ПРОГНОЗИРОВАНИЕ ФИНАНСОВОГО СОСТОЯНИЯ ПРЕДПРИЯТИЙ С ПРИМЕНЕНИЕМ МЕТОДОВ НЕЧЕТКОЙ ЛОГИКИ И КЛАСТЕРНОГО АНАЛИЗА

2025

Толық мәтін Ашық қол жеткізу: Gold Метадеректер (CSL-JSON)
DOI 10.54309/ijict.2025.24.4.010
Деректер сенімділігі 70 орташа
Бұл баға қалай есептеледі

Ол жазбаның өзінің тексерілетін белгілерінен құралады: мақаланың DOI-і бар ма, оның деректерін қанша тәуелсіз дереккөз растады, міндетті өрістер толтырылған ба және соңғы растау қаншалықты жаңа. Дереккөздер арасындағы алшақтық пен идентификатордың болмауы бағаны төмендетеді. 80-нен бастап мән жазбаның қосымша тексерусіз жарияланғанын, 60-тан 79-ға дейін — оның сенімділігі төмен күйде жарияланғанын және қолмен тексеру ұсынылатынын білдіреді. Редактор қолмен тексерген жазбаны қайта есептеу 90-нан төмен түсірмейді. Бұл — мақаланың өзіне емес, ол туралы деректерімізге берілген баға.

Аңдатпа

нализ показателей сложно-структурируемых экономических систем, функционирующих в условиях существенной неопределенности, когда отсутствует сколько-нибудь полноценная статистика, или в число исследуемых показателей необходимо включать нефинансовые данные, требует применения особого методологического инструментария анализа финансового состояния. Одним из таких инструментариев, доказавшим свою адекватность решаемым задачам является математический аппарат теории нечеткой логики. Основу аналитического обеспечения любой экономических систем составляет методология финансовой аналитики, как правило включающая инструментарий распознавания и прогнозирования финансовых состояний в условиях различной степени неопределенности. В статье представлена методика анализа финансового состояния предприятия, включающая две последовательно выполняемый процедуры: 1) формирования функций принадлежности и 2) кластеризации в пространстве индикаторов финансовых состояний. Как показали экспериментальные исследования методики, достоверность отнесения к одному из двух кластеров (нормальное и предбанкротного состояния) сравнима с нейросетевыми методами. В тоже время сохраняются преимущества методики, обусловленное привлечением экспертов для составления функций принадлежности – это возможность обеспечения удовлетворительного результата распознавания в условиях противоречивых, неполных данных и различного рода факторах неопределенности.