интересно
Предыдущая | Содержание | Следующая

Значимость нечетких описаний при принятии финансовых решений

Проанализировав состояние теории финансового менеджмента, мы находим, что применяемые в практике финансового менеджмента методы комплексного финансового анализа, оценки эффективности и риска инвестиционного проекта, модели и методы оптимизации фондового портфеля, методы прогнозирования параметров финансовой модели хозяйствующего субъекта являются неадекватными характеру поступающей на вход финансовой модели прогнозной информации о состоянии внешнего окружения хозяйствующего субъекта. Помимо этого, существующие методы не учитывают субъективный характер принимаемых решений, не моделируют позначательную активность лица, принимающего финансовые решения, его неполную информационную осведомленность и возникающую в связи с этим неуверенность в ходе классификации уровней анализируемых факторов и показателей. В этом и состоит существо проблемы, которую я ставлю и разрешаю в настоящей монографии.

Применяемые для учета неопределенности субъективно-вероятностные схемы являются неудовлетворительными, так как, потеряв связь с классической основой вероятностной теории – частотной характеристикой генеральной совокупности однородных событий, возникающих при неизменных внешних условиях, - субъективно-аксиологические вероятности не нашли новой фундаментальной основы для своего существования. Вероятность, используемая в ходе оценки, ничего не говорит о субъективных предпочтениях лица, который выдвинул эту вероятностную оценку. Поэтому существует актуальная научная потребность в выработке новых принципов учета информационной неопределенности, связанной с объектом научного исследования. В объект, как мы уже отмечали, входит финансовая система хозяйствующего субъекта и лица, принимающие финансовые решения в этой системе.

Именно поэтому я здесь и во всех предшествующих своих научных работах предлагаю в качестве новой основы для моделирования неопределенности использовать формализмы теории нечетких множеств. Преимущества такого подхода к разрешению проблемы диссертационной работы состоят в следующем:

• нечеткие множества идеально описывают субъектную активность ЛПР. Неуверенность эксперта в оценке может моделироваться функцией принадлежности, носителем которой выступает допустимое множество значений анализируемого фактора. Помимо этого, ЛПР получает возможность количественной интерпретации признаков, первоначально сформулированных качественно, в терминах естественного языка;

• нечеткие числа (разновидность нечетких множеств) идеально подходят для планирования факторов во времени, когда их будущая оценка затруднена (размыта, не имеет достаточных вероятностных оснований). Таки образом, все сценарии по тем или иным отдельным факторам могут быть сведены в один сводный сценарий в форме треугольного числа, где выделяются три точки: минимально возможное, наиболее ожидаемое и максимально возможное значения фактора. При этом веса отдельных сценариев в структуре сводного сценария формализуются как треугольная функция принадлежности уровня фактора нечеткому множеству примерного равенства среднему;

• мы можем в пределах одной модели формализовывать как особенности экономического объекта, так и познавательные особенности связанных с этим объектом субъектов менеджера и аналитика, порождая экспертную модель в структуре обобщенной финансовой модели хозяйствующего

субъекта. Таким образом возникает платформа для интеграции принципиально разнородных знаний в рамках одной количественной финансовой модели;

• мы можем вернуть вероятностные описания в свой научный обиход, как вероятностные распределения с нечеткими параметрами. Нечеткость параметров распределения обусловлена тем, что классически понимаемой статистической выборки наблюдений нет, и для анализа мы пользуемся научной категорией квазистатистики. При таком подходе треугольные параметры распределения устанавливаются на основе процедуры установления степени правдоподобия. Таким образом, наметился путь для синтеза вероятностных и нечетко-множественных описаний. Без вероятностных распределений не обойтись там, где речь идет о моделировании случайных процессов (например, в фондовом менеджменте);

• мы можем получить принципиально новый класс методов комплексного финансового анализа, основанных на увязывании ряда отдельных финансовых показателей в единый комплексный показатель финансового состояния хозяйствующего субъекта. Мы можем при этом отказаться от идеи Альтмана для оценки риска банкротства (как от специфически-частного метода, который не в состоянии учитывать всю необходимую специфику финансового состояния каждого отдельного хозяйствующего субъекта), равно как и от ряда аналогичных методов (Тоффлера-Тисшоу [150], Лиса, Чессера, Давыдовой-Беликова [23] и др.), при этом формируя перечень участвующих в оценке отдельных финансовых факторов и их весов самостоятельно, с учетом фактической специфики анализируемого хозяйствующего субъекта;

• мы можем отказаться от сценарного моделирования при инвестиционном проектировании, предполагая, что все возможные сценарии развития событий, отражающиеся во входных параметрах финансовой модели (уровень затрат, выручки, фактора дисконтирования и т.д.) учтены в соответствующих треугольно–нечетких оценках, а веса вхождения соответствующего сценария в полную группу характеризуются функцией принадлежности соответствующего треугольного числа;

• мы можем воспользоваться матричной схемой для оценки комплексного финансового состояния хозяйствующего субъекта для построения методов оценки качественного уровня ценных бумаг – рейтинга облигаций и скоринга акций;

• мы можем вернуться к продуктивной идее Гарри Марковица для оптимизации фондового портфеля по схеме MVA (mean-variance analysis), записав задачу портфельной оптимизации в нечеткой постановке. Результатом решения этой задачи яявляется эффективная граница портфельного множества в форме криволинейной полосы и оптимальный портфель с нечеткими границами, построенный для предельно допустимого уровня риска портфеля;

• мы можем отказаться от применения методов ARCH/GARCH для среднесрочного и долгосрочного прогнозирования фондовых идексов (в связи с тем, что при смене макроэкономической парадигмы эти методы перестают быть адекватными), предложив метод прогнозирования фондовых индексов на основе количественного анализа рациональных инвестиционных тенденций, Прогнозы по индексам будут иметь вид треугольных нечетких последовательностей.

Руководствуясь изложенным , я разработал целый ряд методов оценки инвестиционной привлекательности фондовых активов и портфелей на их основе. К ним относятся методы рейтинга облигаций, скоринга акций, метода портфельной оптимизации в нечеткой постановке. Также мной разработаны основы новой теории прогнозирования фондовых индексов, с использованием результатов теории нечетких множеств. Эта теория получила свое практическое подтверждение в прогнозах, сделанных мною за год до второго падения фондового рынка США в 2002 году и оправдавшиеся полностью, не только качественно, но и количественно (я сделал эти прогнозы в [67] за год до событий). Все вышеперечисленные методы излагаются мной в главах 2 – 4 настоящей монографии.

Все изложенные в книге методы получили свое внедрение в систему оптимизации фондового портфеля, внедренной, в частности, в Пенсионном Фонде Российской Федерации (об этом – в главе 5 нашей книги).