@ARTICLE{26583204_137778492_2014, 
	author = {Л. Н. Ясницкий and Д. В. Иванов and Е. В. Липатова}, 
	keywords = {, лицензия, банкротство, банк, ликвидность, активы, капитал, прогноз, модельнейронная сеть},
	title = {<p class="text">Нейросетевая система оценки вероятности банкротства банков</p>},
	journal = {Бизнес-информатика},
	year = {2014},
	number = {3 (29)},
	pages = {49-56},
	url = {https://bijournal.hse.ru/2014--3 (29)/137778492.html},
	publisher = {},
	abstract = {Ясницкий Леонид Нахимович -&nbsp;доктор технических наук, профессор кафедры информационных технологий в бизнесе, факультет бизнес-информатики, Национальный исследовательский университет «Высшая школа экономики» (Пермский филиал);&nbsp;Председатель Пермского отделения Научного Совета РАН по методологии искусственного интеллектаАдрес: 614046, г. Пермь, ул. Студенческая, д. 38.E-mail: yasn@psu.ruИванов Дмитрий Вячеславович -&nbsp;аспирант кафедры информационных систем и математических методов в экономике, экономический факультет,&nbsp;Пермский государственный национальный исследовательский университет,Адрес: 614990, г. Пермь, ул. Букирева, д. 15.E-mail: idv_1988@mail.ruЛипатова Екатерина Викторовна -&nbsp;студент факультета экономики,&nbsp;Национальный исследовательский университет «Высшая школа экономики» (Пермский филиал)Адрес: 614046, г. Пермь, ул. Студенческая, д. 38.E-mail: Lipatova_katya@mail.ru&nbsp; &nbsp; &nbsp; Предметом исследования является банковская система России. Цель работы - создание математической модели, предназначенной для оценки вероятности банкротств банков по причине отзыва лицензии. Инструмент создания модели - аппарат нейронных сетей, обучаемых на материалах финансовой отчетности Центрального банка Российской федерации. Погрешность тестирования (обобщения) обученной и оптимизированной нейронной сети составила 6,3%. Исследования моделируемой области, - банковской сферы РФ, - выполнены путем проведения виртуальных компьютерных экспериментов, в ходе которых вычисления с помощью нейронной сети производились при изменении одного из пятнадцати входных параметров, характеризующих банки, в то время как остальные параметры сохранялись неизменными. В частности, исследовалось влияние на вероятность банкротства банка коэффициента долгосрочной ликвидности, вида организационно-правовой формы, показателя размера крупных кредитных рисков, места регистрации банка. В результате сделан вывод о том, что повышение коэффициента долгосрочной ликвидности снижает вероятность банкротства банка, однако, начиная с определенного уровня, зависящего от других параметров конкретного банка, повышение данного показателя увеличивает вероятность его банкротства. Существенное влияние на успешность функционирования банка оказывает организационно-правовая форма банка, а также место его регистрации. Однако это влияние неоднозначно и в каждом конкретном случае может проявляться по-разному, в зависимости от множества других параметров банка и его деятельности. Приведен пример применения математической модели для разработки рекомендаций по снижению вероятности банкротства одного из банков.&nbsp;},
	annote = {Ясницкий Леонид Нахимович -&nbsp;доктор технических наук, профессор кафедры информационных технологий в бизнесе, факультет бизнес-информатики, Национальный исследовательский университет «Высшая школа экономики» (Пермский филиал);&nbsp;Председатель Пермского отделения Научного Совета РАН по методологии искусственного интеллектаАдрес: 614046, г. Пермь, ул. Студенческая, д. 38.E-mail: yasn@psu.ruИванов Дмитрий Вячеславович -&nbsp;аспирант кафедры информационных систем и математических методов в экономике, экономический факультет,&nbsp;Пермский государственный национальный исследовательский университет,Адрес: 614990, г. Пермь, ул. Букирева, д. 15.E-mail: idv_1988@mail.ruЛипатова Екатерина Викторовна -&nbsp;студент факультета экономики,&nbsp;Национальный исследовательский университет «Высшая школа экономики» (Пермский филиал)Адрес: 614046, г. Пермь, ул. Студенческая, д. 38.E-mail: Lipatova_katya@mail.ru&nbsp; &nbsp; &nbsp; Предметом исследования является банковская система России. Цель работы - создание математической модели, предназначенной для оценки вероятности банкротств банков по причине отзыва лицензии. Инструмент создания модели - аппарат нейронных сетей, обучаемых на материалах финансовой отчетности Центрального банка Российской федерации. Погрешность тестирования (обобщения) обученной и оптимизированной нейронной сети составила 6,3%. Исследования моделируемой области, - банковской сферы РФ, - выполнены путем проведения виртуальных компьютерных экспериментов, в ходе которых вычисления с помощью нейронной сети производились при изменении одного из пятнадцати входных параметров, характеризующих банки, в то время как остальные параметры сохранялись неизменными. В частности, исследовалось влияние на вероятность банкротства банка коэффициента долгосрочной ликвидности, вида организационно-правовой формы, показателя размера крупных кредитных рисков, места регистрации банка. В результате сделан вывод о том, что повышение коэффициента долгосрочной ликвидности снижает вероятность банкротства банка, однако, начиная с определенного уровня, зависящего от других параметров конкретного банка, повышение данного показателя увеличивает вероятность его банкротства. Существенное влияние на успешность функционирования банка оказывает организационно-правовая форма банка, а также место его регистрации. Однако это влияние неоднозначно и в каждом конкретном случае может проявляться по-разному, в зависимости от множества других параметров банка и его деятельности. Приведен пример применения математической модели для разработки рекомендаций по снижению вероятности банкротства одного из банков.&nbsp;}
}