Обзор нового подхода к определению рейтинга кредитоспособности государств на основе математических моделей. Назначение кластерного анализа. Принцип работы иерархических агломеративных процедур. Применение нейронных сетей для решения экономических задач.
Кубанский государственный университет, Россия РАЗРАБОТКА СИСТЕМЫ ОЦЕНКИ КРЕДИТНОГО РЕЙТИНГА СТРАНВ работе предложен новый подход к определению рейтинга кредитоспособности государств, на основе современных математических моделей, таких, как нейросетевая модель, множественная регрессия, нелинейное многомерное моделирование, кластерный анализ, дискриминантный анализ. С такими показателями стран, как ВВП на душу населения, объем ВВП, годовой темп прироста ВВП, ПИИ - приток иностранных инвестиций, уровень безработицы, инфляция индекса потребительских цен, размер государственного долга в процентах от ВВП были проведены следующие анализы: дискриминантный, кластерный, кроме того, была простроена модель множественной регрессии, нелинейная модель, а также - нейронная сеть. This work presents a new approach to the countries’ credit rating definition, based on the advanced mathematical models, such as neural network model, multiple regression, cluster analysis and discriminant analysis.На сегодняшний день, в мире далеко не все страны имеют стабильную, сильную экономику, поэтому такие государства вынуждены брать кредиты у более развитых. Вот тут и возникает необходимость в создании рейтинга, который будет отражать финансовое положение государства, его способность расплачиваться по долговым обязательствам - рейтинга кредитоспособности стран. В настоящее время существует множество рейтинговых агентств, оценивающих рейтинг кредитоспособности, например, «АК&M»; Национальное Рейтинговое Агентство»; агентство «Эксперт РА»; «Fitch Ratings»; «Moody"s Investors Service»; «Moody"s Interfax Rating Agency»; «RUSRATING»; «Standard&Poor"s». Причем каждое из них имеет свою методологию оценивания кредитного рейтинга стран, кроме того, при составлении рейтинга учитываются не только количественные показатели стран, а также и субъективные мнения аналитиков, составляющих рейтинг [1]. При работе с нейронной сетью, при ее построении и обучении от разработчика требуется следующее: подготовить обучающую выборку, определить архитектуру сети, обучить нейронную сеть, правильно интерпретировать полученные результаты.Для этого были собраны такие показатели государств, как: ВВП на душу населения, объем ВВП, годовой темп прироста ВВП, ПИИ - приток иностранных инвестиций, уровень безработицы в процентах, инфляция индекса потребительских цен, размер государственного долга в процентах от ВВП.
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
