Экспертная система на базе нечетких знаний должна содержать механизм нечетко- логического вывода, такой, чтобы сделать заключение о степени риска банкротства эмитента на основе всей необходимой исходной информации, получаемой от пользователя. Чем больше в системе знаний и чем точнее описан в ней риск банкротства, тем точнее диагностика.
Предполагается, что создание таких систем диагностики риска банкротства, где точно измеряемые количественные факторы используются одновременно с оценочными суждениями, является делом весьма недалекого будущего.
Здесь изложен подход, который позволяет эксперту наилучшим образом формализовать свои нечеткие представления, трансформировав язык слов в язык количественных оценок. Если эксперт хорошо знает предприятие изнутри, то ему не составит никакого труда выделить именно те факторы, которые наиболее влияют на процессы потери платежеспособности (включая ошибки менеджмента), сопоставить этим факторам количественные показатели и пронормировать их. При этом, если эксперт затрудняется с классификацией, он может в ходе нормирования успешно применять нечеткие описания в том смысле, как это делается здесь. Дальнейшее — уже дело банальной арифметики.
Опыт применения заявленного здесь подхода в самостоятельных работах студентов пятого курса СПбУЭФ (Санкт-Петербург) по анализу ряда российских предприятий показал, что с точки зрения динамики комплексных показателей наш подход и подход Альтмана дает однотипные результаты. Однако, если результаты подхода Альтмана не подлежат верификации (невозможно сказать, как коэффициенты, полученные на одной квазистатистике, пригодятся для другой), то в случае нашего метода мы не получаем в ответе ничего иного, чем то, что заложено нами же в структуре исходных данных. Успех анализа — и это правильно — заключен в том, как глубоко мы понимаем суть происходящего на отдельном единичном предприятии, в также в том, как мы соотносим предприятие с отраслью хозяйства, к которой оно относится.
Мы в своем изложении тщательно избегали ходового словечка «вероятность банкротства», столь употребительного в литературе. Потому что если наличный контекст свидетельств не понимается как квазистатистика (а классической статистики нет, как мы понимаем), то нельзя говорить ни о классической, ни о субъективной вероятности.
Если бы банкротства наблюдались как случайности, то эксперт не испытывал бы затруднения в классификации уровней тех или иных параметров, потому что имел бы представление о распределении тех или иных шансов, почерпнутых из отраслевой статистики. Но статистика «пляшет», поэтому эксперт не располагает устойчивыми связями и вынужден полагаться скорее на свое собственное чутье, нежели на слабо диагностируемую причинность. И поэтому все экспертные выводы должны содержать степень оценочной уверенности эксперта в правоте этого вывода. Наша методология позволяет эти оценки порождать и на их основе выводить результирующие нечеткие выводы (о риске банкротства эмитента, например).
Поэтому наш метод — это только инструмент, который в умелых руках будет звучать полноценно, а в неискушенных примется фальшивить. Это не свидетельствует против самого метода, а лишь характеризует предел его возможностей, предел, который является общим для любых методов экономического анализа. Предел этот — «дурная» рыночная неопределенность.
Метод, названный нами V&M — метод комплексного финансового анализа, и предложенный здесь комплексный показатель финансового состояния предприятия, названный нами V&M — показатель, активно применяется в практике финансового анализа, будучи внедрен в программную модель «МАСТЕР ФИНАНСОВ: Анализ и планирование» (разработка консультационной группы «Воронов и Максимов»).
Алексей Недосекин
Эдвард Альтман / Фото Erin Siegal, Reuters
