CC BY
38
ляется вложением средств в некоторое множество инвестиционных проектов (аналог покупки актива) с намерением получения этих средств обратно и последующего получения прибыли в виде процентов, после чего инвестиционный процесс заканчивается (аналог закрытия позиции).
Список использованных источников
1. Шишкин А.Ф., Парахин Ю.Н., Шишкина Н.В. Эффективность инвестиционно -инновационных процессов в АПК. - М.: Изд-во Московского государственного социального университета «Союз», 2003. - 184 с.
2. Шапкин А.С. Экономические и финансовые риски. Оценка, управление, портфель инвестиций. 4-е изд. - М .: Издательско-торговая корпорация «Дашков и Ко», 2006. -544 с.
3. Программы социального и экономического развития Воронежской области на 2002 - 2006 г. г. - (http://www. investvrn.ru/.)
4. Управление региональной экономикой на основе формирования инвестиционных проектов: монография/ Т.Л. Безрукова, Р.А. Лесных, Н.В. Сироткина, А.Н. Соломахин -Воронеж: Издательство ВГЛТА, 2006. - 133 с.
Ивлева Н.А. О ЗАДАЧЕ РАСПРЕДЕЛЕНИЯ ОГРАНИЧЕННОГО БАНКОВСКОГО ПРОДУКТА ПО ФИЛИАЛЬНОЙ СЕТИ КРУПНОГО БАНКА
Центрально-Черноземный банк Сбербанка РФ, г.Воронеж
При решении задачи распределения ограниченного банковского продукта по филиальной сети банка исходя из условий функционирования банка, доступности данных и т.п. могут быть выбраны самые различные параметры. Универсального подхода применимого для всех банков быть не может (хотя, какие-то параметры будут присутствовать для всех банков), поэтому приводимый ниже перечень выбранных параметров (см. таблицу 1) следует рассматривать лишь как пример, в иной ситуации по решению экспертов может быть выбран другой список параметров, характеризующих эффективность работы филиала с данным видом банковского продукта.
Исходя из этого списка параметров (плюс общий объем выделяемых для распределения ресурсов и ограничения, если они имеются, на выделение ресурсов для каждого филиала в отдельности), используя предложенный механизм необходимо решить задачу распределения ограниченного банковского продукта по филиальной сети. Вариантов нахождения решения может быть несколько.
Во-первых можно, пользуясь предложенным механизмом, разбить все множество филиалов на ограниченное число классов (например «хорошие» «средние» и «плохие») и решать задачу на распределение ресурсов между классами т.е. в пределах класса объем выделяемых ресурсов будет одинаков.
Во-вторых можно использовать нейронную сеть для получения некоего интегрального показателя, осуществляющего свертку множества параметров в один, выраженный в числовой форме, а затем осуществлять распределение
ресурсов исходя из этого показателя. Таким образом количество выделенных ресурсов для каждого филиала будет индивидуальным.
Таблица 1
Классификационные признаки
Параметр Тип Описание
Квалификация персонала
Общая квалификация персонала Оценка по шкале высокая/низкая Оценка степени подготовленности персонала филиала по предоставлению банковских услуг вообще, оценка с градациями (очень высокая, высокая и т.п.)
Специальная квалификация персонала Оценка по шкале высокая/низкая Квалификация персонала по предоставлению конкретного вида банковской услуги (продукта)
Информационно-техническая база
Компьютерное оборудование Оценка по шкале высокая/низкая Степень обеспеченности филиала информационно-техническими средствами, необходимыми для качественного предоставления банковской услуги. Обеспеченность персональными компьютерами, серверным оборудованием, периферий.
Наличие локальной сети Есть/нет Наличие локальной сети филиала.
Связь с корпоративной сетью банка Оценочный (см. описание) Варианты: высокоскоростное постоянное под-ключение/dial-up подключение/нет (связь offline через курьера и т.п.)
Связь с сетью Интернет Оценочный (см. описание) Варианты: высокоскоростное постоянное под-ключение/dial-up подключение/нет (связь offline через курьера и т.п.)
Телефония Оценка по шкале высокая/низкая Степень оснащенности филиала средствами телефонной связи
Программное обеспечение Оценка по шкале высокая/низкая Степень оснащенности филиала специальным программным обеспечением, необходимым для качественного предоставления банковской услуги.
Регион
Количество действующих кредитных организаций данного региона Числовой
Количество филиалов кредитных организаций данного региона Числовой
Количество филиалов кредитных организаций других регионов Числовой
Численность населения региона Числовой
Параметр Тип Описание
Валовой региональный продукт (ВРП) на душу населения, руб. Числовой
Число предприятий и организаций в регионе Числовой
Потенциальная востребованность банковских услуг населением региона Числовой Среднее количество душевого валового регионального продукта, приходящееся на одно учреждение
Обеспеченность населения региона учреждениями банковской сети Числовой численность населения, приходящегося на одно учреждение (включая структурные подразделения - дополнительные офисы и операционные кассы) региональной банковской сети (РБС)
Обеспеченность хозяйствующих субъектов региона учреждениями банковской сети Числовой среднее число предприятий и организаций, приходящихся на одно учреждение (включая структурные подразделения - дополнительные офисы) РБС;
Потенциальная нагрузка учреждений банковской сети операциями хозяйствующих субъектов Числовой среднее количество валового регионального продукта, приходящееся на одно учреждение РБС.
ВРП всего, млн. руб. Числовой
Рынок
Емкость рынка филиала Числовой Максимальный объем банковского продукта, который в состоянии потребить рынок данного филиала.
Доверие банкам Оценка по шкале высокая/низкая Степень доверия населения банкам, предрасположенность потреблять данный банковский продукт при наличии такой возможности.
Филиал
Эффективность филиала Числовой Коэффициент эффективности филиала. Если такого параметра нет или он не оценивается, то можно вместо него предоставить прибыль филиала по конкретному виду банковского продукта.
По результатам обучения нейросети со смешанным типом входных переменных и нейростеи МСП-типа были получены конкретные значения ошибок классификации.
Нейросеть со смешанным типом входных переменных допускала меньше ошибок при классификации, что говорит о достоверности получен-
ных результатов и перспективности применения предложенной модели нейронной сети для решения задач классификации многомерных объектов.
Исследования проводились на платформе Ше1, процессор Се1егоп 2,6 Ггц, 256 Мб оперативной памяти. Хотя скорости обучения обоих сетей приблизительно равны, следует учесть что на обучение сети со смешанным типом входных переменных в целом тратится больше времени т.к. перед непосредственно обучением сети необходимо с помощью экспертов определить значения коэффициентов принадлежности для каждого терма, каждой нечеткой переменной.
Список использованных источников
1. Багирова М. А., Ивлева Н.А., Кравец О.Я., Иголкин С. Л. Особенности и способы реализации процедуры оценки финансового состояния хозяйствующего субъекта. -Информационные технологии моделирования и управления: Междунар. Сб. тр. Вып. 14. Воронеж: Изд-во "Научная книга", 2004. С. 6-10.
2. Багирова М.А., Ивлева Н.А., Иголкин С.Л. Финансовое состояние и кредитоспособность распределенного вуза: оценка в едином информационном пространстве. - Актуальные проблемы профессионального образования: подходы и перспективы; Материалы Всеросс. НПК. - Воронеж: ВФ РАГС, 2004. - С. 156-157.
3. Ивлева Н.А., Леденева Т.М. Моделирование и оптимизация продвижения банковских продуктов на региональном рынке. - Актуальные проблемы информатики и информационных технологий: Сб. тр. - Тамбов: Изд-во ТГУ, 2004. - С. 85-86.
4. Ивлева Н.А. К вопросу о себестоимости банковских продуктов и ценообразовании. - Информационные технологии моделирования и управления: Междунар. сб. тр. Вып. 16. Воронеж: Изд-во "Научная книга", 2004. С. 73-80.
5. Ивлева Н.А. Особенности управления доходами регионального банка на основе анализа рентабельности банковских продуктов. - Информационные технологии моделирования и управления: Междунар. сб. тр. Вып. 17. Воронеж: Изд-во "Научная книга", 2004. С. 118-123.
6. Деркачев А.Н., Ивлева Н.А., Леденева Т.М. Нейросетевые и лингвистические методы в решении задач многомерной классификации экономических данных. - Единое информационное пространство '2004: Сб. докл. 11-й Международной науч.-практ. конф. -Днепропетровск: ИПК ИнКомЦентра УГХТУ, 2004. - С. 109-110.
7. Ивлева Н.А., Леденева Т.М. Моделирование и оптимизация продвижения банковских продуктов крупного многофилиального банка на региональном рынке. - Наука на рубеже тысячелетий: Сб. науч. статей. - Тамбов: Изд-во БМА, 2004. - С. 71-73.
8. Ивлева Н.А. Анализ рентабельности банковских продуктов как основа управления доходами регионального банка. - Современные проблемы информатизации в непромышленной сфере и экономике: Междунар. сб. науч. тр. Вып. 10. Под ред. д.т.н., проф. О.Я.Кравца. - Воронеж: Изд-во "Научная книга", 2005. С. 11-12.
9. Ивлева Н.А., Кремер К.И., Деркачев А.Н. Модели банковской конкуренции на олигопольных региональных рынках. - Современные социально-экономические проблемы труда: матер. Всеросс. НПК. - Воронеж: ВГУ, 2005. С. 112-115.
10. Деркачев А.Н., Ивлева Н.А., Кремер К.И. Двухпродуктовая модель ценовой банковской конкуренции на олигопольных региональных рынках. - Моделирование систем и информационные технологии: Межвуз. сб. науч. тр. - Вып. 2. - Воронеж: изд-во "Научная книга", 2005. С. 90-94.
11 . Ивлева Н.А., Кремер К.И. Прогнозирование рационального состава банковских продуктов, предлагаемых на региональном рынке. - Экономическое прогнозирование: модели и методы: матер. Международной НПК. Часть 2. - Воронеж: ВГУ, 2005. - С. 315-320.
12. Ивлева Н.А., Леденева Т.М. Двухэтапная технология расширения номенклатуры регионального рынка банковских продуктов на базе нечетких экспертных оценок. -Информационные технологии моделирования и управления. - 2005, №3(21), с. 319-323.
13. Ивлева Н.А., Кравец О.Я., Копылов Р.В. Многоуровневая свертка нейросете-вых моделей для многоуровневых таблично заданных результатов многолетних наблюдений. - Информационные технологии моделирования и управления. - 2005, №5(23), с. 690695.
14. Ивлева Н.А. Разработка экспертной технологии анализа и прогнозирования регионального рынка банковских продуктов. - Информационные технологии моделирования и управления. - 2005, №6(24), с. 803-807.
15. Ивлева Н.А., Кравец О.Я., Леденева Т.М. Прогнозирование регионального рынка банковских продуктов на основе экспертной технологии. - Современные проблемы информатизации в прикладных задачах: Сб. трудов. Вып. 11/ Под ред. д.т.н., проф. О.Я.Кравца. - Воронеж: Научная книга, 2006. - С. 24-26.
16. Ивлева Н.А., Кравец О.Я., Леденева Т.М. Программный модуль «Компонент подсистемы принятия решения по развертыванию филиальной сети». - ФАП ВНТИЦ. Рег. N50200600120 от 06.02.2006.
17. Деркачев А.Н., Ивлева Н.А. Разработка нейросетевой модели многомерной классификации со смешанным типом входных переменных. - Системы управления и информационные технологии. - №1.1(23), 2006. - С. 137-139.
18. Ивлева Н.А., Леденева Т.М. Методология экспертного анализа регионального рынка банковских продуктов. - Новые технологии в научных исследованиях, проектировании, управлении и производстве: Тр. Всеросс. конф. - Воронеж: ВГТУ, 2006.
Авсеева О.В., Журавлев С.В., Кравец О.Я. ПОИСК ОПТИМАЛЬНОГО КОМПРОМИССА МЕЖДУ ЗАДЕРЖКОЙ СДАЧИ СТРОИТЕЛЬНЫХ ОБЪЕКТОВ И ПРИБЫЛЬЮ ОТ РОСТА ЦЕН НА ОБЪЕКТЫ НЕДВИЖИМОСТИ
Воронежский экономико-правовой институт ЗАО Финансовая компания «Аксиома», г.Воронеж Воронежский государственный технический университет
Строительные системы имеют большое разнообразие и индивидуальность, множество межсистемных связей, изменяющихся во времени. Новые социально-экономические условия и проблемные ситуации не только актуализировали эти характеристики, но и коренным образом изменили структуру строительной деятельности. Отмечается широкое применение индивидуальных проектов, стремление к более высоким архитектурно-эстетическим и инженерно-техническим качествам проекта. Вместе с тем в условиях рыночной экономики и жесткой конкуренции все более актуальной становится задача оптимального планирования комплексного строительства объектов с целью минимизации затрат на строительство.
