Модель оценки кредитоспособности физического лица на основе нечётких множеств Текст научной статьи по специальности «Экономика и бизнес»

Следует иметь ввиду, что временные рамки, на которые производится расчет необходимо уравнять со сроком окупаемости проекта.

Кроме этого при расчетах следует так же учитывать отраслевую рентабельность и дисконтирование денежных потоков.

В заключении следует отметить, что вопрос оценки эффективности налоговых преференций

не является однозначным, особенно с точки зрения государства. Налогоплательщик имеет налоговую выгоду в количественном выражении в части снижения налоговых обязательств. Двойственная позиция государства заключается, с одной стороны, в привлечении в регионы инвестиций, с другой стороны, в условиях финансового кризиса возможно снижение поступлений в доходную часть бюджета.

СПИСОК ЛИТЕРАТУРЫ

1. Налоговый словарь. М.: Налог-ИНФО, 2004.

2. Малько А.В. "Стимулы и ограничения в праве". М.: Юрист, 2003.

3. Портер Майкл "Конкурентная стратегия". М.: Альпина, 2006.

4. Шмакова Н.В. "К вопросу об оценке эффективности налоговых преференций". Журнал "Налоги и налогообложение" № 6, 2007.

5. Ильин А.В. Российское взаимосвязанное налогообложение: проблемы функционирования и перспективы развития / Екатеринбург "Налоги и финансовое право", 2004.

6. Гусева Т. А. "Зависимость налоговых преференций от наличия госрегистрации юридического лица". Журнал "Налоговые споры: теория и практика" № 7, 2006.

7. www.rosbaltvolga.ru/2007/07/26/325426.html.

Лукашевич Н.С.

модель оценки кредитоспособности физического лица на основе теории нечетких множеств

Статья является продолжением исследования [3], в котором обоснована необходимость применения в потребительском кредитовании инновационных моделей оценки кредитоспособности физических лиц, отмечена проблема отсутствия алгоритмов проектирования подобных моделей. Результатом исследования стал алгоритм проектирования и моделей оценки кредитоспособности физических лиц.

Целью настоящей статьи является разработка модели оценки кредитоспособности физического лица. Модель оценки кредитоспособности в общем виде можно представить следующим образом

< 10 I, Ф, А); К (I); Т >, где 1д - кредитный рейтинг, интегральный показатель кредитоспособности заемщика; О - набор факторов кредитоспособности заемщика; Ь - набор оценок каждого фактора из набора О; Ф - набор весов, задающих значимость каждого фактора из набора О; А - подход (метод), заложенный в основу расчета 1д; К - модель определения условий кредитования на базе 1д; Т- налагаемые модельные ограничения.

В качестве метода построению модели выбрана теория нечетких множеств. В исследова-

нии [3] рассмотрены четыре группы методов, которые могут стать основой моделей оценки кредитоспособности. Для разработки модели на базе статистических методов необходима историческая выборка данных, к которой предъявляется жесткие требования однородности, достаточного размера и неизменности силы влияния значимых факторов в выборке на некотором временном интервале. Нейронные сети, способные к адаптации, запоминанию и моделированию поведения сложных, многосвязных и нелинейных систем, обладают недостатком, связанным с отсутствием строгих обоснований выбора структуры нейронной сети и алгоритма обучения и практической невозможностью извлечения приобретенных ею знаний [2]. Ограниченность методов на базе экспертных оценок в том, что в них присутствует субъективный элемент и возможность ошибочного суждения. У нечетко - множественных описаний есть главный недостаток, заключающийся в том, что параметры функций принадлежности и их вид, выбираются субъективно. В контексте решаемой задачи определяющими являются такие сильные стороны данного подхода как: возможность описания условий и решения задач на языке, близком

Второй уровень Первый уровень Нулевой уровень

Рис. 1. Взаимосвязь кредитного рейтинга и частных показателей

ределить метрику в пространстве ранжирования. В качестве метрики принимается расстояние Евклида [1].

Построение нечетко - множественного классификатора

Базовые формализмы теории нечетких множеств, необходимые для изложения результатов исследования, представлены в [4, 5]. Для произ-

вистическую переменную В = {"уровень фактора

V

X" на нижеследующем терм-множестве значений: В1 ^ - подмножество "низкий уровень фактора

X"; В2.. - подмножество "средний уровень фактора

и и

X.В3.. - подмножество "высокий уровень фактора X". Далее необходимо каждому значению лингвистической переменной, которое, по своему построению, является нечетким подмножеством значений интервала [а.., Ъ ] - области значений

вольного фактора второго уровня X задаем линг- фактораX., сопоставить функцию принадлежнос-

^Научно-технические ведомости СПбГПУ 6' 2008. Экономические науки

Рис. 2. Последовательность определения кредитного рейтинга заемщика

СПИСОК ЛИТЕРАТУРЫ

1. Ахрамейко А. А., Железко Б. А., Ксеневич Д.В.

Построение рейтинга банков с использованием методики расчета многоуровнего агрегированного показателя банка. www.sedok.narod.ru/sc_group.html.

2. Дуболазов В. А., Павлов Н. В. Принятие управленческих решений в маркетинге с помощью компьютерных средств. СПб.: Изд-во Политехн. ун-та, 2005. 210 с.

3. Лукашевич Н. С. Разработка моделей оценки кредитоспособности заемщиков - физических лиц / Н. С. Лукашевич // Научно-технические ведомости СПбГТУ СПб., 2006. № 5, Т. 2: Экономические и гу-

манитарные науки. С. 269-273.

4. Heдoсeкин А. О., Фpoлoв С.Н. Лингвистический анализ гистограмм экономических факторов. www. sedok.narod.ru/s_files/2003/Art_040703.doc.

5. Heдoсeкин А.О. Комплексная оценка риска банкротства корпорации на основе нечетких описаний. www.sedok.narod.ru/sc_group.html.

6. Cole R.H. Consumer and Commercial Credit Management, Boston: Irwin, 1988. 468 p.

7. Yager R. Families of OWA Operators // Fuzzy Sets and Systems, 59, 1993.