CC BY
50
МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ»
№1/2016
ISSN 2410-700Х
Убыток получили предприятия по производству и распределению электроэнергии, газа и воды и предприятия, оказывающие операции с недвижимым имуществом, аренде и предоставлению услуг.
По статистическим данным среднесписочная численность работающих на крупных средних предприятиях за январь-декабрь 2014 года составила 10704 человек или 97,6% к 2013 году.
Рост числа занятых на крупных и средних предприятиях наблюдается в следующих отраслях деятельности: «сельское хозяйство, охота и лесное хозяйство», «образование», «здравоохранение и предоставление социальных услуг», «оптовая и розничная торговля; ремонт автотранспортных средств, мотоциклов, бытовых изделий и предметов личного пользования».
Снижение числа занятых на крупных и средних предприятиях имело место в следующих отраслях: «добыча полезных ископаемых», «обрабатывающие производства», «производство и распределение электроэнергии, газа и воды», «строительство».
В МО «Красноярский район» наблюдается хороший экономический потенциал. Ведущую роль играют добывающие и обрабатывающие производства.
Список используемой литературы 1.Программа социально-экономического развития муниципального образования «Красноярский район» на 2014-2016 годы.
©Э.И. Джуманова, 2016
УДК 004.82
Димитров Валерий Петрович
д-р техн. наук, профессор ДГТУ г. Ростов-на-Дону, РФ E-mail: kaf-qm@donstu.ru Борисова Людмила Викторовна д-р техн. наук, профессор ДГТУ г. Ростов-на-Дону, РФ E-mail: borisovalv@mail.ru Нурутдинова Инна Николаевна канд. ф.-м. наук, доцент ДГТУ г. Ростов-на-Дону, РФ E-mail: kaf-qm@donstu.ru
ОПРЕДЕЛЕНИЕ КАЧЕСТВА ЭКСПЕРТНОЙ ИНФОРМАЦИИ ДЛЯ ОЦЕНКИ УРОВНЯ
ЗРЕЛОСТИ ОРГАНИЗАЦИИ
Аннотация
В статье предложен подход к решению задачи оценки уровня зрелости организации на основе использования теории нечётких множеств. Рассмотрены вопросы представления нечёткой экспертной информации на основе характеристик согласованности. Дано краткое описание дальнейших этапов построения экспертной системы для оценки уровня зрелости организации.
Ключевые слова
Уровня зрелости организации, лингвистическая переменная, функция принадлежности, показатели
согласованности.
Достижение устойчивого успеха в непрерывно меняющейся обстановке является одной из главных целей любой организации. Важным элементом определения состояния организации является постоянный
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» №1/2016 ISSN 2410-700Х_
мониторинг уровня зрелости на основе самооценки. В методике самооценки используется 5 уровней зрелости, которые определяются по каждому направлению деятельности, установленного стандартом ГОСТ Р ИСО 9004-2010. Существует 6 основных критериев, способных помочь организации решить внутренние проблемы. Очевидно, что представление о принадлежности критерия к тому или иному уровню содержат элемент субъективизма, а ряд характеристик сложно измерить количественно. Такой тип оценок относится к нечёткой информации. Нами предлагается для описания данной задачи анализировать исходную информацию на основе подхода теории нечётких множеств [1, с. 35]. Решение задачи на основе нечёткого моделирования содержит этапы фаззификация, композиции и дефаззификации [2, с. 93]. Для адекватного представления экспертной информации необходимо определить лингвистические переменные (ЛП), функции принадлежности (ФП), определить показатели согласованности экспертной информации. Приведём схему решения задачи на модельном примере. Например, рассмотрим входную лингвистическую переменную «менеджмент ресурсов». Кортеж ЛП «менеджмент ресурсов» (МР) имеет вид:<МР, балл {1 уровень, 2 уровень, 3 уровень, уровень, 5 уровень}, [5 - 40],>. Особенности оценивания определяют использование 5-и термовой модели. Термы ФП описаны типовыми функциями [1, с. 65]. Оценки ЛП были даны тремя экспертами. В результате реализации процедуры фаззификации [3, с.48] построены ФП входных ЛП. В качестве примера приведём графики ФП лингвистической переменной «МР».
Оценка адекватности экспертной информации определяется на основе анализа согласованности
экспертной информации с использованием аддитивного k и мультипликативного k показателей [4, с. 205]. Парная согласованность моделей в пределах l-го терма между i- м и j-м экспертами определяется к1
показателями tJ , которые образуют матрицу К1, а парная согласованность моделей в целом определяется
матрицей парной согласованности К, элементы k'J которой находятся как средние арифметические соответствующих элементов матриц К1. Характеристики согласованности получены с помощью программной системы [5, с. 83]. В результате расчета получены следующие значения аддитивного и
мультипликативного показателей общей согласованности: к = 0,895; ^ = 0,893. Видно, что согласованность экспертных данных высокая.
В заключение кратко остановимся на дальнейших этапах построения экспертной системы для оценки уровня зрелости организации. На этапе композиции формулируются продукционные правила. На этапе дефаззификации вычисляются значения результирующей ЛП [6, с. 876]. Для этих вычислений используют, например, метод «центра тяжести».
Список использованной литературы:
1. Борисова, Л.В. Формализация нечетких экспертных знаний при лингвистическом описании технических систем [Текст] / Л.В. Борисова, В.П. Димитров// Ростов н/Д: Издательский центр ДГТУ. - 2011.- 209 с.
2. Борисова, Л.В. О методике представления нечётких экспертных знаний [Текст] / Л.В. Борисова, В.П. Димитров, И.Н. Нурутдинова // Вестник Донского государственного технического университета. 2014. Т. 14. № 4 (79). С. 93-102.
3. Димитров, В.П., О методике фаззификации нечёткой экспертной информации [Текст] / В.П. Димитров, Л.В Борисова, И.Н. Нурутдинова // Вестник Донского государственного университета. -2012. -Т.12. № 1-2 (62). С. 46-50.
4. Димитров, В.П. Методика оценки согласованности моделей нечётких экспертных знаний [Текст] / В.П. Димитров, Л.В. Борисова, И.Н. Нурутдинова // Вестник Донского государственного технического университета.- 2010. -Т.10. - № 2 (45). С. 205-216.
5. Димитров, В.П. Программная система для ввода экспертных знаний [Текст] / В.П. Димитров, Л.В. Борисова, И.Н. Нурутдинова // Вестник Донского государственного технического университета. 2011. Т. 11. № 1 (52). С. 83-90.
6. Димитров, В.П. О методике дефаззификации нечёткой экспертной информации [Текст] / В.П. Димитров, Л.В. Борисова, И.Н. Нурутдинова, Е.В. Богатырева // Вестник Донского государственного технического университета. - 2010. - Т. 10. № 6 (49). - С. 868-878.
© В.П. Димитров, Л.В. Борисова, И.Н. Нурутдинова, 2016
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» №1/2016 ISSN 2410-700Х_
УДК 336.717
Евдокимова Светлана Сергеевна
к.э.н., доцент кафедры Корпоративных финансов и банковской деятельности ФГАОУ ВО "Волгоградский государственный университет", г. Волгоград, РФ
e-mail: evdokimovalana@mail.ru Глухов Антон Владимирович магистрант ФГАОУ ВО "Волгоградский государственный университет",
г. Волгоград, РФ glukhov88 @gmail .com
ОСОБЕННОСТИ УПРАВЛЕНИЯ БАНКОВСКИМ КРЕДИТНЫМ РИСКОМ ПРИ РЕАЛИЗАЦИИ РОЗНИЧНЫХ КРЕДИТНЫХ ПРОГРАММ
Аннотация
Процесс управления кредитным риском при реализации розничных кредитных программ на каждом этапе имеет ряд особенностей, которые обусловлены массовостью данных программ и системой принятия решений (СПР), построенной с применением скоринговых методов оценки заявителя. Управление кредитным риском включает процедуры по его идентификации и оценке, проверку на соответствие фактического риска его планируемому уровню. Проведение оценки качества спроса по точкам выдачи кредитов, населенным пунктам и регионам работы банка, кластерный анализ заемщиков, а также оценка качества фильтрации заявок системой принятия решений позволяют получить карту источников риска и выявить участки повышенного риска для дальнейшего воздействия.
Ключевые слова
Кредитный риск, розничные кредитные программы, кластерный анализ заемщиков, система принятия решений для предоставления кредитов, системы внутренних рейтингов.
Розничные программы кредитования в современных условиях являются мощным инструментом стимулирования коммерческого оборота, однако их реализация повышает кредитный риск банка. Пик роста доли плохих долгов пришелся на 2-ю половину 2015 - начало 2016 г., говорится в опубликованном «Обзоре финансовой стабильности» ЦБ: доля плохих кредитов составила 16,5-17%. Кредитов банками выдается все меньше и меньше. В 2015г. розничный портфель однородных требований и ссуд упал до 10,4 трлн руб. (снижение почти на 500 млрд руб.). Общий кредитный портфель банков сократился на 5% (до 10,728 трлн руб.), чего не наблюдалось последние шесть лет. [2]. Ситуация свидетельствует о необходимости повышения эффективности управления кредитным риском банков. Усиление конкуренции в банковской сфере также требует построения более качественного кредитного риск-менеджмента.
Цель кредитного риск-менеджмента - достижение уровня риска, соответствующего стратегии банка. Основной задачей является создание эффективной системы планирования, оценки и воздействия на принимаемый банком кредитный риск [1]. Управление кредитным риском при реализации розничных кредитных программ имеет ряд особенностей, которые обусловлены массовостью данных программ и системой принятия решений (СПР), построенной с применением скоринговых методов оценки заявителя.
Процесс управления кредитным риском банка при реализации розничных кредитных программ включает в себя этапы [6]:
1. планирование;
2. идентификация и оценка;
3. выработка и реализация мероприятий;
4. контроль.
Первым этапом управления кредитным риском является его планирование, включающее:
1) описание и установление нормативных значений целевых показателей кредитного риска, в качестве которых могут выступать доля дефолтов, процент невозврата, уровень потерь и пр.;
