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

2025

Полный текст Открытый доступ: Gold Метаданные (CSL-JSON)
DOI 10.54309/ijict.2025.24.4.010
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

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.