэкономических системах.

5.1.1. Система показателей оценки инвестиционных проектов.

5.1.2. Методы моделирования процесса инвестиционной деятельности.

5.1.3. Возможности сниэ/сения рисков реальных инвестиций 231 5.2.Организация движения финансовых ресурсов предприятия.

5.2.1. Оптимизация стратегии использования заемных средств.

5.2.2. Политика долгосрочного кредитования предприятия на основе модели экономической системы с запаздывающими параметрами.

5.3.Модель рационального поведения товаропроизводителей.

5.3.1. Постановка задачи.

5.3.2. Результаты численного моделирования.

5.4.Управление инвестиционными проектами с венчурным финансированием.

5.4.1. Схема венчурного финансирования инвестиционных проектов.

5.4.2. Формализованная модель развития венчурного инвестиционного проекта.

5.4.3. Идентификация производственной функции товаро-производящего предприятия.

5.4.4. Оптимизация управления инвестиционным проектом для получения максимальной прибыли за заданное время

5.4.5. Результаты параметрического исследования развития инвестиционных венчурных проектов.

5.4.6. Организация управления венчурным проектом для получения прибыли в кратчайшие сроки.

5.4.7. Оценки риска венчурного инвестирования.

5.5.Выводы по главе 5.

Глава б.Моделирование сценариев развития коммерческого банка. 308 6.1 .Анализ состояния банковской деятельности

ОАО «ФОНДСЕРВИСБАНК».

6.1.1. Основные приоритеты развития Банка.

6.1.2. Финансовые показатели деятельности.

6.2.Внешние и внутренние факторы, влияющие на развитие банка

6.2.1. Ранжирование внешних и внутренних факторов методом анализа иерархий.

6.2.2. Прогноз динамики внешних факторов.

6.3.Анализ сценариев банковской деятельности.

6.3.1. Переменные модели и структура системы.

6.3.2. Анализ результатов расчетов.

6.4.Выводы по главе 6.

Диссертация: введение по экономике, на тему "Динамические модели производства банковского продукта для поддержки стратегического управления кредитной организацией"

Актуальность темы. Основу финансовой системы современной России составляют банки. Поэтому от успешного развития банковской деятельности зависит устойчивость как финансовой системы, так и всей экономики. Российская банковская система находится на этапе интенсивных рыночных преобразований. В условиях острой конкуренции и концентрации банковского капитала важной задачей является эффективное управление, основанное па современных методах маркетинга и стратегического менеджмента. Решение задачи существенного роста валового внутреннего продукта (ВВП) зависит от обеспечения инвестиционной деятельности, основу которой образуют долгосрочные кредиты. Так как от характера финансируемого проекта зависит окупаемость инвестиций и прибыль, то решающими при предоставление кредита должна быть надежность оценки проек та и возможность влияния на управление инвестиционным проектом.

Современная экономика развитых стран характеризуется очень высокими темпами развития информационных технологий. Деятельность кредитных организаций, определяющая производство банковского продукта, как ни какая другая сфера экономической деятельности, связана с применением и потреблением информационных ресурсов. Эффективность функционирования экономической системы по производству банковского продукта в значительной степени определяется информационной поддержкой, квалификацией персонала и организаторскими способностями менеджеров высшего звена, применением современных методов анализа и управления, т.е. всем тем, что принято называть интеллектуальным капиталом. Интеллектуальные производительные силы имеют основополагающее влияние на процесс производства банковского продукта. Разработка методов количественной оценки влияния интеллектуальных факторов на деятельность и создание моделей систем управления интеллектуальным капиталом является важной и актуальной задачей.

Для эффективного управления деятельностью кредитной организации необходимо применение системного подхода, при котором экономическая система - банк моделируется совокупностью структурных элементов, таких как система маркетинга, система управления интеллектуальным капиталом, система менеджмента. Создание таких моделей, позволяющих получать количественный отклик как на действия руководства банка, так и на изменение внешних экономических и политических условий, представляет собой сложную и необходимую задачу. Перспективным направлением в области системного моделирования динамических экономических систем является применением интеллектуальных алгоритмов обработки информации и извлечения знаний из данных.

В настоящее время российскими и зарубежными учеными проделан oipoM-ный объем работы в области теоретических построений и практической реализации результатов исследований инвестиционных процессов. Математическое моделирование в экономике развивается в работах Ашманова СЛ., Альбрехта Э.С., Глухова В.В., Дуброва A.M., Емельянова А.А., Колемаева В.А., Лагоши Б.А., Оле-нева Н.Н., Поспелова И.Г., Черемных Ю.Н., являясь продолжением классических работ Беллмана Р., Гейла Д., Самуэльсона П., Хикса Д. Теория интеллектуального капитала содержится в работах Стюарта Т., Даума Д., Эдвинсопа Л., Леонтьева Б.Б., Иноземцева В.Л., Максимова В.К. и других. Большое количество публикаций на эту тему, увеличивающееся с каждым годом, свидетельствует об огромном интересе к этой области знаний. Развитые методологические основы деятельности кредитных организаций, созданные модели производства банковского продукта необходимо довести до уровня использования в практике банков и предприятий в виде необходимых информационных технологий.

Объектом исследования являются кредитные организации российской финансовой системы, оказывающие финансовую поддержку предприятия реального сектора экономики.

Предмет исследования: методы и модели прогнозирования производства банковского продукта; методики управления, обеспечивающие эффективную организацию банковской деятельностью.

Область исследования: математические модели и методы анализа микроэкономических процессов и систем: отраслей народного хозяйства, фирм и предприятий, способов оценки предпринимательских рисков и обоснования инвестиционных решений.

Цель исследования состоит в получении научно-обоснованных экономических решений, направленных на организацию производства банковского продукта путем построения динамических моделей на основе математической теории интеллектуальных систем, обеспечивающих стратегическое управление кредитной организацией, и математических моделей поведения субъектов инвестиционных проектов, снижающих риски, связанных с вложением средств в условиях развивающейся экономики России, что будет способствовать повышению эффективности использования банковских финансовых ресурсов, активизации инвестиционной деятельности финансово-кредитных учреждений при одновременном снижении рисков утери их капиталов.

Для достижения поставленной цели требуется решить следующие задачи:

- дать формализованное представление системы маркетинговых исследований, включающую модель поведения потребителя банковских услуг;

- разработать методику оценки динамики депозитов физических лиц по результатам прошлых и текущих кассовых операций;

- построить математическую модель конкурентной борьбы участников рынка банковских услуг, позволяющую разрабатывать оптимальные ценовые стратегии;

- создать динамическую модель производства банковского продукта с учетом интеллектуального капитала, адаптирующуюся к особенностям кредитных организаций;

- разработать методику оптимального управления интеллектуальным капиталом банка для определения стратегий развития;

- разработать методики определения кредитоспособности юридических и физических лиц с применением системы нечеткого вывода и деревьев решений;

- создать методику оценки эффективности инвестиционных проектов.

Методы исследования. В работе применялись теоретические методы и методологические исследования в экономике, нормативные и законодательные акты Российской Федерации. Для обработки информации и получения количественных результатов использовались методы извлечения знаний из данных, теория нечетких множеств, теория оптимального управления.

Достоверность и обоснованность полученных в работе результатов и выводов подтверждается сопоставительным анализом разработанных и существующих математических моделей и методов, использованием фактических данных, содержащихся в документах бухгалтерской отчетности.

Математические модели и методы, применяющиеся в диссертационной работе, основаны на теории дифференциальных уравнений, на теории оптимального управления, теории вероятностей, теории исследования операций и теории нечетких множеств.

Научная новизна проведенного исследования заключается в следующем:

1. Дано системное представление маркетинговой деятельности, как структурного элемента общей системы управления банком.

2. Разработанная модель поведения потребителя банковских услуг в виде причинно-следственной сети дала возможность получать выходную количественную реакцию в виде объема и номенклатуры банковского продукта, характерную для потребителя, принадлежащего к одной из групп населения.

3. Разработанная методика продолжения временных рядов позволила оценивать будущие изменения величины депозитов физических лиц.

4. Построенная математическая модель конкурентной борьбы двух участников рынка банковских услуг дала возможность решить задачу оптимального управления и рассчитать оптимальную ценовую стратегию одного участника при неизменной ценовой политике второй стороны.

5. Разработанная модель жизненного цикла банковского продукта позволяет устанавливать оптимальные сроки ввода новых и замены устаревших банковских услуг.

6. На основе построенной динамической модели производства банковского продукта предложена методика количественной оценки интеллектуального потенциала и интеллектуального капитала кредитной организации.

7. С применением подхода к моделированию управления интеллектуальным капиталом банка на основе нечеткой причинно-следственной сети решена задача оптимального управления интеллектуальным капиталом банка, определяющая стратегии развития.

8. Предложено представлять SWOT - анализ в виде нечеткой причинно-следственной сети. Нечеткое моделирование позволяет реализовать сущность SWOT - анализа: превращение собственных слабостей в силу и устранение внешних угроз за счет собственных возможностей.

9. На основе возможностного метода деревьев решений разработана методика оценки кредитоспособности физических лиц, снижающая величину кредитного риска.

10. Создана методика определения кредитоспособности юридических лиц с применением системы нечеткого вывода и сетей Петри, построена структура сети, установлены основные переменные системы.

11. Разработаны модели рационального поведения товаропроизводителей и управления инвестиционными проектами.

12. На основе разработанных моделей проведены расчеты сценариев развития коммерческого банка, показавшие его высокую устойчивость к изменению внешних условий.

Практическая полезность исследования заключается в возможности применения разработанных методов для оптимизации управления банковской деятельностью.

На основе формулировок общих целей и задач маркетинга дано формализованное представление системы маркетинговых исследований, позволяющее встроить ее в общую систему управления банком. Разработана методика прогнозирования ежедневного поведения депозитов физических лиц на основе пейросе-тевой модели. На основе численного решения задачи оптимального управления рассчитана оптимальная ценовая стратегия одного участника при неизменной ценовой политики второй стороны. Получены правила, характеризующие благонадежность клиентов банка. Построена нечеткая модель выбора численности сотрудников в подразделениях организации. На основе протестированного численного метода решения задачи оптимального управления получены варианты ионедения товаропроизводителя.

Апробация работы. Отдельные законченные этапы работы обсуждались на: Научно-технической конференции ИжГТУ, посвященной 50-летию образования ИжГТУ (Ижевск, 2002); Международных научно-технических конференциях ИжГТУ (Ижевск, 1999, 2001-2003), Всероссийской отраслевой научно-практической конференции Агенства «Росавиакосмос» по проблемам привлечения финансовых ресурсов от иностранных и российских инвесторов (2001), IV Международной научной конференции «Информационные технологии в инновационных проектах» (Ижевск, 2002); VI Международном конгрессе по математическому моделированию (Нижний Новгород, 2004); 31,33 Международных конференциях «Информационные технологии в науке, социологии, экономике и бизнесе» (Украина, Крым, Ялта - Гурзуф, 2004,2006); IV-ой Международной научно-практической конференции «Теория и практика антикризисного менеджмента» (Пенза, 2006); V Всероссийской научно-практической конференции «Проблемы и перспективы Российской экономики» (Пенза, 2006); XVII Международной научно-технической конференции «Математические методы и информационные технологии в экономике, социологии и образовании» (Пенза, 2006); Международной научно-технической конференции «Искусственный интеллект - 2006» (Таганрог, 2006); V Международной научно-практической конференции «Социально-экономическое развитие России в XXI веке» (Пенза, 2006).

Реализация работы в производственных условиях. Положения, разработки и рекомендации диссертационной работы внедрены в ОАО «Фон-дсервисбанк» и ОАО «Ижевский радиозавод».

Публикации. Основные научные результаты по теме диссертации опубликованы в виде: 4-х монографий, 29 научных трудах в изданиях, рекомендуемых ВАКом для публикации основных результатов диссертаций па соискание учёной степени доктора наук. Всего по теме диссертации опубликовано 63 работы общим объёмом 74,08 печатных листов, из которых 48,44 печатных листа принадлежат лично автору.

Структура диссертационной работы определяется общими замыслом и логикой проведения исследований.

Диссертация содержит введение, 6 глав изложенных, иа 374 с. машинописного текста, заключение и приложения, в котором пред ставлен акт об использовании результатов работы. В работу включены 140 рис., 10 табл., список литературы из 245 наименований.

Диссертация: заключение по теме "Экономика и управление народным хозяйством: теория управления экономическими системами; макроэкономика; экономика, организация и управление предприятиями, отраслями, комплексами; управление инновациями; региональная экономика; логистика; экономика труда", Воловник, Александр Давидович

ЗАКЛЮЧЕНИЕ И ВЫВОДЫ

Для решения задачи оптимального управления деятельностью кредитной организации применен системный подход. Деятельность субъекта экономики - коммерческого банка моделируется совокупностью структурных элементов: системы маркетинга, системы управления интеллектуальным капиталом, системы менеджмента. Для построения моделей использованы методы построения нечетких причинно-следственных сетей, интеллектуальные методы обработки информации и методы экономической динамики на основе дифференциальных уравнений. При описании процесса производства банковского продукта применяется теория производственных функций.

В результате проведенных исследований сформулированы следующие выводы.

1. Формализованное представление системы маркетинговых исследований, построенное на основе общих целей и задач банковского маркетинга, позволяет рассматривать ее как структурный элемент общей системы управления банком.

2. Разработанная модель поведения потребителя банковских услуг в виде причинно-следственной сети дает возможность получать выходную количественную реакцию в виде объема и номенклатуры банковского продукта, характерную для потребителя, принадлежащего к одной из групп населения.

3. Разработана методика продолжения временных рядов, позволяющая оценивать будущие изменения величины депозитов физических лиц.

4. Построена математическая модель конкурентной борьбы двух участников рынка банковских услуг. На основе численного решения задачи оптимального управления рассчитана оптимальная ценовая стратегия одного участника при неизменной ценовой политики второй стороны, заключающаяся в поддержании цены на продукцию на меньшем уровне, чем равновесная цена.

5. Разработанная модель жизненного цикла банковского продукта позволяет устанавливать оптимальные сроки ввода новых и замены устаревших банковских услуг.

6. На основе построенной динамической модели производства банковского продукта предложена методика количественной оценки интеллектуального потенциала и интеллектуального капитала кредитной организации.

7. Из анализа финансовых показателей банка ОАО «ФОНДСЕРВИСБАНК», имеющих положительную динамику в течение всего рассматриваемого периода времени, получена величина интеллектуального капитала на уровне 11% от всех активов, что превышает величину уставного капитала и находится на уровне собственных средств.

8. С применением подхода к моделированию управления интеллектуальным капиталом банка на основе нечеткой причинно-следственной сети решена задача оптимального управления интеллектуальным капиталом банка, определяющая стратегии развития. При оптимальном управлении показатель эффективности использования интеллектуального капитала возрастает с 0.13 до 1.89.

9. Предложено представлять SWOT - анализ в виде нечеткой причинно-следственной сети. Нечеткое моделирование позволяет реализовать сущность SWOT - анализа: превращение собственных слабостей в силу и устранение внешних угроз за счет собственных возможностей.

10. На основе возможностного метода деревьев решений разработана методика оценки кредитоспособности физических лиц, снижающая величину кредитного риска на 3%. Построенные правила обеспечивает точность классификации 95.2%) и точность распознавания надежных клиентов 98.7%).

11. Создана методика определения кредитоспособности юридических лиц с применением системы нечеткого вывода и сетей Петри. Построена структура сети, установлены основные переменные системы. Получены правила, характеризующие благонадежность клиентов банка.

12. Для повышения инвестиционной способности банка на всех этапах инвестиционного проекта для повышения эффективности его реализации целесообразно применять комбинацию из методов прямого математического моделирования и интеллектуальных методов извлечения знаний из данных, дающую дополнительной информации о закономерностях развития инвестиционных проектов и снижающую инвестиционный риск.

13. Основу рационального управления венчурным инвестиционным проектом составляет направление средств на развитие и совершенствование производственного процесса с переменной нормой накопления. Норма накопления должна быть снижена на 50% после времени начала выпуска новой продукции для выплаты дивидендов и выделения дополнительных средств на научно-техническое совершенствование технологического процесса. Дивиденды также необходимо начинать выплачивать в период, предшествующий времени выхода венчурного инвестора из проекта.

14. На основе разработанных моделей проведены расчеты сценариев развития конкретной экономической системы ОАО «ФОНДСЕРВИСБАНК», показавшие высокую устойчивость банка к изменению внешних условий. Ожидаемый прирост активов на полтора года составляет от 32 до 50%. Основная задача банка состоит в активной финансовой поддержке высокотехнологичных секторов отечественного производства, в содействии развитию стратегически важных отраслей промышленности, прежде всего предприятий оборонно-промышленного комплекса.