Скачать 1.65 Mb.
|
Тема 4. Интеллектуальные информационные технологии в финансовом менеджменте 4.1. Финансовая бизнес-аналитика в условиях определенности 4.2. Финансовая бизнес-аналитика в условиях неопределенности 4.3. Интеллектуальный анализ финансовых данных 4.5. Применение нейросетей в финансовой сфере Литература 1. Информационные ресурсы и технологии в экономике: учебное пособие/Под ред. проф. Б.Е. Одинцова, и проф. А.Н. Романова.-М.: Вузовский учебник: ИНФРА-М, 2013. 2. Барсегян А.А. Технология анализа данных: Data Mining, Visual Miving, Text Mining, Olap/.-СПбю: БХВ-Петербург, 2007. 4.1. Финансовая бизнес-аналитика в условиях определенности Конечный продукт работы любого менеджера – это решения и действия. Для поиска решения используются методы бизнес-анализа, предназначенные для выявления потребностей организации и определения путей в достижении целей. Определение путей в достижении целей предприятия предшествует поиску решений, которые могут приниматься в условиях определенности или неопределенности. Принятие решений в условиях определенности. А). Под определенностью понимается ситуация, при которой каждому варианту решения известен вполне определенный набор последствий. Понятие определенности весьма относительное, так как предполагает абстрагирование, то есть отбрасывание или незнание факторов, влияющих на результаты принятия решения. Для расчетов, как правило, применяются известные формулы, а исходные данные считаются достоверными. При этом:
Б). Принятие решений в условиях неопределенности. Такого рода условия можно разделить на две группы: решения в условиях риска и решения в условиях собственно неопределенности. В условиях риска каждый вариант решения характеризуется несколькими ситуациями, которые могут наступить с какой-либо вероятностью и, при этом, известны для каждого варианта набор последствий. Вероятность может быть вычислена, для чего должны быть известны статистические данные. В условиях собственно неопределенности используется нечеткая, неточная, неполная, не формализованная и слабо структурируемой информация. Формальные модели отсутствуют. Рассмотрим бизнес-аналитику в условиях определенности. Цель анализа состоит в определении возможного пути к достижению главной цели функционирования предприятия, ограничиваемого как внешними, так и внутренними обстоятельствами (ресурсные ограничения). Если на предприятии (организации) используется иерархическая структура управления, то базой для поиска путей достижения главной цели служит дерево целей, разрабатываемое по иерархическому принципу. Дерево целей состоит из главной цели («вершина дерева») и подчиненных ей подцелей первого, второго и последующего уровней («ветви дерева»). Цели более высокого уровня всегда носят более широкий характер и имеют более долгосрочный интервал достижения. Цели более низкого уровня выступают своего рода средствами для достижения целей более высокого уровня, так как являются их конкретизацией и детализацией. Детализация целей обычно заканчивается, если терминальную цель можно интерпретировать как средство. На рис. 4.1. приведено дерево целей организации с иерархической системой управления. Рис. 4.1. Дерево целей Дерево целей, дополненное нужной информацией, приобретает статус базы знаний, позволяющей формировать путь к достижению главной цели в два этапа: 1. Выполняют прямые расчеты, для того, чтобы определить фактическое состояние предприятия (каков фактический уровень достижения главной цели). 2. Выполняют обратные вычисления, для того, чтобы узнать, какой путь приемлем для достижения главной цели. Дерево целей преобразуется в базу знаний, если на нем указать следующее: 1. Ограничения на терминальные узлы дерева целей (ограничения на ресурсы). 2. Приоритеты в достижении целей (если нужно). 3. Пути в достижении целей (направления в изменении уровня достижения целей: знак плюс или минус). Рис. 4.2. Этапы формирования решений на основе обратных вычислений Решением задачи является множество значений терминальных узлов дерева целей, которые служат управляющими воздействиями на конкретные структурные подразделения. Разработка системы, предназначенной для формирования решений в условиях определенности, осуществляется в несколько этапов: Этап 1. Содержательная постановка задачи, решаемой в условиях определенности Этап 2. Разработка дерева целей и определение расчетных формул Этап 3. Выбор или вывод формул для обратных вычислений Этап 4. Создание компьютерной модели формирования решений в среде MS Excel Этап 5. Анализ полученных результатов Пример Анализ экономической политики и формирование решений хозяйствующим субъектом в условиях определенности. Этап 1. Содержательная постановка задачи, решаемой в условиях определенности На предприятии в течение нескольких последних лет наблюдается снижение рентабельности оборотных активов. Для изменения наметившейся тенденции руководство предприятия приняло решение о разработке мер, выполнение которых позволит поэтапно повысить рентабельность оборотных активов до требуемого уровня. В будущем периоде принято решение о целесообразности повышения рентабельности за счет: - увеличения прибыли, - снижения средней стоимости остатков оборотных активов, - увеличения выручки от реализации товаров (продукции, работ, услуг), - снижения затрат на производство и реализацию продукции, - увеличения объемов реализованной продукции. Для этого необходимо определить величину, на которую следует: - увеличить прибыль, - снизить среднюю стоимость остатков оборотных активов, - увеличить выручку от реализации товаров (продукции, работ, услуг), - снизить затраты на производство и реализацию продукции, - увеличить объемы реализованной продукции. Задача заключается в определении величины приращений перечисленных показателей с помощью обратных вычислений без указания приоритетности целей. Решением задачи должно быть множество полученных значений терминальных узлов дерева, которые служат управляющими воздействиями для конкретных структурных подразделений. Управляющие воздействия должны быть оформлены в виде таблицы. Этап 2. Разработка дерева целей и определение расчетных формул. Для решения задачи можно воспользоваться следующими расчетными формулами: (1) (2) (3) где: Роа - рентабельность оборотных активов; П - прибыль отчетного периода; О – средняя стоимость остатков материальных оборотных средств (материалов); В – выручка от реализации товаров (продукции, работ, услуг); З – затраты на производство и реализацию продукции; К – объем реализованной продукции; Ц – цены, по которым происходит реализация продукции. Дерево целей, согласно которому происходят расчеты, представлено на рис. 4.3. Рис. 4.3. Пути в достижении цели «Повышение уровня рентабельности оборотных активов» Рассчитаем фактическое значение рентабельности при значениях К=60 ед., Ц=3 ед., З=160 ед., О=142,85 ед. Результаты расчета представлены на рис. 2. Рассчитаем фактическое значение рентабельности при значениях К=60 ед., Ц=3 ед., З=160 ед., О=142,85 ед. Для этого создадим таблицу, структура которой представлена на рис. 4.4.
Рис.4.4. Прямой расчет показателя фактической рентабельности В результате будет получена рентабельность, равная 0,14. Допустим, необходимо определить такие приращения значений показателей К, З, О, которые позволят повысить рентабельность на 0,06. Этап 3. Определение формул для обратных вычислений Для определения мероприятий, которые следует осуществить в целях повышения рентабельности оборотных активов, необходимо выполнить обратные вычисления. Расчеты следует проводить для каждого уровня дерева целей. В случае равнозначности целей задача обратных точечных вычислений упрощается и сводится к решению уравнений с одним неизвестным. Им служит единый коэффициент, на который следует либо умножить, либо разделить исходные значения аргументов, чтобы получить желаемый прирост функции. Алгоритм расчетов для уровня рентабельности:
(5)
(6)
(7) Последовательность расчетов для уровня прибыли:
(9)
(10)
(11) Последовательность расчетов для уровня выручки:
(13) Этап 4. Технологический процесс построения системы формирования решений в среде MS Excel Для определения приращений создадим таблицу, структура которой представлена на рис. 4.5, теми же операциями, что и предыдущую таблицу. Исключение составляют ячейки D4, D10, куда вводятся желаемые значения для рентабельности и цены продаж. Рис. 4.5. Таблица для обратных вычислений
В ячейки D5-D9 и E5-E9 введем формулы для расчета приращений соответствующих показателей. Кажем формулы в таблице (см. рис И4) следующим образом: в ячейки D5, D6 заносятся формулы (5); D7, D8 – формулы (9), D9 – формула (12), E5, E6 – формулы (7), E7, E8 – формула (11), E9 – формула (13). В случае надобности результаты формирования решений могут отражаться в виде табл. 4.1 (добавляется еще одна графа «Наименование структурных подразделений»). Рис. 4.6. Обратные вычисления Этап 5. Анализ полученных результатов В результате расчетов получены управляющие воздействия на структурные подразделения, выполнение которых позволит достичь необходимого уровня рентабельности оборотных активов. Этап 6. В отчете должны быть представлены пункты, указанные в табл. 1с демонстрацией важных результатов с помощью скриншотов. Объем отчета не должен превышать 3-5 стр. Таблица 4.1 Управляющие предписания руководителям структурных подразделений
4.2. Финансовая бизнес-аналитика в условиях неопределенности Условия неопределенности возникают тогда, когда решения базируются на неточной, нечеткой, неполной или слабо структурируемой информации. Формальные модели либо отсутствуют, либо сложны. Вероятности наступления событий не определяются, формулы для вычислений не известны. Количество факторов, потенциально оказывающих влияние на то или иное решение, может исчисляться десятками. Для преодоления такого рода трудностей создаются интеллектуальные технологии (Intellectual information technology). Такого рода технологии используются в том случае, если необходимо решать плохо структурированные задачи, отличающиеся нечеткими характеристиками. С их помощью данные превращаются в информацию, а информация - в знания. Под интеллектуальными системами понимают любую искусственно созданную формальную систему, предназначенную для решения задач на основе выполнения следующих базовых функций:
В качестве ядра интеллектуальных систем рассматривают базу знаний, создаваемой на основе методов инженерии знаний, научного направления предназначенного для изучения моделей и методов извлечения и формализации (представления) знаний эксперта (человека), необходимых для использования в практике управления. Интеллектуальные технологии частично соответствую приведенному выше определению интеллектуальных систем. Наибольшую популярность приобрел интеллектуальный анализ данных (BI-технологии: Business Intelligence). BI – это набор методологий, процессов, архитектур и технологий для переработки первичных данных в значимую и полезную информацию, используемую для управления бизнес-процессами и принятия обоснованных решений на стратегическом, тактическом и тактическом уровнях. В классе BI наиболее популярными являются следующие технологии:
Рассмотрим технологию бизнес-анализа в условиях неопределенности, когда используется нечеткая, неточная, неполная, не формализованная и слабо структурируемая информация. Формальные модели либо отсутствуют, либо сложны. Бизнес-аналитик в этом случае выполняет следующие этапы: Этап 1. Содержательная постановка задачи, решаемой в условиях неопределенности Этап 2. Описание входных и выходных переменных с помощью функций принадлежности Этап 3. Формирование базы правил для нечеткого вывода Этап 4. Разработка технологического процесса для построения экспертной системы формирования решений интеллектуальными средствами. Этап 5. Анализ полученных результатов Этапы выполнения финансовой бизнес-аналитики в условиях неопределенности на базе интеллектуальной информационной технологии рассмотрим на базе ППП Fuzzy Logic Toolbox. Создадим экспертную систему “Проект”. Этап 1. Общая характеристика задачи, решаемой в условиях неопределенности Известно, что значительная доля проектов в области инвестиций в информационные системы управления (ИСУ) являются неудачными, поскольку не соответствуют целям, бюджету или срокам: в среднем в мире этот показатель превышает 50%, а в государственном секторе 70%. Во многом такие проблемы связаны с недостаточно полным и качественным рассмотрением сопутствующих рисков. Поэтому на заключительном этапе анализа инвестиций необходимо определять уровни риска, соответствующие различным вариантам реализации проекта. Существуют различные подходы к оценке рисков. С позиции современного подхода к описанию бизнес-процессов, в которых присутствует неопределенность, особый интерес представляет теория нечеткой логики (Fuzzy Logic). Применение современного программного обеспечения, каким является система MATLAB, включающая пакет нечеткой логики Fuzzy Logic Toolbox, позволяет более точно по сравнению с другими методиками определить уровень риска и значительно сокращает время на соответствующие расчеты. Присвоим задаче наименование «Проект». Для того чтобы оценить вероятность принятия инвестиционного проекта по разработке и внедрению интеллектуальной системы (ИС) необходимо определить переменные, включаемые в математическую модель, и их терм-множества значений. Входные лингвистические переменные – показатели экономической эффективности инвестиционного проекта, которые являются основой для принятия инвестиционного решения:
Первая лингвистическая переменная «NPV» оценивается термами, принимающими значения: • низкий (от 0 до 500); • средний (от 300 до 700); • высокий (от 550 и выше). Вторая лингвистическая переменная «IRR» оценивается термами, принимающими значения: • низкий (от 0 до 12,5); • средний (от 7 до 18); • высокий (от 17 до 25). Третья лингвистическая переменная «PB» оценивается термом, принимающим логическое значение да (для проектов со сроком окупаемости менее 5 лет). Четвертая лингвистическая переменная «ARR» оценивается термом, принимающим логическое значение да (для проектов с учетной нормой рентабельности более 20%). Пятая лингвистическая переменная «PI» оценивается термами, принимающими значения: • низкий (от 0 до 0,3); • средний (от 0,2 до 3); • высокий (от 1 до 10). Выходная лингвистическая переменная «Результат» – вероятность эффективной реализации проекта, определяется в процентах и может характеризоваться следующими термами: • низкий (от 0 до 20); • средний (от 15 до 55); • высокий (от 50 до 100). Необходимо оценить уровень риска инвестиций в ИСУ при нечетких исходных данных, характеризующих эффективность инвестиционного проекта – NPV, IRR, PB, ARR, PI. Этап 2. Описание входных и выходных переменных с помощью функций принадлежности Функции принадлежности, отражающие знания об оцениваемых факторах экспертной системы «Проект», представлены на рис. 4.7 – 4.12. Рис. 4.7. Чистая приведенная стоимость Рис. 4.8. Внутренняя норма доходности Рис. 4.9. Срок окупаемости Рис. 4.10. Учетная норма рентабельности Рис. 4.11. Индекс рентабельности инвестиций Рис. 4.12. Вероятность эффективной реализации проекта Этап 3. Формирование базы правил систем нечеткого вывода База правил систем нечеткого вывода предназначена для формального представления эмпирических знаний или знаний экспертов в той или иной проблемной области. База правил систем нечеткого вывода “Проект” представлена в табл. 4.3 Таблица 4.3 . Правила систем нечеткого вывода
Этап 4. Технология построения экспертной системы «Проект» средствами Fuzzy Logic Toolbox 1. Запуск FIS-редактора. Для запуска редактора нечеткой системы вывода (Fuzzy Inference System Editor – FIS Editor) сначала необходимо выполнить команду Пуск/Все программы/MATLAB R2011b, а затем в появившемся рабочем окне программы MATLAB R2011b (рис. 24) набрать fuzzy и нажать клавишу ENTER. Общий вид FIS-редактора представлен на рис. 25. Главное меню редактора содержит три вкладыша. 2. Указание количества входов и выходов. Начальное состояние системы характеризуется наличием одного входа и одного выхода. Так как в системе «Проект» пять входов («NPV», «IRR», «PB», «ARR» и «PI») и один выход («Вероятность принятия проекта»), необходимо через пункт меню Edit/Add variable/input последовательно добавить еще четыре входа. 3. Идентификация входов и выходов. Для идентификации входов и выходов используется редактор функций принадлежности Membership Function Editor. 4. Сохранение полученного результата. Для сохранения полученного результата воспользуйтесь именем «INV». Сохранение приложения можно выполнить через следующие пункты меню: File/Export/to File/INV). 5. Вызов окна для задания функций принадлежности. Программу-редактор функций принадлежности Membership Function Editor можно открыть двумя способами: 1) Edit/Membership Functions; 2) двойным щелчком левой кнопки мыши по соответствующему входу. 6. Задание функций принадлежности. Для переменных, относящихся к непрерывному виду данных, функцию принадлежности удобнее для наглядности изобразить графически. Наиболее распространенные функции принадлежности, используемые для отражения нечетких знаний, приведены в Приложении 8. Самые популярные кусочно-линейные функции принадлежности: треугольная (trimf) и трапециевидная (trapmf). 7. Редактирование функции принадлежности. Для редактирования функции принадлежности в окне Membership Functions Editor в поле Rang Display Rang необходимо установить диапазон изменения переменной «NPV» от 0 до 500, подтвердив ввод нажатием клавиши Enter или щелчком мыши в любом месте экрана. Выделим первый терм (получив красный цвет) в поле Name, укажем его значение «низкий» и передвинем кривую таким образом, чтобы она соответствовала нужным значениям. С помощью поля Params (параметры) можно подогнать график более точно). На рис. показано, что чистая приведенная стоимость оценивается двумя видами функций: для значения низкое – трапециевидной, среднее – треугольной и высокое – трапециевидной. Функции принадлежности входной переменной “Чистая приведенная стоимость” Аналогично осуществляется редактирование функций принадлежности входных переменных «IRR», «PB», «ARR», «PI», и выходной переменной «Результат». Итоги данной операции представлены ниже. 9. Применение системы нечеткого вывода для формирования решения. Для этого необходимо открыть окно просмотра правил нечеткого вывода View/Rules и установить исходные значения переменных. Пример оценки эффективности проекта по алгоритму Мамдани представлен на рис. 35. В центральной части расположены прямоугольники, соответствующие отдельным входным переменным правил вывода. Создание и редактирование базы правил Каждому правилу соответствует отдельная строка из этих прямоугольников. В нижней части расположен прямоугольник, отображающий результат дефаззификации выходной переменной после аккумулирования всех заключений правил нечеткого вывода. Итоги работы системы нечеткого вывода Этап 5. Анализ полученных результатов Как видно из рис. 35, при значениях входных переменных: NPV = 500, IRR = 12,5, PB = 2,5, ARR = 50, PI = 5 вероятность принятия проекта равна 63,2%. В данном случае, очевидно, что вероятность эффективной реализации проекта достаточно высока. Изменить текущие исходные данные можно, сдвигая вертикальные красные линии в соответствии с изменившейся ситуацией в левой части окна Rule Viewer. В меню Options (Сервис) содержатся следующие операции: Format – выбор формата записи правил (Verbose – в форме текста, Symbolic – в символической форме, Indexed – в цифровой форме). В правой части указывается результат нечеткого вывода. Если требуется графическое представление зависимости результата от исходных переменных, то его можно увидеть, воспользовавшись пунктом меню View/Surface (просмотр поверхности системы нечеткого вывода). 4.3. Интеллектуальный анализ финансовых данных В отличие от оперативного уровня управления, обслуживаемого с помощью OLTP-технологий и отвечающих на вопросы типа «Что произошло?» и «Когда и где это произошло?», средства аналитической обработки в режиме реального времени (OLAP) используются для ответа на вопросы: «Почему это произошло?», а также для выполнения анализа по сценарию «Что, если…?». Инструменты OLAP позволяют пользователю получать оперативно отчеты в нужных разрезах не заботясь о тонкостях доступа к хранилищам данных. В отличие от них технологии из класса интеллектуальных (BI) позволяют определить закономерность какого либо процесса (например закономерности в отказе клиентов от услуг предприятия). Другим примером интеллектуальной задачи может служить следующее: для принятия решения на уровне предприятия важно знать существует ли связь между миграцией населения в конкретном регионе, продажами некоторого товара и ценами на дизельное топливо. Необходимо подтвердить, либо опровергнуть данную связь. Причем достоверная статистика может отсутствовать. Информация, как правило, поступает в виде текстов сообщений из газет, журналов, бюллетеней, из сети Интернет и т.д. Какие группы клиентов откликнутся на рекламную акцию, а какие безвозвратно уйдут к конкурентам? Открывать новую бизнес-линию или пока повременить? Не просрочит ли покупатель платеж, а поставщик - отгрузку? Каковы возможности для роста и где скрываются потенциальные угрозы? Подобные вопросы ежедневно задают себе и коллегам тысячи менеджеров. Но при использовании классических инструментов анализируемые показатели и взаимосвязи должны быть определены заранее а обычные отчеты не рассчитаны на поиск неочевидных правил и на извлечение неизвестных закономерностей — то есть на генерацию новых знаний. DM-технологии предназначены для поиск закономерностей и связей между различного рода объектами и процессами. (явлениями). Разницу между OLTP и OLAP–технологиями, а также возможностями Data Mining можно продемонстрировать с помощью решения следующей проблемы:
С помощью инструментов Data Mining Ассоциация можно выявить закономерности между связанными событиями. Примером такой закономерности служит правило, указывающее, что из события X следует событие Y. Такие правила называются ассоциативными. Впервые эта задача была предложена для нахождения типичных шаблонов покупок, совершаемых в супермаркетах, поэтому иногда ее еще называют анализом Описываемая функциональность реализована в варианте прикладного решения "1С:Консолидация 8 ПРОФ". |
Рабочая программа по дисциплине “алгоритмизация и программирование”... Алгоритмизация и программирование” составлена в соответствии с требованиями Государственного общеобразовательного стандарта высшего... | Методическое пособие по выполнению, оформлению и защите курсовых... Методическое пособие предназначено для бакалавриата Кубанского государственного аграрного университета по специальности 230400. 62... | ||
Рабочая программа для студентов очной формы обучения, направление... И. Математическая логика и теория алгоритмов. Учебно-методический комплекс. Рабочая программа для студентов очной формы обучения,... | Рабочая программа по дисциплине «Мировые информационные ресурсы и... Рабочая программа составлена на основании Государственного образовательного стандарта впо по специальности 230201 – Информационные... | ||
Программа по дисциплине «Распределенные информационные системы» Учебная программа по дисциплине «Распределенные информационные системы» составлена в соответствии с требованиями гос впо. Предназначена... | Программа по формированию навыков безопасного поведения на дорогах... Приоритетными объектами изучения информатики в старшей школе являются информационные системы, преимущественно автоматизированные... | ||
Министерство образования и науки государственное образовательное учреждение Тонов м. Л. Алгебра и геометрия. Учебно-методический комплекс. Рабочая программа для студентов очной формы обучения по направлению... | Методические рекомендации дисциплины в. 2 Информационные системы... Целями и задачами освоения дисциплины (модуля) в. 2 Информационные системы и технологии в экономике являются | ||
Пояснительная записка: Цели и задачи дисциплины. Дисциплина «Языки программирования» Ступников А. А. Языки программирования. Учебно-методический комплекс. Рабочая программа для студентов очной формы обучения, направления... | Рабочая программа составлена на основании требований: Федерального... Плана учебного процесса бгту им. В. Г. Шухова по направлению подготовки 230201 «Информационные системы и технологии», введенного... | ||
“информационные системы технологии” По дисциплине «Информационные технологии в сфере физической культуры» для студентов 3 курса, института спорта и физического воспитания,... | “информационные системы технологии” По дисциплине «Информационные технологии в сфере физической культуры» для студентов 4 курса института спорта и физического воспитания,... | ||
Методические указания для студентов-магистрантов дневной формы обучения... Методическая разработка предназначена для студентов- магистрантов направлений 230400. 68 «Информационные системы и технологии» и230100.... | Рабочая программа по направлению 230400 «Информационные системы и технологии» Рабочая программа составлена доцентом А. В. Жаровым на основании Федерального государственного образовательного стандарта высшего... | ||
Рабочая программа по дисциплине «Архитектура ЭВМ и систем» для специальности... Рабочая программа составлена на основании Государственного образовательного стандарта по специальности 230201 – «Информационные системы... | Методическое пособие по выполнению, оформлению и защите курсовых... Методическое пособие предназначено для учащихся бакалавриата Кубанского государственного аграрного университета по специальности... |