Актуальные проблемы развития экономических систем. Теория и практика. Сборник материалов международной научно-практической конференции. 25 ноября 201

На основе этих ключевых подходов можно сформировать список наиболее известных зарубежных ученых и их моделей оценки вероятности наступления банкротства (см. таблицу).

Таблица 1 – Зарубежные учёные и их предикативные модели банкротства

Источник: составлено автором

Однако, эволюция не стоит на месте и на сегодняшний день факторные модели постепенно уступают место моделям нейронных сетей, методам, оперирующих нечеткой логикой, рыночным моделям и моделям, в основе которых лежат специфические алгоритмы поведения.

Так модели на основе нейронных сетей позволяют получить более точные результаты, оперируя сложными и неоднозначными данными за счёт мимикрии мыслительного процесса человека. Эти модели способны «обучаться», что делает их незаменимыми при прогнозировании будущей ситуации в условиях постоянной изменчивости внешней и внутренней среды предпринимательства. В отличие от множественного дискриминантного анализа или LOGIT-анализа, нейронные сети не привязаны к каким-то чётким функциональным формам, однако нуждаются в обширных статистических данных (информационных базах), на основе которых будет происходить «обучение». Модели нейронных сетей в свое время разрабатывали Альтман (1985), Фридман и Као (1985), Мессьер и Хэнсен (1988), Гуан (1993), Цукуда и Баба (1994), Жардин (2010), Ким и Канг (2010), и др.

Что касается моделей на основе поведенческих алгоритмов, то это сравнительно новое направление в прогнозировании банкротства промышленных предприятий. В случае с этими моделями используются такие алгоритмы и их модификации как:

• генетический алгоритм (genetic algorithm, GA) [6],

• муравьиный алгоритм (ant colony optimization algorithm, AC A) [7],

• генетический муравьиный алгоритм (GACA) [8],

• генетический муравьиный алгоритм, модифицированный на основе стратегии ранжированной фитнес-функции с использованием оператора хаотичных процессов Лоренца (fitness-scale chaotic GACA, FSCGACA) [9] и др.

Генетический алгоритм – это один из эволюционных алгоритмов, работающий на основе стохастического метода анализа значительного объёма первоначальной информации. Данный алгоритм используется для оптимизации принимаемых решений с использованием механизмов схожих с естественным отбором в природе, таких как мутации, кроссинговер, наследственность и др. Процесс поиска оптимального пути происходит за три этапа: инициализация процесса, выбор альтернативы и оперирование данными. Одной из особенностей генетического алгоритма является использование оператора «скрещивания», который занимается рекомбинацией возможных альтернатив принятия решений и достаточно точно дублирует аналогичный механизм скрещивания из живой природы. Применительно к предикативным моделям банкротства, генетический алгоритм устанавливает лимиты отсечения, исходя из анализа которых можно определить, является ли компания потенциальным банкротом или нет.

Муравьиный алгоритм – это полиноминальный алгоритм нахождения приближенного решения, используемый для поиска оптимального пути. Основой метода является наблюдение, что муравей, обладающий локальными данным о состоянии среды и не видящий общей картины, легко справляется с решением проблемы кратчайшего пути от источника пищи до муравейника. Совершая этот путь, муравей оставляет следы с ферментами, привлекающие других муравьев, которые так же оставляют свои собственные следы. При этом, чем короче путь, тем меньше времени требуется муравьям на его прохождение, тем быстрее оставленные следы станут заметны остальным. На основе подобной стигмергии функционирует данный математический механизм поиска кратчайшего пути, который в последнее время стал использоваться и для формирования оптимальных стратегий управления риском банкротства предприятия, в том числе и для существующих моделей.

Таким образом, в данной статье был рассмотрен перечень методов и подходов к оценке риска банкротства, описаны конкретные модели оценки риска банкротства предприятий, дана краткая характеристика, описаны положительные и негативные аспекты их использования. Исходя из проведенного обзора, можно сделать вывод о необходимости продолжения исследований в данной области с целью повышения точности получаемых результатов, а также решению проблемы универсального использования моделей предприятиями из разных отраслей и сфер бизнеса. Использование новейших методов анализа в модификации моделей оценки риска вероятного банкротства должны способствовать повышению их качества.

Литература

1. Власов А.В., Мишина Л.А. Специфика рефинансирования ипотечных кредитов в России и концептуальные подходы к ним / А.В. Власов, Л.А. Мишина // Путеводитель предпринимателя. – Выпуск ХХУ. – 2015. -С. 167–173.

2. Урзов В. А. Оценка уровня конкурентоспособности национальной экономики / В.А. Урзов // Научные труды ВЭО. – 2011. – Т. 150. – С. 200209.

3. Лебедев Н.А. Внешнеэкономические связи как фактор расширения конкурентных преимуществ России / Н.А.Лебедев // Факторы обеспечения конкурентоспособности экономик Польши и России / Сб. статей. – М.: ИЭ РАН, 2006.