бесплатно рефераты
 

Управление банковскими ресурсами на основе теории нечетких множеств

p align="left">Ресурсы банка можно рассматривать как определенную математическую конструкцию. Есть некоторое множество X, так называемое генеральное множество. Если рассматривать совокупность {X} ее нечетких подмножеств, то фиксированный конечный набор из этой совокупности и является ресурсной базой банка. [5]

Операции с ресурсами банка формально есть операциями с нечеткими множествами:

· равенства;

· дополнения;

· включения;

· пересечения;

· объединения;

· разности;

· декартового произведения;

· выпуклой комбинации нечетких множеств;

· концентрирования и растягивания нечеткого множества.

Отсюда получается, что ресурсы банка - это конечный набор упорядоченных пар

Любую нечеткое множество можно представить в виде разложения множества в виде уравнения:

,

где,

.

С этим определением связано и понятие носителя, который задается выражением

.

Нечеткое подмножество G множества X подают в прямоугольной системе координат, в которой на оси ОХ откладывают X, а на оси ОY - множество принадлежностей М. Если X - целиком упорядоченное множество, то такой самый порядок должен сохраняться в расположении элементов на оси абсцисс.

Рис.4.1. Задание нечеткого множества

На рис.4.1. принадлежность каждого элемента изображенная его ординатой, заштрихованная часть отображает нечеткое подмножество .

Множество X определяет совокупность всех банковских ресурсов, а нечеткое множество G - подмножество ресурсов банка, необходимую, например, в случае комиссионно-посреднического обслуживания.

Операцию дополнения можно интерпретировать как недоступность ресурсов (нечетким множеством G можно представить, например, совокупность обязательных резервов коммерческого банка). [5]

Вместе с тем любая совокупность нечетких множеств

может определенной мерой характеризовать банковские ресурсы, то есть срок "принадлежности" трактуется существенным образом шире, чем "иметь". Например, за формализацией методов анализа ликвидности нечеткость описывает временные и стоимостные свойства реализации ресурсов.

Операция включения может быть интерпретирована в такой способ. Свойства ресурса A вообще не худшие (не лучшие), чем ресурса B. Операция включения наиболее наглядно иллюстрирует задача управления пассивами, когда нужно оценить необходимое количество ресурсов в данный промежуток времени. Если нечеткое множество A определяет ресурсы, израсходованные на проведение депозитных операций в некоторый период времени, а B - в один и тот же период времени, но с излишком, то на основании операции включения можно определить оптимальное количество ресурсов на данный промежуток времени. [5]

Операция нечеткой принадлежности фактически означает, что свойство одного ресурса не худшее от свойств другого; операция нечеткого дополнения инвертирует свойства (например, вместо имеющегося ресурса с низкой ликвидностью надо привлечь ресурс с высокой) и т.п..

Предположим, что рост прибыли определяется в планах на качественному равные сроками: очень маленький, маленький, сравнительно маленький, средний, небольшой, большой, сравнительно большой, очень большой. На рис. 2 приведен функции принадлежности, которые характеризуют маленький, средний и большой приросты. Видно, что кривые в принципе связанные с некоторой величиной прироста прибыли, но их форма задает степень "размытости" числовых характеристик каждого из понятий: маленький, средний и большой прирост. В этом примере функция принадлежности связанная с универсальным множеством и описывает степень нечеткости, которая укладывается в указанные выше дефиниции. Чаще функция принадлежности связанная с некоторой оценочной функцией. [5]

Рис. 4.2. Варианты нечеткого задания прироста прибыли: 1 - маленький; 2 - средний; 3 - большой прирост

На рис.4.3. приведены функции принадлежности, которые характеризуют некоторую интегральную оценку ликвидности пяты ресурсов: с маленьким, высоким, средним, не средним и не очень высоким, очень маленьким и не очень высокой степенью ликвидности. [5]

Рис.4.3.Варианты нечеткого задания ликвидности ресурсов: 1 - маленький; 2 - высокий; 3 - средний; 4 - не средний и не очень высокий; 5 - не очень маленький и не очень высокий уровень ликвидности

Предположим, что ресурсы, которые отвечают кривым 4 и 5 используются совместно:

· объединяются для общего использования в общем объеме (ликвидность не очень маленькая, не средняя и не очень высокая, что отвечает операции нечеткого сечения (рис.4, а);

· объединяются в один портфель для использования частями, без деления источников (ликвидность не средняя, не очень высокая, но может быть и маленькой, рис. 4, б, и отвечает операции нечеткого объединения).

Таким образом, управления ресурсами банка можно формально рассматривать как операции с нечетким множеством, содержание которых может быть интерпретирован любым удобным способом. В общей оценке эффективности работы банка важную роль сыграет точная оценка общего объема его ресурсов. Тогда в любой матрице (относительно свойств рефлексивности, симметричности, транзитивности и неопровержимости) необходимо найти четкие подмножества, которые приближают банковские ресурсы, к нечетким подмножествам E. [5]

Рис.4.4a - Варианты нечетких операций с ликвидностью

Рис.4.4б - Варианты нечетких операций с ликвидностью

В рассмотренных примерах для повышения наглядности использована нечеткость, обусловленная субъективностью восприятия, распространенную в задачах управления в банковской сфере. Так, чем больший объем свободного средства, тем стабильнее данный банк, но и тем меньшая прибыль он получает. Наоборот, чем меньший объем свободного средства, тот менее стабильный банк, но и тем большая прибыль он получает. Поэтому каждый коммерческий банк стремится к тому, чтобы оптимизировать объем свободного средства. [5]

На практике больший интерес составляют другие виды неопределенности:

· недостаточность,

· неадекватность,

· недостоверность используемой информации как о макро- и микросреда, так и о целях банка и ограничения его деятельности. [5]

Приведенный инструментальный аппарат служит основой для разработки автоматизированных систем поддержки принятия управленческих решений. В особенности актуальной автоматизация становится в случае увеличения клиентуры, масштабной диверсификации, возрастания количества конкурентов и уровня конкурентной борьбы. Как правило, большинство задач принятия управленческих решений в банке основано на том, что и цель, и множество альтернатив рассматриваются как равноправные нечеткие подмножества некоторого универсального множества альтернатив. Нечеткой целью принятия решений является нечеткое множество типа: "желательно, чтобы прибыльность данной операции была не ниже средней", "после предоставления кредита ликвидность должна быть не слишком маленькой", "приблизительно через трех недели необходимо, в границах допустимого, значительно увеличить показатель рефинансирования". Чем большая степень принадлежности альтернативы нечеткому множеству, тем выше достижения этой цели в случае выбора данной альтернативы как решения. [6]

Нечеткие ограничения или множества допустимых альтернатив также описываются нечеткими множествами типа:

· кредитная деятельность должна быть эффективной (чистый процентный спред положительный)";

· "чистая процентная маржа должна быть положительной".

Решить задачи управления банковскими ресурсами вообще означает достижения цели и соответствие ограничениям. Итак, нечетким решением задачи достижения нечеткой цели есть пересечение нечетких множеств цели и ограничений. [5]

4.4 Применение теории нечетких множеств к финансовому анализу деятельности коммерческого банка

В практике финансового анализа хорошо известен ряд показателей, характеризующих отдельные стороны текущего финансового положения коммерческого банка. Сюда относятся показатели ликвидности, рентабельности, устойчивости, оборачиваемости капитала, прибыльности и т.д. По ряду показателей известны некие нормативы, характеризующие их значение положительно или отрицательно.

В Инструкции ЦБ РФ №1 "О порядке регулирования деятельности банков" записано, что "в целях обеспечения экономических условий устойчивого функционирования банковской системы Российской Федерации, защиты интересов вкладчиков и кредиторов и в соответствии с Федеральным законом России "О Центральном банке Российской Федерации (Банке России)" ЦБ РФ устанавливает обязательные экономические нормативы деятельности банков. [6]

Например, когда собственные средства банка превышают половину всех пассивов, соответствующий этой пропорции коэффициент автономии больше 1/2, и это его значение считается "хорошим" (соответственно, когда оно меньше 1/2 - "плохим"). Но в большинстве случаев показатели, оцениваемые при анализе, однозначно нормировать невозможно. Это связано со спецификой отраслей экономики, с текущими особенностями действующих предприятий, с состоянием экономической среды, в которой они работают. [7]

Тем не менее, любое заинтересованное положением банка лицо (руководитель, инвестор, кредитор, аудитор и т.д.), далее именуемое лицом, принимающим решения (ЛПР), не довольствуется простой количественной оценкой показателей. Для ЛПР важно знать, приемлемы ли полученные значения, хороши ли они, и в какой степени.

Кроме того, ЛПР стремится установить логическую связь количественных значений показателей выделенной группы с неким комплексным показателем, характеризующим финансовое состояния банка в целом. То есть ЛПР не может быть удовлетворено бинарной оценкой "хорошо - плохо", его интересуют оттенки ситуации и экономическая интерпретация этих оттеночных значений. Задача осложняется тем, что показателей много, изменяются они зачастую разнонаправлено, и поэтому ЛПР стремится "свернуть" набор всех исследуемых частных финансовых показателей в один комплексный, по значению которого и судить о степени благополучия ("живучести") фирмы. [7]

В анализе хорошо известны так называемые Z-показатели, сопряженные с вероятностью предполагаемого банкротства:

где Xi - функции показателей бухгалтерской отчетности,

Ai - веса в свертке, получаемые на основе так называемого дискриминантного анализа выборки предприятий, часть из которых обанкротилась.

Также устанавливаются пороговые нормативы Z1 и Z2:

· когда Z < Z1 , вероятность банкротства предприятия высока,

· когда Z > Z2 - вероятность банкротства низка,

· когда Z1 < Z < Z2 - состояние предприятия не определимо.

Этот метод, разработанный в 1968 году Э. Альтманом, получил широкое признание на всех континентах и продолжает широко использоваться в анализе, в том числе и в России. Но сопоставление данных, полученных для ряда стран, показывает, что веса в Z - свертке и пороговый интервал [Z1, Z2] сильно разнятся не только от страны к стране, но и от года к году в рамках одной страны.

Статистика, на которую опирается Альтман и его последователи, возможно, и репрезентативна, но она не обладает важным свойством статистической однородности выборки событий. Здесь невозможно говорить о статистической однородности событий, и, следовательно, допустимость применения вероятностных методов, самого термина "вероятность банкротства" ставится под сомнение. К тому же, при использовании методов Альтмана возникают передержки. [7]

Словом, подход Альтмана имеет право на существование, когда в наличии (или обосновываются модельно) однородность и репрезентативность событий выживания/банкротства. Но ключевым ограничением этого метода является даже не проблема качественной статистики. Дело в том, что классическая вероятность - это характеристика не отдельного объекта или события, а характеристика генеральной совокупности событий. Рассматривая отдельное предприятие, мы вероятностно описываем его отношение к полной группе. Но уникальность всякого предприятия в том, что оно может выжить и при очень слабых шансах, и, разумеется, наоборот. Единичность судьбы предприятия подталкивает исследователя присмотреться к предприятию пристальнее, расшифровать его уникальность, его специфику, а не "стричь под одну гребенку"; не искать похожести, а, напротив, диагностировать и описывать отличия.

При таком подходе статистической вероятности места нет. Исследователь интуитивно это чувствует и переносит акцент с прогнозирования банкротства на распознавание сложившейся ситуации с определением дистанции, которая отделяет предприятие от состояния банкротства. [6]

В последнее время для выявления природы вероятности появляются неклассические вероятности различных типов. В данной работе речь идет о нечетких множествах и нечеткой логике применительно к деятельности коммерческого банка.

Чем глубже исследуется деятельность банка, тем больше обнаруживается новых источников неопределенности. Декомпозиция исходной, обычно грубой и приблизительной, модели анализа сопряжена с растущим дефицитом количественных и качественных исходных данных. Сплошь и рядом мы сталкиваемся с неопределенностью, которая в принципе не может быть раскрыта однозначно и четко. Ряд параметров оказывается недоступным для точного измерения, и тогда в его оценке неизбежно появляется субъективный компонент, выражаемый нечеткими оценками типа "высокий", "низкий", "наиболее предпочтительный", "весьма ожидаемый", "скорее всего", "маловероятно", "не слишком" и т.д. Появляется то, что в науке описывается как лингвистическая переменная со своим терм-множеством значений, а связь количественного значения некоторого фактора с его качественным лингвистическим описанием задается так называемыми функциями m-принадлежности фактора нечеткому множеству. [6]

Кривая m строится на основании:

· данных объективных тестов для работников различных возрастных групп, с выявлением психофизиологических особенностей этих групп (контекст наблюдений такого рода есть контекст свидетельств Е);

· интуитивных представлений экспертов (контекст S).

Таким образом, функции принадлежности параметров нечетким множествам обладают теми же достоинствами в анализе, что и неклассические типы вероятностей, и вдобавок к этому они являются количественной мерой наличной информационной неопределенности в отношении анализируемых параметров, значение которых описывается в лингвистически-нечеткой форме.

4.5 V&M-метод финансового анализа деятельности банка

Рассмотрим комплексный показатель финансового анализа на основании результатов теории нечетких множеств. [6]

Алгоритм построения так называемого V&M-показателя следующая:

1. Полное множество состояний А банка разбивается на пять (в общем

случае пересекающихся) нечетких подмножеств вида:

А1 - нечеткое подмножество состояний "предельного неблагополучия (фактического банкротства)";

А2 - нечеткое подмножество состояний "неблагополучия";

А3 - нечеткое подмножество состояний "среднего качества";

А4 - нечеткое подмножество состояний "относительного благополучия";

А5 - нечеткое подмножество состояний "предельного благополучия".

То есть терм-множество лингвистической переменной "Состояние банка" состоит из пяти компонент. Каждому из подмножеств А1, …, А5 соответствуют свои функции принадлежности

m1(V&M) … m5(V&M),

где V&M - комплексный показатель финансового состояния положения банка, причем, чем выше V&M, тем "благополучнее" данное состояние.

2. Осуществляется выбор базовой системы показателей Хi и производится нечеткая классификация их значений.

Пусть D(Хi) - область определения параметра Хi, несчетное множество точек оси действительных чисел. Определим лингвистическую переменную "Уровень показателя Хi" с введением 5 нечетких подмножеств множества D(Хi):

В1 - нечеткое подмножество "очень низкий уровень показателя Хi",

В2 - нечеткое подмножество "низкий уровень показателя Хi",

В3 - нечеткое подмножество "средний уровень показателя Хi",

В4 - нечеткое подмножество "высокий уровень показателя Хi",

В5 - нечеткое подмножество "очень высокий уровень показателя Хi".

Задача описания подмножеств {В} - это задача формирования соответствующих функций принадлежности.

3. Построение функций принадлежности {m} нечетких подмножеств {А}.

Анализируя опыт различных квалификаций лингвистической переменной "Состояние", мы задаемся набором функций принадлежности {m}. Эти функции мы сформировали таким образом, что искомый комплексный показатель финансового состояния V&M по построению принимает значения от нуля до единицы.

4. Оценка значимостей показателей для комплексной оценки.

Каждому i-му показателю в отношении каждого k-го уровня состояния предприятия можно сопоставить оценку pik значимости данного показателя для распознавания данного уровня состояния предприятия. Например, ряд банков, анализируя кредитоспособность заемщика, присваивает большую значимость показателям финансовой устойчивости и ликвидности, и меньшую - показателям прибыльности и оборачиваемости. В то же время, этот критерий не может считаться приемлемым в отношении приватизированных предприятий, ранее находящихся в госсобственности. Обыкновением для таких предприятий является то, что значительный вес основных средств в структуре активов (здания, сооружения и т.д.) соседствует с низкой рентабельностью или даже убыточностью. То есть построение системы весов pik должно проводиться по каждому предприятию строго индивидуально.

Систему оценок значимостей {p} целесообразно пронормировать следующим образом:

k = 1,…,5.

Если система предпочтений одних показателей другим отсутствует, то показатели являются равнозначными, и pik = 1/N.

5. Построение показателя V&M.

Комплексный показатель V&M строится как двумерная свертка по совокупности показателей Хi с весами рi и по совокупности их качественных состояний с весами {l}.

6. Распознавание текущего состояния банка.

Правило для распознавания состояния предприятия имеет вид таблицы 1. Одновременно, в соответствии с результатом распознавания по таблице 1, оценивается степень риска банкротства.

Таблица 1. Правило распознавания финансового состояния предприятия.

Наименование показателя

Интервал значений

Классификация уровня параметра

Степень оценочной уверенности (функция принадлежности)

V&M

0<V&M<0.15

"предельное неблагополучие"

1

0.15<V&M<0.25

"предельное неблагополучие"

m1=10

(0.25 - V&M)

"неблагополучие"

1 - m1=m2

0.25<V&M<0.35

"неблагополучие"

1

0.35<V&M<0.45

"неблагополучие"

m2=10

(0.45 - V&M)

"среднего качества"

1 - m2=m3

0.45<V&M<0.55

"среднего качества"

1

0.55<V&M<0.65

"среднего качества"

m3=10

(0.65 - V&M)

"относительное благополучие"

1 - m3=m4

0.65<V&M<0.75

"относительное благополучие"

1

0.75<V&M<0.85

"относительное благополучие"

m4=10

(0.85 - V&M)

"предельное благополучие"

1 - m4=m5

0.85<V&M<1.0

"предельное благополучие"

1

Страницы: 1, 2, 3, 4, 5, 6, 7


ИНТЕРЕСНОЕ



© 2009 Все права защищены.