Neural Network Model of Diagnostics of Stages of Developing Corporate Bankruptcy

Abstract

АННОТАЦИЯ В статье исследуется проблема разработки информационно-математической модели для поддержки приня-тия решений по реструктуризации кредитной задолженности корпораций в банковских технологиях финан-сового менеджмента. Цель статьи -создание модели, позволяющей диагностировать стадии развивающегося кризиса корпораций в сложных условиях неполноты и зашумленности данных. Модель должна служить инструментом повышения объективности и качества принимаемых решений по реструктуризации кредитной задолженности корпораций. Исследование проводилось на основе нейросетевых методов моделирования и системного анализа, методов теории принятия решений, решения обратных задач интерпретации, т. е. извлечения новых знаний из данных. Разработан оригинальный метод построения нейросетевой логистической модели банкротств (НЛМБ) в слож-ных условиях моделирования. Новыми признаками метода, увеличивающими прогностическую силу модели, являются: 1) оптимальный отбор факторов с помощью байесовского ансамбля вспомогательных нейросетей, осуществляющих компрессию факторного пространства; 2) ступенчатая компрессия факторов на основе обоб-щенной функции желательности Харрингтона; 3) регуляризация основной (рабочей) нейросетевой модели на байесовском ансамбле нейросетей. НЛМБ апробирована на реальных данных корпораций строительной отрасли. Число верно идентифицированных объектов на тестовом множестве составило более 90% на всех нейросетях ансамбля. В НЛМБ достаточно высокое прогностическое качество нейросетевой модели обеспечивается новыми при-знаками метода и порождает эмерджентный эффект, проверенный в вычислительных экспериментах: улуч-шение качества нейросетевой модели по критерию правильно идентифицированных объектов Θ составляет 3,336 раза при компрессии факторов в 1,35 раза. НЛМБ может быть распространен на широкий круг задач финансового менеджмента. Ключевые слова: нейросетевая модель; стадии развития банкротства корпораций; поддержка решений ре-структуризации кредитной задолженности abStRaCt The article deals with the problem of developing an information and mathematical model to support decisionmaking on the restructuring of corporate debt in the banking technologies of financial management. The purpose of the article is to create a model that allows diagnostic of the stages of developing corporate crisis in difficult conditions of incomplete and noisy data. The model should serve as a tool for improving the objectivity and quality of decisions on the restructuring of corporate debt. The study was conducted on the basis of neural network modelling and system analysis methods, methods of decision-making theory, a solution of inverse problems of interpretation, i. e. extraction of new knowledge from data. We developed an original method of constructing neural network logistic model of bankruptcies (NNLMB) in the difficult conditions of the simulation. New features of the method, increasing the predictive power of the model, are: 1) optimal selection of factors using Bayesian ensemble of auxiliary neural networks, performing compression...