Выбор Системы Экономических Показателей Для Диагностики И Прогнозирования Банкротств На Основе Нейросетевого Байесовского Подхода

В настоящее время разработано и применяется на практике множество моделей диагностики банкротств, различающихся методами построения моделей и набором факторов. Указанные методы в основном относятся к пяти группам: классическим статистическим методам, методам регрессионного анализа, методам дискриминантного анализа, методам logit-анализа, методам нечетких множеств и нейросетевым методам. Возможны комбинации указанных методов. Последние три группы методов в настоящее время развиваются особенно быстро. Что касается выбора факторов банкротства, то здесь господствует эвристика. Отсутствует методология формализованного отбора и сравнения групп экономических показателей для построения модели банкротств, а также эффективных методов предобработки данных. В данной работе предлагается оригинальный метод выбора системы показателей с последующим построением нейросетевой модели диагностики банкротств на основе байесовского подхода. Разработанная концепция формализации выбора и сравнительной оценки системы показателей (мета-гипотез) для модели банкротств на основе байесовского подхода позволила создать предпосылки для разработки эффективной нейросетевой модели банкротств. Предложенные в работе методы и идеи апробированы в вычислительных экспериментах. Построенная модель диагностики банкротств была проверена на реальных данных и оказалась вполне работоспособной и имеющей хорошие прогностические свойства. Предлагаемая концепция и основанный на ней нейросетевой байесовский метод построения модели банкротств апробирован для строительной отрасли экономики. Однако авторы считают, что в силу общности развиваемого подхода эти концепция и метод могут быть полезны и в других отраслях для решения широкого круга экономических задач, таких как формирование кредитного портфеля, проведение внешнего аудита или оценка финансового состояния организации.