Анализ перспектив новых методов оценки вероятности риска банкротств юридических лиц в коммерческих банках

В сложившейся в настоящее время экономической ситуации в России все большую важность приобретает превентивная диагностика вероятности дефолта корпоративных заемщиков в коммерческих банках. Данный аспект кредитной политики особенно важен, поскольку банкротства ключевых корпоративных клиентов, крупнейших компаний в масштабах всей страны, которые наблюдаются в текущее время, могут привести к необратимым последствиям для кредитных учреждений, вынуждая их создавать огромные резервы и нести соответствующие убытки. Такие последствия могут также крайне негативно отразиться на нормативах банка, поставив его тем самым под угрозу выживания.

Бурное развитие в России в последнее 20-летие интеллектуальных информационных технологий, в частности нейросетевых, открыло принципиально новые возможности в аспектах:
- учета нелинейной связи моделируемого показателя с вектором экономических показателей (факторов) анализируемого объекта и окружающей среды;
- создания моделей банкротств в условиях неполных данных.

Данные аспекты позволяют создавать принципиально новые для банковского сектора модели оценки вероятности дефолта корпоративных заемщиков. Такие модели основываются на нейронных сетях и, в отличие от используемых в подавляющем большинстве случае для решения подобных задач статистических ретроспективных и чисто аналитических методах, являются обучающимися. Таким образом, чем больший массив данных проходит через подобную сеть, тем точнее становятся оценки нейросетевой модели.

Знание динамики развивающегося процесса банкротства позволяет в каждый момент времени определить стадию банкротства и применить упреждающие управляющие воздействия, что дает новые конкурентные преимущества владеющему им банку.

Результатом работы в указанных направлениях являются Квазистатический нейросетевой метод оценки риска банкротства (КСНСМ) с дискретным временем и Динамический нейросетевой метод (ДНСМ) оценки вероятности риска банкротства с непрерывным временем, дополняющие друг друга в зависимости от исходных данных.

Коммерческим банкам необходимо дополнять свой традиционный инструментарий диагностики и прогнозирования финансового состояния заемщиков новыми методами, основывающимися на нейронных сетях.

Шорин В.А.