<< Пред. стр.

стр. 18
(общее количество: 44)

ОГЛАВЛЕНИЕ

След. стр. >>

Наконец, нельзя обойти вниманием и проблему недобросовестной р
KjTaMbi НС в России, по сути представляющую данную технологию к
панацею от всех бед, тогда как нейросетевая парадиг.ма в целом явля
ся разновидностью статистических методов классификации и прогно
ориентированных на решение строго офаниченного круга задач.
Генетические алгоритмы представляют собой сравнительно нов
направление ИИ, использующее механизм биологической эволюции д
поиска оптима1Ц5Ных решений [177, 210]. В отличие от традиционных м
тодов оптимизации, генетические алгоритмы позволяют найти неточн
а приемлемое решение для сложных, в том числе и нелинейных зад
большой размерности.
В общем случае генетический алгоритм представляет собой разн
видность метода фадиентного спуска, при котором исследование а
страктной «поверхности» возможных значений производится олновр
менно из множества исходных точек. На каждом шаге оптимизат
3.2. Программное обеспечение системы банковских расчетов

соответствующих различным комбинациям значений переменных. Dp
этом задастся требуемый уровень скрещивания/наследования (парамет
«crossover»), например — 0,8, т.е. для каждой точки вычисляется отк^ю
нение TeKyiJiero значения ошибки от заданного (так назьпше.мая функци
соответствия), и следующий шаг оптимизации будет произведен из те
80% предыдущих точек, которые показали «лучший результат» в смысл
минимизации оншбки.
Таким же образом задается фактор мутации (параметр «mutation»
например 0,15. То есть па каждом шаге оптимизации (новая популяция
в 15% точек изменения значений соответствующих переменных буду
проводиться по случайному закону. Поскольку каждое следующее по
коле1те наследует лучшие приз({аки предыдущего (в данном случае -
направления движения в сторону минимальной ошибки с учетом перио
дических мутаций), в конечном итоге получают некоторое подмножеств
точек, для которых шююнение от целевой функции минимально.
Необходимо отмстить, что генетический алгоритм огггимизаци
является миожсственно-вероягностным, т. е. позволяет находить мно
жество значений, приблизительно соответствующих искомому условию
Это обстоятельство существенно д.тя решения задач с неявно выражен
ными максимумами или минимумами.
Анатиз показывает, что в настоящее время существует нескольк
гфограммных продуктов, достаточно эффективно реализующих генетиче
ские алгоритмы [210]. Наиболее популярными из них с точки зрения при
мснения в финансово-кредитной сфере являются продукты Evolver (Pa
isade Co., США), GencHuntcr (Ward Systems, CUIA), Omega (KIQ an
CAP, США). Первые два реализованы в виде надстроек к ППП Ехс
и написаны на языке Visial Basic tor applications (VBA). Оба продукт
в целом схожи по своим функаионаи.ным возмож1?остям.
Пакет Evolver реализует шесть атгоритмов генетической 01ггимиза
ции и предоставляет следующие возможности: введение 01раничивающи
условий в процессе опти.мизации; явное задание параметров скрещива
ния и мутации; использование различных типов персмен1п>1Х и критерис
оптимизации целевой функции (минимум, максимум, значение); визуа
лизации вычислений и др.
Продукт Omega Ш1тересен тем, что ориентирован непосредственн
на использование в финансовых приложениях. Комплект поставки содер
жит множество готовых примеров применения генетических алгоритме
в финансовом и инвестиционном анапизе, маркетинге, планировани
и т.д. Средк инструментальных систем отметим библиотеки Си-гексто
Engenecr (Logica, США) и Pegasus (German National Research Cente
Германия), a также генетический конструктор Splicer (NASA, США), co
сго!Ш1ИЙ изспециапьной оболочки, библиотек и исходных модулей |210
Необходимо отметить, что использование генетических атгоритмо
160 Гпаиа 3. Интеграция ПО банковской деятельности


здесь сильно зависит от первоначально выбранной схемы (популяции),
при этом НС существует каких-либо научно обоснованных рекомендаций.
Не менее акту1ыьной является проблема выбора оптима!п>ного крите­
рия мутации. В этой связи использование данной тсхиоло1ии требуег
разумной осторожности и дальнейших исследований.
Нечеткая логика (fuzzy logic) возникла в середине 60-х гг. как средство
формализации качественных знаний и понятий, выраженных на есте­
ственном языке. В основе данного направления лежит теория нечетких
множеств, изложенная в серии работ J 1 . Заде [62].
Основным понятием нечеткой л о г и к и является лингвистическая (не­
четкая) Г1еремс1ц|ая, значениями которой могут быть не только числа,
но и слова или прелтожения естественного либо искусегвенного языка.
Множество допустимых значений нечеткой переменной называется ее
терм-множеством. Такая переменная задается набором из 5 KOMIIOHCFIT
(А, Т{А), и, G, М), где А — имя переменной; Т{А) — терм-множество А;
и — область определения А, G — операции порождения производных
значений а переменной А\ М — набор правил, с помощью которых про­
исходит отображение значений а переменной А в нечеткие множества Ха
и обратно. >
Для перехода от качественных описаний к формгишзованным, не­
обходимо построить отображения, входящие в М. Такие отображения
получили название ф у н к ц и й принад.'1ежности [62]. В нечеткой логике
ф у н к ц и и S принадлежности представляют собой не жесткое отображение
вида «прина;и1ежит/не прина-гпежит», а непрерывную кривую, опреде­
ленную на отрезке от О до 1. Отображение любой ситуации на единичный
интервал происходит таким образом, что точка интервала характеризует
степень проявления некоторого свойства (О — отсутствие свойства, 1 —
максимум проявления свойства). При этом ф у н к ц и и принадлежности
могут отражать .мнение как одного, так и группы экспертов.
Системы И И , базирующиеся на нечеткой логике, обладают луч­
шей адаптируемоегью к условиям реального мира и более доступны
специеииста.м, которые при решении задач оперируют качественными
понятиями. Другое достоинство подобных систем — возможность работы
с нечеткими критериями и неполными данными, часто всгрсчаюшимися
при решении задач в финансовой сфере. Анатиз показывает, что нечет­
кая логика применяется при оценке рисков, прогнозировании рынков
на краткосрочном интервале, в биржевых спекуляциях и т.д. По мне­
н и ю ciieiHULmcTOB, нечеткая логика представляет собой эффективный
и перспективный инструмент построения запросов к база.м дацных ]153].
Наиболее известным программным продуктом, реализующим мето­
ды нечеткой логики в виде экспертной системы с нечеткими правилами,
является пакет CubiCalc (Hyper Logic, C U I A ) . Исследования показывают,
что он ш и р о к о применяется Л1я ситуационного моделирования в по­
литике, экономике и финансах. Программа CubiCalc может работать
как в пакетном, так и в интерактивном режи.ме. Встроенные средства
3.2. Программное обеспечение системы банковских расчетов К

проектирования позволяют редактировать нечеткие правила в исто/т
тексте (подобие языка Си) и в графическом предста1злении. Пакет обл
дает развитым интерфейсом и может использоваться в составе сложн
программных комплексов, обмениваясь данными по протоколу Windo
IJDE. Существует версия CubiCalc 2.0 RTS, позволяюи1ая оформля
рептенную задачу в виде сгенсрированно10 исходного кода на языке C
Однако наибольшей (гопулярностью в финансово-кредитной сфе
пользуется другая разработка — продукт FuziCalc (F'uzi Ware, США
Этот пакет представляет собой табличный пропсссор, который позш
ляет производить вычислс(н-1я с неточно известны.ми числами. Сре
других разработок в этой области необходи.мо отметить инструментал
ные системы д,||Я разработки продуктов на базе нечеткой логики: Fuz
ГНСН (Inform Software, CllJA) и SieFuzzy (Siemens, Германия) (210).
Экспертные системы (ЭС) представляют собой компьютер1п,1е np
граммы, использующие формализованные знания специалистов для р
шсния задач в некоторой предметной области. Следует отметить, что cp
ли рассмотренных выше технологий ИИ данная является наиболее иссл
дованной, как в теоретическом, так и в практическом аспекте (148, 15
В общем случае ЭС включает следующие основные компонент
базу знаний (БЗ), механизм логического вывода и пользовательский И
гсрфейс. БЗ содержит информацию о предметной области в виде факто
наблюдений, различных данных и набор правил, использующих эту И
формацию в процессе принятия решений. В ЭС обычно применяют
следующие модели формализатги знаний, либо их комбинации: логичс
кие, семантические сети, продукционные и фреймовые [153]. Наиболып
распространение получили ЭС, базирующиеся на продукттонных моД
лях реализованных в виде правил «ЕСЛИ (условие) — ТО (действие)».
Механизм логического вывода является, по сути, интерпретатор
правил, который использует имеющиеся факты для решения пробле
Наиболее известными мегодами логического вывода являются прям
сцепление (прямой вывод) и обратное сцепление (обратный выво
В развитых ЭС, как правило, используются оба .метода [153).
Ocнoвны.^пl npeимyшecтвa^н^ ЭС принято считать возможность п
полнения БЗ новыми правилами и фактами, а также способность об
яснять полученные решения. Первые успехи практического применен
ЭС (в геологии, медицине, технической диагностике) вызвали знач
тельный интерес к их использованию как систем поддержки Припят
решений в сфере бизнеса. Исследования показывают, что в насто
uiec время ЭС широко применяются при решении задач в финансов
кредитной сфере, планировании, anajwac рисков, страховании, консул
тпровании и т.д.
Экспертные системы — компьютерные программы, форматизую
1пие nnoiiecp ппинятия пешонмй ч^^ппкрк^^м Лпстоингткями 'ik'cnt'nrMK
162 Глава 3. Интеграция ПО банковской деятельности


• их превосходство над человеком при решении чрезвычайно сложных
проблем;
• диалоговый режим работы;
• работа с информацией, содержащий символьные переменные;
• работа с информацией, содержащей ошибки, за счет использования
вероятностных методов исследования;
• одновременнааобработка альтернативных версий;
• объяснение шагов реализации программы;
• обоснование решений.
Однако реальная эффективность экспертных систем не всегда соот­
ветствует возлагаемым на них надеждам по следующим причинам:
1) существует множество нерешенных теоретических проблем;
2) технически ограничены возможности современной вычислительной
техники;
3) персонал банков не готов к работе с экспертными системами.
В последние годы возросло внимание к экспертным системам как но­
вому инструменту, позволяющему повысить эффективность управления.
Западные эксперты называют и внедрение в банковскую деятельность ин­
теллектуальных программ как одно из перспективных направлений совер­
шенствования банковской деятельности. С необходимостью использова­
ния аналитических программ столкнулись и отечественные банки, так как
зарабатывать деньги стало труднее, а потери стали ощутимее. К сожале­
нию, часто работники банка ищут в средствах ана,'1иза и прогноза абсолют­
ной защиты от провалов и краха. Но даже самая лучшая система — лишь
измерительный инструмент, который показывает, что происходит сейчас
и что может произойти в ближайшем будущем при известных допущениях.
В банках экспертные системы можно применять в следующих областях:
• Программы для ана,тза инвестиционных проектов. В этой фуппе
программ как по числу инсталляций, так и по роли в экономике
России можно выделить упоминаемую выше программу Project Ex­
pert for Windows фирмы PRO-INVEST Consulting, осуществляющей
анализ финансовых потоков при инвестировании. В программу вхо­
дят модули, выполняющие анализ финансового и фондового рынков
с целью учета их влияния на эффективность инвестиций и оптимиза­
ции денежного потока в инвестйциошюй схеме конкретного проекта.
Программа требует определенной квалификации пользователя. Про­
грамма «Инвестор» фирмы И НЭК может использоваться не только
для разработки и анализа итзестиционных проектов, но и для те­
кущего бизнес-планирования и финансового ана^тиза, разработки
технико-экономического обеспечения заявки на получение кредита.
Она обеспечивает два уровня анатиза — экспресс-анализ и полный
анализ. Данные могут переноситься из бухгалтерских профаммных
пакетов. Разные методы решения задач оценки инвестиционных
3.3. Проблемы создания банковских экспертных систем И

вложений используются в программах FOCCAL (оценки инвсстипи
в нефтедобывающую и нефтеперерабатывающую промышленность
• Программы анализа состояния валютного, денежного и фондово
рынков. В этой группе программ наиболее развитую в настояш
время систему ана^тиза рынка ценных бумаг и других связанны
с ним финансовых рынков (ва-тюта, МБК, акции предприяти
представляет семейство программ «Огггимум». Программа «Опт
мум», использую\цая для анализа рынка ГКО регрессионные моде.'и
хорошо зарекомендовала себя у многих пользователей. Программ
«Оптимум» фирмы «ЛоРент» использует методы непараметрическ
статистики и настроенных нейросетей. При ее квалифицированно
использовании обеспечивает еще более точный прогноз.
• Программы анализа кредитоспособности или финансового состоян
предприятий и банков. В эту группу входят профаммы ЭДИ П (фирм
ЦИС), «ФинЭксперт» (фирмы «Росэкспертиза»), «Анализ балан
коммерческого банка» (фир.ма СВОП).
• Оболочки экспертных систем и программы статистического ан
лиза. В категории оболочек, входящих в группу «универсальны
программ, чюжно выделить CBR Express (Inference Corp.). Этот пр
дукт предназначен для разработки экспертных систем, работающ
по принципу накопления опыта. Здесь реализована технология вь
вода правил принятия решений, основанная на прецедентах. Отеч
ственная разработка подобного рода — система СНЕП (НИИ «Во
ход») является экспертной оболочкой для построения базы знани
и реализации логических выводов.

3.3. Проблемы создания
банковских экспертных систем
Основой успешного проведения всех экономических реформ являе
ся хорошо функционирующее устойчивое денежное обращение. Имени
оно позволяет реализовывать связи между всеми участниками и cocTa
ными частями хозяйственного организма.
Предоставление кредитов — одна из основных банковских опер
ций; в то же время банковские займы имеют подчас решающее значсн
для успешного осуществления предприятиями-заемщиками своей хозяй
ственной деятельности.
Кредитные отношения всегда были важны и широко распространен
в мире бизнеса. Особенно это относится к такой многообразной их форм
как банковское кредтование, являющееся одним из важнейших звеньс
рыночной экономики. От умения или неумения проведения кредитны
операций зависят многочисленные успехи или упушент>1е возможност
164 Глава 3. Интеграция ПО банковской деятельности

В последнее время значительное число коммерческих банков
решли из разряда нормальных в разряд убыточных, а многие и во
лишились лицензии. Общепризнано, что основной причиной этого яа
ется рискованная кредитная политика, отсутствие в ней системы защи
от неплатежей, выдача кредитов недостаточно проверенным заемщик
и без надлежащего обеспечения.
Кредитный риск — риск неуплаты заемщиком суммы основн
долга и процентов по нему — наиболее серьезный фактор банковс
го банкротства, и в то же время — неизбежный продукт активн
деятельности любого банка. Потери от непогашения ссуд невозмож
полностью ликвидировать, но свести к минимуму — вполне реа-ть
В ряде банков разработаны и успешно применяются комплексные
стемы (вкJ^ючaющиe .мероприятия юридического, экономического и
характера) своевременного предупреждения возникновения и ликви
ции так называемой проблемной задолженности — т. е. кредитов, п
погашении которых могут возникнуть определенные проблемы.
В данном и следующем параграфах мы попытаемся взглянуть на п
блему зашиты банка от невозврата кредитов с несколько иной точ
зрения: используя возможности современной вычислительной техни
специальные приемы финансового анализа и математического модели
вания, осуществить перспективное планирование деятельности предпр
ятия-заемшика с целью оптимизации привлекаемых кредитных ресур
по объемам и срокам. В результате предполагается обеспечить соотв
ствие возможностей финансирования и условий производственно-ко
мерческой деятельности, что должно позволить заемщику своевремен
погасить свои обязательства перед банком-кредитором.
В настоящее вре.мя в практике создания прикладных экспертн
систем, в частности, в финансово-экономической (банковской) облае
можно выделить два подхода:
• экономико-аналитический;
• математический.
Экономико-аналитический подход является традиционным и наи
лее распространенным; он заключается в использовании интуитив
логических рассуждений специалистов, занимающихся анализом фин
сово-хозяйственной деятельности и, в основном, дающих качественн
оценки. Прогноз основывается на субъективном рассмотрении действу
ших факторов и представляет собой предположения экспертов о развит
объекта анализа — предприятия в будущем. При этом требуются исслед
вания не только уже достаточно долго существующих тенденций развит
как самого объекта, так и окружающей среды, т.е. экономики в цело
но и глубокий теоретический анализ новых явлений и процессов. Э
номико-аналитический подход довольно подробно излагается в труд
3.3. Проблемы создания банковских экспертных систем И

Распространенность этого подхода связана в значительной мере с те
что в практике финансово-хозяйственного анализа и прогнозирован
часто встречаются ситуации, которые не могут быть решены путем
формализации и точного количественного измерения. Зачастую прих
дится решать задачи, в которых объектом изучения является совокупное
качественных признаков, не поддающихся количественному измерени
В этих случаях используется совокупность прошлого человеческого оп
та, интуиция, т.е. неформализованные методы решения эконо.мическ
задач (эвристические методы). Наибольшее распространение из эвр
стических методов в финансовом анализе получили экспертные метод
когда нет необходимости применения количественных методов, или так
применение невозможно в силу ряда причин.
Основные недостатки этих .методов:
• высокая степень субъективности — эксперты, исходя из одн
и той же информации, предпосылок, приходят зачастую к различны
выводам и заключениям;
• невозможность одновременного учета большого числа фактор
по природе человека;
• расплывчатый характер прогноза, зачастую ограничиваюшийся выв
дами весь.ма неопределенного свойства, например «положение бан
будет устойчивым» или «следует ожидать улучшения состояния npc
приятия» и т. п.
Использование сведений специалистов может дать максимальнь
эффект, если их интуитивные оценки дополнять количественными pa
четами и математическими построениями, а обобщение производи
с помощью специальных аналитических, логических и математическ
приемов.
Итак, сущность метода экспертных оценок заключается в организ
ванном сборе суждений и прелтожений специалистов (экспертов) по ра
сматриваемому вопросу, в наше.м случае — разработке стратегии банко
•ского маркетинга, с последующей обработкой полученных ответов и np
ведением их к виду, наиболее удобному для решения поставленной задач
Основой экспертного метода явJ^яeтcя опрос: индивидуальный, ко
лективный, очный, заочный. Ответы могут быть устными и пись.менным
При отборе специалистов используются различные методы: aнкeт
рование, самооценка, коллективная оценка.
При отборе любым методом качества кандидатов в эксперты опред
ляются путем обработки ответов на специально поставленные вопрос
после чего по простейшим формулам определяется их пригодность д
участия в экспертизе, а также коэффициенты компетентности, необх
димые для обработки результатов экспертизы.
166 Става 3. Интеграция ПО банковской деятельности

специалистов по исследуемым проблемам. Надежность результатов эк
пертизы зависит от качества применяемых анкет, принципов подбор
экспертов, методов группировки суждений экспертов и т.д.
Согласованность ответов можно считать значительной, если вс
оценки, присвоенные экспертами, расположены близко по отношени
друг к другу. В качестве измерителей разброса оценок экспертов при
меняются: дисперсия, среднее квалратическое отклонение, коэффициен
вариации и другие широко известные методы. Для получения обобщен
ного представления о согласованности ответов экспертов по всему кру
рассматриваемых вопросов, по также известной формуле определяете
коэффициент конкордации (согласии).
Математический (эконометричсский) подход заключается в пр
гнозировании финансово-хозяйственной деятельности, и слсдовательн
экономического развития предприятия с помощью систем уравнени
с той или иной степенью адекватности рассматриваемым процссса
Основные достоинства таких прогнозов:
• строгая логическая совместимость результатов;
• наглядно прослеживающаяся зависимость между ними и ранее ед
данными предпосылками (из чего следует принципиальная возмож
ность установления связей между ошибками прогнозирования и ра
личными этапами моделирования);
• возможность одновременного учета любого количества факторов.
Надо заметить, что указанное разделение подходов вовсе не означа
их противопоставления; наоборот, целесообразным [федставляется и
сочетание, основанное на учете сильных и слабых сторон.
Разработка прогноза финансово-экономического положения мож
предусматривать проведение работы в несколько этапов, наприме
по схеме, которая в общем виде представлена на рис. 3. За;тача прогноз
рования в данном случае решается одновременно (или последовательн
двумя путями.
Экономико-аналитический подход здесь связан с выявлением вз
имосвязей, их содержательным исследованием, изучением возможны
причинно-следственных отношений и построением структурных схс
основных процессов, происходящих в исследуемом (прогнозируемо
объекте. Математический подход служит для корректировки выяг}леР1ны
на основе ло1ичсских рассужлений_ взаимосвязей, с целью уточнени
и упрощения задачи разработки прогноза.
В заключение суммируются результаты прогнозирования, получен
ные на основе обоих подходов. В итоге разрабатывается инте1рированны
комплексный прогноз, яачяющийся основанием для принятия решени
Получившая в последнее время тенденция формулировки ряда по
нятий, используемых в финансово-экономических исследованиях в к
тегориях системного подхода, создает возможность более действенно
3.3. Проблемы создания банковских экспертных систем



Теоретический анализ развития конъюнктуры
соответствующего сегмента рынка

2
Опрелелершс цели прогнозирования

3
Постановка задачи

i
,
5
4
Экономико-аналитический прогноз Математический прогноз

т •



6 ..
Корректировка прогноза
(экспсргные опенки)

'
7
Интегрированный прогноз

8
Принятие решения

Рис. 3. Схема разработки комплексного интегрированного прогноза
(финансово-хозяйственной деятельности заемщика)

<< Пред. стр.

стр. 18
(общее количество: 44)

ОГЛАВЛЕНИЕ

След. стр. >>