CC BY
19
КРЕДИТ
ПРИНЦИПЫ СИСТЕМНОЙ МЕТОДОЛОГИИ ОЦЕНКИ ПОКАЗАТЕЛЕЙ ДЛЯ ОПРЕДЕЛЕНИЯ КРЕДИТОСПОСОБНОСТИ ЗАЕМЩИКА
В.Н. ЕДРОНОВА, доктор экономических науку профессор, проректор
Нижегородского коммерческого института
С.Ю. ХАСЯНОВА, управляющая нижегородским филиалом ОАО «АКБ Саровбизнесбанк», г. Нижний Новгород
В настоящее время с точки зрения банковского кредитного эксперта (кредитного инспектора, начальника кредитного отдела и т.п.)' необходима выработка пригодной для практического применения, адекватной внутренней логике процессов финансово-экономического анализа и экспертного оценивания комплексной («интегрированной») системы формально-математического и эвристического анализа показателей кредитоспособности заемщика (МЭА ПКЗ). Результатом исследования показателей кредитоспособности (как количественных, так и качественных) конкретного заемщика в конкретных условиях «внешней среды» с использованием подобной системы должен стать однозначный ответ на вопросы, перманентно возникающие перед экспертами кредитного комитета банка, рассматривающими кредитные заявки:
• можно ли предоставить конкретному заемщику испрашиваемый кредит? (задача выбора заемщика - ЗВЗ, или I задача);
• если ответ на первый вопрос положителен, то на каких условиях необходимо предоставить испрашиваемый кредит? (задача оценки параметров кредитного заключения - ОПКЗ, или II задача);
• какие меры необходимо принять банку с целью минимизации риска невозврата ис-
1 Условно назовем лицо, от мнения которого существенным образом зависят параметры принимаемого решения при наличии ситуации выбора в условиях неполной информации (неопределенности), «лицо, принимающее решение (ЛПР)» - согласно терминологии теории принятия решений.
прашиваемого кредита? (задача выбора методов защиты от риска - ВМЗР, или III задача).
Методология решения первых двух задач должна представлять теоретико-прикладную систему оценки показателей кредитоспособности заемщика.
Третья задача требует применения методов оптимального управления кредитным портфелем банка. В настоящей статье эти методы не рассматриваются, поскольку они достаточно подробно изложены в литературе.
Банковская практика показывает, что наиболее сложным является решение первых двух задач. Предлагаемые многими авторами методики оценки кредитоспособности заемщиков, как правило, основаны на допущении о наиболее существенном вкладе в оценку кредитоспособности количественных факторов (финансовых коэффициентов) - гипотезе количественной релевантности. На наш взгляд, российская практика кредитования показывает, что количественные факторы кредитоспособности не могут удовлетворительно охарактеризовать кредитоспособность реального заемщика, так как способны показать лишь «моментный», ретроспективный разрез финансового состояния хозяйствующего субъекта. Большинство современных банковских специалистов склоняются к выводу, что понятие «кредитоспособность заемщика» логически несводимо лишь к финансовым (количественным) параметрам заемщика, оно является комплексным. Следовательно, совокупность показателей, характеризующих кредитоспособность заемщика,
должна включать в себя и финансовые, и нефинансовые показатели, как количественные, так и качественные. Причем, по нашему мнению, качественные показатели (такие, например, как уровень менеджмента или деловая репутация заемщика) должны играть наиболее весомую роль в системе релевантных факторов, используемых для адекватной оценки кредитоспособности.
В связи с потребностями практики возникает методологическая необходимость измерения показателей кредитоспособности, их сопоставления и выявления значимости вклада того или иного показателя в общую оценку кредитоспособности заемщика. К сожалению, методологические подходы к комплексному решению указанных выше практических проблем оценки кредитоспособности заемщиков до настоящего времени достаточно слабо представлены в научных работах отечественных специалистов в области финансов. На наш взгляд, это обусловлено тремя основными причинами:
• относительной новизной проблематики (ранее таких проблем не возникало, либо они не были актуальны для теоретиков и практиков);
• спецификой предметной области исследования (так как она находится не столько в сфере «традиционных» финансовых проблем, сколько на стыке современной прикладной математики, психологии и экономики);
• относительной новизной и недостаточной отработанностью математических методов исследования качественных объектов и их отношений, составляющих основу анализа кредитоспособности заемщика;
• слабой осведомленностью высших менеджеров банков и специалистов в области банковских финансов о новых математических технологиях обработки качественной (вербальной, описательной, нечисловой) информации и о возможностях построения на базе этих технологий специализированных экспертных систем.
Существующие методологии оценки кредитоспособности заемщиков в отечественных коммерческих банках в качестве релевантных факторов в процедуре оценки кредитоспособности используют наличие ликвидного залога, финансовое состояние потенциального заемщика (включая объем его выручки) и субъективное мнение экспертов (членов кредитного комитета банка) о надежности потенциального заемщика и его ценности для банка. П£>и этом предпочтение банковскими практиками отдается эври-
стическим подходам, основанным на субъективной оценке экспертов, а анализ количественных показателей является вспомогательным средством для обоснования принятых решений (зачастую «задним числом»).
Таким образом, существует необходимость создания целостной, научно обоснованной, логически непротиворечивой и замкнутой (в смысле самодостаточности) прикладной системы оценки показателей кредитоспособности, использование которой на заданном множестве экономических субъектов (потенциальных заемщиков) давало бы результаты, однозначно интерпретируемые пользователями такой системы.
Анализ финансово-экономической литературы показывает, что существует некий разрыв между существующими теоретическими подходами к решению данных проблем и практикой банковского кредитования. Теоретики делают упор на анализ количественной информации о финансовых составляющих кредитоспособности, рекомендуя применять при этом все более «рафинированные» экономико-математические модели (примерами могут служить широкий спектр методологий анализа кредитоспособности, основанных на 1УГОА, разнообразные рейтинговые методики, методология кредитного скоринга). Практики же предпочитают опираться на свой опыт, интуицию и не-формализуемые в рамках традиционных экономико-математических подходов способности интуитивно прогнозировать сценарии развития событий. В результате объективно возникает ситуация, когда реальная банковская практика кредитования показывает несостоятельность как первого, так и второго подхода к решению задачи оценки кредитоспособности заемщика.
На наш взгляд, существующая ныне «теоретическая» позиция ограничена в силу того, что в ней исходно присутствует попытка отождествить комплексное («многосоставное») понятие «кредитоспособность заемщика» только с финансовыми (то есть количественно измеримыми) показателями. При этом, несмотря на понимание многими специалистами того, что в действительности анализ кредитоспособности нельзя свести только к анализу финансовых параметров, и необходимости анализа нефинансовых показателей, фактически дальше декларирования такой необходимости в подавляющем большинстве работ, посвященных анализу кредитоспособности, эта мысль ие получила своего развития. По нашему мнению, это свидетельствует о принципиальной методологической неприменимости «традиционных» экономико-математических методов анализа количествен-
но измеримых показателей для удовлетворительного решения поставленной задачи.
Что же касается «эмпирико-эвристическо-го» подхода к решению данной проблемы, то и он во многих случаях не может обеспечить ее удовлетворительного решения. Об этом, в частности, свидетельствуют отнюдь нередкие в российской банковской практике случаи выдачи к^дитов заемщикам, впоследствии оказывающимся некредитоспособными, и прямо противоположные (хотя и более редкие) случаи, когда заемщикам, способным погасить заявленный кредит, в нем отказывают. Как убедительно показали исследования ряда специалистов в области психологии, ограниченность «эмпирико-эврис-тического» подхода связана с особенностями человеческой системы переработки сложной информации. В частности, специалисты Института системного анализа Российской академии наук (ИСА РАН) доктора технических наук О.И. Ларичев и Е.М. Мошкович в своей монографии «Качественные методы принятия решений. Вербальный анализ решений» приводят ряд аргументов, доказывающих ограниченность стихийного эвристического подхода к анализу многокритериальных проблем. Данный авторы предлагают для исследования качественных проблем использовать специально разработанные алгоритмы вербального анализа данных и принятия решений. На наш взгляд, предпочтительность получения от специалистов качественной (не количественной) информации не вызывает сомнений.
Как показывает анализ специальной научной литературы, посвященной методам многокритериальной оценки и качественным методам
2 Simon Н., Newell А. Heuristic problem solving: the next advance in Operation research // Operations research. 1958. V. 6. P. 45-63.
3 Саати Т. и Керне К. Аналитическое планирование. Организация систем. М.: Радио и связь, 1991. С. 23-69.
4 Бочарников В.П. Fuzzy-технология: Математические основы. Практика моделирования в экономике. СПб: Наука. РАН, 2001. С. 180-220.
5 Ларичев О.И., Мошкович Е.М. Качественные методы принятия решений. Вербальный анализ решений. М.: Наука, 1996.
6 Саати Т. и Керне К. Аналитическое планирование. Организация систем. М.: Радио и связь, 1991. С. 51.
7 Бочарников В.П. называет эту область современной математики «Fuzzy-технологиями».
8 Бочарников В.П. Модель управляемого непрерывного нечеткого процесса на основе нечетко-интегрального уравнения // Проблемы управления и информатики. 1998. № 5. С. 72-77.
Мелихов А.Н. и др. Ситуационные советующие системы с нечеткой логикой. М.: Наука, 1990.
Турбин А.Ф., Працевитый Н.В. Фрактальные множества, функции распределения. Киев: Наукова думка, 1992.
принятия решений, интересующая нас задача комплексной оценки кредитоспособности относится к типу так называемых «слабоструктурированных проблем»2. Основными чертами слабоструктурированных проблем является объективное наличие в их составе как качественных, так и количественных показателей, причем качественные, малоизвестные и неопределенные стороны проблем имеют тенденцию доминировать.
На наш взгляд, возможны два конструктивных пути решения слабоструктурированных задач. Первый - это редукция качественных показателей слабоструктурированной задачи к особым образом построенным количественным показателям (балльным оценкам критериев и альтернатив, не-четкозначным переменным). Наиболее известным примером такого подхода служит метод анализа иерархий (МАИ) Т. Саати и К. Кернса3. Он относится к эвристическим методам, поскольку не имеет строгого научного обоснования и построен на базе обобщения эмпирического материала. Другой, менее известный, главным образом из-за своей новизны, пример подобного подхода -это метод фильтрации состояния нечетких процессов, основанный на теории нечеткого интегрирования, разработанный украинским ученым, доктором технических наук В.П. Бочарниковым и сотрудниками киевской информационно-консалтинговой компании «ИНЭКС»4.
Вторым путем решения слабоструктурированных задач является редукция их к неструктурированным (путем корректного перехода от количественных показателей к качественным, который, как правило, всегда возможен) и использование методологии вербального анализа данных, разработанной в ИСА РАН под руководством О.И. Ларичева5.
Необходимо отметить, что большинство слабоструктурированных проблем (и, в частности, проблема оценки кредитоспособности заемщика) могут быть сведены к неструктурированным, то есть таким, которые содержат лишь качественные показатели, поскольку очевидно, что любые количественные показатели могут быть преобразованы в качественные6.
Что же касается корректного преобразования качественных показателей в количественные, то этот вопрос в настоящее время остается открытым. Ряд исследователей, в частности, В.П. Бочарников, А.Н. Мелихов и А.Ф. Турбин полагают, что использование принципиально новых математических технологий, таких, как теория нечеткой меры и нечетко-интегральное исчисление7 позволяет, эффективно формализовать и решать слабоструктурированные задачи8.
Впрочем, необходимо отметить, что данный подход в настоящее время является еще недостаточно теоретически разработанным.
Другие авторы, в частности, уже упоминавшиеся О.И. Ларичев и Е.М. Мошкович, а также Б.Г. Литвак, А.И. Мечитов, Е.М. Фуремс, А.А. Асанов, П.В. Борисенков считают, что любая процедура сведения качественных, вербальных данных к количественным (числовым) некорректна, а, следовательно, полагаться на получаемые таким образом «трансформированные» количественные результаты при принятии решений нет никаких оснований9. Данные исследователи предлагают ряд разработанных ими методов (алгоритмов) исследования качественных данных, которые являются частью так называемой теории вербального анализа и решения неструктурированных задач10.
Поскольку в настоящее время нет рациональных оснований предпочесть тот или иной метод решения слабоструктурированных задач из-за того, что все они обладают специфическими достоинствами и недостатками, то задачу оценки кредитоспособности заемщика (в частности, ЗВЗ, которая формально может быть сведена к задаче многокритериальной классификации объектов в пространстве количественно-качественных показателей) допустимо решать с помощью разных методов. Результаты решения, полученные тем или иным способом, сверяются. Если методы позволяют решить задачу с близкой степенью адекватности, то результаты решения не должны противоречить друг другу и сильно отличаться.
'Ларичев О.И., Мошкович Е.М. О возможностях получения от человека непротиворечивых оценок многомерных альтернатив // Дескриптивный подход к изучению процессов принятия решений при многих критериях. М.: ВНИИСИ, 1980. С. 39-47.
Литвак Б.Г. Экспертная информация: методы получения и анализа. М.: Радио и связь, 1982.
Мошкович Е.М. Диалоговая система ЗАПРОС (построения упорядоченных многокритериальных альтернатив на основе предпочтений лица, принимающего решения) // Сб. трудов ВНИИСИ. М.: ВНИИСИ, 1988. С. 13-21.
10 Ларичев О.И. и др. Выявление экспертных знаний. М.: Наука, 1989. С. 34-61.
Ларичев О.И., Мошкович Е.М. Качественные методы принятия решений. Вербальный анализ решений. М.: Наука, 1996. С.158-198.
О.И. Ларичев, A.A. Асанов. Метод ЦИКЛ порядковой классификации многокритериальных альтернатив // Доклады РАН, 2000. № 12. С. 64-82.
11 То есть выделении тех классов потенциальных заемщиков, в отношении которых на основании используемой методологии принято положительное решение о выдаче кредита («+заемщики»).
12 Озерной В.Г., Гафт М.Г. Многокритериальные задачи принятия решений // Проблемы принятия решений. М.: Машиностроение,1978. С. 15.
Ясно, что, например, при «+классифика-ции»11 объектов (заемщиков) основная масса «+за-емщиков» при использовании упомянутых методик должна быть классифицирована одинаково.
Как нам представляется, в настоящее время наиболее плодотворным подходом к решению слабоструктурированных задач является их редукция к неструктурированным и применение методологии качественного (вербального) анализа. Это обусловлено следующими обстоятельствами.
Во-первых, методология вербального анализа и принятия качественных решений достаточно хорошо исследована и подробно разработана специалистами ИСА РАН; ими же разработан ряд алгоритмов для решения разнообразных задач многокритериальной классификации. Сама проблематика решения неструктурированных задач разрабатывалась более 20 лет О.И. Ларичевым, Е.М. Мошкович и другими специалистами.
Во-вторых, методология вербального анализа успешно применялась в различных отраслях науки и практики (медицинская диагностика, принятие решений о ценности научных разработок, разнообразные экспертные системы в экономике).
Наконец, в-третьих, что, по нашему мнению весьма важно, алгоритмы вербального анализа без особых проблем могут быть положены в основу построения гибкой автоматизированной системы поддержки принятия решений. Отчасти это обусловлено разнообразием инструментальных средств современной прикладной информатики (в первую очередь, достаточно мощных средств визуального программирования).
Важнейшими чертами неструктурированных задач, позволяющими утверждать, что решение рассматриваемой нами частной проблемы анализа кредитоспособности заемщика может быть достаточно корректно сведено к более общему случаю, являются следующие12:
• уникальность выбора в том смысле, что каждый раз проблема является новой для ЛПР либо обладающей новыми особенностями по сравнению со встречавшимися ранее подобными проблемами;
• непосредственная связь с неопределенностью в оценках альтернативных вариантов решения проблемы, которая объективно обусловлена нехваткой информации на момент решения проблемы;
• оценки альтернативных вариантов решения проблемы имеют качественный характер и чаще всего сформулированы в словесном виде;
• общая оценка альтернатив может быть получена лишь на основе субъективных предпочтений ЛПР (либо группы ЛПР). Интуиция ЛПР, его уверенность в тех или иных вариантах развития событий являются основой решающего правила, позволяющего перейти от отдельных оценок к общей оценке альтернатив. Под решающим правилом будем понимать определенные требования к альтернативам, то есть алгоритм выбора из множества альтернатив13;
• оценки альтернатив по отдельным критериям могут быть получены только от экспертов. Обычно отсутствует объективная шкала измерения оценок по отдельным критериям. Более того, в ряде случаев оценки альтернатив по критериям могут быть относительными, показывая, чем один вариант лучше другого.
При принятии решений по неструктурированным задачам существует много факторов, влияющих на оценку и выбор альтернатив. Человек, отвечающий за принятие решения, хочет, естественно, задать вопрос на своем, понятном ему языке и получить ответ, исключающий двусмысленное толкование. Это приводит к единственно возможному виду измерений для большинства факторов — измерениям в качественных, вербальных понятиях, расположенных на порядковых шкалах.
Для того чтобы понять, как можно использовать методы вербального анализа данных для решения задачи оценки кредитоспособности заемщиков коммерческого банка, введем ряд определений.
Альтернативой (обозначение: х.) в смысле задачи I будем называть любого заемщика, обратившегося в наш банк.
Множество альтернатив задачи I (обозначения: А, х[ е А; 1 = 1... N5 N - число заемщиков) определим как совокупность заемщиков, обратившихся в банк в течение заданного периода времени.
Множество критериев задачи I (обозначение: К), а сами отдельно взятые показатели (быть может, зависимые друг от друга) - критерии (обозначения: К, к] £ К; ^ = 1... М; М - число критериев) охарактеризуем как совокупность качественных показателей, определяющих кредитоспособность заемщика.
13 Ларичев О.И., Мошкович Е.М. Задачи непосредственной классификации при принятии решений // Доклады АН СССР, 1986. Т. 287. № 6. С. 567-570.
Порядковой шкалой убывающей (возрастающей) оценки альтернатив по данному критерию
(в^ назовем множество упорядоченных качественных оценок (градаций), построенных в соответствии с убыванием (возрастанием) свойства объектов (альтернатив х[ е А), выраженного некоторым критерием 1с.
Совокупность порядковых шкал, соответствующая множеству критериев К, образует множество шкал для оценки комплексного свойства, характеризуемого критериями из множества К (обозначения: Б, sj е Б).
Непротиворечивой М-критериальной классификацией множества А будем считать разбиение этого множества на непересекающиеся подмножества (классы), построенные на основании выбора ЛПР в соответствии с заданным множеством критериев К и шкал оценок Б.
«+Классом» будем называть подмножество множества А, полученное вследствие применения к последнему процедуры непротиворечивой М-критериальной классификации, элементы которого классифицированы как кредитоспособные заемщики.
Используя приведенные выше определения, задачу I (или ЗВЗ) можно сформулировать следующим образом: построить непротиворечивую классификацию данного множества альтернатив в соответствии с заданными множествами критериев и оценок альтернатив по критериям и выделить «+классы».
Таким образом, в терминах приведенных выше определений задачу выбора заемщика можно свести к задаче многокритериальной классификации качественных данных, методы строгого решения которой разработаны О.И. Ларичевым и сотрудниками ИСА РАН (алгоритмы ординарной, или однозначной, классификации -ОРКЛАСС и цепной интерактивной классификации - ЦИКЛ).
Существующие правила качественного сравнения многокритериальных альтернатив основаны на свойстве независимости одного или группы критериев по предпочтению. Сформулируем определение, выражающее это свойство.
Пусть имеется множество критериев К и это множество разбито на Ь непересекающихся групп К,,..., Кь.
Критерии группы Кт (0< т < Ь+1) множества К не зависят по предпочтению от остальных критериев этого множества, если предпочтение между альтернативами, имеющими одинаковые оценки по всем критериям, кроме критериев группы Кт, не зависит от значений этих равных компонентов.
Необходимость данного свойства проистекает из желания использовать относительно небольшой объем простой информации о предпочтениях ЛПР для построения эффективного решающего правила (эффективного в смысле обеспечения высокой степени сравнимости с его помощью реальных альтернатив). С другой стороны, проведение всеобъемлющей проверки свойства независимости приводит к необходимости сравнивать очень большое (для некоторых задач - неимоверно большое) число векторных оценок. Таким образом, существуют две проблемы: 1) как осуществить частичную, но достаточно представительную проверку? 2) что делать в случае зависимости критериев? Рассмотрим эти проблемы.
Можно различить следующие виды зависимости критериев по предпочтению:
1) зависимость одного критерия от одного или нескольких;
2) зависимость пары критериев от одного или нескольких;
3) зависимость группы критериев от одного или нескольких.
Зависимость одного критерия от других означает нарушение условия порядковости шкал критериев. В более широком смысле это может означать наличие номинального критерия, то есть критерия, шкала которого определяет для ЛПР некоторые возможные значения, но эти значения не упорядочены по предпочтительности. Следует отметить, что данная форма зависимости часто упускается специалистами по принятию решений и сформированные (отдельно для каждого критерия) шкалы считаются справедливыми при любых сочетаниях оценок по критериям14. В то же время проверка этого условия
14 В частности, данная ошибка характерна для многих модификаций весьма популярных методологий рейтингования. Исключение, на наш взгляд, представляет метод анализа иерархий (МАИ) Т. Саати и К. Кернса, который основан на выборе по одному критерию.
15 См. Кини JI.P., Райфа X. Принятие решений при многих критериях: предпочтения и замещения. М.: Радио и связь, 1981.
" Fisher G. Range Sensitiviti of Attribute Weights in Multi-attribute Utility Assessment. - Duke University, 1991.
Von Winterfeldt D., Fischer G. W. Multattribute utility theory: Models an assessment procedures // Utility, probability and human decision making. / Eds. D. Wendt, C. Vlek. Dordrecht: Reidel, 1975, p. 97-118.
17 McCrimman K. R., Wehrung D. A. Trade-off analysis: indifference and preferred proportions approaches // Decision making and change in human affairs / Eds. D. Bell, R. Keney, H. Raifa. New York: J. Wiley, 1975. P. 123-147.
18 Kelly G. A. The psychology of personal constructs. New York: Norton, 1955.
достаточно проста, а выход из положения можно найти в объединении таких пар критериев в один с порядковой шкалой оценок.
Наиболее изученной является зависимость пары критериев от остальных. Следует отметить, что данный вид зависимости (независимости) критериев является основополагающим в методах принятия решений. Авторами многокритериальной теории полезности Р.Л. Кини и X. Райфой доказано, что если все критерии из К попарно независимы, то существует независимость любых групп критериев от остальных15. Сошлемся также на мнение Д. фон Винтерфельда и Г. Фишера16, считающих, что при попарной независимости критериев по предпочтению появление групповой зависимости критериев «неопределенно» по своей природе и трудно обнаружимо. Таким образом, понятно стремление исследователей построить процедуру проверки выполнения аксиомы о независимости пар критериев по предпочтению.
Что же делать в случае зависимых критериев? К. Маккримон17 предложил выделять зависимые критерии в одну группу, переформули-ровывать в один и рассматривать его как один, независимый от других критериев. Это же предложил Г. Келли, автор теории персональных контрактов18.
Итак, в случае зависимых критериев следует переформулировать задачу путем объединения зависимых критериев в один и сохранения критерия, несущего самостоятельный дополнительный смысл.
Следует указать на еще один возможный способ устранения зависимых критериев: использование иерархии критериев (если они образуют единую группу показателей, характеризующих некое обобщенное качество объекта). В этом случае возможно образование независимых групп критериев, внутри которых проводится упорядочение сочетаний всех возможных оценок по этим критериям. Если число таких сочетаний достаточно велико (превышает 5-7), то они разбиваются на упорядоченные группы, которые представляют собой оценки на шкале нового обобщенного критерия. Таким образом, можно сделать вывод, что в методах принятия решений, использующих только качественные, вербальные оценки, необходимо:
• проводить проверку свойства попарной независимости критериев по предпочтению путем сравнения альтернатив, отличающихся оценками по двум критериям;
• проводить выделение зависимых групп критериев;
• выявлять взаимные отношения зависимых критериев, природу их зависимости;
• проводить переформулировку части критериев с тем, чтобы новое критериальное описание проблемы позволяло использовать эффективные ме1тэды сравнения многокритериальных альтернатив, не исключая из рассмотрения существенные для принятия решения показатели.
Одной из неотъемлемых черт поведения человека является возможность обучения, причем для человека наиболее характерен метод проб и ошибок. Обучение связано с исследованием многокритериальной задачи, с постепенной выработкой политики ЛПР, его решающего правила.
Многие исследователи считают, что у человека нет заранее сформированного решающего правила до начала процесса принятия решений. Как отмечают фон Винтерфельд и Эдварде, «... не предполагается, что полезности и числа, выражающие субъективные оценки объектов и ситуаций, просто лежат в наших головах в ожидании, что их извлекут оттуда»19. Несмотря на то, что в явном виде подобные предположения не делались, они существовали неявно. В самом деле, во многих методах принятия решений от человека сразу же требуют назначения всех параметров, определяющих решающие правила (например, назначения весов и числовых шкал критериев). Трудно ожидать, что человек на первых же этапах принятия решений может устойчиво, осмысленно и непротиворечиво определить решающее правило. Мы можем предположить, что у опытного ЛПР (особенно, если ЛПР сталкивалось ранее с той же или подобной задачей) есть многие элементы решающих правил: перечень критериев (может быть, неполный), сравнительная важность некоторых критериев и оценок. Но обычно все это уточняется в процессе выработки решения. Именно в этом процессе формируются все необходимые компромиссы.
Для того чтобы существовала возможность проявления человеческой способности к обучению, метод принятия решений должен включать в себя процедуры специального типа, в которых политика ЛПР вырабатывается поэтапно, а не одномоментно. Такие процедуры должны позволять людям ошибаться и исправлять свои ошибки, вырабатывать частичные компромиссы и переходить к следующим. Этот процесс должен позволять человеку усомниться в своих решениях и вернуться к началу.
" Von Winterfeldt D., Edwards W. Decision Analysis and Behavioral Research. Cambridge: Cambridge University Press. 1986. P. 351.
Такую возможность предоставляют новые, психологически корректные методы принятия решений. Все они содержат специальные процедуры выработки решающего правила. Совершая ошибки и исправляя их, человек вырабатывает непротиворечивую и хорошо продуманную стратегию.
С поведенческой точки зрения одним из требований к результатам применения любого метода является их объяснимость. ЛПР при принятии ответственного решения хочет знать, почему альтернатива А оказалась лучше, чем В, и обе они - лучше С. Это требование ЛПР является вполне обоснованным. Этап получения информации от ЛПР (измерения) и этап представления конечных результатов разделены этапом преобразования информации. Поэтому ЛПР хочет убедиться, что именно его предпочтения без каких-либо искажений положены в основу оценки альтернатив. Чтобы удовлетворять этому требованию, метод принятия решений должен обладать «прозрачностью» - он должен позволять находить взаимно однозначное соответствие между информацией, полученной от ЛПР, и окончательными оценками альтернате. Только тогда появляется возможность для ЛПР получения объяснений.
Возможность получения объяснений на естественном языке является одной из характеристик экспертных систем. Эта характеристика позволяет сделать экспертные системы дружественными по отношению к пользователю. В задачах принятия решений таким пользователем является ЛПР, на основе предпочтений которого и строится решающее правило.
Предложенный подход при разработке нового метода принятия решений должен быть ориентирован не на бездумный аппарат для переработки информации, а на реального человека, воспринимающего информацию в определенной форме, имеющего ограниченные возможности по переработке информации, склонного к ошибкам и противоречиям. Этот подход основан на следующих принципах.
Во-первых, входной информацией для любого метода является описание проблемы на естественном языке - в терминах, понятных как ЛПР, так и потенциальным экспертам. Это описание должно быть структурировано. Наиболее мягким, не вносящим искажений способом структуризации является использование многих критериев со словесными оценками на порядковых шкалах. Это описание необходимо сохранять (без искажающих его преобразований) на всех этапах применения разработанного метода.
Во-вторых, метод должен разрабатываться для определенных задач. Наиболее существенными характеристиками задач являются вид решения (например, выделить наилучшую альтернативу, разделить на упорядоченные классы и т.д.) и характеристики рассматриваемых альтернатив (например, наличие реальных альтернатив на момент принятия решений, количество альтернатив и описывающих их критериев и т.п.).
В-третьих, необходимо предусмотреть анализ самого описания проблемы (его адекватность, полноту и т.п.). Важным моментом такого анализа может стать проверка выделенных критериев на независимость. Если выявляется частичная зависимость критериев, то целесообразно провести переструктуризацию описания проблемы так, чтобы новые критерии (или их группы) были независимыми.
Требования к методу вместе с описанием проблемы являются исходной информацией для выбора допустимых корректных операций по получению информации, приводящих к требуемому решающему правилу. Иногда этот выбор достаточно прост, иногда надо идти сложными путями, чтобы получить необходимый результат.
В-четвертых, при любых способах получения информации в методе должны быть предусмотрены средства для ее проверки на непротиворечивость. Должен быть создан процесс получения и проверки информации, способствующей обучению и необходимым компромиссам.
И, наконец, метод должен удовлетворять требованию интерактивности: в его компьютерной реализации должна быть предусмотрена возможность получения объяснений (на естественном для ЛПР языке) любых получаемых решений.
Таким образом, сформулированные выше пять требований задают основные условия построения как самого корректного метода анализа качественных данных и построения многокритериальной, системной классификации, так и его реализации с помощью современных компьютерных технологий. При этом важно подчеркнуть, что задача оценки кредитоспособности заемщика (или, строго говоря, выбора кредитоспособного заемщика - задача I) может быть рассмотрена как частный случай задачи многокритериальной классификации.
(Продолжение следует)
