автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Структурно-параметрический синтез системы информационной поддержки управленческих решений при кредитовании малого и среднего бизнеса

На правах рукописи

|

СТРУКТУРНО-ПАРАМЕТРИЧЕСКИЙ СИНТЕЗ СИСТЕМЫ ИНФОРМАЦИОННОЙ ПОДДЕРЖКИ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ ПРИ КРЕДИТОВАНИИ МАЛОГО И СРЕДНЕГО БИЗНЕСА

Специальность 05.13.10 - Управление в социальных и экономических системах

Автореферат диссертации на соискание ученой степени кандидата технических наук

Курск-2006

Работа выполнена ГОУ ВПО «Курский государственный технический университет» на кафедре «Информационные системы в экономике»

Научный руководитель: доктор технических наук, профессор,

Заслуженный деятель науки РФ Сизов A.C.

Официальные оппоненты: доктор технических наук, профессор

Атакищев О.И.,

кандидат технических наук Елагин В.В.

Ведущая организация: Орловский государственный технический университет

Защита диссертации состоится «26» мая 2006 г. в 16 часов на заседании диссертационного совета Д 212.105.02 при Курском государственном техническом университете по адресу: 305040, г.Курск, ул.50 лет Октября, 94.

С диссертацией можно ознакомиться в библиотеке Курского государственного технического университета

Отзывы на автореферат в двух экземплярах, заверенные печатью, просим направлять по адресу: 305040, г.Курск, ул. 50 лет Октября, 94, КГТУ, ученому секретарю диссертационного совета Д 212.105.02

Автореферат разослан «25» апреля 2006г.

Ученый секретарь диссертационного совета

92>7-{ 3

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность

Подготовка управленческих решений и прогнозирование их последствий в сфере кредитования малого и среднего бизнеса осуществляется в условиях неопределенности и риска, поэтому эффективность управленческих решений зависит от комплексного учета формализуемых (выручка по кассовой книге, денежный оборот по расчетному счету, налоговые отчисления и т.д.) и слабоформализуемых факторов (экономического, криминального, социально-политического, административно-правового и техногенного характера), соотношения между которыми носят нелинейный характер. С целью оценки этих рисков возникает необходимость проводить комплексное изучение ситуации на предприятии и вокруг него, которое невозможно без применения современных информационных систем.

Традиционные модели и методы управления в области кредитования, в основном основанные на статистическом подходе, скоринге и оценках экономических показателей предприятия, не учитывают слабоформализуемые факторы при подготовке решений о кредитовании, без которых невозможно полное описание кредитной ситуации.

В настоящее время ситуация кредитования малого и среднего бизнеса кардинально изменилась. Между банковскими учреждениями наблюдается конкурентная борьба по завоеванию ниши краткосрочного кредитования предпринимательства, открываются новые банковские филиалы, набираются новые сотрудники, причем далеко не всегда с наличием опыта работы на данном сегменте рынка. Это связано с наметившейся стабилизацией экономики в целом и с изменениями законодательства. Так в отношении малого и среднего бизнеса упрощенная схема регистрации предпринимателей и юридических лиц, а также изменения в налогообложении привели к быстрому росту числа индивидуальных предпринимателей и юридических лиц, характерной особенностью которых является недостаток собственных средств. Все вышеуказанное вынуждает коммерческие банки разрабатывать процедуры по кредитованию малого и среднего бизнеса, позволяющие принимать решение в сжатые сроки с учетом нечеткой информации, что невозможно без адекватных математических методов и современных информационных технологий.

В настоящее время существует явное противоречие между необходимостью своевременной и достоверной оценки рисков кредитования и существующими информационно-аналитическими возможностями коммерческих банков, вследствие того, что в последних недостаточно развиты формальные средства по работе с нечеткой информацией, необходимой для более полного описания кредитной ситуации и позволяющей принимать качественное решение по кредитованию. Разрешение этого противоречия возможно на пути создания и внедрения эффективных автоматизированных информационно-аналитических систем поддержки процессов кредитования.

При этом наиболее целесообразным при управлении процессом кредитования является использование ситуационного подхода.

Методология ситуационного управления рассмотрена в работах Д.А.Поспелова, Ю.И.Клыкова, Г.П.Чекинова и др. Однако оценка кредитной ситуации имеет ряд специфических особенностей, таких, кая сложность определения платежеспособности из-за искажения подаваемой ин [адздаздж^ффщ^ны заемщика,

БИБЛИОТЕКА

БИБЛИОТЕКА I С Яетербтг Л // 7

О» щГш^Ь

необходимость рассмотрения дополнительных источников информации, описывающих кредитную ситуацию и представленных в нечетком виде.

Общие подходы и принципы построения информационных баз экономических информационных систем рассмотрены в работах А.Н.Романова, Б.Е.Одинцова, А.И.Мишенина, А.П.Ротштейна и др.

Тем не менее конкретные пути реализации системы информационной поддержки решения о кредитовании (СИПРК) применительно к ситуационному подходу при оценке экономических рисков недоопределенных дескрипторов системы (каковой является кредитная ситуация) требуют проведения самостоятельных исследований.

Таким образом, возникает актуальная научно-техническая задача по структурно-параметрическому синтезу системы информационной поддержки управленческих решений (советующей информационной системы) при кредитовании и ее исследований.

Объектом исследований выступают процессы и методы кредитования заемщиков в современных коммерческих банках.

Предметом исследований - методы и средства информационной поддержки решений в условиях краткосрочного кредитования.

Целью работы является повышение эффективности управления процессом кредитования в банковских учреждениях на основе создания системы информационной поддержки решения о кредитовании.

В качестве показателей эффективности управления в диссертационной работе рассматриваются кредитные риски и оперативность принятия решения о выдаче кредита заемщику.

Для достижения поставленной цели решаются следующие задачи:

1. Анализ объектов и источников информации при ситуационном подходе к управлению процессом кредитования.

2. Разработка концептуальной модели оценки кредитной ситуации.

3. Формализация описания предметной области для анализа кредитной ситуации на основе оценки ценности информации о заемщике.

4. Разработка математической модели гипертекстовой базы знаний, базирующейся на использовании четких и нечетких графов.

5. Разработка дерева принятия решений в условиях четких и нечетких данных.

6. Разработка структурно-функциональной организации системы информационной поддержки решения о кредитовании, экспериментальная оценка качества функционирования ее основных структурных элементов.

Методы исследований. При проведении исследований использовались методы системно-структурного анализа, теории графов, нечетких множеств, ситуационного управления, а также теории баз данных и знаний.

Научная новизна работы заключается в разработке:

1. Стратегии управления кредитованием, особенностью которой является использование ситуационного подхода, позволяющей учесть специфику обработки четкой (документальной) и нечеткой информации о кредитной ситуации.

2. Концептуальной модели оценки кредитной ситуации как открытой системы в виде шести страт (плоскостей), отражающей важнейшие аспекты формализации добывания и обработки информации о заемщике и обеспечивающей формирование

дерева целей, синтез структуры и обоснование внешне- и внутрисистемных характеристик СИПРК.

3. Формализованного описания предметной области заемщика на основе теоретико-множественного представления, особенностью которого является учет основных объектов (факторов), определяющих кредитную ситуацию и ценность информации, характеризующей отношения между ними.

4. Комбинированной базы знаний, структурированной в виде четкого и нечеткого гипертекста и соответствующего дерева принятия решения, отличающегося композицией решений, формируемых как по четкой (документальной), так и нечеткой информации.

Практическая ценность диссертационной работы состоит в том, что синтезированная система информационной поддержки управления процессом кредитования позволяет на практике проводить своевременный анализ кредитной ситуации и принимать решение о предоставлении кредита заемщикам, при улучшении качества кредитного портфеля за счет обработки четкой и нечеткой информации из разрозненных источников.

Предложенная система может найти широкое применение в банковских учреждениях, специализирующихся на кредитовании бизнеса различного масштаба.

На защиту выносятся следующие научные положения:

1. Стратегия управления кредитованием малого и среднего бизнеса, базирующаяся на ситуационном подходе и учитывающая особенности преобразования и обработки четкой и нечеткой информации о кредитной ситуации.

2. Концептуальная модель процесса оценки кредитной ситуации в виде шести плоскостей (страт), которая позволяет синтезировать открытую структурно-функциональную организацию системы информационной поддержки решений о кредитовании (СИПРК) и обосновать ее внешние и внутрисистемные характеристики.

3. Формализованное описание предметной области заемщика, особенностью которого является учет специфических факторов, определяющих кредитную ситуацию, финансово-экономические отношения между ними, а также ценность получаемой информации при описании информационных компонент.

4. Гипертекстовая база знаний, отличающаяся формированием как четкого, так и нечеткого гипертекста, позволяющая хранить и обрабатывать соответственно четкую (документальную) и нечеткую информацию.

Реализация результатов работы. Основные результаты, полученные в работе, использованы в представительстве ОАО Национальный банк «ТРАСТ» в г.Курск, в Курском филиале ОАО «МДМ-Банк» и в учебном процессе Курского государственного технического университета при подготовке студентов по специальности 351400 - «Прикладная информатика в экономике».

Апробация и публикации по теме диссертации. Основные положения и результаты диссертационной работы докладывались и обсуждались на Международной конференции «Системные проблемы надежности, качества, информационных и электронных технологий» (г. Сочи, 2002, 2004, 2005), III международной научно-технической конференции «Современные инструментальные системы, информационные технологии и инновации» (КурскГТУ, 2005). Результаты работы рассматривались на семинарах кафедры «Информационные системы в экономике» КурскГТУ, проводимых в период с 2003 г. по 2005г.

По теме диссертации опубликовано 9 печатных работ, в том числе 2 сгагьи и 7 докладов.

Личный вклад автора. В работах, опубликованных в соавторстве, разработана концептуальная модель процесса оценки платежеспособности заемщиков [1], в [2] лично автором разработана ее структура, особенностью которой является применение комбинированной базы знаний на основе модифицированного гипертекста, ко- ° торый декомпозирован на два структурных компонента, отражающих четкую и нечеткую информацию [4,5,6]. Данная база знаний используется в качестве основной подсистемы информационной поддержки кредитных экспертов. Автором проведены исследования по определению четких и нечетких потоков информационного обмена в процессе деятельности заемщиков [3,5,6]. Выявлены возможные источники получения информации и построена модель онтологии кредитной ситуации [1]. В [7,8,9] обосновывается целесообразность применения информационных систем для автоматизации принятия управленческих решений в кредитных и финансовых учреждениях.

Структур» и объем работы. Диссертация состоит из введения, четырех разделов, заключения, списка использованных источников (101 наименование) и 4 приложений. Общее количество машинописных страниц - 177, из них 148 страниц основного текста, 34 рисунка, 9 таблиц.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы, сформулированы цель, задачи, научная новизна и основные положения, выносимые на защиту.

В первом разделе проведен анализ состояния рынка краткосрочного кредитования, выявлены тенденции его развития, описаны особенности информационного обеспечения, применяемого в коммерческих банках, обоснована необходимость ситуационного подхода к управлению процессом кредитования и разработана концептуальная модель в виде шести плоскостей (страт).

Показано, что в настоящее время существенно обостряется проблема быстрого и качественного кредитования заемщиков в условиях жесткой конкуренции между коммерческими банками. Особенно остро обстоит дело на рынке кредитования малого и среднего бизнеса. Это связано с наличием различных рисков в данной области (в большей степени, чем при кредитовании других направлений), неопределенной и недостоверной информации относительно заемщика.

Применяемое на сегодняшний день в банковских учреждениях программное обеспечение, такое, как «Invoretail», «RS-Loans», «SOWK», «DeductonLoans», «Market Scoring», «Audit Expert», опирается в основном только на четкую информацию, что не позволяет полно описать кредитную ситуацию.

Поэтому для решения поставленной задачи требуется разработка системы поддержки принятия решения, способной обрабатывать различную информацию, поступающую из различных источников, за время, приемлемое для принятия решения.

Разработанная в работе стратегия управления кредитованием от общепринятой отличается тем, что при принятии решения, советующая система (СИПРК) опирается на ситуационный подход (ситуационное управление). При этом делается упор на одновременный сбор и анализ как четкой (документальной), так и нечеткой информации о кредитной ситуации, с учетом специфики ее обработки, заключающейся в построении четкого и нечеткого деревьев решений с консолидацией окончательного

результата по ним.

Пол ситуационным управлением процесса кредитования понимается управление, основанное на выявлении проблемных ситуаций и выполнении различных преобразований имеющейся информации в управленческие решения, приводящие к их разрешению.

Дана характеристика задач, объектов и источников информации о кредитной ситуации с использованием ситуационного подхода.

Разработанная концептуальная модель (КМ) процесса оценки состояния заемщика представлена на рис. 1. Она позволяет формализовать процессы кредитования, синтезировать открытую структуру и обосновать как внешне- так и внутрисистемные характеристики разрабатываемой системы информационной поддержки решения о кредитовании.

Плоскость стратегических задач банка

Плоскость объектов (факторов), образующих кредитную ситуацию

Плоскость источников информации (ИИ)

Общая функциональная плоскость

Распределенная функциональная плоскость

Физическая (реализационная) плоскость

Рис 1. Концептуальная модель процесса оценки кредитной ситуации

Концептуальная модель представлена в виде шести плоскостей, каждая нижестоящая плоскость является детализацией предыдущей в соответствии с нисходящим принципом проектирования. На первой плоскости (1) помещены стратегические задачи, решаемые системой в целом. Вторая плоскость (2) содержит объекты СИПРК, наблюдение за которыми обеспечивает решение задач первого уровня. Третья плоскость (3) содержит возможные наблюдаемые источники информации. Четвертая общефункциональная плоскость (4) моделирует систему СИПРК как единый логический объект, содержащий независимые от задач компоненты. Пятая плоскость (5) представляет собой распределенную функциональную плоскость, которая характеризует процесс формирования общих функций на основе стандартизированных операций и функциональных подсистем. Шестая плоскость (6) КМ определяет физические объекты СИПРК и необходимые процедуры их взаимодействия.

II

8 I

И £

8 I

II ОФ. ^ 0*1 / ... ! ОФм II

В соответствии с первой плоскостью КМ построено дерево целей, вершиной которого является целевая функция системы кредитования, формулируемая как увеличение прибыли, получаемой коммерческим банком за счет уменьшения издержек и убытков по выдаваемым кредитам. Целями следующею уровня являются: уменьшение издержек и уменьшение убытков. Построенное дерево целей детализировано до пятого уровня, что является достаточным для синтеза структурно-функциональной организации СИПРК.

В соответствии с разработанной КМ определены объекты, влияющие на кредитую ситуацию (рис. 2).

Плоскость объектов, образующих кредитную ситуацию (2) ^

Плоскость источников информации (3)

Персонал

Поставщики

Арендодатели Арендаторы

Налоговые органы

Органы внутренних дел

Конкуренты

| Судебные органы

[

Телевидение

Радио

Интернет

I Документы 1 Г

БД типа «Ьех18-Нех18»

Печатная продукция

Бюро кредитных историй

СМИ

Прочие

Непосредственное общение с лицами прямо I или косвенно плалеющими информацией

Рис. 2 Плоскость объектов, образующих кредитную ситуацию

Рис 3 Плоскость источников информации

На основе результатов, полученных при анализе различных видов деятельности заемщиков, были определены их информационные потоки, а также выделены источники информации (рис. 3). Произведено разделение источников информации на официальные и неофициальные. Они классифицированы по виду информации, а также даны рекомендации по ее первичной обработке.

В первом разделе определен подход к оценке ценности информации в процессе кредитования и параметры входных документов, их структура, а также реквизиты, необходимые для обработки.

В общей постановке ситуацию кредитования можно описать тройкой:

С, Т>,

где Б - множество состояний оцениваемого заемщика 5з;

С - множество состояний среды, влияющих на поведение системы

Т - множество моментов времени, в которых возможно изменение состояний системы Яз.

При оценке количества информации о ситуации необходимо определить мощность множества М„, описывающего все возможные состояния 5 наблюдаемой системы - заемщика (5з).

Если система состоит из N полносвязанных объектов, то количество возмож-

N

ных связей между объектами (3) будет 3 - (Л' - /').

.1-1

Если при этом каждый объект системы 5 имеет IV возможных состояний, то мощность множества возможных сосюяний будет Поскольку система 5з является динамической, то в процессе ее функционирования отношения между объектами

могут изменяйся. Пусть отношения между каждой парой объектов могут принимать и видов (отсутствие связи будем считать разновидностью отношения). Тогда мощность множества Мп возможных состояний системы определяется как М„=И^ и3. Следовательно, потенциальное количество хартлиевой информации, необходимое для описания состояния системы будет

З-к^и. (1)

Основание логарифма (1) определяется единицей измерения информации.

При выводе последнего соотношения не учитывалось взаимодействие системы со средой (О, а также развитие этого взаимодействия во времени Т. При этом полагается, что вероятности каждого состояния системы равны.

В общем случае, процесс информационного взаимодействия системы оценки заемщика (Л'дг) и наблюдаемой системы (5з), т.е. кредитной ситуации, осуществляется через некоторый канал (Ск) мониторинга путем получения сообщений.

В процессе информационного взаимодействия канал связи реализует отображение множества Хп (множество сообщений, поступающих на вход канала связи из различных источников информации) во множество У а. Будем полагать, что эти множества конечны. Тогда в процессе передачи сообщение х0] е Х„ , возникающее на входе канала СИ. порождает на его выходе некоторое сообщение уо! еУ„.

Качественное функционирование системы Я/,/ предполагает минимизацию потерь информации при таком преобразовании, осуществляемом каналом мониторинга (СИ). Выражение для шенноновской информации имеет вид

о,)-Р(Уа, 1ха1)-\о%[Р(х01)-Р(у01/ хоу)] +

•V» Га

+ Е£Пх„,)• Р(Уо, /*.;)• ЬёР(у0, !хй])] = Я(Г0)-Я(Г0IX,) ,

Х0

где Х(Ц е Ха;

У0- множество преобразованных сообщений Х0 в результате передачи по каналам связи и поступающих на вход СИПРК;

Уце У о,

Р(х0)-вероятность возникновения на входе системы сообщения хи/,

Р(уо^)-вероятность возникновения сообщения^ на входе в систему;

Н(У0) - безусловная энтропия по множеству сообщений Г„;

//(У(/Хи) - условная энтропия по множеству сообщений У0 при условии, что множество возможных событий Х„ известно. Она характеризует потери информации в канале СИ.

Оценка ценности данного количества шенноновской информации осуществляется в соответствии со схемой, приведенной на рис. 4.

Оценка ценности

информации по Оценка ценности

Рис 4 Схема оценки ценности информации в системе приятия решений

Оценку ценности информации, добываемой системой оценки, осуществляет кредитный комитет. Назовем оценку «субъективной ценностью информации» и обозначим как Кс(/Ш).

Для количественной оценки величины Vr(tHl) воспользуемся мерой ценности информации, предложенной Р.Л. Стратоновичем. Ценность информации в этом случае определяется как та максимальная польза, которую данное количество информации способно принести в плане уменьшения средних потерь при выполнении метасистемой некоторой операции.

Ценность добываемой информации определим как

- fin УI Ö(SitK,SitKyP(SitK/SitK)-Q{SUK) (2)

в случае положительной ценности и

Vc- (/) = max X Z Ö(Sit*'S]t« >' >' ) -

" S«« X У Ö(SitK, SitK ) ■ P{SitK / SitK) ■ Q(SitK) (3)

в случае отрицательной ценности.

При записи соотношений (2) и (3) полагалось, что

КХ 2, (к 1 SllK ) • )

Sil

и представляет собой шенноновское количество информации.

Здесь:

Sitк е SITK - пространство кредитных ситуаций;

Q(SitK)- априорное распределение вероятностей наSITK;

А А

SitK е SITK- пространство решений или оценок;

Л я

0(SitK,SitK)- некоторая измеримая функция штрафов, задающая «цену» правильных и ошибочных решений по создавшейся ситуации.

Мера ценности информации по A.A. Харкевичу определяется как вероятностная мера достижения цели операции кредитования и определяется соотношением:

V0(l) = logPt-logP«=log^ ,

о

где Ро - вероятность достижения цели операции до получения информации;

Р1 - вероятность достижения цели после получения информации. Здесь цель операции кредитования сводится к выбору заемщика одной из двух категорий: предоставить кредит и отказать в предоставлении кредита.

Показано, что вероятность достижения цели в случае нечеткости целесообразно определять на основе методов теорий подтверждений, нечетких множеств и нечеткой логики, а также функций доверия в теории свидетельств Демпстера-Шефера.

В целом проведенный в рамках первого раздела анализ особенностей процесса принятия решения о кредитовании заемщиков, информационных потоков, в которых

происходит процесс его деятельности, позволил обосновать пути создания СИПРК. Концептуальная модель, базирующаяся на современной методологии структурно-системного анализа, позволила формализовать важнейшие этапы анализа платежеспособности заемщиков кредитными организациями в условиях Российской действительности, а также использовать принципы, возможности и особенности перспективной технологии структурно-системного анализа и проектирования 8М)Т, реализованной в стандарте ГОЕРО, для структурного синтеза системы информационной поддержки решения о кредитовании.

Во втором разделе, базируясь на КМ, синтезирована структурно-функциональная организация и обоснованы параметры основных структурных элементов системы информационной поддержки оценки состояния заемщика. Для этих целей в работе осуществлены: формализация предметной области заемщика при оценке кредитной ситуации, функциональное моделирование СИПРК, описана модель онтологии кредитной ситуации, произведена формализация онтологии, выбраны и обоснованы методы анализа и обработки разнородных данных, разработана структурно-функциональная организация системы.

Базируясь на общем подходе к разработке мифологической модели предметной области при синтезе системы оценки заемщика, формально можем записать:

СЛ(/) — Мп0 ,

Ск(1)-оператор преобразования информации (/) в канале мониторинга,

Мдо - модель предметной области системы оценки кредитной ситуации, построенная на основе результатов БАОТ проектирования, и определяемая десяткой:

М„о=<0, и,СЛР.Н. Уо", ^"«Д Л>,

где 0={оу=7,7} - множество объектов системы 5?;

1/={иьк=1,К}- множество информационных компонентов, характеризующих объекты и их состояния. При формировании этих компонентов используется ценностный аспект получаемых сообщений о кредитной ситуации;

С= {стт=1,М) -множество воздействий среды, существенных для системы

/•'={/У=1,£}- множество функций объектов;

Р={р1,'= 1/}- множество пользователей;

Н={И(/П <р=\,Ф}- множество задач обработки данных;

V"* = , х = 1, X} - множество входных данных, характеризующих объекты системы 5з;

увых _ = множество выходных данных (множество возможных

кредитных ситуаций) по объектам системы

А ={ае,е= 1 ,Е}- множество аналитических зависимостей, обеспечивающих по данным с формирование выводов;

Л={гу,у=1,У}- множество отношений, заданных на <0,и,С,Р,Н, Vм, (/"ьк>.

Показано, что множества О, и,С должны быть представлены в виде онтологии предметной области.

В целом разработанная модель предметной области системы оценки кредитной ситуации на основе теоретико-множественного представления учитывает основные объекты (факторы), определяющие кредитную ситуацию, и ценность информации, характеризующей отношения между ними.

Основные внешне- и внутрисистемные требования, предъявляемые к функ-

циональности СИПРК, сформулированы следующим образом:

1. Обеспечение сбора данных о заемщике и контрагентах из различных источников и их сохранение в хранилище данных.

2. Обеспечение единою информационного нросфаиства: внутрисистемная информационная связанность; множес! венное гь интерфейсов, виртуальность и однородность их технической реализации.

3. Настраиваемость на конкретных пользователей: описание структуры, состава, функций и полномочий пользователей; настройка пользовательского интерфейса (формы, отчеты, меню).

4. Администрирование систем, входящих в состав СИПРК: информационное и техническое резервирование; множественность уровней защиты от сбоев и несанкционированного доступа; авторизация и контроль доступа в систему на уровне групп пользователей.

5. Многоуровневая и многоаспектная система анализа и подготовки решения с гибким и развитым графическим пользовательским интерфейсом.

Таким образом, обобщенное дерево функций системы информационной поддержки решения о кредитовании, положенное в основу структурно-параметрического синтеза разрабатываемой системы, можно представить в виде, приведенном на рис. 5.

Повышение качества кредитного портфеля

I

Принятие решения о выдаче кредита или отказе

Оценка кредитной ситуации

Обмен данными

- Ручной ввод

- Экспорт данных

- Импорт данных

- Автоматизированный сбор данных в Интернет

Обмен данными с прочими агентами

Хранение данных

| Организация храни-| пиша д анных

- Поиск данных

Средства администрирования

Формирование отчетов

Ограничение доступа к данным

Защита от нарушения целостности данных

Поддержка принятия решений по выдаче кредита

Учет экспертной оценки заемщиков

Использование сетей нечеткого вывода

Использование базы прецедентов

Поддержка методов интеллектуального анализа

Рис 5 Обобщенное дерево функций системы информационной поддержки

решения о кредитовании

Для формализации онтологии был использован синтаксис прикладной логической теории, предложенной в работах А.С. Клещева, согласно которой рассматривается пара <75,55> , где конечное множество названий других теорий, 55- конечное множество предложений. Любая прикладная теория Г=<75155> по определению эквивалентна прикладной логической теории <0^8 > , которая является редукцией теории <Г5,55>.

Смешанная необогащенная система логических соотношений с параметрами является моделью упрощенной онтологии предметной области. В данной работе моделью онтологии задавалась одинаковая структура всех сичуаций.

В качестве примера онтологии кредитной ситуации приводится следующий

фрагмент, состоящий из множества параметров (терминов для описания знаний), образованных терминами:

- х (заемщик) - {)2\

- X {залог) =

- х (поручители)-{}Р\

- х (контрагенты)=\}К;

- х (вид деятельности)= {}№.

А также терминов для описания си!уаций, объединенных в систему логических соотношений:

- х {затраты на реализацию залога) = ({} залог -» Л[0;с©));

- х (вид источника информации)={(официальные)-, {неофициальные)}',

- х (официальные)={}01Р\

- х (неофициальные)^{\М1Р.

Приведено обобщенное описание системы оценки кредитной ситуации, состоящее из: типа ситуации, функций СИПРК, атрибутов, коэффициентов для оценки финансово-экономических показателей, оценки залога, оценки поручительства, оценки целесообразности выдачи кредита, вида информации, вида источников информации, источников информации.

С учетом выявленных особенностей процесса оценки состояния заемщика, в работе разработан обобщенный ал! оритм анализа и обработки разнородных данных, состоящий из 2 этапов: сбора четкой и нечеткой информации, поддержки решения о кредитовании. Алгоритм второго этапа представлен на рис.6.

( начало ) Г Запрос I

I Передача параметров запроса 1

Рис 6 Алгоритм поддержки решения о кредитовании

По завершению процессов четкой и нечеткой информационной обработки, управление переходит к окончательному решателю, где на основе коэффициентов определенности гипотезы по дереву вывода в условиях четкой и нечеткой информации, принимается решение из трех альтернатив: выдать кредит, отказать в выдаче, отправить на дополнительный мониторинг кредитной ситуации.

В третьем разделе в результате анализа -процессов, протекающих между заемщиком и внешней средой, была выявлена особенность обработки поступающей информации, заключающаяся в необходимости раздельной обработки точной и неточной информации. На рис. 7 изображена структурно-функциональная организация оценки состояния заемщика, отличительной особенностью которой является раздельная обработка четкой и нечеткой информации, а затем их окончательная обработка в решателе на основе применения пороговых ограничений, в соответствии с разработанным алгоритмом.

Рис 7. Структурно-функциональная организация системы информационной поддержки оценки состояния заемщика

Для представления знаний в СИПРК, с учетом особенностей оценки кредитной ситуации и требований, предъявляемых к разрабатываемой системе, предложено использовать базу знаний на основе гипертекста. Особенностью данной структуры является то, что помимо четкой информации, представляемой в виде традиционного гипертекста, в БЗ хранится и нечеткая информация. В работе предложена модель нечеткого гипертекста. Реализация данной особенности основана на применении графа с нечетко заданными вершинами и ребрами (рис. 8). Здесь использованы следующие обозначения: V, - множество вершин; Е, - множества ребер; пу - количество вершин; Пе~ количество ребер.

Для вывода решения используется два вида деревьев принятия решений: в условиях четкой информации и в условиях нечеткой информации. Такое построение

позволяет выводить решение как отдельно по четкой и нечеткой информации, так и консолидированно (рис. 9).

Таким образом, на основе разработанной структурно-функциональной схемы системы информационной поддержки оценки состояния заемщика и деревьев принятия решений как по четкой, так и по нечеткой информации, представляется возможным перейти к завершающему этапу КМ - проектированию СИПРК.

В четвертом разделе описывается физическая реализация разработанной СИПРК, а также структурная модель представления знаний и данных в БД.

В данном разделе, согласно разработанной КМ, был разработан модифицированный гипертекст (ГТ). Из-за его возможностей по описанию нечеткой информации в работе предложено ввести понятие нечеткого гипертекста. Для описания его математической модели введем следующие обозначения. Пусть М° и конечные непустые множества: = {т°ь т°2.....т°п}\ ВР = РР2, Л0*}.

[ Гипотеза ]

Рис 8 Структура динамической БЗ для случая с нечетко заданными вершинами и ребрами

Рис 9 Фрагмент нечеткого дерева принятия решений' «Гипотеза» - гипотеза о предоставлении кредита; Е -условия; С- узлы с промежуточными заключениями

Условимся элементами множеств КР и ВР обозначать объекты и отношения

между ними соответственно.

Тогда ГТ в наиболее общем виде описывается как совокупность следующих

четырех компонентов: ГТ= (7/т, /т, (У7), где Тгт- тезаурус ГТ; ¡гг

- информационная составляющая ГТ, включает в себя содержание информационных статей /„ в которые помещаются сведения обо всех т°, е М° т.е./ = у/,,

I

а также указывается достоверность т°, - у,. Тогда /~{ /,, ц}; .^-алфавитный словарь всех наименований т°, е ; (У7 - список главных тем ГТ.

Тезаурус ГТ состоит из тезаурусных статей, каждая из которых может быть представлена в виде Р, = {т°,, Ат,, ¡л), где Р, - тезаурусная статья объекта т°,;

АтI - множество объектов, с которыми т°, связан отношениями из вР с указанием типа отношения и степенью принадлежности ц.

Здесь важно отметить, что в Ат, содержатся только ближайшие "родственни-

ки для т

Всю совокупность 1езаурусных статей, т.е. тезаурус ГТ, можно представить следующим образом:

Т4"' = {m°i, m°2.....m°,.....m°„, Лт1, Am2, ..., Лт,, ..., Am„, ц,, ц2, ..., Цтп}.

Тезаурус нечеткого ГТ графически можно представить в виде сети, узлы которой содержат текстовые описания объектов, с указанием степени достоверности описания, а ребра указывают на существование связи между объектами и позволяют определить тип связи и степень принадлежности соседних узлов.

Наиболее важным компонентом ГТ является совокупность гипертекстовых статей Г^'.

t

Статья Г^7 состоит из описания объекта m°t (информационная статья /,'т) и перечня родственных объектов (тезаурусная статья t'').

Она может быть представлена в виде Г,п —{t™, l'J}.

При построении гипертекста предлагается применять формат XML, причем для хранения как знаний, так и данных.

В качестве фрагмента действующего примера приведена структура представления данных в форме XML и граничные значения реляционных выражений, используемых в деревьях вывода в условиях четкой и нечеткой информации, для заемщиков со сферой деятельности - розничная торговля.

В данном разделе определены требования к интерфейсу разрабатываемого программного продукта

Результаты проведенных исследований подтверждают, при наличии достаточной информации в БЗ о заемщиках использование СИПРК позволяет лицу, принимающему решение, при принятии решения о выдаче кредита заемщику учесть большее число нечетких факторов, что улучшает качество принимаемого решения.

В ходе выполнения работы были получены результаты, направленные на повышение эффективности управления процессом кредитования в банковских учреждениях за счет одновременного уменьшения времени принятия решения о кредитовании заемщика и снижения кредитных рисков за счет нечеткой обработки данных из разнородных источников. Так в результате экспериментальных исследований установлено, что благодаря применению СИПРК обеспечивается снижение кредитных рисков в 1,2-1,3 раза в зависимости от ситуации, а оперативность кредитования повысилась примерно в 1,7 раза. Для исследований использовались данные по заемщикам со сферой деятельности - оптовая торговля и сроком кредитования до 12 месяцев.

В заключении приведены основные результаты и выводы диссертационной работы.

В приложении представлены DFD- и IDEF-модели процесса принятия решения о кредитовании заемщика, листинг алфавитного словаря на языке XML, листинг SQL-кода для построения базы данных для хранения XML.

Основные результаты работы. В результате структурно-параметрического синтеза системы информационной поддержки решения о кредитовании получены следующие основные результаты:

1. Показано, что одним из основных путей повышения эффективности процесса управления кредитованием является создание и внедрение эффективных автома-

-газированных информационно-аналитических систем поддержки процессов кредитования, базирующихся на стратегии управления с использованием ситуационного подхода.

2. Разработана концептуальная модель, описывающая кредитную ситуацию, в виде шести страт. Это позволило реализовать важнейший принцип создания сложных информационно-аналитических систем - принцип открытости и обосновать внешне- и внутрисистемные характеристики СИПРК. На ее основе определены объекты и источники информации, образующие кредитную ситуацию.

3. Произведено описание предметной области заемщика на основе теоретико-множественного представления с учетом специфических факторов, определяющих кредитную ситуацию, и построена ее онтология в виде системы логических соотношений с параметрами в соответствии с синтаксисом прикладной логической теории.

4. На основе гипертекстовой структуры разработана комбинированная база знаний, позволяющая отражать как четкую, так и нечеткую информацию о кредитной ситуации, что в итоге обеспечивает объективность ее оценки. В качестве языка представления информации предложен язык разметки XML.

5. Разработан обобщенный алгоритм анализа и обработки разнородных данных, состоящий из двух этапов: сбора четкой и нечеткой информации и поддержки решения о кредитовании. Данный алгоритм предусматривает представление информации из различных источников и хранение четкой и нечеткой информации, поиск в четкой и нечеткой базе знаний, принятие решений на основе четкой и нечеткой информации.

6. Разработано композиционное дерево принятия решения, базирующееся на частных деревьях решения по четкой и нечеткой информации, в основу которых положен математический аппарат нечетких графов. Данное дерево обеспечивает принятие решения по одной из трех альтернатив: выдать кредит, отказать или отправить на дополнительный мониторинг кредитной ситуации.

7. Разработанная структурно-функциональная организация системы информационной поддержки решения о кредитовании позволяет повысить эффективность управления процессом кредитования малого и среднего бизнеса за счет снижения кредитных рисков в 1,2-1,3 раза и сокращения времени принятия решения по сравнению с традиционно применяемыми методами оценки примерно в 1,7 раза. При этом повышение качества принимаемых решений достигается применением метода комбинированного анализа четкой и нечеткой информации из разнородных источников.

Основные результаты исследований по теме диссертации изложены в следующих работах:

1. Игнатенко, А.Н. Разработка концептуальной модели советующей информационной системы для анализа платежеспособности заемщиков [Текст] /А.Н. Игнатенко, A.C. Сизов // Системные проблемы надежности, качества, информационных и электронных технологий: матер. Междунар. конф. М.: Радио и связь, 2005. Ч.8.С.60-64.

2. Игнатенко, А.Н. Разработка структуры советующей информационной системы для анализа платежеспособности заемщиков [Текст] /А.Н. Игнатенко // Системные проблемы надежности, качества, информационных и электронных технологий: матер. Междунар. конф. М.: Радио и связь, 2005. 4.8. С.53-59.

3. Игнатенко, А.Н. К вопросу о разработке и внедрении советующих информационных систем для анализа рынка краткосрочного кредитования мелкого бизнеса. [Текст] / А.Н. Игнатенко, A.C. Сизов // Современные инструментальные системы, информационные технологии и инновации: матер. III Междунар. науч.-техн. конф.: в 2 ч. 4.1. // Редкол.: Е.И. Яцун [и др.]; Курск, гос. техн. ун-т. Курск, 2005. С.13-16.

4. Игнатенко, А.Н. Гипертекст как инструментальное средство поддержки процесса дистанционного обучения [Текст] / А.Н. Игнатенко, A.C. Сизов // Системные проблемы надежности, качества, информационных и электронных технологий: матер. Междунар. конф, М.: Радио и связь, 2002. Ч.З.С.54-55.

5. Игнатенко, А.Н. Применение гипертекстовой технологии в обучающем процессе [Текст]/ А.Н. Игнатенко, A.C. Сизов // Психолого-педагогические проблемы и информационно-техническое обеспечение учебного процесса и дистанционного обучения: тезисы докл. науч.-метод. конф. / Курск, гос. техн. ун-т; Курск, гума-нит.-техн. ин-т. Курск, 2002. С.202-204.

6. Игнатенко, А.Н. К вопросу об использовании гипертекстовой технологии в обучающем процессе [Текст] / А.Н. Игнатенко, A.C. Сизов // Россия на рубеже веков: история и современность: сборник научных статей / Курск, гос. техн. ун-т; Курск, гуманит.-техн. ин-т. Курск, 2002. С. 15-18.

7. Игнатенко, А.Н. Пути синтеза структурно-функциональной организации системы информационной поддержки принятия решений финансовых органов (на примере Курского региона) [Текст] / А.Н.Игнатенко, А.Ю.Михайлов, А.С.Сизов // Системные проблемы надежности, качества, информационных и электронных технологий: матер. Междунар. конф. М.: Радио и связь, 2004. Ч.7.Т.2.С.36-44.

8. К вопросу создания информационно-аналитической системы бюджетирования на инновационном предприятии военно-промышленного комплекса [Текст] / А.Н.Игнатенко, А.Ю.Михайлов, А.С.Сизов, Д.А.Стребков // Системные проблемы надежности, качества, информационных и электронных технологий: матер. Междунар. конф. М.: Радио и связь, 2004. Ч.7.Т.2.С.44-50.

9. Игнатенко, А.Н. Способ распределения финансовых ресурсов на развитие ВВТ в условиях финансово-экономической неопределенности [Текст] / А.Н. Игнатенко, Д.В. Насонов, A.C. Сизов // Науч.-техн. сб. тр. войсковой части 45807-PII №1(148), 2005.

ИД №06430 от 10.12.01 Подписано в печать 24.04.2006. Формат 60x84 1/16. Печать офсетная Печ. л. 1,0. Тираж 100 экз. Заказ ¿f . Курский государственный технический университет. Издательско-полиграфический центр Курского государственного технического университета: 305040, г.Курск, ул. 50 лет Октября, 94

Соискатель

Игнатенко А.Н.

86 7 1

Основные обозначения и сокращения.

Введение.

1. Анализ тенденций развития рынка кредитования, разработка внешнесистемных требований к автоматизированной системе информационной поддержки процессов кредитования.

1.1. Тенденции развития и особенности рынка краткосрочного кредитования.

1.2. Ситуационный подход к управлению процессом кредитования.

1.2.1. Общая характеристика ситуационного подхода при кредитовании

1.2.2. Методы принятия решений при ситуационном управлении.

1.2.3. Подход к формализации процесса оценки состояния заемщика.

1.3. Концептуальная модель процесса оценки кредитной ситуации.

1.4. Характеристика задач, объектов и источников информации при оценке ситуации кредитования.

1.4.1. Стратегическая цель и задачи кредитования.

1.4.2. Характеристика объектов, образующих ситуацию кредитования.

1.4.3. Характеристика источников информации о кредитной ситуации.

1.5. Подход к оценке ценности информации в процессе кредитования.

2. Синтез структурно-функциональной организации системы информационной поддержки оценки состояния заемщика.

2.1. Формализация описания предметной области заемщика при оценке кредитной ситуации.

2.2. Представление поступающей информации о кредитной ситуации и шкалы ее измерения.

2.2.1 Вариант определения релевантности поступающих сообщений.

2.2.2. Определение степени соответствия сообщения узлу формальной модели.

2.3. Функциональное моделирование системы информационной поддержки решения о кредитовании.

2.4. Разработка структурно-функциональной организации системы информационной поддержки решения о кредитовании заемщика.

2.4.1. Структурно-функциональная организация системы информационной поддержки решения о кредитовании.

2.4.2. Разработка хранилища данных.

2.5. Структурно-параметрический синтез информационной подсистемы.

2.5.1. Онтология кредитной ситуации.

2.5.2. Формализация онтологии.

2.5.3. Выбор и обоснование метода анализа и обработки разнородных данных.

3. Разработка метода анализа данных о состоянии объекта кредитования .102 3.1. Обоснование общей структуры информационно-аналитической базы.

3.2. Разработка гипертекстовой базы знаний.

3.2.1. Описание знаний в форме нечетких графов.

3.2.2 Гипертекстовое описание базы знаний.

3.2.3. Реализация поиска в гипертекстовой базе знаний.

3.2.4. Пополнение гипертекста.

3.3. Дерево принятия решений в условиях четкой и нечеткой информации.

3.3.1. Дерево принятия решений в условиях четкой информации.

3.3.2. Дерево принятия решений в условиях нечеткой информации.

3.3.3. Настройки нечеткой базы знаний.

3.3.4. Обучение сети по экспериментальным данным.

4. Реализация методики поддержки принятия решений в процессе кредитования.

4.1. Разработка БЗ.

4.1.1. Разработка структуры ГТ, применительно к описанию кредитной ситуации.

4.1.2 Структурная модель представления знаний в БД.

4.1.3 Структурная модель представления данных в БД.

4.2. Дерево вывода.

4.3. Разработка системы информационной поддержки принятия решений.

Диссертационная работа посвящена разработке и применению систем поддержки принятия решений (СППР) в деятельности банковских учреждений, которые являются неотъемлемой частью финансовой системы всей страны.

В последнее время банковские учреждения активно осваивают рынок краткосрочного кредитования. Это связано с наметившейся стабилизацией экономики в целом, повышением благосостояния граждан и с изменениями законодательства. Так в отношении малого бизнеса упрощенная схема регистрации предпринимателей и юридических лиц, а также изменения в налогообложении приводят к быстрому росту числа индивидуальных предпринимателей и юридических лиц, на что не могут не обращать свое внимание банки. До сих пор кредитование малого бизнеса оставалось слаборазвитой областью, поэтому между банковскими учреждениями в настоящий момент наблюдается конкурентная борьба по завоеванию ниши краткосрочного кредитования мелкого предпринимательства, открываются новые банковские филиалы, набираются новые кадры, причем далеко не всегда с наличием опыта работы на данном сегменте рынка. Так, для банковских служащих необходимы следующие знания: структура и взаимодействие отделов внутри банка, процедура анализа бизнеса и залога, процедура выдачи кредита и последующий мониторинг финансового состояния заемщика и залогового обеспечения. Поэтому банковские учреждения нуждаются в разработке и применении системы информационной поддержки решения о кредитовании (СИПРК), способствующих повышению эффективности и качества труда в работе специалистов.

Деятельность любого российского предприятия сопряжена с рисками экономического, криминального, социально-политического, административно-правового и техногенного характера [21].

Источниками такого риска могут выступать:

- партнеры и контрагенты;

- криминальные структуры, стремящиеся приобрести влияние на предприятии;

- недобросовестные конкуренты;

- отдельные сотрудники предприятия, пытающиеся удовлетворить личные коммерческие интересы за его счет;

- негосударственные организации и отдельные лица, специализирующиеся на проведении промышленного шпионажа; и т.д.

С целью оценки этих рисков необходимо проводить комплексное изучение ситуации на предприятии и вокруг него.

В различных коммерческих банках, в зависимости от их внутренней структуры, эта работа распределяется между службой безопасности, специальным аналитическим отделом и кредитным отделом. Однако в настоящее время существует явное противоречие между необходимостью своевременной и достоверной оценки рисков кредитования и существующими информационно-аналитическими возможностями коммерческих банков, вследствие того, что в последних недостаточно развиты формальные средства по работе с нечеткой информацией, необходимой для более полного описания кредитной ситуации и позволяющей принимать качественное решение по кредитованию.

Разрешение этого противоречия возможно на пути создания и внедрения эффективных автоматизированных информационно-аналитических систем поддержки процессов кредитования.

При этом наиболее целесообразным при управлении процессом кредитования является использование ситуационного подхода.

Общая методология ситуационного управления рассмотрена в работах Поспелова Д.А. [70,71], Клыкова Ю.И.[45,46], Чекинова Г.П. [11,91] и др. Однако оценка кредитной ситуации имеет ряд специфических особенностей, таких, как сложность определения платежеспособности из-за искажения подаваемой информации со стороны заемщика, необходимость рассмотрения дополнительных источников информации, описывающих кредитную ситуацию и представленных в нечетком виде.

Общие подходы и принципы построения информационных баз экономических информационных систем рассмотрены в работах Романова А.Н. [73, 74], Одинцова Б.Е.[64], Мишенина А.Щ61], Ротштейна А.П.[75-77] и др.

Тем не менее конкретные пути реализации системы информационной поддержки решения о кредитовании (СИПРК) применительно к ситуационному подходу при оценке экономических рисков недоопределенных дескрипторов системы (каковой является кредитная ситуация) требуют проведения самостоятельных исследований.

Таким образом, возникает актуальная научно-техническая задача по структурно-параметрическому синтезу системы информационной поддержки управленческих решений (советующей информационной системы) при кредитовании и ее исследований.

Поэтому целью работы является повышение эффективности управления процессом кредитования в банковских учреждениях на основе создания системы информационной поддержки решения о кредитовании.

В качестве показателей эффективности управления в диссертационной работе рассматриваются кредитные риски и оперативность принятия решения о выдаче кредита заемщику.

Для достижения поставленной цели решаются следующие задачи:

1. Анализ объектов и источников информации при ситуационном подходе к управлению процессом кредитования.

2. Разработка концептуальной модели оценки кредитной ситуации.

3. Формализация описания предметной области для анализа кредитной ситуации на основе оценки ценности информации о заемщике.

4. Разработка математической модели гипертекстовой базы знаний, базирующейся на использовании четких и нечетких графов.

5. Разработка дерева принятия решений в условиях четких и нечетких данных.

6. Разработка структурно-функциональной организации системы информационной поддержки решения о кредитовании, экспериментальная оценка качества функционирования ее основных структурных элементов.

Объект исследования. Процессы и методы кредитования заемщиков в современных коммерческих банках.

Предмет исследования. Методы и средства информационной поддержки решений в условиях краткосрочного кредитования.

Методы исследований. При проведении исследований использовались методы системно-структурного анализа, теории графов, нечетких множеств, ситуационного управления, а также теории баз данных и знаний.

Научная новизна работы заключается в разработке:

1. Стратегии управления кредитованием, особенностью которой является использование ситуационного подхода, позволяющей учесть специфику обработки четкой (документальной) и нечеткой информации о кредитной ситуации.

2. Концептуальной модели оценки кредитной ситуации как открытой системы в виде шести страт (плоскостей), отражающей важнейшие аспекты формализации добывания и обработки информации о заемщике и обеспечивающей формирование дерева целей, синтез структуры и обоснование внешне- и внутрисистемных характеристик СИПРК.

3. Формализованного описания предметной области заемщика на основе теоретико-множественного представления, особенностью которого является учет основных объектов (факторов), определяющих кредитную ситуацию и ценность информации, характеризующей отношения между ними.

4. Комбинированной базы знаний, структурированной в виде четкого и нечеткого гипертекста и соответствующего дерева принятия решения, отличающегося композицией решений, формируемых как по четкой (документальной), так и нечеткой информации.

Практическая ценность диссертационной работы состоит в том, что синтезированная система управления информационной поддержки процессом кредитования позволяет на практике проводить своевременный анализ кредитной ситуации и принимать решение о предоставлении кредита заемщикам при улучшении качества кредитного портфеля за счет обработки четкой и нечеткой информации из разрозненных источников.

Предложенная система управления может найти широкое применение в банковских учреждениях, специализирующихся на кредитовании бизнеса различного масштаба.

На защиту выносятся следующие научные положения:

1. Стратегия управления кредитованием малого и среднего бизнеса, базирующаяся на ситуационном подходе и учитывающая особенности преобразования и обработки четкой и нечеткой информации о кредитной ситуации.

2. Концептуальная модель процесса оценки кредитной ситуации в виде шести плоскостей (страт), которая позволяет синтезировать открытую структурно-функциональную организацию системы информационной поддержки решений о кредитовании (СИПРК) и обосновать ее внешние и внутрисистемные характеристики.

3. Формализованное описание предметной области заемщика, особенностью которого является учет специфических факторов, определяющих кредитную ситуацию, финансово-экономические отношения между ними, а также ценность получаемой информации при описании информационных компонент.

4. Гипертекстовая база знаний, отличающаяся формированием как четкого, так и нечеткого гипертекста, позволяющая хранить и обрабатывать соответственно четкую (документальную) и нечеткую информацию.

Апробация и публикации по теме диссертации.

Основные положения и результаты диссертационной работы докладывались и обсуждались на международной конференции «Системные проблемы надежности, качества, информационных и электронных технологий» (г.Сочи, 2002, 2004, 2005), III международной научно-технической конференции «Современные инструментальные системы, информационные технологии и инновации» (Курский ГТУ, 2005). Результаты работы рассматривались на семинарах кафедры «Информационные системы в экономике» КурскГТУ, проводимых в период с 2003 г. по 2005г.

По теме диссертации опубликовано 9 печатных работ, в том числе 2 статьи, 7 докладов.

Личный вклад автора.

В работах, опубликованных в соавторстве, разработана концептуальная модель процесса оценки платежеспособности заемщиков [37], в [38] лично автором разработана ее структура, особенностью которой является применение комбинированной базы знаний на основе модифицированного гипертекста, который декомпозирован на два структурных компонента, отражающих четкую и нечеткую информацию [32,34,35]. Данная база знаний используется в качестве основной подсистемы информационной поддержки кредитных экспертов. Автором проведены исследования по определению четких и нечетких потоков информационного обмена в процессе деятельности заемщиков [33,34,35]. Выявлены возможные источники получения информации и построена модель онтологии кредитной ситуации [37]. В [36,41,39] обосновывается целесообразность применения информационных систем для автоматизации принятия управленческих решений в кредитных и финансовых учреждениях.

Структура и объем работы.

Диссертация состоит из введения, четырех разделов, заключения, списка использованных источников (101 наименование) и 4 приложений. Общее количество машинописных страниц - 177, из них: 148 страниц основного текста, 34 рисунка, 9 таблиц.

Выводы:

1. Обоснована структура информационно-аналитической базы с учетом специфики информационного потока — его разделения на четкую и нечеткую составляющие, что позволяет наиболее полно описать кредитную ситуацию и в дальнейшем на основе этого описания более обоснованно принимать решение.

2. На основе теории графов и нотации Бэкуса-Наура разработана гипертекстовая БЗ для СИПРК, определена ее структура и основные элементы. Предложены методы пополнения и поиска в ГТ БЗ.

3. Разработаны деревья вывода решений для четкой и нечеткой информационной составляющей. Построена онтология системы, определены гипотезы, узлы деревьев вывода, а также определены реляционные выражения. Созданы базы правил для вывода в условиях четкой и нечеткой информации

4. Предложены методы настройки деревьев принятия решений и их обучения по экспериментальным данным, рассмотрены критерии, позволяющие функционировать системе при недостатке исходных данных.

4. РЕАЛИЗАЦИЯ МЕТОДИКИ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В ПРОЦЕССЕ КРЕДИТОВАНИЯ

4.1. Разработка БЗ

4.1.1. Разработка структуры ГТ, применительно к описанию кредитной ситуации

Согласно разработанной в разделе 1 данной диссертационной работы КМ, учитывая особенности построения гипертекста, описанные в разделе 3, был построен гипертекст, состоящий из списка главных тем, тезаурусных статей и алфавитного словаря. Алфавитный словарь представлен в Приложении 3.

Заемщики Поручители

Плоскость №2 КМ (объекты, образующие КС)

Список главных тем>-> Контрагенты

Залог

Законодательство Кредитная процедура Тезаурусная статья объекта «Заемщики»>

Тезаурусная статья объекта «Контрагенты»>

Арендаторы

Арендодатели

Поставщики

Покупатели

Банки

Судебные органы Органы внутренних дел Налоговые органы СМИ Тезаурусная статья объекта «Поручители»>

Наименование поручителей

Список родственных статей Тезаурусная статья объекта «Залог»>

Наименование перечня залога

Список родственных статей Тезаурусная статья объекта «Законодательством

Наименование законов

Список родственных статей Тезаурусная статья объекта «Кредитная процедура»>

1. Виды предоставляемых кредитов

2. Оценка обеспечения кредита

3. Оценка финансового состояния заемщика

4. Предоставление документов для проверки в службу безопасности

5. Предоставление документов для проверки в юридический отдел

6. Методика расчета резерва на возможные потери по ссудам

7. Хранение документов

Для хранения информации в БЗ целесообразно использовать стандарт XML (Extensible Markup Language) [99]. Данный язык является производной SGML- языка разметки документов и позволяет структурировать информацию разного типа, используя для этого произвольный набор инструкций. Из преимуществ XML можно выделить: - XML - документы выполняют роль универсального формата для обмена информацией между различными программными компонентами сложной информационной системой, каковой и является разрабатываемая СИПРК;

- применение стандарта позволяет упростить поиск нужной информации;

- язык XML позволяет описывать данные произвольного типа;

- XML-документы могут использоваться в качестве промежуточного формата данных в трехзвенных системах.

- информация, содержащаяся в XML-документах, может изменяться, передаваться на машину клиента и обновляться по частям, ссылаться на отдельные элементы документа с учетом их вложенности;

- использование стилевых таблиц (XSL) позволяет обеспечить независимое от конкретного устройства вывода отображение XML- документов;

- XML может использоваться в обычных приложениях для хранения и обработки структурированных данных в едином формате.

Также необходимо отметить, что организацией W3C рассматривается к внедрению спецификация нового языка запросов к базам данных

XQL, который в будущем может стать альтернативой SQL.

4.1.2 Структурная модель представления знаний в БД

Как показано в [17] разработка реляционной схемы для XML может оказаться более практичным способом применения для систем, обрабатывающих большой объем данных. До тех пор, пока СУБД XML не достигли степени зрелости коммерческих реляционных СУБД, применение последних оказывается более целесообразным по сравнению с недавно разработанными СУБД XML, которые в определенных отношениях более эффективны, но еще не отличаются достаточной надежностью и удобством сопровождения.

Для хранения данных XML обосновывается выбор реляционной базы данных с высокой степенью детализации, т.к. при таком подходе обеспечивается индивидуальный доступ к каждому элементу и атрибуту (каждая конструкция в документе получает уникальный идентификатор в реляционной

БД), что позволяет обращаться к каждому элементу, атрибуту и области символьных данных отдельно, а также модифицировать или удалять их с минимальными воздействиями на другие конструкции документа.

Как показано в КМ проектирования СИПРК, следующим этапом после концептуального проектирования является логическое проектирование (плоскости 4, 5 КМ).

Основной идеей подхода с высокой степенью детализации состоит в использовании отдельной таблицы для конструкции документа каждого типа, в частности, для элементов, атрибутов и областей символьных данных. Должны быть предусмотрены отдельные таблицы для документов, а также для данных о родительско-дочерних связях между элементами и их непосредственными составляющими (субэлементами или символьными данными).

Ниже приведена логическая структура для реляционной модели данных с высокой степенью детализации:

Document (name DOCNAME, root ELEMENT)

Element (doc DOCUMENT, parent ELEMENT, tag ELE NAME)

Attribute (doc DOCUMENT, element ELEMENT, name ATTR NAME, value ATTRVALUE) CharData (doc DOCUMENT, element ELEMENT, value CDATA) Child (doc DOCUMENT, element ELEMENT, index NUMBER, childclass CHILDCLASS, child CH1LD NODE)

Для моделирования объединения доменов ELEMENT и CHARDATA применены домены CHILDCLASS и CHILD NODE.

Для нормализации этой схемы в целях ее приведения к первой нормальной форме устраняются реляционные домены DOCUMENT и ELEMENT путем создания идентификаторов для каждого отношения docid и elementid в новых атомарных доменах DOCID и ELEMENTID.

Ниже приведена нормализованная логическая структура:

Document (docid DOCID, name DOCNAME, root ELEMENTJD) Element (docid DOC JD, elementid ELEMENTJD, parentid ELEMENT, tag ELENAME) Attribute (docid DOCID, elementid ELEMENTJD, name

ATTRNAME, value ATTRVALUE) CharData (docjd DOC JD, cdatajd CDATA ID, elementJd ELEMENTJD, value CDATA) Child (doc id DOCJD, element Jd ELEMENTJD, index NUMBER, childclass CHILDCLASS, child CHILD NODE)

Нормализованная логическая схема для реляционной модели представлена на рисунке 4.1.

В этой логической схеме таблица "Document" содержит столбцы для имени, идентификатора документа и корня элемента. Каждая запись в таблице соответствует одному документу в базе данных. Имя представляет собой уникальное имя документа, на которое могут ссылаться внешние приложения. Идентификатор документа может служить уникальным числовым идентификатором, на который ссылаются другие таблицы для привязки каждой конструкции документа к соответствующему документу. Это необходимо для быстрой выборки документа при выполнении поиска по непосредственным составляющим документа. Корень элемента соединяет таблицу документа с элементом в таблице элементов, которая является корнем дерева элементов документа. В данной структуре центральной является таблица элементов, которая соединяет все остальные конструкции документа, причем каждый элемент в документе имеет уникальный идентификатор. Идентификатор элемента вместе с идентификатором документа служит для однозначного обозначения элемента, что упрощает процесс поиска и копирования документов в БД. с t) - ' /j doc id DOC ID name DOCNAME root ELEMENT ID doc id=doc id doc id=doc id doc id

DOC ID element id ELEMENTJD iftix

NUMBER childclass CHILDCLASS child id CHILD ID doc id=doc id element id=root doc id=doc id element ¡d=elementid doc id DOC ID elementid element JD neme attr name value

ATTR VALUE doc id=doc id

IPsSSÜ doc id

DOC ID cdatajdcdata id elementJd ELEMENTJD value CDATA element id=element id i doc id

DQCJD element id ELEMENT ID parent Jd ELEMENTJD tag ELEMENT JslAME doc id=doc id element id=element id

Рис. 4.1. Нормализованная логическая схема для реляционной базы данных с высокой степенью детализации для хранения данных XML

Каждый элемент должен содержаться в том или ином документе. Отсутствие данного ограничения приводит к повышению вероятности повреждения базы данных при одновременном создании многочисленными приложениями элементов, не относящихся к документам. Идентификатор родительского элемента соединяет субэлементы с родительскими элементами в структуре дерева. Он предоставляет способ перемещения от лист-узлов и внутренних узлов дерева к корню. Каждый элемент в документе, кроме корневого элемента, должен иметь родительский элемент (корневой элемент отличается тем, что имеет идентификатор родительского элемента, равный NULL). Ссылка на корневой элемент должна также быть представлена в корневом столбце таблицы документа.

ЗАКЛЮЧЕНИЕ

Анализ ситуации на кредитном рынке России позволяет сделать прогноз о продолжении его бурного развития, сопровождающегося жесткой конкуренцией со стороны кредитных учреждений. В таких условиях коммерческим банкам необходимо быстро и качественно производить оценку заемщиков. Особенно остро стоит вопрос о кредитовании заемщиков для развития бизнеса из-за сложности оценки их платежеспособности.

В ходе решения научной задачи по повышению эффективности управления процессом кредитования в банковских учреждениях в диссертационной работе получены следующие результаты:

1. Показано, что одним из основных путей повышения эффективности процесса управления кредитованием является создание и внедрение эффективных автоматизированных информационно-аналитических систем поддержки процессов кредитования, базирующихся на стратегии управления с использованием ситуационного подхода.

2. Разработана концептуальная модель, описывающая кредитную ситуацию, в виде шести страт. Это позволило реализовать важнейший принцип создания сложных информационно-аналитических систем - принцип открытости и обосновать внешне- и внутрисистемные характеристики СИПРК. На ее основе определены объекты и источники информации, образующие кредитную ситуацию.

3. Произведено описание предметной области заемщика на основе теоретико-множественного представления с учетом специфических факторов, определяющих кредитную ситуацию, и построена ее онтология в виде системы логических соотношений с параметрами в соответствии с синтаксисом прикладной логической теории. , !

4. На основе гипертекстовой структуры разработана комбинированная база знаний, позволяющая отражать как четкую, так и нечеткую информацию о кредитной ситуации, что в итоге обеспечивает объективность ее оценки. В качестве языка представления информации предложен язык разметки XML.

5. Разработан обобщенный алгоритм анализа и обработки разнородных данных, состоящий из двух этапов: сбора четкой и нечеткой информации и поддержки решения о кредитовании. Данный алгоритм предусматривает представление информации из различных источников и хранение четкой и нечеткой информации, поиск в четкой и нечеткой базе знаний, принятие решений на основе четкой и нечеткой информации.

6. Разработано композиционное дерево принятия решения, базирующееся на частных деревьях решения по четкой и нечеткой информации, в основу которых положен математический аппарат нечетких графов. Данное дерево обеспечивает принятие решения по одной из трех альтернатив: выдать кредит, отказать или отправить на дополнительный мониторинг кредитной ситуации.

7. Разработанная структурно-функциональная организация системы информационной поддержки решения о кредитовании позволяет повысить эффективность управления процессом кредитования малого и среднего бизнеса за счет снижения кредитных рисков в 1,2-1,3 раза и сокращения времени принятия решения по сравнению с традиционно применяемыми методами оценки примерно в 1,7 раза. При этом повышение качества принимаемых решений достигается применением метода комбинированного анализа четкой и нечеткой информации из разнородных источников.

Таким образом вышеуказанное дает основание полагать, что поставленные в работе задачи решены и цель достигнута.

На основании сделанных выводов и результатов проведенного исследования можно дать ряд основных рекомендаций руководителям кредитных учреждений, желающих повысить эффективность управления предприятием:

- поддерживать средства и системы автоматизации на должном уровне, для обеспечения доступа и обработки информационных массивов за приемлемое время;

- уделять должное внимание сбору и обработке информации и, по возможности, для этих целей создавать информационно-аналитические отделы;

- необходимо активно сотрудничать с бюро кредитных историй.

149

1. Аналитические группировки счетов кредитных организаций в 2000 году.http://www.cbr.ru/statistics/creditstatistics/print.asp?flle=credinstOO.htm. Сайт Центрального банка Российской федерации. 2004.

2. Аналитические группировки счетов кредитных организаций в 2001 году.http ://www.cbr.ru/statistics/creditstatistics/print.asp?file=credinst0 l.htm. Сайт Центрального банка Российской федерации. 2004.

3. Аналитические группировки счетов кредитных организаций в 2002 году.http://www.cbr.ru/statistics/creditstatistics/print.asp?file=credinst02.htm. Сайт Центрального банка Российской федерации. 2004.

4. Аналитические группировки счетов кредитных организаций в 2003 году.http ://wwwxbr.ru/statistics/creditstatistics/print.asp?file=credJnst03.htm. Сайт Центрального банка Российской федерации. 2004.

5. Аналитические группировки счетов кредитных организаций в 2004 году.http://www.cbr.ru/statistics/creditstatistics/print.asp?flle=credinst04.htm. Сайт Центрального банка Российской федерации. 2005.

6. Аналитические группировки счетов кредитных организаций в 2005 году.http://www.cbr.ru/statistics/creditstatistics/print.asp?flle=credinst05.htm. Сайт Центрального банка Российской федерации. 2005.

7. Аналитический вестник. http://www.urbc.ru/daynews.asp?ida=105628. Сайт информационно-аналитического агентства «УралБизнесКонсал-тинг», 2000-2005.

8. Андрейчиков A.B., Андрейчикова О.Н. Интеллектуальные информационные системы: Учебник. М.: Финансы и статистика, 2004.

9. Банки и банковские операции / Под ред. проф. Е.Ф. Жукова. М.: Банки ибиржи, ЮНИТИ, 1997.

10. Берштейн, Л.С, Боженюк A.B. Введение в теорию нечетких графов. Таганрог: ТРТУ, 1999г.

11. Бондаренко В.В., Куляница A.JI. Чекинов Г.П. Механизм оценивания ситуаций в интеллектуальной системе поддержки принятия решений // Информационные технологии. 2003. №6.С.6-11.

12. Бурков В.Н., Новиков Д.А. Теория активных систем: состояние и перспектива. Серия «Информатизация России на пороге XXI века». М.:СИНТЕГ, 1999.-128 с.

13. Вендров A.M. CASE-технологии современные методы и средства проектирования информационных систем. - М.: Финансы и статистика, 1998.

14. Вендров A.M. Проектирование программного обеспечения экономических информационных систем: Учебник. М.: Финансы и статистика, 2000.

15. Гаврилова Т.А. Хорошевский В.Ф. Базы знаний интеллектуальных систем. СПб.: Питер, 2000.

16. Гаскаров Д.В. Интеллектуальные информационные системы. М.: Высшая школа, 2003, 431с.

17. Грейвс Марк. Проектирование баз данных на основе XML.: Пер. с англ. М.: Издательский дом «Вильяме», 2002.

18. Григорьев JL, Романовский А., Сапов Г. Имитационное моделирование финансового управления банка // Банковские технологии. 1996. №8.

19. Гринберг A.C., Шестаков В.М. Информационные технологии моделирования процессов управления экономикой. Москва: Юнити, 2003.

20. Деньги, кредит, банки. Справочное пособие // Под общ. ред. Кравцовой Г. И. Мн.: Меркаванне, 1994.

21. Доронин А.И. Бизнес-разведка.-2-е изд., перераб. и доп.-М.: Издательство «Ось-89», 2003.

22. Доронин А.И. Разведывательное и контрразведывательное обеспечение финансово-хозяйственной деятельности предприятия. — Тула: Гриф и К°, 2000.

23. Дубров A.M., Лагоша Б.А., Хрусталев Е.Ю., Барановская Т.П. Моделирование рисковых ситуаций в экономике и бизнесе: Учеб. Пособие / Под ред. Б.А. Лагоши.-2-e изд., перераб. и доп.-М.: Финансы и статистика, 2003.

24. Дэвид А.Мрка и Клемент МакГоуэн. SADT-методология структурного анализа и проектирования.- М.: Метатехнология, 1993.

25. Екатеринославский Ю.Ю. Управленческие ситуации. Анализ и решения. М.: Экономика, 1989.

26. Екушов А.И. Моделирование рисков в коммерческом банке // Банковские технологии. 1998. №6.

27. Ерофеев A.A., Поляков А.О. Интеллектуальные системы управления. СПб.: Изд-во СПбГТУ, 1999.

28. Ефимов В.Н. Опыт использования функционального моделирования при разработке банковских систем // Банковские технологии. 1998.-С.64-68.

29. Загоруйко Н.Г., Ёлкина В.Н., Лбов Г.С. Алгоритмы обнаружения эмпирических закономерностей. Новосибирск: Наука, 1985.

30. Заде Л.А. Основы математического подхода к анализу сложных систем и процессов принятия решений // Математика сегодня. Серия: Математика, кибернетика. М., 1974.

31. Заде Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений. М: Мир, 1976, 165с.

32. Игнатенко, А.Н. Способ распределения финансовых ресурсов на развитие ВВТ в условиях финансово-экономической неопределенности Текст. / А.Н. Игнатенко, Д.В. Насонов, A.C. Сизов // Науч.-техн. сб. тр. войсковой части 45807-РИ №1(148), 2005.

33. Итоги развития банковского сектора и банковского надзора за 2002 — 2004 годы, http://www.cbr.ru/analytics/banksystem/bs2002-04.htm. Сайт Центрального банка Российской федерации. 2005.

34. Клещев A.C., Артемьева И.Л. Математические модели онтологий предметных областей. Ч. 1. Существующие подходы к определению понятия «онтология» // НТИ. Сер.2. 2001. - № 2. С.20-27.

35. Клещев A.C., Артемьева И.Л. Математические модели онтологий предметных областей. 4.2. Компоненты модели // НТИ. Сер.2. 2001. — № 3. С. 19-28.

36. Киселева И.А. Коммерческие банки: модели и информационные технологии в процедурах принятия решений. М.: Едиториал УРСС, 2002.

37. Клыков Ю.И. Семиотические основы ситуационного управления. М.: Издательство МИФИ, 1974.

38. Клыков Ю.И. Ситуационное управление большими системами, М.: Энергия: Энергия, 1974.

39. Ковязин А.Н., Востриков С.М. Мир InterBase. Архитектура, администрирование и разработка приложений баз данных в InterBase/Firebird/Yaffil. Издание 2-е, дополненное М.: КУДИЦ-ОБРАЗ, 2002. - 496 с.

40. Кормен Т., Лейзерсон Ч., Ривест Р. Алгоритмы: построение и анализ: 2-еиздание. М.: МЦНМО, 2004. - 960 с.

41. Кравец Л.Г., Обрезанов С.А. Интеллектуальные ресурсы конкурентной разведки. М.: «Права человека», 2004.

42. Краснощеков П.С., Федеров В.В., Фролов Ю.А. Информационные технологии и автоматизация проектирования сложных технических объектов // Информационные технологии и вычислительные системы. 1995. №1.

43. Кристофидес Н. Теория графов.-М.: Мир, 1978.

44. Кузнецов И.Н. Информация: сбор, защита, анализ. Учебник по информационно-аналитической работе. М.: ООО Изд. Яуза, 2001.

45. Ларичев О.И., Машкович Е.М. Качественные методы принятия решений. М.: Наука, 1996.

46. Лбов Г.С. Методы обработки разнотипных экспериментальных данных.-Новосибирск : Наука, 1981.

47. Лбов Г.С., Старцева Н.Г. Логические решающие функции и вопросы статистической устойчивости решений. Новосибирск: Изд-во Ин-та математики, 1999.-212 с.

48. Литвак Б.Г. Разработка управленческого решения. Учебник. — 3-е изд., испр. М.: Дело, 2002.

49. Макиенко A.A. Разведать без разведки помогут информационно-аналитические методы в деятельности СБ. Частный сыск, охрана, безопасность. М., 1995, №6 с. 10-12.

50. Маклаков C.B. BPwin, Erwin/ CASE-средства разработки информационных систем.-М.: ДИАЛОГ-МИФИ, 1999.

51. Марселлус Д. Программирование экспертных систем на Турбо-Прологе. М.: Финансы и статистика, 1994.

52. Мельников Ю.Н. Достоверность информации в сложных системах. — М.: «Советское радио», 1971. 192 с.

53. Мишенин А.И. Теория экономических информационных систем: Учеб-ник.-4-e изд., доп. и перераб.-М.: Финансы и статистика, 2001.-240 с.

54. Морозов В.П., Тихомиров В.П., Хрусталев Е.Ю. Гипертексты в экономике. Информационная технология моделирования. М.: «Финансы и статистика», 1997.

55. Новиков Д.А., Петраков С.Н. Курс теории активных систем. Серия «Информатизация России на пороге XXI века». М.:СИНТЕГ, 1999.-108 с.

56. Одинцов Б.Е. Проектирование экономических экспертных систем. -М.: ЮНИТИ, 1996.

57. Оссовский С. Нейронные сети для обработки информации /Пер. с польского И.Д. Рудинского. М.: Финансы и статистика, 2002.-344 с.

58. Плэтт В., Информационная работа стратегической разведки. Основные принципы М.: ИЛ, 1958.

59. Положение ЦБ РФ № 232-П от 09.07.2003 «О порядке формирования кредитными организациями резервов на возможные потери».

60. Положение ЦБ РФ № 254-П от 26.03.2004 «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задолженности».

61. Попов Э.В., Фоминых И.Б., Кисель Е.Б., Шапот М.Д. Статистические и динамические системы. М.: Финансы и статистика, 1996.

62. Поспелов Д.А. Большие системы. Ситуационное управление. -М.: Знание, 1975.

63. Поспелов Д.А. Ситуационное управление: теория и практика. М.:Наука, 1986.

64. Родионов И.И. Информационное обеспечение инвестиционно-кредитного цикла в банке. М.: МЦНТИ, 1995.

65. Романов А.Н., Одинцов Б.Е. Советующие информационные системы в экономике. М.: ЮНИТИ, 2000.

66. Романов В.П. Интеллектуальные системы в экономике: Учебное пособие / Под ред. д.э.н., проф. Н.П. Тихомирова.- М.: Издательство «Экзамен», 2003.

67. Ротштейн А.П. Медицинская диагностика на нечеткой логике. Винница: Континент Прим.- 1996.

68. Ротштейн А.П., Кательников Д.И. Идентификация нелинейных объектов нечёткими базами знаний //Кибернетика и системный анализ.-1998.-№5. С.53-61.

69. Ротштейн А.П. Интеллектуальные технологии идентификации: нечеткая логика, генетические алгоритмы, нейронные сети. — Винница: УНИВЕРСУМ—Винница, 1999. — 320 с.

70. Саати Т.Л. Иерархические решения. М.: Мир, 1991.

71. Саати Т.Л. Принятие решений. Метод анализа иерархий. Перевод с англ. М.: Радио и связь, 1993.

72. Скороходько Э.Ф. Семантические сети и автоматическая обработка текста. Киев: Наукова думка, 1983.

73. Советов Б.Я., Яковлев С.А. Моделирование систем. М.: Высшая школа, 2001- 343 с.

74. Стоянов Е.А., Стоянова Е.С. Экспертная диагностика и аудит финансово-хозяйственного положения предприятия. — Киев: Аурум, 1993.

75. Стратонович Р.Л. О ценности информации. Изв. АН СССР, техническая кибернетика, 1965, №6. С.3-12.

76. Стратонович Р.Л. Теория информации. М.: Сов.радио, 1975.

77. Структурный анализ: ШЕР-технологии / С.В. Черемных, И.О. Семенов, В.С. Ручкин М.: Финансы и статистика. 2003.

78. Федеральной Закон от 02.12.1990 № 395-1 "О банках и банковской деятельности".

79. Федеральный закон №218-ФЗ от 30.12.2004 «О кредитных историях».

80. Флейшман Б.С. Элементы теории потенциальной эффективности сложных систем. М.: «Советское радио», 1971. — 224 с.

81. Харкевич А.А. О ценности информации. — Проблемы кибернетики, вып.4, 1960.

82. Цыпкин Я.З. Основы информационной теории идентификации. М.: Наука, 1984.-320 с.

83. Чекинов С.Г. Экспертные системы в системах управления: состояние и перспективы (обзор) // Информационные технологии. 2001. №4 С.32-37.

84. Черноруцкий И.Г. Методы принятия решений. — СПб.: БХВ-Петербург, 2005.

85. Шанкин Г.Н. Ценность информации. Вопросы теории и приложений. -М.: Филоматис, 2004.

86. Шеннон К.Э., Работы по теории связи и кибернетике. М.: Ил., 1963. -829 с.

87. Шрейдер Ю.А. О количественных характеристиках семантической информации. Научно-техническая информация, №10, 1963.

88. Штейнберг Ш.Е. Идентификация в системах управления. М.: Энерго-атомиздат.- 1987. - 81 с.

89. Эйкхофф П. Основы идентификации систем управления. М.: Мир.-1975.-321 с.

90. Extensible Markup Language (XML). Recommendation of the W3C. http://www.w3.org/TR/.

91. Rotshtein A. Modification of Saaty Method for the Construction of Fuzzy Set Membership Functions. FUZZY'97 International Conference "Fuzzy Logic and Its Applications".in:Zichron, Israel, 1997.- p.-125-130.

92. Zimmermann H.-J. Fuzzy Sets, Decision Making and Expert Systems.-KluwenDordrecht.-1987.- 335 p.