Экономико-математический инструментарий комплексной оценки финансово-экономического состояния предприятий строительной отрасли тема диссертации по экономике, полный текст автореферата

Автореферат диссертации по теме "Экономико-математический инструментарий комплексной оценки финансово-экономического состояния предприятий строительной отрасли"

На правах рукописи

Заикина Лидия Николаевна

ЭКОНОМИКО-МАТЕМАТИЧЕСКИИ ИНСТРУМЕНТАРИЙ КОМПЛЕКСНОЙ ОЦЕНКИ ФИНАНСОВО-ЭКОНОМИЧЕСКОГО СОСТОЯНИЯ ПРЕДПРИЯТИЙ СТРОИТЕЛЬНОЙ ОТРАСЛИ

Специальность 08.00.13 - Математические и инструментальные методы экономики

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата экономических наук

2 СЕМ 2015

Краснодар 2015

005561758

005561758

Диссертационная работа выполнена на кафедре прикладной математики в ФГБОУ ВПО «Кубанский государственный университет»

Научный руководитель: Коваленко Анна Владимировна

кандидат экономических наук, доцент

Официальные оппоненты: Терелянский Павел Васильевич

доктор экономических наук, кандидат технических наук, доцент, заведующий кафедрой «Информационные системы в экономике» ФГБОУ ВПО «Волгоградский государственный технический университет»

Киселева Ирина Анатольевна

доктор экономических наук, профессор, профессор кафедры «Прикладная математика» ФГБОУ ВПО «Московский государственный университет экономики, статистики и информатики (МЭСИ)»

Ведущая организация: Федеральное государственное бюджетное

учреждение науки Центральный экономико-математический институт РАН

Защита состоится 25 сентября 2015 г. в 9.00 на заседании диссертационного совета Д 220.038.02 при ФГБОУ ВПО «Кубанский государственный аграрный университет» по адресу: 350044, г. Краснодар, ул. Калинина, 13, конференц-зал главного корпуса.

С диссертацией можно ознакомиться в библиотеке Кубанского государственного аграрного университета по адресу: 350044, г. Краснодар, ул. Калинина, 13 и на сайте ФГБОУ ВПО «Кубанский государственный аграрный университет» - http://www.kubsau.ru.

С авторефератом диссертации можно ознакомиться на официальном сайте: Высшей аттестационной комиссии Министерства образования и науки Российской Федерации - http://vak.ed.gov.ru и ФГБОУ ВПО «Кубанский государственный аграрный университет» - http://www.kubsau.ru.

Автореферат разослан «_ ъ ¿¡¿¿¿/¿¡ГО- 2015 г.

Ученый секретарь диссертационного совета

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. Строительная отрасль является важнейшей компонентой национальной экономики любого государства. Она представляет собой «локомотив» экономики, который обеспечивает через систему межотраслевых связей и инвестиционные мультипликаторы ускоренные темпы роста всего народнохозяйственного комплекса. До последнего времени активное развитие этой отрасли происходило практически во всех регионах РФ, в частности, в Москве и Московской области, Санкт-Петербурге, Республиках Татарстан и Башкортостан, Тюменской, Челябинской, Белгородской и Ростовской областях, что связано как с увеличением объемов государственной поддержки, так и страхованием гражданской ответственности застройщика, а также наличием различных региональных программ.

К числу регионов с ускоренным ростом строительной отрасли принадлежит и Краснодарский край, на примере которого исследуется заявленная в диссертации проблема.

В Краснодарском крае сосредоточены четыре мощных катализатора развития строительной отрасли. Во-первых, рост объёмов строительства стимулировался спортивным событием мирового масштаба - Олимпиадой в Сочи. Во-вторых, здесь действуют эффективные региональные программы, например, «народная ипотека». В-третьих, в регионе интенсивно развивается девелоперский бизнес (комплексное освоение территорий). В-четвертых, Краснодар многими экспертами (например, журнал «Форбс») признан лучшим городом для ведения бизнеса, что тоже способствует развитию строительной отрасли в данном регионе.

Однако в ближайшем будущем для российского строительного бизнеса (как в целом, так и в Краснодарском крае) ожидаются более сложные времена. По самым негативным прогнозам в строительной отрасли России ожидается ипотечный кризис, аналогичный ипотечному кризису в США в 2007-2011 гг. Как известно, этот кризис трансформировался в острый финансово-экономический кризис, следствием чего стала долговременная рецессия, которая достаточно быстро охватила весь мир и стала началом экономического спада и кризиса для многих стран (Испания, Греция, Швеция, Исланлия, Аргентина, Беларусь, Казахстан, Латвия, Литва, Япония).

Симптомами возможного ипотечного кризиса в современных российских условиях являются:

- повышение ипотечной ставки (по прогнозу - выше 15-17%), что обусловлено ростом ставки рефинансирования ЦБ;

- экономические санкции, ужесточившие условия предоставления кредитов;

- рост стоимости строительных материалов, обусловленный высокой инфляцией;

- снижение уровня жизни населения, связанное с падением курса национальной валюты и грозящим переходом к фазе ипотечного «перекредитования» и т.д.

Несмотря на то, что сейчас осуществляется целый ряд государственных мер по поддержке строительной отрасли (в частности -субсидирование процентной ставки по ипотеке), положение продолжает оставаться достаточно серьезным.

В этих условиях насущной проблемой является разработка эффективной системы, обеспечивающей адекватную количественную оценку финансово-экономического состояния предприятий строительного бизнеса, которая позволяет не только нормализовать взаимодействие инвесторов, дольщиков, кредиторов, строительных организаций и защитить их интересы, но и стимулировать работу строительной отрасли и экономики в целом.

Следовательно, заявленная в диссертации проблема разработки экономико-математического инструментария для оценки финансово-экономического состояния предприятий строительной отрасли является актуальной.

Состояние разработанности проблемы. Вопросами оценки финансово-экономического состояния (ФЭС) предприятий посвящены многочисленные работы отечественных и зарубежных ученых Г.В. Давыдовой, А.Ю. Беликова, О.П. Зайцевой, А.Д. Шеремета, P.C. Сайфуллина, В.В. Ковалева, О.Н. Волковой, Г.В. Савицкой., A.B. Коваленко, Э. Альтмана, Дж. Фулмера, Ж. Конана, М. Голдера, Р. Лиса, Р. Тафлера и Г. Тис-шоу, Г. Спрингейта, Д. Чессера и др.

Ряд специализированных методик ориентирован на вопросы анализа ФЭС предприятий в условиях кризисной и нестабильной экономики (см. методику научно-консультационой фирмы ИНЭК и др.). При этом большинство имеющихся методов оценки ФЭС основывается на относительно несложном экономико-математическом инструментарии и предполагает экспресс-анализ состояния фирмы. Классическими примерами являются Z-модель Э. Альтмана и модель CART (Classification and Regression Trees), которые используют принцип дихотомии при сравнении определенных экономических индикаторов с их идеальными значениями, полученными на основе использования регрессионно-статистического аппарата.

Однако эти методы могут давать существенную ошибку в условиях нестабильной внешней среды и многофакторного экзогенного воздействия на исследуемые предприятия.

В связи с этим особый интерес представляет направление, исследующее ФЭС предприятий с помощью более сложных и точных методов.

В работах Дж. Бакли, Т.П. Барановской, М. Бояджиева, Д.Н. Зай-ченко, С. Запоунидиса, В.В. Заболоцкой, A.B. Илларионова, М.В. Ива-нищева, В.Н. Кармазина, A.B. Коваленко, О.И. Лаврушина, Е.В. Луценко, И.А. Малышева, А.О. Недосекина, П.Э. Портянского, В.И. Смирновой, М.Х. Уртенова и др. разработаны модели и методы искусственного интеллекта, а именно — нечётких множеств и нечёткой логики, нейронные и гибридные сети, а также аппарат многомерного статистического анализа.

Однако применение разработанных в данном направлении методов для условий строительной отрасли требует существенной их модификации и разработки соответствующего программного инструментария. Отсутствие полноценного и комплексного исследования ФЭС предприятий строительной отрасли на основе соответствующего экономико-математического аппарата определяет имеющийся пробел по изучаемой проблеме, который восполняется данным диссертационным исследованием.

Объекты исследования — предприятия строительной отрасли Краснодарского края РФ.

Предмет исследования - анализ и оценка ФЭС предприятий, являющихся объектами исследования.

Методы исследования - нейросетевые модели, нечеткие продукционные системы и методы многомерного статисического анализа.

Цель исследования — разработка методов и моделей для оценки ФЭС предприятий строительной отрасли и соответствующих инструментальных средств, позволяющих использовать комплексный подход и объединяющих в себе статистические, нейросетевые модели и нечеткие продукционные системы, направленные на повышение качества принимаемых управленческих решений.

Для достижения сформулированной цели решаются следующие основные задачи:

1. Сравнительный анализ имеющихся методов и моделей оценки ФЭС предприятий и возможностей их адаптации с учетом специфики строительной отрасли.

2. Применение многомерного статистического анализа для оценки ФЭС предприятий строительной отрасли Краснодарского края.

3. Разработка нейронных сетей, ориентированных на оценку ФЭС рассматриваемых экономических объектов на основе наиболее важных экономических индикаторов (финансовая устойчивость, платежеспособность, ликвидность, рентабельность, деловая активность и т.д.).

4. Проведение нечеткой кластеризации ФЭС рассматриваемых объектов для определения оптимального числа кластеров.

5. Создание комплекса нечетких продукционных систем, позволяющих получить адекватную интегрированную оценку ФЭС предприятий Краснодарского края.

6. Разработка программного обеспечения для автоматизации процесса анализа ФЭС рассматриваемых предприятий с использованием предложенного экономико-математического инструментария.

Теоретической и методологической основой исследования являются современные концепции и методы оценки ФЭС предприятий, а также работы российских и зарубежных ученых в области многомерного статистического анализа, нейросетевых технологий, нечетко-множественных систем и методов анализа предприятий строительной отрасли.

Информационно-эмпирической базой являются научные источники: данные и сведения из нормативно-правовых актов Российской Федерации, монографий, книг, справочно-статистических, аналитических материалов, а также бухгалтерские отчеты 79 строительных предприятий Краснодарского края, экспертные заключения, публикации в периодической печати, ресурсы сети Интернет и собственные расчеты автора

Инструментами исследования являются созданные в диссертации программные продукты «Финансово-экономическое состояние предприятия» в среде MATLAB и «Финансовый Эксперт» в среде «1С:Предприятие», разработанные с использованием среды MatLab R2013a и ее специализированных пакетов: Toolbox Neural Network, Fuzzy Logic Toolbox, GUI, а также сред Statistica 10 и Statistica Neural Networks.

Научная новизна заключается в разработке более совершенных методов и моделей оценки ФЭС предприятий строительной отрасли и соответствующих им программно-инструментальных средств, позволяющих реализовать комплексный подход и объединяющих в себе статистические, нейросетевые модели и нечеткие продукционные системы.

Наиболее существенные результаты исследования, полученные лично автором и содержащие элементы научной новизны, заключаются в следующем.

1. Обоснована необходимость комплексного подхода к оценке ФЭС предприятий строительной отрасли, отличительной особенностью которого является не только применение системы различных методов, но и учет различий в характере решаемых задач (экспресс-анализ, глубокий анализ ФЭС); осуществлен и обоснован выбор соответствующего множества экономических индикаторов: для экспресс-анализа — 15, для глубокого анализа—35 показателей.

2. Проведена классификация рассматриваемого массива предприятий, которые идентифицированы по одному из трех возможных состояний: преуспевающее, некризисное, кризисное. В отличие от разработанных ранее аналогичных методов анализа ФЭС в работе использован кластерный принцип классификации, основанный на многомерном статистическом

анализе (древовидной кластеризации и дивизивном методе к-средних), который является информативно более емким методом; введено понятие эталонного предприятия как условного объекта с усредненными характеристиками соответствующего кластера.

3. Получена система статистических моделей для диагностики состояния предприятий (набор дискриминантных функций и регрессионных уравнений), особенность которой (в сравнении с имеющимися разработками) состоит в целевой ориентации на конкретную сферу применения (строительные предприятия Краснодарского края), что позволяет осуществлять более точную оценку ФЭС исследуемых объектов.

4. Разработан комплекс нейросетевых моделей (сети Кохонена), на основе которых произведена кластеризация предприятий и получена топологическая карта распределения кластеров, позволяющая (в отличие от других методов анализа сложных нелинейных систем) осуществлять визуальный анализ ситуации по ФЭС рассматриваемых объектов.

5. Осуществлена нечёткая кластеризация изучаемого массива предприятия на основе разработанных десяти нечётких продукционных систем типа Мамдани-Заде, учитывающих (в отличие от методов обычной кластеризации) качественные характеристики предприятий (отраслевую и региональную специфику, рыночный потенциал, психологический портрет и др.).

6. Разработаны программно-инструментальные средства (часть которых имеет свидетельства о государственной регистрации программ на ЭВМ) по поддержке процедуры оценки ФЭС предприятий. В том числе:

- ПГТП «Финансово-экономическое состояние предприятий», имеющий удобный интерфейс и не требующий от пользователя специальной компьютерной подготовленности;

- ППП «Финансовый эксперт», являющийся интегратором разработанных моделей и методов оценки ФЭС предприятий и адаптированный в среду «1С: Предприятие 8.3».

Основные результаты и положения научной новизны соответствуют пункту 1.4 Паспорта специальности 08.00.13: «Разработка и исследование моделей и математических методов анализа микроэкономических процессов и систем: отраслей народного хозяйства, фирм и предприятий, домашних хозяйств, рынков, механизмов формирования спроса и потребления, способов количественной оценки предпринимательских рисков и обоснования инвестиционных решений».

Обоснованность и достоверность выносимых на защиту результатов работы обеспечены соблюдением логики проведения научных исследований, обоснованностью подходов и методов решения поставленных задач, корректным применением известных методик, инструментов исследования и процедур обработки данных, проверкой адекватности конструируемых моделей, а также непосредственным

сопоставлением полученных результатов с фактическими данными, экспертными и аудиторскими заключениями.

Апробация результатов исследования. Основные положения и результаты диссертационной работы представлены в научных публикациях автора, докладывались и обсуждались на следующих международных и всероссийских конференциях по экономике и математическому моделированию экономических процессов: VI, VII, IX Всероссийской научной конференции студентов и молодых учёных «Современное состояние и приоритеты развития фундаментальных наук в регионах» (г. Краснодар, 2009-2010 гг., г. Анапа, 2013 г.); VI Всероссийской открытой научно-практической конференции «Актуальные задачи математического моделирования и информационных технологий» (г. Сочи, 2010 г.), а также на заседаниях кафедр прикладной математики факультета компьютерных технологий Кубанского государственного университета и прикладной математики и информатики филиала КубГУ (г. Армавир).

Практическая значимость исследования. Разработанные в диссертационной работе кластерные, регрессионные, дискриминантные модели нейронные сети, топологическая карта, нечёткие продукционные системы, а также 111Ш «Финансово-экономическое состояние предприятия» и «Финансовый Эксперт» могут быть использованы: 1) для проведения на практике комплексного анализа состояния строительных предприятий Краснодарского края (независимо от форм собственности и их размера), для внутренних и внешних пользователей (финансовыми экспертами, руководителями, контрагентами, различными кредитными институтами и т.д.); 2) для экспресс-оценки кредитоспособности строительных предприятий этого же региона.

Использованный в работе подход и методы могут быть также адаптированы для анализа ФЭС других отраслей народного хозяйства.

Внедрение результатов исследования. Результаты работы использованы в деятельности ЗАО «ДСУ № 4» г. Армавир, ЗАО «ДСУ № 7» г. Гулькевичи, ОАО «Домостроитель» г. Армавир, что подтверждается справками о внедрении.

Публикации. По теме диссертации опубликовано 15 печатных работ, из них 7 статей - в журналах из списка изданий, рекомендованных ВАК для публикации результатов кандидатских и докторских диссертаций, общим объемом 7.1 а.л. (в том числе 3,37 - лично автора), имеются 2 свидетельства о государственной регистрации программ для ЭВМ.

Структура диссертационного исследования. Диссертация состоит из трех глав, введения, заключения, списка использованной литературы и одного приложения. Работа изложена на 159 страницах машинописного текста и содержит 96 рисунков, 23 таблицы, список литературы из 114 наименований.

ПОЛОЖЕНИЯ, ВЫНОСИМЫЕ НА ЗАЩИТУ

1. Комплексный подход к оценке ФЭС предприятий строительной отрасли

В современных условиях оценка ФЭС предприятий строительной отрасли является актуальной научной проблемой. А внедрение в практику различных методик анализа и оценки ФЭС делают данную проблему важной практической задачей. В диссертации данная проблема рассматривается на примере предприятий Краснодарского края. Однако применяемые подходы и методы могут быть использованы для анализа ФЭС предприятий строительной индустрии других регионов РФ.

В работе проведен сравнительный анализ различных методов, используемых для анализа ФЭС промышленных предприятий (в том числе -строительных); сделан обзор наиболее часто используемых в этом анализе экономических индикаторов.

На основе произведенного анализа сделан вывод о том, что дискриминантный анализ, линейная регрессия и т.п., а также простейшие классические модели (Альтмана, Чессера, Лисса, Бивера, Спрингейта и т.д.) оказываются недостаточными для полноценного исследования и получения безоошибочного результата по оценке ФЭС предприятия.

В то же время проблема оценки ФЭС методами многомерного статистического анализа исследована также недостаточно, хотя ей посвящено значительное количество работ. В частности, существуют различные подходы к выбору анализируемых экономических индикаторов. Так, в работах A.B. Коваленко предлагается набор из 15 показателей, разделенных на четыре функциональные группы, В.В. Заболоцкой — 35, разделенных на десять групп и т.д.

По мнению автора, выбор экономических индикаторов для анализа ФЭС предприятий зависит от характера осуществляемого исследования. В том случае, если производится экспресс-анализ, круг анализируемых показателей может быть ограничен их относительно небольшим числом, для более глубокого анализа требуется большее число экономических индикаторов.

Анализ деятельности предприятий строительной индустрии Краснодарского края и возникающих в процессе их функционирования проблем, а также обобщение опыта предшествующих разработок по проблеме*^ позволил автору выбрать (см. таблицы 1 и 2):

1) для экспресс-анализа 15 наиболее значимых индикаторов;

2) для более глубокого анализа — 35.

Данные индикаторы используются далее для кластерного и многомерного анализа ФЭС рассматриваемых предприятий.

Выбор основан на исследованиях А.О. Недосекина, Д.Н. Бессонова, A.B. Лукашева, A.B. Коваленко, М.А. Гусейновой, В.В. Заболоцкой и др.

В работе также сделан вывод о том, что в более сложных случаях для адекватной оценки ФЭС предприятий строительной отрасли необходимой оказывается разработка и использование нейронных сетей, нечётких продукционных и гибридных систем, учитывающих не только количественные, но и качественные показатели работы этих систем.

2. Классификация предприятий на основе методов кластерного анализа В диссертации на основе методов многомерного статистического кластерного анализа (агломеративный метод древовидной кластеризации и дивизивный метод к-средних) проведен анализ ФЭС 46-ти предприятий строительной отрасли Краснодарского края. Использовались нормированные и ненормированные показатели, описывающие ликвидность и платежеспособность, деловую активность, рентабельность и финансовую устойчивость; получено оптимальное (естественное) разбиение исследуемых предприятий на пять кластеров:

Ь — очень низкий, соответствующий крайне кризисному ФЭС;

ЬМ— низкий, для кризисного ФЭС;

М- средний, для ФЭС некризисного предприятия;

нм— высокий, для ФЭС преуспевающих предприятий;

Я - очень высокий, для ФЭС сверхпреуспевающих предприятий.

Таблица 1

Показатели экспресс-анализа ФЭС предприятия

Группа Идентификатор Содержание

u быстрая ликвидность

I. Ликвидность ¿2 текущая ликвидность

и покрытие запасов

II. Финансовая устойчивость Fl f2 f3 финансовая зависимость автономия собственных средств обеспеченность запасов собственными оборотными средствами

f4 индекс постоянного актива

III. Деловая активность (коэффициенты оборачиваемости) ах a2 аъ a4 коэффициент оборачиваемости активов коэффициент оборачиваемости кредиторской задолженности коэффициент оборачиваемости дебиторской задолженности оборачиваемость запасов

IV. Рентабельность r1 r2 r3 r4 общая рентабельность рентабельность активов рентабельность собственного капитала рентабельность продукции (продаж)

ю

Таблица 2. Показатели для углубленного анатаа ФЭС предприятия

Идентификатор Содержание Идентификатор Содержание

х\ уровень конкуренции в отрасли оценка возраста и стажа работников

х2 концентрация отраслевых рисков *20 уровень квалификации сотрудников предприятия

приоритетность развития отрасли за исследуемый период индекс роста квалификации

х* экономическая ситуация в регионе за исследуемый период хгг квалификация кадрового состава в области финансового менеджмента, оценки морально-психологического климата

х$ концентрация региональных рисков XV, коэффициент текучести кадров

Х( наличие/отсутствие кредитной истории XV, коэффициент стабильности коллектива

х? общее количество кредитов Х1Ь коэффициент текущей ликвидности

х% залогоспособностъ Хи коэффициент критической ликвидности

Х9 срок пребывания на рынке Хп период оборчиваемости дебиторской задолженности

техническая оснащенность предприятия хгз период оборачиваемости кредиторской задолженности

коэффициент парка наличного оборудования хп отношение периодов оборачиваемости дебиторской к кредиторской задолженности

коэффициент парка установленного оборудования Хм период оборачиваемости готовой продукции и товаров

*И коэффициент интенсивности загрузки *3| коэффициент финансовой активности

ХЦ оценка выполнения планов по ассортименту хгг коэффициент финансовой независимости

оценка уровня среднереализуемых цен по отрасли хг) коэффициент обеспеченности собственным оборотным капиталом

показатель влияния качества изделия на его среднюю цену *34 общая рентабельность

*17 доля крупнейшего поставщика в объеме произведенной продукции (оказанных услуг) *35 рентабельность продаж

Хп доля крупнейшего покупателя в выручке от реализации продукции (услуг)

Введено понятие "эталонного предприятия". Эталонным предприятием определенного кластера считается условное предприятие с усреднёнными для указанного кластера характеристиками. На рисунке 1 отображено три типа эталонных предприятия строительной отрасли: кризисное, некризисное и преуспевающее. Эталонные крайне кризисное и сверх преуспевающее на рисунке 1 не отображены, поскольку являются выбросами для данных выборок. Чем ближе исследуемое предприятие к эталонному, тем с большим основанием можно отнести его к данному кластеру. Однако предприятия, находящиеся от эталонных на достаточно удалённом расстоянии, могут быть в пограничном состоянии. В качестве характеристики влияния показателей на кластеризацию рассмотрено относительное отклонение эталонных кризисных и некризисных предприятий от эталонного пограничного предприятия по всем показателям, о/

05 О (X

се ¡С

в?

О.

п. о £Е

Кластер преуспевающих предприятий

Кластер некризисных предприятий

Кластер кризисных предприятий

дг» А5» В1* га»

индикаторы

Рисунок 1. Средние значения эталонных предприятий

3. Система моделей диагностики ФЭС: многомерный статистический анализ

В диссертации на основе методов многомерного статистического анализа разработаны дискриминантные модели оценки ФЭС, отражающие ликвидность и платежеспособность, рентабельность, финансовую устойчивость, деловую активность предприятий строительной отрасли Краснодарского края. Информационную базу исследования составили неконсолидированые формы отчетности (бухгалтерский баланс и отчет о

maxfi

max;

прибылях и убытках). Для каждого из исследуемых предприятий было сформировано пространство, состоящее из 15 и 35 наиболее информативных признаков (см. таблицы 1 и 2):

АЫ5 = 0.474 + 156А2 + 0.636А3 + 0ЛЗА4 -1.119 АП огт = 18.77^ + 1.744Л2 +2.717 А3 +0.8^-18.487, 0)

0.037^+1.679^ +0.361Д3 -0.003Д4 -3.993, max-•! (2)

' IRnorm = 1025Л1 + 2- шк2 + 0-411^3 - 0.324Я4 -15.09,

Fkris =16.61Fj -3.14F2 -8.014^3 + 19.08F4 -57.07

Fnorm = 0.141Fj +9.144F2 +3.77F3 -1.76F4 -9.26, (3)

\ЬРЫ8 = 1.671, + 0.0067 ¿з + 0.8149 Px - 1.2786

maXi{LPnorm = 13.427 Lx +0.05L3 + 5.986 Px - 33.415, (4)

= 092^2 — 4.525A4 +6.209Л5 -1.8624^+22.921! -

-0.07Щ +1.0Щ +23.51Ft +9.51^-7.888^3 +34.876F4 +

+ 0.093J?, - 7.7035i?2 — 1-21J23 -0.389i?4 -102.7

1 (5)

gwonJI = 15.46^2 + 0.39Л4 - 2.07A5 + 0.19L46 +13.8991, +

+ 0.105II3 + 0.46/j -5.25^+14.86^2+1.979^3 -9.15F4 + + 0.191i?j +1.047^2-0-746^3 +0.164i?4 -52.24, / = kris, norm. (6)

Экономическая интерпретация соотношений (l)-(6) состоит в следующем:*' ищется максимум между кризисным и нормальным

значением дискриминирующей функции; если S^ > Snorm, то исследуемое предприятие относится к кризисным, если иначе, то к некризисным (нормальным), где S е {А^,]!., LP, Q]. Причем под А

maxi

*> Полученные дискриминантные уравнения отличаются от представленных в других работах (в частности - в работе A.B. Коваленко «Математические модели и инструментальные средства комплексной оценки финансово-экономического состояния предприятия» / Дисс. на соиск. уч. ст. канд. эконом, наук / ФГОУ ВПО «Кубанский государственный аграрный университет», Краснодар, 2009, 210 е.), поскольку их параметры получены с использованием индивидуальной информационной базы, разработанной автором, и ориентированы на условия строительной отрасли.

понимается деловая активность (оборачиваемость) предприятия, под ^-финансовая устойчивость, под Л - рентабельность, под ЬР - ликвидность, а под О. - общее финансово-экономическое состояние предприятия, а остальные переменные содержатся в таблицах 1 и 2.

Модели (1)-(6) прошли апробацию на 12 предприятиях строительной отрасли Краснодарского края: ОАО "Анапаагрострой", ОАО "Белореченск-строй", ОАО "Краснодаравтомост", ОАО "Южстальконструкция", ОАО "Югмонтажстрой", ОАО "Южная строительная коммуникационная компания", ОАО "Воджилстрой", ОАО "Домостроитель", ОАО "Карасунское инженерное управление", ОАО "Краснодаргражданпроект", ЗАО "ДСУ-4", ОАО "ДЭП-114" с 1 кв. 2005 по 4 кв. 2013 гг. и показали свою эффективность и адекватность (см. таблицу 3).

Таблица 3

Результаты апробации модели

Показатели % совпадения результата

Рентабельность (к) 100

Финансовая устойчивость (/•) 75

Ликвидность и платежеспособность {ьр) 85

Деловая активность (а) 80

Общее состояние (£)) 95

Как следует из таблицы 3, наилучшая диагностика наблюдается для показателей рентабельности и общего состояния предприятия (совпадения теоретических и фактических данных = 100%); наихудшая - для финансовой устойчивости (несовпадение приблизительно в четвертой части случаев). Проведение данного дискриминантного анализа предполагает также исключение из рассмотрения отдельных предприятий: поскольку дискриминирующая функция является линейной, предприятия, находящиеся на границе областей кризисных и некризисных предприятий, не подлежат данному анализу.

4. Нейросетевые модели и топологическая карта предприятий региона

В соответствии с принятой концепцией двустороннего анализа (экспресс-оценка и глубокое исследование ФЭС) в диссертации разработаны:

- две нейросетевые модели: «PRED», «САПСО_НОРМ_15.09.04» типа многослойный персептрон для 15 нормированных и ненормированных показателей;

— десять нейросетевых моделей для 35 показателей; в том числе девять нейронных сетей: «Reg-otr», «Kredit», «Kadr», «Moral», «Oborot»,

14

«Plategh», «Rinok», «Tech-osn», «Fin-ust», объединенных в одну глобальную десятую сеть «Compan», имеющую на входе выходные значения 9 сетей (формировались в среде Statistica Neural Network.

Обучение данных сетей осуществлено методами обратного распространения ошибки и градиентного спуска с целью минимизации ошибки распознавания. Затем производилась оптимизация параметров сети генетическим алгоритмом. Для оценки степени обученности нейронных сетей применялись контрольные выборки предприятий, которые не использовались в процессе обучения. С использованием обученной нейронной сети проводилась оценка состояния исследуемых предприятий строительной отрасли. Нелинейная структура нейронных сетей позволяет эффективно оценивать ФЭС исследуемых предприятий в тех случаях, когда линейные модели дают ошибочный результат.

Методом нейросетевой кластеризации с помощью сетей Кохонена была получена топологическия карта состояния предприятий строительной отрасли Краснодарского края (рисунок 2). В сетях Кохонена происходит неуправляемое (без учителя) обучение, в котором распознавание кластеров производится среди неразмеченных обучающих данных, содержащих только входные значения. Анализ полученной топологической карты позволяет визуализировать исследуемые предприятия в пространстве, определить участки сгущения, а также провести нейросетевую кластеризацию данных. В результате рассматриваемого этапа анализа было получено оптимальное разбиение 46 исследуемых строительных предприятияй на 5 кластеров: L, LM, М, HMw Н.

J_£3J_2tl

Ease No f5 Unit рз Щ [k^

Topological Map Sä]

СЙ kriz OB kriz GH kriz OD predkriz GS nekriz Ш nekriz OD nekriz

□ predkriz О kriz Ш kriz HD predkriz В nekriz (■] nekriz GS nekriz

GS kriz OB kriz 90 kriz (Ш) predkriz GS nekriz 6) nekriz (3 nekriz

Я) kriz В kriz ÖS kriz OB nekriz Ш nekriz Ш0 nekriz CM) nekriz

GS khz (5) kriz О predkriz О predkriz О norm О norm CS nekriz

CS kriz Ш kriz GS predkriz OD nekriz CS nekriz □ norm □ norm

Hl kriz |s)kriz О predkr z OD nekriz GS nekriz □ norm □ norm

Рисунок 2. Пример интерфейса при работе с топологической картой: размер массива 7x7 предприятий строительной отрасли Краснодарского края (kriz - кризисное, predkriz предкризисное, norm - нормальное состояние предприятий)

В пакете Neural Networks Toolbox среды Matlab разработаны десять нейросетевых моделей (для 15 количественных показателей и для 35 качественных и количественных показателей), обученных и созданных аналогично предыдущим сетям: «regM», «kreditM», «kadrM», «moralM», «oborotM», «plateghM», «rinokM», «techM», «finM», «CompanM».

Работа этих нейронных сетей была проверена на таких предприятиях Краснодарского края, как ОАО «Михайловский перевал», ОАО «Георгиевское», ОАО «Югмонтажстрой», ОАО Проектный институт «Анапа-гражданпроект», ОАО «Южстальконструкцня», ОАО «Металлист», ОАО «Керамик», ОАО «Агроинвестсоюз», ОАО «Институт территориального развития Краснодарского края», ОАО «Теплосервис», ОАО «Строительное управление №2», ОАО «Стройинжениринг», ОАО «Кубаньреставрация» за период с 2009 по 2013 гг. Наилучший результат показали сети, разработанные в среде Matlab - 98% правильного распознавания, и нейронные сети, разработанные в среде Statistica Neural Network - 95%.

5. Методы нечеткой кластеризации предприятий

Для решения задачи нахождения оптимального разбиения множества состояний рассматриваемого массива предприятий методом нечеткой кластеризации в системе MATLAB использован алгоритм нечетких с-средних (FCM), который относится к приближенным алгоритмам поиска экстремума для целевой' функции при наличии ограничений. В результате выполнения данного алгоритма определено локально-оптимальное нечеткое разбиение, которое описывается совокупностью функций принадлежности, а также центры и типичные представители каждого из нечетких кластеров. На основе метода субтрактивной нечеткой кластеризации с функцией subtractiv установлено оптимальное количество нечетких кластеров, равное пяти: очень низкий, низкий, средний, выше среднего, высший. Каждое исследуемое предприятие предполагалось в качестве центра потенциального кластера, после чего вычислялась мера способности каждого предприятия представлять центр указанных кластеров. Данная количественная мера в своей основе имеет оценку плотности исследуемых предприятий вокруг соответствующего центра кластера

Для оценки ФЭС строительных предприятий Краснодарского края в диссертации разработано 10 нечетких продукционных систем**

Нечеткая продукционная система (НПС) - это согласованное множество отдельных нечетких продукций или правил нечетких продукций в виде "Если А, то Б" или "IF A THEN В" (стандарт IEC 1131-7). Леоненков А.В. Нечёткое моделирование в среде MATLAB и fuzzyTECH. -СПб.: БХВ-Петербург, 2003. - 736 е., Недосекин А.О. Методологические основы моделирования финансовой деятельности с использованием нечетко-множественных описаний: дис. ... д. экон. наук. - СПб., 2003. - 280 с.

типа Мамдани-Заде: «ШЕй» (отраслевая и региональная специфика); «2К11Е01Т» (кредитоспособность), «ЗТЕН» (техническая оснащенность), «4МАШСЕТ» (рыночный потенциал), «58ТАЕЕ» (кадровое обеспечение), «6Р81СН» (психологический портрет), «7АВ11ЛТУ» (платежеспособность), «8ТТЖК1» (оборачиваемость), «9РТ№> (финансовая устойчивость), «ЮИЕгиЬТ» (для интегрированная оценка).

Схема функционирования нечеткой продукционной системы и взаимосвязь разработанных нечетких продукционных систем представлена на рисунках 3 и 4.

При создании указанных нечетких моделей использован прямой метод нечёткого вывода, основой которого является правило "Нечёткого модуса поненса" с нечёткой импликацией Мамдани:

Т(АЭВ)=1ШП{Т(А),Т(В)}; (7)

где Т — треугольная норма, у которой Т -импликация определяется как:

Мя (*> У) = ТС"а (4 Мв (у)) • (8)

Здесь X € X,у е У, X,У- универсумы унарных отношений для заданных нечетких множеств.

Прямой нечёткий вывод В получен с использованием нечеткой импликации А —> В и условия «х есть А >>} которое можно представить в виде:

В' = А' • Д = А' • (А В). (9)

При создании указанных нечетких моделей для макстриангулярной композиции использовалась (тах-тт) — композиция:

/лв. {у) = тах{т1п[///1. (х), (х, ;/)]}. (10)

хеХ

Агрегирование производилось на основе граничного произведения степеней истинности. В нечетких правилах продукций активизацию подзаключений можно представить в виде:

//(у) = тт{с^(у)}- С")

Аккумуляция заключений нечетких правил осуществлялась по формуле:

Цв{х) = шах^ (х), цв (х)}. (12)

Дефазификация выходных переменных проводилась методом центра тяжести для дискретного множества значений функций принадлежности. Об адекватности построенных моделей свидетельствует анализ указанных выше зависимостей, правильно взятые функции принадлежности и полное множество правил нечёткого вывода.

Четкие множества

М(^)

Не четкие множества

Нечеткая продукция з

У

Нечеткие множества

Четкие множества

Рисунок 3. Схема функционирования нечеткой продукционной

системы

ШЕв

Оценка отраслевой и регионально й специфики

» *г>4

способности

ЗТЕН

Оценка технической оснащен ноет и

кжЕгииг

Оценка финансово экономического состояния предприя-

Оценка качества кадрового обеспечения

4М АРКЕТ

Оценка

рыночного

потенциала

• 5-х17

Рисунок 4. Схема взаимосвязи созданных нечетких продукционных

систем

6. Программно-инструментальный комплекс по поддержке процедур оценки ФЭС

В работе осуществлена разработка специализированных lililí, поддерживающих процедуры оценки ФЭС предприятий и имеющих удобный интерфейс, рассчитанный на пользователя, не обладающего профессиональной подготовкой в сфере компьютерных наук и информационных технологий.

Так, для автоматизации процесса анализа ФЭС предприятий с использованием разработанных НПС создана программа «Финансово-экономическое состояние предприятия» в среде MATLAB, имеющая удобный интерфейс и позволяющая использовать их вне среды MATLAB.

Автоматизированная информационная система «Финансовый Эксперт» разработана в среде «1С:Предприятие 8.3» предназначена для комплексной оценки ФЭС предприятий строительной отрасли на основе интеграции разнородных методов, таких как, вероятностные, нечетко-продукционные и нейронные. Данный программный продукт не имеет аналогов в РФ и позволяет создать эффективную и адекватную систему оценки ФЭС предприятий строительной отрасли Краснодарского края.

Программный комплекс «Финансовый Эксперт» имеет обширные возможности и позволяет осуществлять:

- анализ ФЭС предприятий строительной отрасли с помощью: кластерного анализа, дискриминантных и регрессионных моделей предложенных в диссертации, а также классических моделей: Фулмана, Спрингейта, 2-хфакторной, Таффлера и адаптированной для России модели Альтмана;

- комплексную оценку состояния строительных предприятий путём анализа количественных и качественных характеристик с помощью нечётких продукционных систем, включающих оригинальную структуру и базу правил нечеткого вывода;

- оценку ФЭС строительных предприятий с помощью нейронных сетей. Программный комплекс позволяет проводить сопоставительный анализ указанных выше моделей при оценке ФЭС конкретно взятого предприятия строительной отрасли.

С использованием созданного программного комплекса «Финансовый Эксперт» было исследовано 46 предприятий (преимущественно строительной отрасли) за период с 2009 по 2013 гг.; и был проведен сопоставительный анализ всех рассмотренных в диссертации методов и моделей, результаты которого представлены на рисунке 5.

Так, классические модели, созданные для западных предприятий (Альтмана, Таффлера, Спринтейта), в менее чем 50% случаев дали правильный результат. Адаптированная для российских предприятий модель Альтмана (модель К-счета) дала достоверный результат в 63% случаев. Среди моделей и методов, предложенных в диссертации, самым слабым оказался метод кластерного анализа - 75%. Наиболее точный результат (около 100%) показали нечеткие продукционные системы, использующие экономические индикаторы, как количественные, так и качественные, предназначенные для детального исследования ФЭС.

Результататы сопоставительного анализа рассмотренных методов н моделей при оценке ФЭС" предприятий

¡¿^¿и! моден I. ргпраСчпш пале к д:нч.'.р гаццн : су ществу ющие модели

Рисунок 5. Сопоставительный анализ рассмотренных в диссертации методов и моделей

ЗАКЛЮЧЕНИЕ

В соответствии с поставленными задачами в работе сформулированы следующие выводы.

1. Методы и модели оценки ФЭС предприятий принадлежат к классическому направлению экономико-математической науки. В диссертации проведен сравнительный анализ работ по данной проблеме и выявлены наиболее существенные факторы, влияющие на ФЭС предприятия. Сделан вывод о том, что состав переменных моделей ФЭС зависит как от отраслевой специфики предприятия, так и от типа производимого анализа: экспресс-анализ для принятия оперативных решений или углубленный анализ для целей стратегического планирования.

2. Одним из апробированных методов анализа экономических процессов является многомерный статистический анализ. В работе осуществлен многомерный статистический анализ ФЭС предприятий строительной отрасли Краснодарского края; построены дискриминантные модели, осуществлена классификация предприятий и выделены группы предприятий, находящиеся в кризисном, некризисном и успешном состояниях.

3. К числу наиболее эффективных методов современного анализа сложных нелинейных систем относятся методы нейросетевого моделирования. Рассматриваемые объекты исследования — строительные предприятия Краснодарского края — являются не только многофакторными системами, но и сложными системами с наличием нелинейных связей, что обуславливает целесообразность их изучения методами нейросетевого моделирования. В работе разработан комплекс нейросетевых моделей для целей экспресс-анализа и более углубленного анализа ФЭС ситуации, сложившейся на рассматриваемых предприятиях; осуществлена их кластеризация по набору наиболее важных признаков; построена топологическая карта, визуально характеризующая соотношение предприятий с различным типом ФЭС.

4. Для оценки ФЭС предприятий важны не только количественные, но и качественные индикаторы (морально-психологический климат в коллективе, кадровый потенциал, престиж предприятия и т.д.). В связи с этим важным этапом анализа ФЭС предприятий является исследование их с помощью нечетких продукционных систем. В работе осуществлена разработка десяти таких систем,

на основе которых проанализирован рассматриваемый массив предприятий.

5. Важным вопросом применения экономико-математических методов в экономических исследованиях является создание программного инструментария, обеспечивающего поддержку процедур принятия решения и взаимодействия пользователя и ЭВМ. В диссертации разработан программно-инструментальный комплекс поддержки процедур анализа ФЭС рассматриваемых предприятий (Ш111 «Финансовое состояние предприятий», «Финансовый эксперт» и др.), позволяющий осуществить комплексный анализ изучаемых объектов с использованием разработанных методов и моделей и обеспечивающий пользователю удобный интерфейс.

6. Оценку эффективности предложенного в работе инструментария целесообразно осуществлять в сравнении с уже разработанными ранее методами оценки ФЭС предприятий. Результаты сопоставительного анализа, проведенного автором, свидетельствуют о явном преимуществе предложенных методов, обеспечивающих значительно большую достоверность результата. При этом наибольший результат дают хотя и более сложные, но и более точные нечеткие продукционные системы (точность около 100%).

ПО ТЕМЕ ДИССЕРТАЦИИ ОПУБЛИКОВАНЫ СЛЕДУЮЩИЕ НАУЧНЫЕ РАБОТЫ

а) публикации в ведущих рецензируемых журналах, рекомендованных ВАК:

1. Заикина Л.Н. Автоматизированный программный комплекс «Финансовый Эксперт» / Л.Н.Заикина // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета, 2015, № 107 (06). - С. 20-26 (1,13 а.л.).

2. Заикина Л.Н. Анализ финансово-экономического состояния предприятий строительной отрасли Краснодарского края с использованием программы «Финансовый эксперт» / Л.Н. Заикина // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета, 2015, № 107 (07). - С. 27-29 (1,16 а.л.).

3. Заикина Л.Н. Анализ финансово-экономического состояния предприятий строительной отрасли методами многомерного статистического анализа / Л.Н. Заикина, А.Г. Хананаев, A.B. Коваленко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета, 2011, № 70 (06). - С. 20-26 (1,13 а.л.; в том числе лично автора - 0,38 а.л.).

4. Нейросетевая кластеризация сетями Кохонена предприятий строительной отрасли Краснодарского края / Л.Н. Заикина, A.B. Коваленко, М.Х. Уртенов // Обозрение прикладной и промышленной математики: научно-теоретический журнал. 2010, Вып. 6 - Т. 17. - С. 882-883 (0,25 а.л.; в том числе лично автора — 0,1 а.л.).

5. Заикина Л.Н. Многомерный кластерный анализ финансово-экономического состояния предприятий строительной отрасли / Л.Н. Заикина, A.B. Коваленко, М.Х. Уртенов // Обозрение прикладной и промышленной математики: научно-теоретический журнал, 2010, Вып. 6 - Т. 17. - С. 881-882 (0,25 а.л.; в том числе лично автора - 0,1 а.л.).

6. Заикина Л.Н. Нечеткая кластеризация финансово-экономического состояния предприятий строительной / JI.H. Заикина, A.B. Коваленко, М.Х. Уртенов // Обозрение прикладной и промышленной математики: научно-теоретический журнал, 2010, Вып. 6 - Т. 17. - С. 880-881 (0,25 а.л.; в том числе лично автора - 0,1 а.л.).

7. Заикина Л.Н. Кластерный анализ финансово-экономического состояния предприятий строительной отрасли / Л.Н. Заикина, A.B. Коваленко, М.Х. Уртенов // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета, 2010, № 60 (06). - С. 20-26 (1,15 а.л.; в том числе лично автора - 0,4 а.л.).

б) публикации в других изданиях:

8. Заикина Л.Н. Модели оценки финансово-экономического состояния предприятий строительного профиля / Заикина Л.Н., Уртенов MX. // Современное состояние и приоритеты развития фундаментальных наук в регионах: Труды VI Всероссийской научной конференции молодых учёных и студентов, Т. 2. - Краснодар: Просвещение-Юг, 2009. - С. 282-284 (0,12 ал.).

9. Зашеина JI.H. Нейросетевой анализ строительной отрасли / JI.H. Заикина, A.B. Коваленко, М.Х. Уртенов II Современное состояние и приоритеты развития фундаментальных наук в регионах: Труды VII Всероссийской научной конференции молодых ученых и студентов -Краснодар: Просвещение-Юг, 2010, Т. 2. - С. 110-112 (0,3 а.л., в том числе лично автора - 0,1 ал.).

10. Заикина JI.H. Кластерный анализ дивизивным методом к-средних предприятий строительной отрасли Армавирского района / JI.H. Заикина, М.Х. Уртенов, A.B. Коваленко // Актуальные задачи математического моделирования и информационных технологий: Материалы VI Всероссийской открытой научно-практической конференции. - Сочи: Сочинский государственный университет туризма и курортного дела, 2010. -С. 74-76 (0,3 а.л., в том числе лично автора - 0,1 а.л.).

11. Заикина JI.H. Нейросетевая кластеризация сетями Кохонена предприятий строительной отрасли Краснодарского края / Заикина Л.Н. // Научный вестник филиала КубГУ. Ежегодник: сборник статей, № 2, 2012. - С. 63-65 (0,19 а.л.).

12. Заикина Л.Н. Особенности строительной отрасли. Ситуация в начале мирового кризиса / Заикина Л.Н. // Научный вестник филиала КубГУ в г. Армавире. Ежегодник: сборник научных статей. Армавир: РИО АГПА, 2013.-С. 149-152 (0,25 а.л.).

13. Заикина Л.Н. Разработка автоматизированной системы оценки финансово-экономического состояния предпритяий строительной отрасли в среде «1С:Предприятие 8.2» / Л.Н. Заикина, Коваленко A.B., Уртенов М.Х., Хуако З.Б. // Современное состояние и приоритеты развития фундаментальных наук в регионах: труды IX Всероссийской научной конференции молодых ученых и студентов, г. Анапа, 11-15 октября 2013 г. ООО "Просвещение-Юг" г. Краснодар, 2013. - С. 108-112 (0,75 а.л.).

14. Программа на ЭВМ «Строй+» / Л.Н.Заикина, A.B. Коваленко, М.Х. Уртенов / Свидетельство о государственной регистрации № 2012660648, зарегистрировано в реестре 28.11.2012 / Л.Н. Заикина, A.B. Коваленко, М.Х. Уртенов.

15. Программа на ЭВМ «Экономист-эксперт 1.0» / Л.Н. Заикина, A.B. Коваленко, М.Х. Уртенов / Свидетельство о государственной регистрации № 2013619370, зарегистрировано в реестре 03.10.2013.

Издательско-полиграфическое предприятие: ИП Шурыгин Виталий Евгеньевич г. Армавир, ул. Каспарова, 7. Тел. (928) 29-54-928. e-mail: vitalii_shurygin@mail.ru

Подписано в печать: 25.07.2015 г. Формат 60x90/16. Гарнитура Times. Бумага офсетная. Тираж 120 экз. Печать трафаретная цифровая. Усл. печ. л. 1,5.