РАЗДЕЛ 2. МЕХАНИЗМ УПРАВЛЕНИЯ КРЕДИТНЫМ РИСКОМ
И РИСКОМ ЛИКВИДНОСТИ НА ОСНОВЕ ИХ ОЦЕНКИ С ИСПОЛЬЗОВАНИЕМ ТЕОРИИ НЕЧЕТКИХ МНОЖЕСТВ
2.1. Совершенствование методологии анализа финансовых рисков с помощью теории нечетких множеств
Как уже отмечалось в подразделе 1.3 одним из направлений совершенствования механизма оценки финансовых рисков является использование теории нечетких множеств, заложенной около полувека назад в фундаментальных работах Лотфи Заде.
Первоначально целью теории нечетких множеств было определение функциональной зависимости между нечеткими лингвистическими описаниями (например "старый", "теплый" и т.д.) и специальными функциями, выражающими степень принадлежности значений измеряемых параметров (возраста, температуры, и т.д.) упомянутым нечетким описаниям. Тогда же были введены так называемые "лингвистические вероятности" - вероятности, заданные не количественно, а с помощью нечетко-смысловой оценки. Впоследствии диапазон применения теории нечетких множеств значительно расширился. Сам Лотфи Заде определил нечеткие множества как инструмент построения теории возможностей [64]. С тех пор научные категории случайности и возможности, вероятности и ожидаемости получили теоретическое разграничение.
Следующим достижением теории нечетких множеств стало введение так называемых "нечетких чисел" как "нечетких подмножеств специализированного вида", соответствующих высказываниям вида "значение переменной примерно равно а". Благодаря этому стало возможным прогнозировать будущие значения параметров, которые как ожидается, меняются в установленном расчетном диапазоне. Фундаментальные исследования в этой области были предприняты Дюбуа и Прадом [357].
Прикладные результаты теории нечетких множеств не заставили себя ждать. Так, например, зарубежный рынок нечетких контроллеров (разновидность которых установлена даже в стиральных машинах марки LG) на данный момент обладает емкостью в миллиарды долларов. Нечеткая логика встроена в системы искусственного интеллекта и в автоматизированные средства поддержки принятия решений.
С конца 70-х годов, методы теории нечетких множеств начинают применяться в экономике. Отметим работы Бакли [223], Бояджиева [221], Запоунидиса [252], Коффмана [81], Циммермана [251]. Вскоре разработки в экономике на основе теории нечетких множеств образовали самостоятельное научное направление. Была создана международная ассоциация SIGEF (International Association for Fuzzy Set Management & Economy), которая регулярно апробирует новые результаты в области нечетко-множественных экономических исследований, проводя ежегодные конференции и публикуя журнал Fuzzy Economic Review.
На постсоветском пространстве существовала весьма развитая научная школа общей теории нечетких множеств, выделим работы А. Аверкина [1], А. Алексеева [2], И. Батыршина [1], А. Борисова [20], В. Подиновского [124], Д. Поспелова [131], А. Рыжова [153] и других. Однако практически никто из них не занимался применением теории нечетких множеств для управления экономическими и финансовыми процессами. В перестроечный период практически все исследования были свернуты из-за недостатка средств. И только сейчас исследования возобновились, формируется новая международная научная школа на бывшем постсоветском пространстве, куда входят ученые из Белоруссии, Казахстана, России. В связи с этим хотелось бы отметить работы российского исследователя А. Недосекина, занимающегося проблемами применения теории нечетких множеств в экономике и финансах [98-103].
Несмотря на растущий интерес в мировой науке к теории нечетких множеств и возможностям ее применения для управления финансовыми процессами, в отечественной литературе до сих пор еще не представлены работы, использующие нечеткие множества для совершенствования методологии анализа финансовых рисков, возникающих в процессе деятельности коммерческих банков Украины.
Между тем, изученные нами источники [2, 20, 64, 81, 98-103, 221, 223, 251-252], посвященные применению этой теории для формирования механизма управления экономическими и финансовыми процессами на основе их оценки, позволяют сделать следующее обобщение, отмеченное нами в [195, с. 198-199]:
Во-первых, для разработки механизма оценки финансовых рисков с помощью теории нечетких множеств не требуется значительного количества статистических данных, полученных в однородных и неизменных условиях, в отличие от классических вероятностных методов. Для решения этой проблемы в теории нечетких множеств было введено понятие квазистатистики.
Квазистатистика ? это выборка наблюдений из их генеральной совокупности, которая считается недостаточной для идентификации вероятностного закона распределения с точно определенными параметрами, но признается достаточной для того, чтобы с той или иной субъективной степенью достоверности обосновать закон наблюдений в вероятностной или любой иной форме, причем параметры этого закона будут заданы по специальным правилам, чтобы удовлетворить требуемой достоверности идентификации закона наблюдений [98, с.47].
Данное определение позволяет определить оптимальные объемы выборки. Например, эксперт, оценивая уровень ликвидности коммерческих банков, понимает, что каждый банк уникален, занимает свою рыночную нишу и т.д., и поэтому классической статистики нет, даже если выборка захватывает сотни банков. Тем не менее, исследуя выборку какого-то определенного параметра (например, рентабельности), он может сделать вывод, что для большинства работающих банков значения данного параметра группируются внутри некоторого расчетного диапазона, ближе к некоторым наиболее ожидаемым, типовым значениям факторов. Выявленная закономерность позволяет ему утверждать, что существует закон распределения, к которому он сможет применить вероятностную или, к примеру, нечетко-множественную форму. Точно также можно рассуждать в случае наблюдения одного параметра единичного хозяйствующего субъекта, но во времени. Ясно,