Прогнозування дефолту підприємств із застосуванням алгоритму нечіткого логічного висновку Сугено

Abstract

У статті описано методологічний підхід та експеримент з оцінки неплатоспроможності компаній на базі нечіткого логічного висновку за алгоритмом Сугено. До початку прикладного експерименту опрацьовано результати наукових досліджень відповідно до обраної тематики. Розглянуті роботи підтвердили судження про можливість та змістовність використання адаптивної нечіткої нейронної мережі на базі алгоритму Сугено для діагностики дефолту та неплатоспроможності підприємств. Також у роботі описано зміст, математичний апарат нечіткої логіки та алгоритму виведення Сугено, який став основою методологічного підходу до прогнозування несплати кредиту юридичними особами. Порівняльний аналіз точності моделей з різним обсягом вибірки, а також з проведенням оптимізації моделі показав, що навчання суттєво підвищує точність розробленої моделі. Результати проведеного дослідження підтвердили досить високу точність створеної моделі, а також можливість використання обраного підходу на основі нечіткої логіки до моделювання та прогнозування дефолту юридичних осіб, що може бути використано банківськими установами у своїй діяльності.This article describes the methodological approach and experiment to assess the insolvency of company on the basis of fuzzy logic conclusion according to Sugeno-type algorithm. Prior to the applied experiment the results of scientific researches on the chosen topic are analysed. These works confirmed the judgments about the possibility and meaningfulness of use of adaptive fuzzy neural network on the basis of Sugeno-type algorithm for the diagnosis of default and insolvency. Also it has been described the content, mathematical apparatus of fuzzy logic and algorithm which has been discovered by Sugeno. It has become the basis of methodological approach to forecasting of non-payment of credit by the entities. Comparative analysis of the accuracy of models with different sample sizes, as well as conduction of model optimization has showed that training significantly increases the accuracy of the developed model. The results of the study confirmed a high accuracy of created model. They have also grounded the use of the chosen approach on the basis of fuzzy logic as for the modeling and forecasting of default of legal entities that can be used by banking institutions in their work.