Прогнозування дефолту підприємств із застосуванням алгоритму нечіткого логічного висновку Сугено

Yuriy Victorovych Kleban


Анотація


У статті описано методологічний підхід та експеримент з оцінки неплатоспроможності компаній на базі нечіткого логічного висновку за алгоритмом Сугено. До початку прикладного експерименту опрацьовано результати наукових досліджень відповідно до обраної тематики. Розглянуті роботи підтвердили судження про можливість та змістовність використання адаптивної нечіткої нейронної мережі на базі алгоритму Сугено для діагностики дефолту та неплатоспроможності підприємств. Також у роботі описано зміст, математичний апарат нечіткої логіки та алгоритму виведення Сугено, який став основою методологічного підходу до прогнозування несплати кредиту юридичними особами. Порівняльний аналіз точності моделей з різним обсягом вибірки, а також з проведенням оптимізації моделі показав, що навчання суттєво підвищує точність розробленої моделі. Результати проведеного дослідження підтвердили досить високу точність створеної моделі, а також можливість використання обраного підходу на основі нечіткої логіки до моделювання та прогнозування дефолту юридичних осіб, що може бути використано банківськими установами у своїй діяльності. 


Ключові слова


неплатоспроможність; кредитоспроможність; прогнозування банкрутства; нечітка логіка; нечіткий логічний висновок Сугено; адаптивна нейро-нечітка модель

Повний текст:

PDF

Посилання


Odom, M. D., Sharda, R. (1990). A neural network model for bankruptcy prediction. IJCNN International Joint Conference on Neural Networks.

Matviychuk, A. (2010). Modeling financial stability of enterprises using the theories of fuzzy logic, neural networks and discriminant analysis. Bulletin of the NAS of Ukraine, 9, 24-46.

Ravi, P. Kumar & Ravi, V. (2007). Bankruptcy prediction in banks and firms via statistical and intelligent techniques – A review, European Journal of Operational Research, 1-28

Nidhi, Arora, Jatinder, Kumar R. Saini. (2014). Bankruptcy prediction of financially distressed companies using independent component analysis and fuzzy support vector machines. International Journal of Research in Computer and Communication Technology, 3(8).

Olson, David L., Dursun Delen, Yanyan Meng (2012). Comparative analysis of data mining methods for bankruptcy prediction. Decision Support Systems.

Vlachos, D., and Tolias, Y. A. (2003). Neuro-Fuzzy Modeling in Bankruptcy Prediction. The Yugoslav Journal of Operations, 165-174.

Boussabaine, A. H. and Wanous, M. (2000) A Neurofuzzy Model for Predicting Business Bankruptcy. Business Applications of Neural Networks, 55-72.

Goletsis, Y., C. Papaloukas, Exarhos, Th. and Katsis, C. D. (2009). Bankruptcy Prediction through Artificial Intelligence. Encyclopedia of Information Science and Technology, Second Edition. IGI Global, 308-314.

Zanganeh, Tayebeh, Rabiee, Meysam and Zarei, Masoud (2011). Applying Adaptive Neuro-Fuzzy Model for Bankruptcy Prediction. International Journal of Computer Applications, 20 (3), 15-21.

Takagi, T., Sugeno, M. (1985). Fuzzy identification of systems and its applications to modeling and control. Systems, Man and Cybernetics, IEEE Transactions, SMC-15(1), 116-132.

Matviychuk, A. (2011). Artificial intelligence in economics: neural networks, fuzzy logic. Кyiv: KNEU.

Shtovba, S. (2007). Design of fuzzy systems by means of Matlab. Мoskow: Garachaya linia – Telekom.

Leonenkov, A. (2005). Fuzzy modeling in Matlab and fuzzyTECH. – Spb. : BHV-Peterburg.

Wang, L. -X. ; Mendel, J. M. (1992). Back-propagation fuzzy system as nonlinear dynamic system identifiers. Fuzzy Systems, IEEE International Conference, 1409, 1418,

Zadeh L. Fuzzy Sets (1965). Information and Control, 8, 338–353.


Метрики статей

Завантаження метрик ...

Metrics powered by PLOS ALM

Посилання

  • Поки немає зовнішніх посилань.




##submission.copyrightStatement##



Статті поширюються на умовах ліцензії Creative Commons Attribution  International 4.0 (CC-BY-NC 4.0) .

 

Збірник наукових праць "Економічний аналіз"

ISSN 1993-0259 (Print)  ISSN 2219-4649 (Online) DOI: 10.35774/econa

 

© Західноукраїнський національний університет

© «Економічний аналіз», 2007-2021