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.
Аннотация к работе
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.