КОМПЛЕКСНА МОДЕЛЬ ПРОГНОЗУВАННЯ СТІЙКОСТІ ФІНАНСОВО-ЕКОНОМІЧНИХ УСТАНОВ
DOI:
https://doi.org/10.20535/2307-5651.12.2015.44152Ключові слова:
моделі прогнозування, фінансова стійкість банку, часовий ряд, персептронна нейромережева модель, проінтегрована авторегресіяАнотація
У роботі викладаються ключові принципи комплексної методики аналізу фінансової стійкості фінансово-економічних організацій банківського сектора. Дослідження спрямовано на використання фінансової інформації банків, що представлена у вільному доступі, і рекомендуються широкому колу зацікавлений користувачів для прийняття інвестиційних рішень. У статті проводиться аналіз математичних основ прогнозування фінансової стійкості банків; обґрунтовується необхідність проведення первинної обробки вхідної інформації на базі рейтингової оцінки у формі часових рядів методом зведених показників; розкривається сутність методологій проинтегрованої авторегресії ковзного середнього та багатошарових персептроних нейронних мереж; наводяться рекомендації щодо вдосконалення методів побудови прогнозів фінансової стійкості банку. Обґрунтовується доцільність використання комбінованої методології прогнозного моделювання. Наводяться результати практичного застосування методології для українського фінансового ринку.
Посилання
Вітлінський В., Пернарівський О. «Фінансова стійкість як системна характеристика комерційного банку» // Банківська справа. – 2000. - №6. – с.48-50.
Медведь Т., Чайковская М. Анализ и классификация методов прогнозирования рейтинга финансовой устойчивости банка / М.П.Чайковская, Т.С. Медведь // Економічний вісник університету. Збірник наукових праць. Вип.22/2 - Переяслав-Хмельницький: ДПУ ім.Г.Сковороди, 2014. - стр.374-382.
Медведь Т., Чайковська М. Аналіз методів рейтингування банків згідно їх фінансової стійкості// М.П.Чайковська, Т.С. Медведь //Інформаційні технології та моделювання в економіці: на шляху до міждисциплінарності: Колективна монографія/ За ред. Проф. Соловьева В.М. – Черкаси:Брама-Украина, 2013. – с.335-347.
Медведь Т., Чайковская М. Проблема классификации методов прогнозирования финансовой устойчивости банка / М.П.Чайковская, Т.С. Медведь // Развитие бухгалтерского учета, контроля и анализа в современных концепциях управления: Материалы Международной научно-практической конференции - Симферополь:ДИАЙПИ, 2014. - стр.143-145.
Hoff C.J., A Practical Guide to Box-Jenkins Forecasting, Lifetime Learning Publications, California, 2013.
Alan Pankratz, Forecasting with Univariate Box–Jenkins Models: concepts and cases, New York: John Wiley & Sons, 2011.
Галушкин А.И. Нейронные сети: основы теории/ А.И.Галушкин. – М.: Горячая линия-Телеком, 2010. – 496с.
Webb P. Classification and regression trees: A User Manual for IdentifyingIndicators of Vulnerability to Chronic Food Insecurity / P.Webb, Y.Y. Hannes// International Food Policy Research Institute. [Электронный ресурс]. Режим доступа: http://www.ifpri.org/sites/default/files/publications/micro3.pdf
Hannes Y.Y., Webb P., Classification and regression trees: A User Manual for IdentifyingIndicators of Vulnerability to Famine and Chronic Food Insecurity // International Food Policy Research Institute режим доступа: http://www.ifpri.org/sites/default/files/publications/micro3.pdf
Mazengia D.H., Forecasting Spot Electricity Market Prices Using Time Series Models: Thesis for the degree of Master of Science in Electric Power Engineering. Gothenburg, Chalmers University of Technology, 2008. 89 p.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Авторські права належать авторам статей.
Розміщуючи матеріали у збірнику наукових праць, автори погоджуються з правом редакції збірника розміщувати матеріали збірника в електронному вигляді на офіційному сайті збірника та інших електронних ресурсах відповідно до законодавства України.
