|
-
Ключові слова:
банкрутство, банкротство, insolvency, failure, bankruptcy ; корпорації, корпорации, corporations ; метод групового обліку аргументів, МГОА, метод группового учета аргументов, МГУА ; нео-фаззі каскадні мережі, нео-фаззи каскадные сети ; нечіткі нейронні мережі Мамдані та Цукамото, нечеткие нейронные цепи Мамдани и Цукамото ; нечіткі нейронні мережі, нечеткие нейронные сети ; прогнозування, прогнозирование, forecasting ; ризики, риски, risk ; TSK ; Adaptive neuro fuzzy inference system, ANFIS
-
Анотація:
Обгрунтовано використання для прогнозування ризику банкрутства в умовах неповноти та невизначеності нечітких нейронних мереж (ННМ) з виведеннями Мамдані та Цукамото. Результати експериментів показали, що точність прогнозування ризику банкрутства складає методом Альтмана - 68-70%, матричним методом - 80%, нео-фазі каскадною нейромережею - 87%, а ННМ Мамдані та Цукамото -88-90 %. Досліджено проблему прогнозування ризику банкрутства у банківській сфері України в умовах невизначеності. Проведено експериментальні дослідження ефективності використання ННМ для прогнозування ризику банкрутства банків та порівняння зі статистичними моделями ARIMA, logit-model та probit-model, а також із нечітким методом групового обліку аргументів (МГОА). В результаті експериментів встановлено, що найбільшу точність прогнозування забезпечує використання ННМ TSK (2%) та нечіткого МГОА (4%), тоді як статистичні моделі мають точність: logit-model -16%, probit -model -14% та ARIMA -18%. В процесі експериментів також було визначено адекватні фiнaнcoвo-eкoнoмічні показники банків для прогнозування ризику банкрутства.
-
Теми документа
|
