CC BY
8
УДК 658 JEL: G01; G34; С02
ПОПЕРЕДЖЕННЯ Ф1НАНСОВИХ КРИЗ У КОРПОРАТИВНИХ СИСТЕМАХ НА ОСНОВ1 НЕЙРО-НЕЧ1ТКИХ МОДЕЛЕЙ
®2019 КЛЕБАНОВА Т. С., ГВОЗДИЦЬКИЙ В. С., РУДАЧЕНКО О. О.
УДК 658
JEL: G01; G34; С02
Клебанова Т. С., Гвоздицький В. С., Рудаченко О. О. Попередження фшансових криз у корпоративних системах
на основi нейро-неч^ких моделей
У статт'1 виршено актуальну проблему загрози формування фшансових криз у корпоративних системах на основi нейро-нечтких моделей, як дозволяють своечасно спрогнозувати загрозу банкрутства та попередити його. Зазначено, що понад 50% ВВП Украни виробляють корпоратив-н тдприемства, i, крм того, е чтка тенденф до поглинання корпора^ями суб'ектiв малого та мiкробiзнесу Наведене доводить необхiднiсть тдвищення уваги до проблематики банкрутства саме корпоративних тдприемств як визначальноi ланки национально! економiчноi шфраструк-тури. Щороку загострення фшансових криз на корпоративних тдприемствах набувае все б'шьшого розголосу, що потребуе негайного виршення дано! проблематики.
Кпючов'1 слова: ф'тансова криза, економко-математична модель, загроза банкрутства, корпоративна система, нечтка лог'жа, нечiткi нейронт мережи
DOI: https://doi.org/10.32983/2222-4459-2019-2-140-146 Рис.: 2. Табл.: 3. Ббл.: 9.
Клебанова Тамара Семешвна - доктор економiчних наук, професор, зав'дувачка кафедри економiчноiюбернетики, Харювський нацональний еко-номiчний ушверситет iм. С. Кузнеця (просп. Науки, 9а, Харщ 61166, Украна) E-mail: t_kleb@ukr.net ORCID: https://orcid.org/0000-0002-0284-9839
Гвоздицький Вталй Сергйович - кандидат економiчних наук, викладач кафедри економ'нно!юбернетики, Харювський нацюнальний економiчний ушверситет iм. С. Кузнеця (просп. Науки, 9а, Харт, 61166, Украна) E-mail: gvozdikramm@gmail.com
Рудаченко Ольга Олександрiвна - кандидат економ'мних наук, старший викладач кафедри економки тдприемств, бiзнес-адмiнiстрування та регонального розвитку, Хармвський нацональний ушверситет мського господарства iм. О. М. Бекетова (вул. Маршала Бажанова, 17, Харщ 61002, Украна) E-mail: polkin87@ukr.net
УДК 658 JEL: G01; G34; С02 Клебанова Т. С., Гвоздицкий В. С., Рудаченко О. А. Предупреждение финансовых кризисов в корпоративных системах на основе нейро-нечетких моделей В статье исследуется актуальная проблема угрозы формирования финансовых кризисов в корпоративных системах на основе нейро-не-четких моделей, которые позволяют своевременно спрогнозировать угрозу банкротства и предупредить его. Отмечено, что более 50% ВВП Украины производят корпоративные предприятия, и, кроме того, есть четкая тенденция к поглощению корпорациями субъектов малого и микробизнеса. Приведенное обстоятельство доказывает необходимость усиления внимания к проблематике банкротства именно корпоративных предприятий как определяющего звена национальной экономической инфраструктуры. Ежегодно обострение финансовых кризисов на корпоративных предприятиях приобретает все большую огласку, что требует немедленного решения данной проблематики. Ключевые слова: финансовый кризис, экономико-математическая модель, угроза банкротства, корпоративная система, нечеткая логика, нечеткие нейронные сети. Рис.: 2. Табл.: 3. Библ.: 9.
Клебанова Тамара Семеновна - доктор экономических наук, профессор, заведующая кафедрой экономической кибернетики, Харьковский национальный экономический университет им. С. Кузнеца (просп. Науки, 9а, Харьков, 61166, Украина) E-mail: t_kleb@ukr.net ORCID: https://orcid.org/0000-0002-0284-9839 Гвоздицкий Виталий Сергеевич - кандидат экономических наук, преподаватель кафедры экономической кибернетики, Харьковский национальный экономический университет им. С. Кузнеца (просп. Науки, 9а, Харьков, 61166, Украина) E-mail: gvozdikramm@gmail.com Рудаченко Ольга Александровна - кандидат экономических наук, старший преподаватель кафедры экономики предприятий, бизнес-администрирования и регионального развития, Харьковский национальный университет городского хозяйства им. А. Н. Бекетова (ул. Маршала Бажанова, 17, Харьков, 61002, Украина) E-mail: polkin87@ukr.net
UDC 658 JEL: G01; G34; C02 Klebanova T. S., Gvozdytskyi V. S., Rudachenko O. O. Preventing the Financial Crises in the Corporate Systems Based on the Neuro-Fuzzy Models The article researches the topical problem of the threat of formation of financial crises in the corporate systems based on the neuro-fuzzy models which allow to timely predict a threat of bankruptcy and to warn it. It is noted that more than 50% of Ukraine's GDP is produced by corporate enterprises, and, besides, there is a clear tendency of the corporations' takeover of small and micro business entities. The given circumstance proves necessity of strengthening of attention to problems of bankruptcy regarding corporate enterprises as the defining link of the national economic infrastructure. Every year the aggravation of financial crises at corporate enterprises becomes more and more publicized, which requires immediate solution of this problem. Keywords: financial crisis, economic-mathematical model, threat of bankruptcy, corporate system, fuzzy logic, fuzzy neural networks. Fig.: 2. Tabl.: 3. Bibl.: 9.
Klebanova Tamara S. - Doctor of Science (Economics), Professor, Head of the Department of Economic Cybernetics, Simon Kuznets Kharkiv National University of Economics (9a Nauky Ave., Kharkiv, 61166, Ukraine) E-mail: t_kleb@ukr.net
ORCID: https://orcid.org/0000-0002-0284-9839 Gvozdytskyi Vitalii S. - PhD (Economics), Lecturer of the Department of Economic Cybernetics, Simon Kuznets Kharkiv National University of Economics (9a Nauky Ave., Kharkiv, 61166, Ukraine) E-mail: gvozdikramm@gmail.com
Rudachenko Olga O. - PhD (Economics), Senior Lecturer of the Department of Economics of Enterprises, Business Administration and Regional Development, O. M. Beketov National University of Urban Economy in Kharkiv (17 Marshala Bazhanova Str., Kharkiv, 61002, Ukraine) E-mail: polkin87@ukr.net
Вумовах нестабильно! економ1ки, яка характе-ризуеться частою зм1ною макроеконом1чних умов, прийняття управлшських р1шень здш-снюеться в умовах невизначеносп, унасл1док чого завдання планування економ1чно! д1яльност1 та прогнозування його результапв е одним з найб1льш складних 1 неоднозначних. До того ж, значно заго-стрюеться проблематика виявлення на ранн1х стад1ях 1 попередження негативних насл1дк1в прояву фшан-сових криз на шдприемствах 1, в1дпов1дно, запобь гання стану неплатоспроможносп та банкрутства як крайнього ступеня !х розвитку.
Сьогодн1 в УкраМ незалежно в1д масштаб1в д1-яльност1 б1знесу спостер1гаеться зростання ккькосп збанкрут1лих п1дприемств, 1 кожне друге шдприем-ство отримуе негативний фшансовий результат. Вар-то в1дзначити, що б1льш н1ж 50% ВВП Укра!ни виро-бляють корпоративн1 п1дприемства, 1, кр1м того, е чгг-ка тенденщя до поглинання корпорац1ями суб'екпв малого та м1кроб1знесу. Наведене доводить необх1д-н1сть п1двищення уваги до проблематики банкрутства саме корпоративних шдприемств як визначаль-но! ланки нащонально! економ1чно! 1нфраструктури.
1снуе низка класичних метод1в прогнозування ймов1рност1 банкрутства, як1 базуються на апарат1 математично! статистики, серед яких вид1ляються методи анал1зу та моделювання часових ряд1в, мето-ди багатовим1рного регресшного анал1зу. Але з техно-лог1чним прогресом усе бкьше уваги досл1дниками придкяеться засобам штучного 1нтелекту, серед яких найпоширеншими е нейронн1 мереж1, як1 добре себе зарекомендували для задач кентифкащ! об'ект1в, але водночас вони е дуже незручними для пояснення того, як вони таку Гдентифшацш здшснюють. Систе-ми ж з нечигою лог1кою, навпаки, пристосован1 для пояснення одержуваних за !хньою допомогою висно-вк1в, але вони не можуть автоматично здобувати зна-ння для використання !х у мехашзмах виведення. Це м1ркування лягло в основу створення апарату неч1т-ких нейронних мереж, у яких висновки робляться на основ1 апарату неч1тко! лопки, але в1дпов1дн1 функцГ! приналежносп п1длаштовуються з використанням алгоритм1в навчання нейронних мереж.
Проблемам оцшки загрози формування ф1-нансових криз у корпоративних системах на основ1 комплексу економшо-математичних моделей при-свячено багато публжацш.
Так1 роботи зустр1чаються в наукових доробках А. В. Матвшчука (2010), Т. С. Клебаново!, Л. О. Ча-говець, О. В. Панасенко (2011), Ф. Санчес-Лашерас (2011), Н. Чен, Б. Рибейро, А. В1ера, А. Чен (2013), I. Байя (2013), С. Л1 (2014), Ко, Ю-Ч1ен (2017), Ю. Зелен-кова, О. Федорово!, Д. Черкизова (2017), Л. С. Гур'я-ново!, В. С. Гвоздицького, О. В. Димченко, О. О. Руда-ченко (2018) та шших науковц1в.
Щороку загострення ф1нансових криз на корпоративних шдприемствах набувае все большого роз-
голосу, що потребуе негайного виршення дано! проблематики. Розглянуп вище науков1 прац1 присвячен1 саме прогнозу загроз банкрутства та попередження його на корпоративних системах. Проте анал1з остан-н1х публ1кац1й дае можлившть стверджувати, що ви-сокий стушнь вивченост1 окремих аспект1в системи управлшня корпоративними п1дприемствами не сприяе остаточному розв'язанню проблеми формування фшансових криз та !х попередження. Вищена-веден1 факти дають п1дстави вважати обрану тему до-сл1дження актуальною.
Мета та завдання досл1дження - розробка комплексу економшо-математичних моделей попередження загрози формування фшансових криз на корпоративних шдприемствах.
Розроблений модельний базис оцшки загрози формування фшансових криз у корпоративних системах було апробовано на приклад1 кор-порацГ! «Б1скв1т-Шоколад». Модель оцшки загрози кризи на головному шдприемств1 корпорацГ! була побудована на основ1 виб1рки з 36 недержавних голо-вних шдприемств корпорацш с1льськогосподарсько! галуз1 Укра!ни, серед яких е 12 тих, що стали банкру-тами, та 24 нормально функцюнуючих корпорацш. Модель оцшки загрози формування фшансових криз на доч1ршх шдприемствах була побудована на основ1 виб1рки 1з 40 недержавних доч1ршх п1дприемств кор-порац1й скьськогосподарсько! галуз1 Укра!ни, причо-му серед них е 24 нормально функцюнуючих шдприемств та 16 тих, що стали банкрутами, а також було ощнено вплив криз на цих доч1ршх шдприемствах на фшансовий стан корпорацГ! «Б1скв1т-Шоколад» у щ-лому та розроблено схему антикризового управлшня даною корпоращею.
За розробленою методичною блок-схемою оцшки загрози формування фшансових криз у корпо-ративних системах, розглянутих авторами в роботах [3; 5; 7], проводиться анал1з фшансового стану корпорацГ!, результатом здшснення якого е ощнка загрози банкрутства корпорацГ! та визначення домшуючих загроз появи та заглиблення фшансово! кризи. Формування й обгрунтування шформацшного простору проводилось методом експертного ощнювання [7].
Так, остаточна система показнишв, яка вико-ристовуватиметься для побудови моделей оцшки загрози банкрутства шдприемств корпоративного типу, мае вигляд:
Х1 - коефщент придатносп основних засоб1в;
Х2 - коеф1ц1ент швидко! л1кв1дност1;
Х3 - коеф1ц1ент фшансово! автономи;
Х4 - коеф1ц1ент оборотност1 актив1в;
Х5 - рентабельн1сть д1яльност1
Сформована система показник1в описуе фшансовий стан з точок зору уах напрям1в д1яльност1 п1д-приемства, тому дозволяе адекватно його ощнити.
Як показав аналiз, моделi дiагностики банкрут-ства мають 3Ha4Hi недолiки, пов'язаш з тим, що вони однозначно визначають клас кризи, проте в багатьох випадках шдприемство знаходить-ся в переходному станi з одше! фази кризи в iншу. I тому найпоширенМ моделi дискримiнантного ана-лiзу (Альтмана, Таффлера, Фулмера тощо) не дозво-ляють точно розрахувати загрозу банкрутства через нечгшсть границь клаав фiнансовоï кризи на шд-приeмствi. Тому найдоцiльнiше з уах методiв оцiнки загрози банкрутства шдприемства використовувати нейро-нечiткi мережi [6]. Цей метод враховуе всi го-ловш недолiки iнших пiдходiв, е гнучким i адаптив-ним до мшливих умов, поеднуе в собi головш переваги iнших методiв i е перспективним напрямком в даних дослкженнях [2]. Об'ектом доЫдження е фiнансовi процеси в фiнансово-промислових групах скьськогосподарсько! галузi Украши.
Як зазначалося вище, вибiрка складаеться з 36 недержавних шдприемств. Вхiдними параметрами (input) е п'ять обраних показнийв (коефщенти придатностi основних засобiв, швидко! лiквiдностi, автономИ, оборотностi активiв та рентабельност дь яльностi), за результуючу змшну взятий стан шдпри-емства: якщо пiдприемство стало банкрутом, то ре-зультуюча змiнна (output) дорiвнюе 1, якщо не е банкрутом, то дорiвнюе 0. Даш про стан шдприемства (output) були взят з штернет-джерел [9], значення показнишв (input) були розрахованi зпдно з визна-ченими Мiнiстерством економки та Мiнiстерством фiнансiв Украши алгоритмами [1].
Нейро-нечика модель була побудована в пакет прикладних програм MatLab, надбудова Fuzzy Logic Toolbox, редактор ANFIS. Для генеращ! структури системи нечигого виводу FIS був обраний тип Суге-но. Ця система е моделлю пбридно! мережi в системi Matlab. Причому для кожно! з вхiдних змiнних було задано по три лшгвктичних терми, а типом !х функ-цiй приналежносп методом пiдбору був обраний той, за якого була найменша помилка [8]. У нашому випад-ку найменшу помилку дали трикутнi функцИ.
Для розглянутого прикладу система нечiткого виводу мiстить п'ять вxiдниx змшних з п'ятьма термами кожна, 243 правила нечиких продукцiй, одну вихкну змiнну з 243 термами. Особливктю викорис-тання пакета MatLab для моделювання за допомогою нейронних нечггких мереж е те, що система автоматично сама будуе правила. Смд зазначити, що ва 243 сформован правила е адекватними, i немае потреби в !х редагуванш Тому вони були залишеш в початко-вому виглядi.
Для того, щоб провести процес навчання ri-бридно! мережi, було здшснено такi кроки: 1. Обран-ня пбридного (hybrid) методу навчання пбридно! ме-режi, що представляе собою комбшацш методу най-менших квадрапв i методу зменшення зворотного градiента. 2. Встановлення рiвня помилки навчання
(Error Tolerance) - значення 0 (як за замовчуванням). 3. Встановлення кглькостг циклгв навчання (Epochs) -значення 40 (за замовчуванням - 3).
Тобто всього було вибрано 40 циклгв навчання. Бкьша кглькгсть циклгв навчання впливае прямо пропорцгйно на значення середньо! помилки в побу-дованiй моделi, але при цьому зростае й адекватшсть модель Якщо знизити кглькгсть циклгв, то можна по-бачити, що в даному випадку значення помилок за-лежать лише вгд перших шести циклгв навчання, пгс-ля чого вони ва дорiвнюють близько 0,0011. Таким чином, можна сказати про високу адекватшсть побудовано'! нейро-нечгтко! моделi (помилка - менше, нiж 0,11%). Вiкно вiзуалiзацГi ходу процесу навчання у формi графгка залежностi помилки вiд кiлькостi ци-клiв навчання.
Дуже важливий етап моделювання - це тесту-вання побудовано! нейро-нечiткоi системи. У пакет Matlab це завдаеться вiдповiдною функцгею. При цьому програма графiчно показуе помилки моделi. У результат нейронна мережа адекватно побудувала систему: середня помилка за результатами тестування дорiвнюе 0,10985%. Таким чином, побудовану модель можна i доцкьно використовувати в подальшому до-слгдженнг.
Подальше налаштування параметрiв побудовано! та навчено! гiбридноí мережi викону-валася за допомогою стандартних графiчних засобiв пакета Fuzzy Logic Toolbox. Зауважимо, що модель побудовано зi стандартними параметрами трикутних функцгй приналежностг, адже для дослг-джуваного випадку вони е цкком адекватними [4; 8].
Для штерпретаци та класифгкаци значень ре-зультуючо! змгнно! (оцiнки Y), що отримуються за результатами реалiзацíi дано! моделi, був проведений кластерний аналiз. Методом ^-середшх була поргв-няна ефективнiсть розбиття шкали значень Y на 3, 4, 5 та 6 кластерiв. Кглькгсть класифiкованих об'ектiв у кожному кластерi за всiма варiантами та вгдповгдш значення сумарно! внутрiшньокласово! дисперсг! наведено в табл. 1.
Таким чином, як видно з табл. 1, за критерiем мшГмГзацГ! сумарно! внутргшньокласово! дисперсГ! найкращим чином проводиться розбиття на 5 клас-тергв. Так, за результатами вищенаведеного кластерного аналгзу та аналгзу лгтературних джерел [5] була сформована шкала штерпретаци значень Y, яка представлена в табл. 2.
Так, дана модель була застосована для оцгнки схильностг до банкрутства корпорацг! «Бгсквгт-Шо-колад». Динамку змгни даних п'яти фгнансових по-казникгв за останнг роки наведено на рис. 1.
Як бачимо на рис. 1, протягом 14 рокгв динамг-ка значень всгх показникгв е достатньо ргзномангт-ною, що не дозволяе зробити однозначного висновку щодо фгнансового стану корпорацг!. I тому для дослг-
Розбиття значень оцшок У на кластери
Таблиця 1
Характеристика Розбиття на
3 кластери 4 кластери 5 кластерiв 6 кластерiв
Ктьккть об'eктiв у кластерах кластер 1 - 5 об. кластер 2 - 13 об. кластер 3 - 59 об. кластер 1 - 5 об. кластер 2 - 12 об. кластер 3 - 10 об. кластер 4 - 50 об. кластер 1 - 4 об. кластер 2 - 4 об. кластер 3 - 10 об. кластер 4 - 32 об. кластер 5 - 27 об. кластер 1 - 10 об. кластер 2 - 4 об. кластер 3 - 10 об. кластер 4 - 30 об. кластер 5 - 32 об. кластер 6 - 27 об.
Значення сумарноТ внутршньокласовоТ дисперсГТ 47,39 43,36 41,23 43,20
Таблиця 2
Таблиця 3
1нтерпретащя значень У
ЗначенняУ Загроза формування кризи
У < 0 дуже низька
У е (0; 0,25] низька
У е (0; 0,25] середня
У е (0,75; 1) висока
У > 1 дуже висока
Оцшка загрози формування фiнансових криз у корпораци
дження залежностеи причинно-наслiдкових звязкш доц1льно використовувати iнструментарiИ економь ко-математичних моделеИ, у т. ч. вищенаведену ней-ро-нечiтку модель.
Для виршення завдання оцiнки фiнансового стану корпораци за допомогою побудовано! нейро-нечiткоi моделi в середовищi MatLab використовува-лась функцiя evalfis. Так, було визначено, що на момент досл^ження значення результуючо! змiнноi У для корпораци «Бiсквiт-Шоколад» дорiвнюe -0,541, тобто Имовiрнiсть банкрутства для даного шдприем-ства в найближчому чаа е дуже низькою.
Aналогiчно були розраховаш оцiнки загрози криз (У) у корпораци в динамщ за останш 14 рокiв. Оцiнку загрози формування фшансо-вих криз у корпораци за щ роки наведено в табл. 3.
Позитивне значення змши (у %) означае покра-щення фiнансового стану, тобто зменшення оцiнки загрози формування фiнансових криз У у корпораци. Як можна побачити з табл. 3, протягом майже вах роив була позитивна динамжа, але при цьому в 2006 р. (рж № 5) був дуже великий спад, через що оцшка загрози формування фшансово! кризи зросла майже до максимально!.
Динамжу змши значень оцшки загрози формування фшансових криз (У) у корпораци «Бшквгг-Шо-колад» наведено на рис. 2.
Р^ Корпоращя ЗначенняУ Змша, %
14 -0,541 76,9
13 -0,125 449,8
12 0,438 19,3
11 0,522 19,6
10 0,625 19,0
9 0,743 25,5
8 Корпора^я «Бкшт-Шоко- лад» 0,933 12,6
7 1,050 -11,8
6 0,926 5,8
5 0,980 -39,0
4 0,598 -3,4
3 0,577 -4,6
2 0,551 138,8
1 1,316
Як можна побачити на рис. 2, у цкому за ана-лiзований перюд помiтна тенденцiя зменшення значення оцшки загрози кризи У, тобто, використовую-чи шкалу штерпретаци значень оцiнок загрози кризи (див. табл. 3), можна зробити висновок, що е тенден-щя до полiпшення фiнансового стану корпораци. Але при цьому було два роки, коли стан значно попршу-вався. При аналiзi дiяльностi корпораци в щ роки було виявлено деяк однаковi негативнi явища:
+ дебiторська заборгованiсть неодмiнно сильно зростала, при цьому не було зростання доходiв (тобто вона зростала не через збкь-шення кiлькостi реалiзацiИ товарiв, а через погiршення роботи з Рентами та через iншi причини);
+ чистий прибуток корпораци значно зменшу-
вався, рiвно, як i виручка; + кредиторська заборговашсть (i, перш за все, поточна кредиторська заборговашсть) збкь-шувалась до 100%;
Значения показника
0,500
0,000
-Коефщент придатносп
-Коефщент швидко!' ликвщност1
-Коефщент автономи
-Коефщент оборотное^ актив1в
Рентабельысть д1яльност1
1 2 3 4 5 6 7 8 9 10 11 12 13 14
Номер року
Рис. 1. Динамша змiни значень показникiв корпорацГ|'
Оцшка загрози
1,2000
-0,6000
1 2 3 4 5 6 7 8 9 10 11 12 13 14
Номер року
Рис. 2. Динамша змши оцiнки загрози формування фшансових криз
+ операц1йн1 витрати зб1льшувалися до 50% за р1к пор1вняно з попередн1м роком.
Кр1м того, саме в щ роки зростання оборот-них кошт1в корпораци було найменшим, а також зменшувався обсяг поточних фшансових швестицш. Також причиною деяких ускладнень у ефективност д1яльност1 корпораци 1, як насл1док, пог1ршення ф1нансового стану могло стати в1дкриття нового доч1рнього п1дприемства (ПАТ «Слобода»).
Таким чином, критичш значення У в щ роки ма-ють за собою обгрунтування реальними процесами, що проходили в корпораци, тобто побудована модель адекватно в1дображае стан корпорацЦ' в щлому.
Але для отримання б1льш зважених висновшв дану модель пропонуеться застосовувати саме в динамь ц1, анал1зуючи попередн1 пер1оди. У даному випадку за досл1джуваний пер1од динам1ка була стабкьною з дуже позитивним результатом. Безперечно, кер1в-ництво впровадило необх1дш заходи щодо подолан-ня кризи, що з'явилася. I попм фшансовий стан кор-порацИ лише ставав кращим 1з року в рк. Тобто мож-на зробити висновок, що результати застосування побудовано! модел1 оц1нки загрози криз на приклад1 корпорацЦ' «Б1скв1т-Шоколад» адекватно характери-зують фшансовий стан корпораци протягом усього анал1зованого перюду. Проте дуже важливо ощни-ти дом1нуюч1 загрози формування фшансових криз,
тобто оцшити фшансовий стан дочiрнiх шдприемств, адже саме вiд ïx дшльносп залежить благополуччя Bcieï корпораци.
Функцюнування таких складних фшансово-ви-робничих систем, як корпорацй', пояснюеться безлiч-чю факторiв, серед яких особливо важливим е фшансовий стан дочiрнix шдприемств (ДП). Тому, навиъ незважаючи на те, що за результатами моделювання ймовiрнiсть банкрутства корпорацй' «Бшкви-Шоко-лад» е дуже низькою, дощльно оцiнити загрози формування фшансових криз у ДП, яю можуть призвес-ти до катастрофiчниx наслоив у корпорацй' в ц1лому в майбутньому. I, таким чином, впровадженням про-активного антикризового управлшня в корпорацй' буде забезпечене своечасне реагування на майбутш кризи та ïx запобиання, а для цього доцкьно ще зро-бити короткостроковий прогноз щодо майбутнього стану корпорацй' та визначити домшукш загрози для головного шдприемства корпорацй'.
ВИСНОВКИ
У стати виршено актуальну проблему оцiнки загрози формування фшансових криз у корпоратив-них системах на основi нейро-нечижих моделей, якi дозволяють своечасно спрогнозувати загрозу бан-крутства та попередити його.
Так, побудоваш моделi оцiнки загрози фшансо-вих криз на шдприемствах корпорацiй за допомогою методiв нейро-нечiткиx систем дозволяють за допомогою нечггких правил оцшити фшансовий стан головного та дочiрнix шдприемств корпорацй' не лише в поточному, а й у майбутньому перюдах, що дае змо-гу шдприемствам своечасно виявити та попередити загрозу фшансово'1 кризи. На основi критерго мШмь заци похибок шдтверджено адекватнiсть всix нейро-нечиких моделей, якi були протестованi на скьсько-господарських корпорацiяx Украши та корпоращях ЖКГ Харкiвського регiону. Апробащя моделей на прикладi корпорацй' «Бккви-Шоколад» показала, що для не'1 на даний час загроза кризи е незначною, але е вкчутною загроза банкрутства для окремих ïï дочiр-шх пiдприемств, що може призвести до катастрофiч-них наслiдкiв для вае'1 корпорацй' в майбутньому. До того ж, за розробленими прогнозами, загроза кризи для вах пiдприемств дослiджуваноï корпоративно!' системи значно збкьшиться, що доводить доцкь-нiсть термiновоï розробки та впровадження антикри-зових заxодiв у данш корпоративнiй системi. ■
Л1ТЕРАТУРА
1. Методичн рекомендацп щодо виявлення ознак неплатоспроможностi пiдприeмства та ознак дм з прихову-вання банкрутства, ф^тивного банкрутства чи доведення до банкрутства : затверджено Наказом Мастерства еконо-мiки УкраТни. 19.01.2006 р. № 14. URL: https://zakon.rada.gov. ua/rada/show/v0014665-06
2. Гвоздицкий В. С. Анализ подходов к моделированию оценки склонности предприятия к банкротству. Управ-лiння розвитком. 2011. № 3. С. 206-208.
3. Клебанова Т. С., Гвоздицький В. С. Моделювання оцшки загрози банкрутства пщприемств корпоративного типу // Прикладные аспекты моделирования социально-экономических систем : монография. Бердянск : ФОП Ткачук О. В., 2015. С. 110-120.
4. Клебанова Т. С., Гвоздицький В. С. Оценка склонности предприятий к банкротству на основе методов нечеткой логики и нечетких нейронных сетей. Бiзнес 1нформ. 2015. № 10. С. 165-170.
5. Матвшчук А. В. Моделювання фшансово! слй-кост пщприемств i3 застосуванням теорм неч^ко! лопки, нейронних мереж i дискримшантного аналiзу. Всник НАН Украни. 2010. № 9. С. 24-46.
6. Оцшка, аналiз i попередження кризового стану пщприемств житлово-комунального господарства : моногра-фiя / Т. С. Клебанова, О. В. Димченко, О. О. Рудаченко. Харш : ХНУМГ iм. О. М. Бекетова, 2016. 213 с.
7. Панасенко О. В., Гвоздицький В. С. Моделювання оцшки загрози банкрутства пщприемств на основi неч^-ко! лопки. EKOHOMiKa: проблеми теорИ та практики. 2010. Вип. 264 : в 9 т. 2010. Т. II. С. 529-545.
8. Чернов В. Г., Суворов М. К. Нечеткие модели в антикризисном управлении // Современные проблемы прикладной математики и математического моделирования : материалы международной научной конференции (г. Воронеж, 12-17 декабря 2005 г.). Воронеж : ВГТА, 2005. 199 с.
9. Принципи здмснення антикризового управлшня. URL: http://library.if.Ua/book/6/672.html
REFERENCES
Chernov, V. G., and Suvorov, M. K. "Nechetkiye modeli v antikrizisnom upravlenii" [Fuzzy models in crisis management]. Sovremennyye problemy prikladnoy matematiki i matematichesk-ogo modelirovaniya. Voronezh: VGTA, 2005.
Gvozditskiy, V. S. "Analiz podkhodov k modelirovaniyu otsenki sklonnosti predpriyatiya k bankrotstvu" [Analysis of approaches to modeling the assessment of the propensity of the company to bankruptcy]. Upravlinnia rozvytkom, no. 3 (2011): 206-208.
Klebanova, T. S., and Gvozditskiy, V. S. "Otsenka sklonnosti predpriyatiy k bankrotstvu na osnove metodov nechetkoy logi-ki i nechetkikh neyronnykh setey" [Evaluation of the propensity of enterprises to bankruptcy based on fuzzy logic methods and fuzzy neural networks]. Biznes Inform, no. 10 (2015): 165-170.
Klebanova, T. S., and Hvozdytskyi, V. S. "Modeliuvannia otsinky zahrozy bankrutstva pidpryiemstv korporatyvnoho typu" [Modeling the assessment of the threat of bankruptcy of enterprises of corporate type]. In Prykladnye aspekty mod-elyrovanyia sotsyalno-ekonomycheskykh system, 110-120. Berd-iansk: FOP Tkachuk O. V., 2015.
Klebanova, T. S., Dymchenko, O. V., and Rudachenko, O. O. Otsinka, analiz i poperedzhennia kryzovoho stanu pidpryiemstv zhytlovo-komunalnoho hospodarstva [Assessment, analysis and prevention of the crisis situation of housing and communal services enterprises]. Kharkiv: KhNUMH im. O. M. Beketova, 2016.
[Legal Act of Ukraine] (2006). https://zakon.rada.gov.ua/ rada/show/v0014665-06
Matviichuk, A. V. "Modeliuvannia finansovoi stiikosti pidpryiemstv iz zastosuvanniam teorii nechitkoi lohiky, neiron-nykh merezh i dyskryminantnoho analizu" [Modeling financial
sustainability of enterprises using theories of fuzzy logic, neural networks and discriminant analysis]. VisnykNAN Ukrainy, no. 9 (2010): 24-46.
"Pryntsypy zdiisnennia antykryzovoho upravlinnia" [Principles of anti-crisis management]. http://library.if.ua/ book/6/672.html
Panasenko, O. V., and Hvozdytskyi, V. S. "Modeliuvannia otsinky zahrozy bankrutstva pidpryiemstv na osnovi nechitkoi lohiky" [Modeling an assessment of the threat of bankruptcy of enterprises based on fuzzy logic]. Ekonomika: problemy teorii ta praktyky, vol. 2, no. 264 (2010): 529-545.
УДК 330.42:519.7 JEL: С6
СЦЕНАРНЕ МОДЕЛЮВАННЯ Д1ЯЛЬНОСТ1 ДОМОГОСПОДАРСТВ У ЗАГАЛЬН1Й ЕКОНОМ1ЧН1Й
СТРУКТУР1 ДЕРЖАВИ
®2019 ПОРОХНЯ В. М., 1ВАНОВ Р. В.
УДК 330.42:519.7
Порохня В. М., 1ванов Р. В. Сценарне моделювання дiяльностi домогосподарств у загальнiй економiчнiй CTpyKTypi держави
Основною метою роботи е дослдження д'тльностi сектора домогосподарств у загальнш економ1чнш структурi держави з використанням су-часних економко-математичних метод'в i моделей макроеконом'нних процеав. Дотдження показало, що витрати домогосподарств значно впливають на сукупний випуск продукцП (СВП), особливо для галузей, у яких ¡х частка е найб'шьшою. Результати сценарного моделювання за-лежностi СВП &д домогосподарств для галузей з використанням модел'> мжгалузевого балансу свдчать, що запропоновану методику можна використовувати для планування й прогнозування економ'нного зростання галузей при розробц сценарив ¡х впливу на загальний економiчний результат. Установлено, що основним фактором адаптаци домогосподарств в умовах економiчно¡ нестаб'шьностi е мале тдприемництво як джерело формування доходiв у формi прибутку та змшаного доходу. Забезпечення цього процесу полягае в зб'шьшенш рiвня людського капталу за рахунок зростання споживчих витрат у сферах освти й охорони здоров 'я. Ключов'! слова: домогосподарство, сукупний випуск продукцП, дохiд, мале тдприемництво. DOI: https://doi.org/10.32983/2222-4459-2019-2-146-153 Рис.: 2. Табл.: 6. Формул: 3. Б'бл.: 14.
Порохня Василь Михайлович - доктор економiчних наук, професор, професор кафедри економ'жи, Класичний приватний утверситет (вул. Жуков-ського, 70Б, Запор'жжя, 69002, Украна)
1ванов Роман Вячеславович - кандидат ф'вико-математичних наук, доцент, зав'дувач кафедри економiчно¡ юбернетики, Дтпровський нацо-нальний утверситет iменi Олеся Гончара (просп. Гагар'ша, 72, Дн'тро, 49010, Украна) E-mail: ivanov.r@ef.dnulive.dp.ua
УДК 330.42:519.7 JEL: С6
Порохня В. М., Иванов Р. В. Сценарное моделирование деятельности домохозяйств в общей экономической структуре государства
Основной целью работы является исследование деятельности сектора домохозяйств в общей экономической структуре государства с использованием современных экономико-математических методов и моделей макроэкономических процессов. Исследование показало, что затраты домохозяйств оказывают значительное влияние на совокупный выпуск продукции (СВП), особенно для отраслей, в которых их доля есть наибольшей. Результаты сценарного моделирования зависимости СВП от домохозяйств для отраслей с использованием модели межотраслевого баланса свидетельствуют, что предложенную методику можно использовать для планирования и прогнозирования экономического роста отраслей при разработке сценариев их влияния на общий экономический результат. Установлено, что основным фактором адаптации домохозяйств в условиях экономической нестабильности является малое предпринимательство как источник формирования доходов в форме прибыли и смешанного дохода. Обеспечение этого процесса состоит в увеличении уровня человеческого капитала за счет роста потребительских затрат в сферах образования и здравоохранения. Ключевые слова: домохозяйство, совокупный выпуск продукции, доход, малое предпринимательство. Рис.: 2. Табл.: 6. Формул: 3. Библ.: 14.
Порохня Василий Михайлович - доктор экономических наук, профессор, профессор кафедры экономики, Классический приватный университет (ул. Жуковского, 70Б, Запорожье, 69002, Украина) Иванов Роман Вячеславович - кандидат физико-математических наук, доцент, заведующий кафедрой экономической кибернетики, Днепровский национальный университет имени Олеся Гончара (просп. Гагарина, 72, Днепр, 49010, Украина) E-mail: ivanov.r@ef.dnulive.dp.ua
UDC 33042:519.7 JEL: C6
Porohnya V. M., Ivanov R. V. The Scenario Modeling of Households' Activities in the Overall Economic Structure of the State
The main aim of the publication is researching the activities of household sector in the overall economic structure of the State using the modern economic-mathematical methods and models of macroeconomic processes. The research showed that households' expenditures have a significant impact on the aggregate output of products (AOP), especially for industries where their share is the largest. The results of a scenario modelling of the dependency of the AOP on households with regard to industries, using the cross-industry balance model, suggest that the proposed methodology can be used to plan and forecast economic growth in terms of development of scenarios of their impact on the overall economic result. It is determined that the main factor of adaptation of households in conditions of economic instability is small-sized entrepreneurship as a source of formation of incomes in the form of profit and mixed income. Ensuring this process is meant to increase the level of human capital by increasing consumer spending in the spheres of education and health. Keywords: household, aggregate output of products, income, small-sized entrepreneurship.
Fig.: 2. Tabl.: 6. Formulae: 3. Bibl.: 14.
Porohnya Vasyl M. - D. Sc. (Economics), Professor, Professor of the Department of Economics, Classic Private University (70B Zhukovskoho Str., 69002, Ukraine)
Ivanov Roman V. - PhD (Physics and Mathematics), Associate Professor, Head of the Department of Economic Cybernetics, Oles Honchar Dnipro National University (72 Haharina Ave., Dnipro, 49010, Ukraine) E-mail: ivanov.r@ef.dnulive.dp.ua
