Все
 
 
 


Логико-лингвистический метод оценки риска специализированного кредитования (на примере проектного финансирования)
 
Код статьиS042473880020291-9-1
DOI10.31857/S042473880020295-3
Тип публикации Статья
Статус публикации Опубликовано
Авторы
Красавцева Анна Радомировна 
Должность: Начальник управления кредитных рисков
Аффилиация: АО АБ РОССИЯ
Адрес: Российская Федерация, Санкт-Петербург
Городецкий Андрей Емельянович
Должность: Главный научный сотрудник
Аффилиация: Институт проблем машиноведения РАН
Адрес: Российская Федерация
Название журналаЭкономика и математические методы
ВыпускТом 58 Номер 4
Страницы83-91
Аннотация

Оценка рисков кредитования связана с неопределенностью влияния множества факторов, которые не поддаются точным математическим описаниям. Это порождает ситуации, снижающие вероятность успешности, в том числе специализированного кредитования. Среди методов оценки риска, пригодных для оценки риска кредитования, можно выделить сценарный подход, использующий методы теории нечетких множеств для вычисления значений функций принадлежности. Однако проблема ранжирование сценариев реализации проекта, по которому запрашивается кредит, недостаточно изучена. Несмотря на существующие технические сложности учета факторов риска, ранжирование рисков реализации проектов может осуществляться путем сопоставления с эталонными из базы данных на основе логико-лингвистического метода классификации. Разработаны новые методы оценки рисков кредитования на основе логико-лингвистической классификации проектов специализированного кредитования и алгоритмов вычисления оценки риска кредитования анализируемого проекта с нахождением его рейтинга. Определение проекта строится на основе понятий «проектное финансирование» класса специализированного кредитования. Для этого были использованы методы: назначение весовых коэффициентов для всех подклассов кредитных требований и степеней рисков для всех значений типов критериев; введение таблицы величин оценки риска или уровня кредитоспособности проекта; формирование базы данных эталонных строк атрибутов для всех классов проектов и строк атрибутов проекта; отнесение проекта к одному из эталонных с помощью логико-лингвистической классификации; присвоение проекту значений степеней рисков для всех значений типов критериев (атрибутов) выбранного эталонного проекта; вычисление оценки риска кредитования проекта и определение рейтинга проекта для принятие решения. В результате на базе предложенного метода оценки риска был разработан алгоритм вычисления оценки риска кредитования проекта с определением его рейтинга, позволяющий повысить достоверность и скорость оценки проектов, подлежащих кредитованию. Результаты исследований могут быть использованы при разработке компьютерной программы, позволяющей ускорить анализ риска кредитования проектов.

Ключевые словаспециализированное кредитование, оценка риска, проектное финансирование, уровень кредитоспособности, весовые коэффициенты, коэффициенты значимости, эталоны, логико-лингвистическая классификация, рейтинг, принятие решения
Источник финансированияРабота выполнена в рамках государственного задания Министерства науки и высшего образования Российской Федерации (тема № 121112500304-4).
Получено22.05.2022
Дата публикации07.12.2022
Кол-во символов35754
Цитировать  
100 руб.
При оформлении подписки на статью или выпуск пользователь получает возможность скачать PDF, оценить публикацию и связаться с автором. Для оформления подписки требуется авторизация.

Оператором распространения коммерческих препринтов является ООО «Интеграция: ОН»

Всего подписок: 0, всего просмотров: 294

Оценка читателей: голосов 0 

1. Анфилатов В. С., Емельянов А. А., Кукушкин А. А. (2019). Системный анализ в управлении. Под ред. А. А. Емельянова.М.: Финансы и статистика.
2. Борисова О. В., Малых Н. И., Овешникова Л. В. (2018). Инвестиции. Т. 1. М.: Юрайт.
3. Бояркин Г. Н., Шевелева О. Г., Ткаченко А. Л. (2017). Выбор объекта инвестирования с помощью аналитических методов оценки риска // Конкурентоспособность в глобальном мире: экономика, наука, технологии. № 9–2 (56). С. 23– 27.
4. Ведмедь И. Ю. (2017). Анализ количественных методов оценки рисков инвестиционных проектов. В сб.: «Вероятностные математические модели экономических процессов». XII конференция «Российские регионы в фокусе перемен» 16–18 ноября 2017 г. Екатеринбург. С. 52–61.
5. Волков И. М., Грачева М. В. (1998). Проектный анализ. М.: Банки и биржи, ЮНИТИ.
6. Гареев А. З. (2016). Риски при реализации инвестиционных проектов // Инновационная наука. № 10 (1). С. 30– 33.
7. Городецкий А. Е., Тарасова И. Л. (2010). Нечеткое математическое моделирование плохо формализуемых процессов и систем. СПб.: Изд-во Политехнического университета.
8. Ефремова Е. А., Прядкина В. А. (2014). Применение метода Монте-Карло для оценки инвестиционных проектов. В сб.: «Научное сообщество студентов XXI столетия. Экономические науки: сб. ст. по материалам XXVII Студ. Междунар. науч. — практ. конф.». № 12 (27). С. 237–244.
9. Жегалкин И. И. (1928). Арифметизация символической логики // Математический сборник. Т. 35. Вып. 3–4. С. 335.
10. Заде Л. А. (1976). Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: МИР.
11. Королькова Е. М. (2013). Риск-менеджмент: управление проектными рисками // Тамбов: ФГБОУ ВПО «ТГТУ».
12. Кулик Ю. А., Волович В. Н., Привалов Н. Г., Козловский А. Н. (2012). Классификация и качественная оценка рисков инновационных проектов // Записки Горного института. Т. 197. С. 124–125.
13. Миркин Б. Г. (1974). Проблема группового выбора. М.: Наука.
14. Москвин В. А. (2016). Риски инвестиционных проектов. М.: Курс, ИНФРА-М.
15. Найт Ф. Х. (2003). Риск, неопределенность и прибыль. Пер. с англ. М. Я. Каждан. М.: Дело.
16. Попова А. Ю. (2006). Оценка риска инвестиционного проекта // Научный журнал КубГАУ. № 19. С. 1–26.
17. Решетняк Е. И. (2017). Методы оценки инвестиционных рисков в бизнес-планировании // Бiзнес Iнформ. № 12. С. 189–194.
18. Сазонов А. А., Сазонова М. В. (2016). Применение метода Монте-Карло для моделирования экономических рисков в проектах // Наука и современность. № 43. С. 228–232.
19. Соложенцев Е. Д. (2009). Управление риском и эффективностью в экономике: логико-вероятностный подход. СПб.: Изд-во СПбГУ. 242 c.
20. Степаненко Н. В., Харитонов С. В. (2017). Применение возможностей Microsoft Excel в моделировании рисков инвестиционных проектов // Прикладная информатика. Т. 12. № 1 (67). С. 137–142.
21. Ткаченко А. Л., Шевелева О. Г. (2019). Оценка рисков в инвестиционном проектировании // Омский научный вестник. Сер. Общество. История. Современность. Т. 4. № 2. С. 140–145.
22. Цамутали С. А. (2013). Оценка рисков реальных инвестиций // Экономика. Налоги. Право. № 4. С. 32–37.
23. Штеле Е. А., Гусева М. А., Руди Л. А. (2016). Методика оценки эффективности инвестиционных проектов с учетом рисков // Вестник СибАДИ. № 6 (52). С. 135–140.
24. Gorodetskiy A. E., Tarasova I. L., Kurbanov V. G. (2021). Classification of images in decision making in the central nervous system of SEMS. In: Smart electromechanical systems, studies in systems. Book series “Decision and Control”, 352, 187–196. DOI: 10.1007/978-3-030-68172-2-15
25. Gorodetskiy A. E., Tarasova I. L., Kurbanov V. G. (2022). Assessment of UAV intelligence based on the results of computer modeling. In: Smart electromechanical systems, studies in systems. Book series “Decision and Control”, 419, 105–116. DOI: 10.1007/978-3-030-97004-8_8
26. Gorodetskiy A. E., Tarasova I. L. (2022). Modeling of systems of logical-linguistic classification of images. Smart electromechanical systems. In: Smart electromechanical systems, studies in systems. Book series “Decision and Control”, 419, 95–103. DOI: 10.1007/978-3-030-97004-8_7
27. Zadeh L. A. (1965). Fuzzy sets. Inform. Contr, 8, 338–353.

Система Orphus

Загрузка...
Вверх