Тема: Нейросетевой анализ финансовой устойчивости предприятия

Проблема предсказания банкротства на предприятии была актуальна всегда. За всё время её существования было разработано множество способов её решения, прогнозирующих наступление банкротства организации с той или иной вероятностью. Однако, эта задача до сих пор не решена. Методов, прогнозирующих наступление состояния финансовой неустойчивости предприятия с достаточно высокой точностью, практически нет. К тому же, большая часть популярных методик показали свою несостоятельность во время мирового финансового кризиса, начавшегося в 2008 году. [1, 2, 3]
В актуальных исследованиях по теме прогнозирования банкротства преобладают работы, изучающие деятельность фирм, развитых и крупнейших развивающихся стран. Российские компании в научных работах рассматриваются крайне редко. К тому же, доказан тот факт, что применение моделей, разработанных на данных компаний развитых стран к компаниям развивающихся, существенно снижает предсказательную способность. Чтобы создать модель предсказания банкротства на российском рынке, работающую с точностью, превышающей стандартный финансовый анализ, необходимо использовать национальные данные. [4]
Все способы прогнозирования можно разделить на 3 класса: статистические модели, модели искусственного интеллекта и теоретические модели. На данный момент нет ответа на вопрос, какая методология прогнозирования банкротства является лучшей. В этом исследовании мы будем работать именно с нейросетевыми моделями предсказания банкротства, поскольку применение информационных технологий не только исключает человеческий фактор (ошибки в вычислениях), но и в дальнейшей перспективе позволит достигнуть наиболее высокой точности прогнозирования .
Нейронные сети (НС) применяются для решения широкого спектра задач и прогнозирование лишь одна из их возможностей. НС используют для прогноза финансовой неустойчивости такие корпорации, как General Electric, American Airlines, Coca Cola, Procter&Gamble и другие.
Цель данной выпускной квалификационной работы бакалавра: составление нейронной сети для прогнозирования банкротства, в основе которой лежит математическая модель предсказания банкротства, разработанная для реалий России.
Объектом исследования является институт финансовой неустойчивости (банкротства). Предмет исследования — нейросетевой метод предсказания финансовой неустойчивости предприятия.
В данной работе нам предстоит решить такие проблемы как: выбор наилучшего статистического метода диагностики финансовой неустойчивости; сбор достаточного количества качественных данных (финансовой отчётности обанкротившихся и финансового устойчивых предприятий); разработка и обучение нейронной сети; тестирование нейронной сети; информационный анализ полученных результатов.
Структура работы выглядит следующим образом. После введения дан обзор литературы по изучаемой теме и сформулирована постановка задачи на естественном языке. В первой главе представлены необходимые теоретические выкладки по теме банкротства и существующих моделей (методов) его прогнозирования, сделан выбор статистической модели, показатели которой станут основой нейронной сети. Вторая глава посвящена подготовке данных, обучению и тестированию нейронной сети. В третьей главе представлены полученные результаты работы по решению задачи выпускной квалификационной работы. В разделе «Выводы» проводится анализ полученных результатов и оценка возможности улучшения разработанной сети. В заключении подведены итоги проведенной работы.
Купить

В данной выпускной квалификационной работе бакалавра нами решены все поставленные задачи. Была выбрана одна из самых точных статических моделей диагностики банкротства, а именно модель Федоровой-Гиленко- Довженко. Коэффициенты, которые авторы отобрали как наиболее важные для диагностики банкротства стали входными данными для нашей нейронной сети.
Далее был произведен сбор необходимого для обучения и тестирования сети количества качественных данных (финансовой отчётности обанкротившихся и финансового устойчивых предприятий). Собраны данные о финансовой отчётности 100 предприятий, выборка поделена на 2 части — обучающая и тестовая — 60% и 40% соответственно.
Когда подготовительные работы были закончены, была произведена разработка и обучение нейронной сети. Обучение нейронной сети завершилось с суммарной точностью модели — 93%. При дальнейшем тестировании точность снизилась до 87%, что не уступает другим моделям прогнозирования банкротства, а значит, разработанная модель адекватна.
Проведя информационный анализ полученных результатов, сделан вывод о необходимости увеличения обучающей выборки данных.
Созданная нейросетевая модель прогнозирования банкротства может быть использована фирмами как методика проведения внутреннего финансового анализа. Применение такого способа диагностики позволить грамотно оценивать и минимизировать риски. Так, разработанная нами нейросетевая модель может предупреждать о риске возникновения состояния финансовой неустойчивости и обращать внимание руководства на необходимость совершенствования деятельности предприятия.
Купить