FUZZY LOGIC METHOD FOR RATING FINANCIAL STANDING OF INFOCOMMUNICATION COMPANY

Abstract

There are a lot of methods for rating the financial standing of a company. However, each of those methods has some disadvantages, as a result, none of them can produce the correct rating. Scientific research is still ongoing in this area. In this article a fuzzy logic method for rating the financial standing of an infocommunication company is described. The method allows to reduce the uncertainty of the decision-making process. The fuzzy logic system can process both quantitative and qualitative parameters of a company, which increases decision reliability. For financial analysis regulatory approach is mainly employed. Utilizing the six most frequently used coefficients, input and output linguistic variables were defined along with fuzzy sets and expert rules. The fuzzy logic system for rating the financial standing of a company was developed with Fuzzy Logic Toolbox for MatLab. The simulation results are shown in the article. The situation management algorithm developed on the basis of fuzzy logic method is described.

Full Text

Введение В современных условиях у участников хозяйственной деятельности зачастую возникает объективная потребность получения достоверной информации о финансовом состоянии, рентабельности и деловой активности предприятия. Подобная оценка конкурентоспособности может быть получена различными способами. Одним из способов получения этой информации является анализ финансового состояния предприятия. Его основной целью является своевременное выявление и устранение недостатков в финансовой деятельности. Компании инфокоммуникационной отрасли также нуждаются в разработке практического инструмента, ориентированного на проведение анализа и мониторинга финансовой устойчивости. Для оценки финансового состояния компании, в том числе и инфокоммуникационной компании (ИКК), используется нормативный подход, заключающийся в сравнении рассчитанного финансового показателя с его нормативным значением, утвержденным законодательно либо в соответствии с методическими рекомендациями, принятыми в самой компании. Но, как отмечено в [1; 11], «общепринятые нормативы правильно классифицируют около 57% компаний». Это связано, во-первых, с тем, что многие показатели финансового анализа не имеют четкого нормирования, а, во-вторых, зависят от сферы деятельности компании. Поэтому классические модели проведения финансового анализа могут давать искаженную оценку. Типовая инфокоммуникационная компания является сложной социально-экономической системой [4], функционирующей в условиях существенной неопределенности. Повышение эффективности процесса принятия решений при управлении ИКК может быть обеспечено инструментарием, базирующимся на базе методов и моделей нечетких продукционных систем. Методы финансового анализа Существуют различные методы полного финансового анализа, которые используют данные финансовой отчетности за несколько анализируемых периода. К ним принято относить: - вертикальный (структурный) метод анализа, который основан на определении удельного веса статьи в общем объеме с последующим сравнением в динамике; - горизонтальный (динамический) метод, позволяющий выявить и оценить изменения по статьям отчетности за анализируемый период. При использовании метода создаются аналитические таблицы с абсолютными показателями и рассчитываются относительные изменения (такие как темп роста); - сравнительный метод - совокупность горизонтального и вертикального методов (зачастую используют для анализа структуры имущества и источников его образования); - интегральный (факторный) метод, при помощи которого проводится изучение влияния на общий показатель отдельных факторов, использующий статистические методы исследования; - трендовый метод расчета отклонений показателя от базисного уровня, позволяющий дать прогноз изменений в перспективе; - метод коэффициентов (нормативный подход), предназначенный для определения взаимосвязи показателей использующий расчет отношений между ними. Финансовые коэффициента, полученные в результате анализа, характеризуют основные аспекты деятельности предприятия, например: платежеспособность, финансовая устойчивость, деловая активность, эффективность деятельности и т.п. Наибольшую популярность получил способ проведения оценки финансово-экономического состояния на базе метода коэффициентов. Согласно [1], можно выделить пять шагов проведения оценки финансово-экономического состояния компании: - выбор информационной базы финансового анализа; - формирование групп оценочных коэффициентов; - установление перечня коэффициентов по группам и обозначение алгоритма их расчета; - определение нормативных (рекомендуемых) значение коэффициентов по каждой группе показателей; - формирование механизма оценки рейтинга компании на базе сравнения фактических и нормативных значений финансовых коэффициентов. При этом отмечается, что разногласий нет только относительно первого шага. Что касается шагов со второго по пятый, то до сих пор не существует однозначной методики их проведения и ни один из разрабатываемых вариантов не имеет официального статуса, что порождает неоднозначность их трактовки. С практической точки зрения наибольший интерес представляют третий и четвертый по счету этапы, поскольку наличие минимального перечня коэффициентов и сравнительный анализ их нормативных и фактических значений позволяет получить объективную оценку финансово-экономического состояния компании. Необходимо отметить, что перечень коэффициентов, предлагаемых различными аналитиками и практикующими специалистами, достаточно обширен и не имеет единой трактовки. В настоящей работе основу взят минимальный набор коэффициентов, который согласно [1] чаще остальных используются при нормативном подходе определения финансово-экономического состояния (см. таблицу 1). Еще одним важным аспектом является определение нормативного значения (или «доверительного диапазона») используемого показателя в зависимости от особенности отрасли, к которой относится исследуемая компания. Несмотря практически на повсеместное использование коэффициентов ликвидности и финансовой устойчивости, существуют существенные расхождения в отношении его нормативных значений, утвержденных законодательно [1; 11]. Модель нечеткой системы В большинстве работ, посвященных вопросам оценки финансово-экономического состояния компании, предлагается использование традиционных методов. Однако, отсутствие единой методики, необходимость учета значительного числа разнородных показателей, существование плавающих границ нормативного диапазона, рост сложности математических моделей, необходимость принятия корректных решений в обстановке неполной и нечеткой информации обусловили необходимость применения особого инструментария, базирующегося на нечеткой логике (fuzzy logic). Использование механизма нечетких систем применительно к задаче оценки финансово-экономического состояния компании способствует снижению неопределенности, поскольку эти системы позволяют одновременно оперировать качественными и количественными характеристиками деятельности компании, что позволяет проводить достоверный и всесторонний анализ финансового состояния [6]. При разработке нечетких систем можно выделить следующие этапы [3]: - определение лингвистических переменных; - выбор функции принадлежности (этап фаззификации); - создание базы правил; - выбор способа дефаззификации полученных результатов. В качестве входных лингвистических переменных использован минимальный набор коэффициентов (см. таблицу 1). Для всех выбранных лингвистических переменных определено следующее базовое терм-множество (очень низкий; низкий; средний; высокий; очень высокий). В качестве выходной переменной выбрана переменная «финансовое состояние» и определено терм-множество (абсолютно устойчивое; нормальное; неустойчивое; кризисное). Таблица 1. Минимальный набор коэффициентов ликвидности и финансовой устойчивости Показатель Условное обозначение Экономическое содержание Рекомендуемый диапазон нормативных значений для ИКК Коэффициент текущей ликвидности (общий коэффициент покрытия) Х1 Возможность погашения наиболее срочных и краткосрочных обязательств за счет оборотных активов > 0,75 Коэффициент срочной ликвидности Х2 Возможность погашения наиболее срочных и краткосрочных обязательств за счет денежных средств, финансовых вложений и дебиторской задолженности > 0 Коэффициент абсолютной ликвидности Х3 Возможность погашения наиболее срочных и краткосрочных обязательств за счет денежных средств и финансовых вложений > 0 Коэффициент соотношения заемных и собственных средств Х4 Величина заемных средств на единицу собственных средств [0; 6] Коэффициент маневренности собственных оборотных средств Х5 Уровень собственных средств, вложенных в оборотные активы [-0,5; 1] Коэффициент автономии Х6 Доля собственных средств в совокупных активах [0, 5; 0, 75] Таблица 2. Функции принадлежности входных переменных № Наименование показателя Очень низкий Низкий Средний Высокий Очень высокий 1 Коэффициент текущей ликвидности a 0 0,5 0,75 1,25 1,5 b 0,25 0,75 1,25 1,75 2 c 0,4 0,9 1,4 1,9 2,25 d 0,65 1,15 1,65 2,15 2,5 2 Коэффициент срочной ликвидности a 0 0,25 0,35 0,5 0,65 b 0,1 0,3 0,4 0,55 0,75 c 0,25 0,35 0,45 0,6 0,8 d 0,3 0,4 0,5 0,7 1 3 Коэффициент абсолютной ликвидности a 0,05 0,25 0,35 0,6 0,7 b 0,25 0,4 0,55 0,7 0,85 c 0,35 0,5 0,65 0,8 0,9 d 0,5 0,7 0,75 0,9 1 4 Коэффициент соотношения заемных и собственных средств a 0 0,5 1 2 3,5 b 0,3 0,8 1,5 2,5 4 c 0,5 1,2 2 3,5 5 d 0,75 1,5 3 4 6 5 Коэффициент маневренности собственных оборотных средств a -0,5 0 0,25 0,4 0,6 b -0,25 0,15 0,3 0,5 0,75 c 0 0,25 0,4 0,55 0,85 d 0,2 0,35 0,45 0,7 1 6 Коэффициент автономии a 0,2 0,3 0,4 0,5 0,6 b 0,25 0,35 0,45 0,55 0,65 c 0,275 0,375 0,475 0,575 0,675 d 0,325 0,425 0,525 0,625 0,75 Функции принадлежности согласно исследованиям Недосекина А.О. [9] заданы трапецеидально (1): (1) Интервалы значений выбранных показателей определялись экспертным путем (см. таблицы 2-3) с учетом [1-2; 5-6; 10-11]. Было сформулировано множество (порядка 30) нечетких продукционных правил следующего вида. 1) ЕСЛИ X1 = very_low И X2 = very_low И X3 = very_low И X4 = very_high И X5 = very_low И X6 = low ТО result = crisis 2) ЕСЛИ X1 = very_low И X2 = very_low И X3 = very_low И X4 = very_high И X5 = very_low И X6 = average ТО = result crisis 3) ЕСЛИ X1 = low И X2 = low И X3 = very_low И X4 = high И X5 = very_low И X6 = low ТО result = unsustainable 4) ЕСЛИ X1 = average И X2 = average И X3 = average И X4 = average И X5 = average И X6 = average ТО result = normal 5) ЕСЛИ X1 = very_high И X2 = very_high И X3 = high И X4 = average И X5 = average И X6 = average ТО result = normal 6) ЕСЛИ X1 = very_high И X2 = very_high И X3 = high И X4 = very_low И X5 = average И X6 = average ТО result = sustainable и т.п. Таблица 3. выходной переменной Наименование показателя Кризисное Неустойчивое Нормальное Абсолютно устойчивое Финансовое состояние a 0 0,2 0,5 0,7 b 0 0,4 0,6 0,8 c 0,2 0,5 0,7 1 d 0,3 0,6 0,8 1 Был выбран нечеткий логический вывод по алгоритму Мамдани. В качестве способа дефаззификации выходных переменных был использован метод центра тяжести (CoG, Centre of Gravity), рассчитываемый по формуле: , (2) где y - результат дефаззификации; x - переменная, соответствующая выходной лингвистической переменной, - функция принадлежности нечеткого множества, min и max - левая и правая точки интервала носителя нечеткого множества рассматриваемой выходной лингвистической переменной. Рисунок 1. Функции принадлежности входной переменной «Коэффициент текущей ликвидности Рисунок 2. Функции принадлежности входной переменной «Коэффициент автономии» Рисунок 3. Функции принадлежности выходной переменной Реализация в MatLab В качестве среды реализации процедуры нечеткого вывода использована среда MatLab (пакет Fuzzy Logic Toolbox). Выбор в пользу данного программного продукта, несмотря на его высокую стоимость, продиктован следующим [7; 12]. Во-первых, MatLab содержит специальные средства нечеткого моделирования, что позволяет выполнять весь комплекс исследования по разработке и применению нечетких моделей, и, во-вторых, MatLab де-факто является стандартом для широкого круга специалистов в самых разных областях науки и техники. Для каждой лингвистической переменной были построены функции принадлежности, примеры некоторых из них представлены на рисунках 1-3. Средство просмотра правил вывода позволяет отобразить процесс нечеткого вывода и получить результат. В данном окне отображается соответствующая функция принадлежности, уровень ее среза (для входных переменных) и вклад отдельной функции принадлежности в общий результат (для выходных переменных). Для оценки финансового состояния с помощью модели нечеткого вывода в окне просмотра правил Rule Viewer указываются значения входных переменных (см. рисунок 4, нижняя часть экрана). Результат оценки финансового состояния отображается верхней части экрана. Рисунок 4. Результаты нечеткого логического вывода при заданных входных параметрах В последнее время в управленческую практику все активнее внедряются идея ситуационного подхода, согласно которой управление рассматривается как конкретная ситуация, требующая адекватных действий с учетом сложившихся обстоятельств. Ситуация определяет пригодность применения управленческих решений. Задача финансового анализа, несмотря на наличие многочисленных методик его проведения, относится к области управления, которой присуща недостаточность или неопределенность знаний. Информация, требуемая для принятия корректного решения, доступна в виде экспертных или эвристических данных. Структура системы ситуационного управления может включать три блока, показанные на рисунке 5. Блок оценки состояния предназначен для расчета четкого значения совокупности финансовых коэффициентов (как фактических, так и запланированных). Полученное значение передается в модуль нечеткой логики, который позволяет спрогнозировать в виде единого агрегированного показателя финансово-экономического состояния компании. Блок выдачи рекомендаций предназначен для идентификации сценария осуществления стандартной ситуации, определяющей управляющее воздействие. Кроме того, блок выдачи рекомендаций осуществляет функцию обратной связи. Рисунок 5. Архитектура ситуационной системы Использование нечетких продукций дает преимущества при решении сложных или слабоформализуемых задач за счет того, что количество нечетких правил оказывается существенно меньше числа обычных правил [8]. Возможность построения прогноза развития финансового состояния ИКК, формализованная в виде типового сценария, создает предпосылки для использования нечетких систем в задачах поддержки принятия решений в области финансово-экономического анализа. Заключение Финансовый анализ деятельности предприятия является одним из наиболее популярных методов оценки финансово-экономического состояния предприятия. Сочетая его с методами нечеткой логики, эксперт-аналитик получает инструмент, позволяющий качественно оценить текущее финансовое состояние ИКК, а также прогнозировать будущее значение. Предлагаемая модель нечеткой продукционной системы позволяет эксперту-аналитику формализовать свои нечеткие представления. Данная модель нечувствительна к количеству входных переменных, поэтому эксперт-аналитик может как увеличивать, так и уменьшать число лингвистических переменных, что повлечет за собой соответственно рост либо сокращение продукционных правил при сохранении логики нечеткой модели. Использование данной модели, наряду с традиционными и хорошо зарекомендовавшими себя методами финансового анализа, позволит сократить уровень неопределенности при принятии решений.
×

About the authors

Alfiya Radmirovna Diyazitdinova

Povolzhsky State University of Telecommunications and Informatics

Email: dijazitdinova@mail.ru

Anastaisha Aleekseevna Saprikina

Povolzhsky State University of Telecommunications and Informatics

Email: anastaishasaprikina@yandex.ru

References

  1. Аврашков Л.Я., Графова Г.Ф., Шахватов С.А. О нормативных значениях коэффициентов при формировании рейтинговой оценки финансово-экономического состояния предприятия // Аудитор. - 2015. - № 5 // URL: http://1fin.ru/?id=272 (д.о. 19.06.2018).
  2. Баранова М.А., Галиаскарова Г.Р., Акимов А.А. Использование элементов теории «Fuzzy Logic» для анализа банкротства банка // Интернаука. - 2016. - № 12 (22). - Т.2. - С. 18-21.
  3. Боровик С.Ю. Инструментальные средства проектирования и отладки нечетких логических систем. Пакет FuzzyTECH. - Самара: Изд-во ПГАТИ, 2000. - 77 с.
  4. Димов Э.М., Маслов О.Н., Пчеляков С.Н., Скворцов А.Б. Новые информационные технологии: подготовка кадров и обучение персонала. Ч. 2. Имитационное моделирование и управление бизнес-процессами в инфокоммуникациях. - Самара: Изд-во СНЦ РАН, 2008. - 350 с.
  5. Карпова Н.А. Применение методов нечеткой логики при оценке и прогнозировании финансовой устойчивости консолидированных групп компаний // Интернет-журнал «Науковедение». - 2015. - Т. 7. - № 5. // URL http://naukovedenie.ru/PDF/199EVN515.pdf (д.о. 19.06.2018).
  6. Коваленко А.В., Гаврилов А.А., Кармазин В.Н. Диагностика состояний предприятия на основе нечетких продукционных систем и дискриминантного анализа // Экономический анализ: теория и практика. - 2007. - №14(95). - С. 2-9.
  7. Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. - СПб.: БХВ-Петербург, 2003. - 719 с.
  8. Мелихов А.Н., Берштейн Л.С., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой. - М.: Наука, 1990. - 272 с.
  9. Недосекин А.О., Максимов О.Б. Комплексная оценка финансового состояния предприятия на основе нечетко-множественного подхода // URL: http://www.bupr.ru/litra /finanalis/?leaf=finan_5.htm (д.о. 25.06.2018).
  10. Пахомова Е.А., Лычагина Т.А., Голубева М.С. Анализ финансового состояния производственного предприятия инструментарием нечетких множеств // Национальные интересы: приоритеты и безопасность. - 2015. - Т.11. - Вып. 35. - С. 15-26.
  11. Федорова Е.А., Тимофеев Я.А. Нормативы финансовой устойчивости российских предприятий: отраслевые особенности // Корпоративные финансы. - 2015. - №1 (33). - С. 38-47.
  12. Штовба С.Д. Проектирование нечетких систем средствами MATLAB. - М.: Горячая линия-Телеком, 2007. - 288 с.

Statistics

Views

Abstract: 78

PDF (Russian): 20

Dimensions

Article Metrics

Metrics Loading ...

PlumX


Copyright (c) 2018 Diyazitdinova A.R., Saprikina A.A.

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

This website uses cookies

You consent to our cookies if you continue to use our website.

About Cookies