Автореферат магистерской работы

тема: "Разработка интеллектуальной системы анализа финансовой деятельности предприятия"

Содержание Актуальность работы Обзор выполненных исследований и разработок Основные проблемы при проведении финансового анализа Возможные методы и пути решения проблем Научная новизна Практическая ценность Обзор основных результатов Список литературы

Актуальность работы.

В современных условиях, когда экономика испытывает кризис и предприятия вынуждены мобилизовать все имеющиеся внутренние ресурсы, большую роль в этом процессе играет анализ финансовых результатов деятельности предприятия.

Финансовый анализ применяется для исследования экономических процессов и экономических отношений, показывает сильные и слабые стороны предприятия и используется для принятия оптимального управленческого решения [1], может выступать в качестве инструмента прогнозирования отдельных показателей предприятия и финансовой деятельности в целом.

Таким образом, видно, какую значимость имеет оценка финансового состояния предприятия, и что данная проблема является актуальной в нашей стране, при переходе к развитой рыночной экономике. В настоящее время появилось достаточно большое количество переводной и отечественной литературы на эту тему, содержащей рекомендации по расчету финансовых коэффициентов, но возникает проблема выбора определенной методики, которая соответствовала бы предприятию конкретной отрасли и условиям, в которых оно находится.

Оценка финансового состояния предприятия представляет интерес для широкого круга субъектов рынка, который составляют:

• предприятия, которые хотят знать независимое мнение о своей деятельности;
• инвесторы, заинтересованные в эффективности и минимальной рискованности инвестирования своих средств;
• кредиторы и поставщики, которые хотят убедиться в платежеспособности предприятия;
• партнеры по бизнесу, которые стремятся установить с предприятием стабильные и надежные деловые отношения (поставщики, потребители, транспортные и страховые компании и др.);
• сторонние для предприятия структуры (Государственная налоговая администрация желает убедиться в способности предприятия платить налоги, профсоюзы — в стабильности занятости работников и способности своевременно выплачивать зарплату, благотворительные организации — в потенциальной способности предприятия помочь).

Обзор выполненных исследований и разработок.

Финансовое состояние — состояние финансов предприятия, характеризуемое совокупностью показателей, отражающих процесс формирования и использования его финансовых ресурсов [12]. Назначением финансового анализа является оценка финансовых результатов и финансового состояния предприятия, а также экономическая диагностика будущего потенциала.

Цели финансового анализа:

1. Выявление изменений показателей финансового состояния;
2. Определение факторов, влияющих на финансовое состояние;
3. Оценка количественных и качественных изменений финансового состояния;
4. Оценка финансового положения на конкретную дату;
5. Определение тенденций изменения финансового состояния организации.

1. Определение цели анализа и подходов к нему;
2. Оценка качества информации, представленной для анализа;
3. Определение методов анализа, проведение самого анализа и обобщение полученных результатов.

• Сравнение показателей предприятия со средними показателями для экономики или отрасли (с нормативными);
• Сравнение показателей данного отчетного периода с данными предшествующих периодов или плановыми показателями;
• Сравнение показателей с аналогичными показателями других фирм-конкурентов.

Каждый из перечисленных видов сравнения имеет свои особенности и подчиняется определенным требованиям. Показатели конкретного предприятия, при сравнении их со среднеотраслевыми или нормативными, будут зависеть от особенностей организации производства, технологии, форм собственности, географического положения и других факторов. В меньшей степени эти факторы влияют на временные сравнения показателя одного предприятия, но здесь сказываются особенности состояния экономики, факторы сезонности производства, состояния конъюнктуры на конкретном рынке.

На втором этапе проводится оценка качества информации. Она должна быть объективной, достоверной, полной, достаточной для проведения анализа.

Третий этап представляет собой собственно анализ, как совокупность методов и рабочих приемов.

Заключительным этапом аналитической работы является комплексный анализ финансовых коэффициентов, отражающих все стороны производственно-хозяйственной деятельности предприятия. Выбор направлений анализа, его структурных частей и показателей основывается на практическом опыте аналитика. Как правило, анализ проводится по следующим блокам: анализ структуры капитала, ликвидности и финансовой устойчивости, рентабельности, деловой активности, эффективности управления, имущественного положения предприятия. Совокупность участвующих в анализе показателей может достигать большого числа, поэтому целесообразно отбирать такие, которые не противоречат между собой.

Логическим завершением анализа финансовых коэффициентов является рейтинговая оценка деятельности предприятия, как за различные временные периоды, так и в сравнении с конкурентами или среднеотраслевыми показателями [12]. Рейтинговая оценка позволяет на основе ограниченного набора показателей провести быстрый комплексный анализ исследуемых предприятий и ранжировать их в зависимости от результатов деятельности. Рейтинговую оценку целесообразно проводить при временных ограничениях и наличии большого количества анализируемых предприятий.

Данные показатели представляют все вышеназванные блоки анализа. На основе этих показателей производится расчет рейтинговой оценки эталонного и сравниваемых предприятий:

,        (1)

Наибольший рейтинг (он отражает потенциальные возможности анализируемых предприятий) имеет эталонное предприятие, характеризуемое наилучшими значениями отобранных показателей. Затем в соответствии с рейтинговой оценкой производится ранжирование предприятий. Первое место занимает предприятие с наивысшим рейтингом. Подобный подход соответствует практике рыночных отношений, где каждый товаропроизводитель стремится к тому, чтобы по всем показателям деятельности выглядеть лучше конкурента, т.е. эталона.

Вместе с тем, необходимо помнить, что итоговая оценка показывает максимальное значение равноправных коэффициентов, не делая различия по степени их важности и весомости. При необходимости можно усилить значение того или иного показателя, используя при расчете различные весовые коэффициенты.

Одним из наиболее распространенных, классических методов оценки финансового состояния предприятия является коэффициентный метод. Этот метод обладает рядом достоинств и недостатков, широко описанных в экономической литературе. Вместе с тем при его использовании работа финансового аналитика осложняется необходимостью расчета и детального анализа достаточно большого количества коэффициентов. Современные тенденции в теории и практике финансового анализа связаны с проблемой модификации системы финансовых коэффициентов, приведением этой системы к форме, удобной для принятия адекватных управленческих решений в области финансового менеджмента. В этом направлении существует несколько подходов.

Первый — это разработка одного или нескольких комплексных показателей путем сведения связанных между собой финансовых коэффициентов. В качестве примера при этом часто приводят формулу Дюпона. [3] Однако экономической сущностью данных моделей является как раз обратное действие: факторный анализ результирующего показателя, то есть возврат к множеству финансовых показателей.

Второй подход — это выбор из всех существующих финансовых коэффициентов незначительного количества тех, которые наиболее полно и всесторонне характеризуют финансовое состояние предприятия. Осуществление второго подхода может идти двумя путями:

• экспертным, который применяет практически каждый автор, специализирующийся в области финансового анализа, когда отдает предпочтение тем или иным финансовым коэффициентам;
• статистическим.

Статистический подход к коэффициентному методу в финансовом анализе описан в работе Лисициной Е.В.[4] Он позволяет усовершенствовать коэффициентный анализ, используя статистические методы, а также дополняет традиционные методы оценки финансовой устойчивости расчетом и анализом показателей на основе денежного потока и цены капитала.

В результате анализа существующих методик оценки результатов финансовой деятельности предприятий выявлено следующее:

• для анализа финансовой деятельности используется ряд показателей, характеризующих отдельные стороны текущего положения предприятия;
• по ряду показателей известны некие нормативы, характеризующие их значение положительно или отрицательно, однако в большинстве случаев показатели однозначно нормировать невозможно;
• вследствие большого количества показателей, часто изменяющихся разнонаправлено, стараются "свернуть" набор показателей в один комплексный, по значению которого можно судить о степени благополучия предприятия.

Одним из наиболее распространенных подходов к анализу финансового состояния является подход Альтмана (относящийся к методам дискриминантного анализа), результатом которого является формула:

,       (2)

Сравнивая значение Z с пороговыми нормативами (Z1 и Z2), можно делать вывод о финансовом состоянии предприятия. К аналогичным моделям относятся также модели Лиса, Чессера и др. [10]

Сопоставление данных, полученных по формуле Альтмана для ряда стран, показывает, что веса в Z-свертке и пороговый интервал [Z1 , Z2] разнятся не только от страны к стране, но и от года к году в рамках одной страны (можно сопоставить выводы Альтмана о положении предприятий США за 10 лет анализа). Таким образом, подход Альтмана не обладает устойчивостью к вариациям в исходных данных. Его можно применять, когда имеется в наличии (или обосновываются модельно) однородность и репрезентативность событий, характеризующих то или иное финансовое состояние.

Метод комплексного анализа предприятий, предложенный Алексеем Недосекиным [5], базируется не на априорно заданных коэффициентах в свертке предустановленных показателей, но используют интуицию и опыт эксперта — финансового аналитика, досконально знающего сильные и слабые места оцениваемого предприятия. Данный метод является наиболее достоверным и гибким из всех разработанных на сегодняшний день. Применение метода дает хорошие результаты при анализе финансового состояния отечественных предприятий, прежде всего благодаря учету особенностей этих предприятий, которая отражается в выбранной системе показателей. С использованием этого метода разработана система "МАСТЕР ФИНАНСОВ: Анализ и планирование". Основным недостатком метода является участие эксперта при выборе системы показателей и определении их уровня значимости.

С появлением на рынке специализированных компьютерных программ для анализа финансового состояния все больше руководителей понимает насколько эффективно их использование. В специализированных программах реализованы удобные формы ввода информации, технология ее накопления и хранения, алгоритмы выполнения расчетов, представление результатов в виде отчетов и диаграмм и т.д.

Общий подход в финансовом анализе и планировании — экспертная оценка заданного сектора рынка, оценка финансового состояния конкретной структуры на уровне формирования портфелей и выработка рекомендаций по оптимальному управлению финансовыми ресурсами с некоторым соотношением ожидаемой доходности планируемых операций к их рискованности. Практически решение данной задачи можно свести к созданию экспертных систем различных типов и уровней сложности.[6]

1. Формирование баз данных.
Существует достаточное количество фирм, специализирующихся на разработке и сопровождении баз данных самых разных масштабов и возможностей. Однако здесь стоит учесть следующее: для качественного финансового анализа необходимо решить, как поступать с "нестандартными" данными. Речь идет о событиях, явно "выпадающих" из общей статистической картины — это и нетипичные политические события, и локальные кризисы — "обвалы" на различных секторах рынка, и сделки, проведенные с некорректными результатами, и, наконец, просто ошибки ввода данных — все они могут вводить в заблуждение аналитические системы. Существуют разные подходы к решению это проблемы — от осреднения "нестандартных" данных к некоторому среднестатистическому уровню до простого выбрасывания их из базы. Существует понятие Data Mining (буквально — "заготовка данных")[7] и появились соответствующие программные продукты. Дело в том, что при определенном увеличении количества информации проблемой становится не только анализ данных, но и сама возможность поиска некоторых интересующих данных как таковых. Отчасти проблема решается методами кластерного анализа — "группировки" значений. Специализированные продукты, например IDIS фирмы Information Discovery, с помощью оригинального алгоритма кластеризации, довольно быстро обрабатывают базы данных и находят взаимосвязи между полями данных, выдавая отчет в виде набора интуитивно понятных правил. Другое семейство технологий Data Warehouse [8] описывает современные способы представления данных (отличные от классических — реляционных и т.п.), позволяющие оперативно управлять большими объемами данных (порядка десятков и сотен гигабайтов).

2. Аналитические элементы.
 a)   Экспертные системы, основанные на правилах. В мире существует множество фирм-разработчиков подобных программ, но наиболее известны три: EQUIS (семейство Meta Stock и Down Loader), Omega Research (семейство Super Charts, Wall Street Analyst и Trade Station) и Market Arts (семейство Windows on Wall Street и Wall Street Money). Общие их черты — построение ценовых графиков разных типов, набор различных индикаторов, набор графических инструментов, возможность разработки торговых стратегий как описания правил принятия решений, возможность формирования портфелей, поддержка различных поставщиков деловой информации. Классические экспертные системы, основанные на правилах, обладают большими функциональными возможностями, но требуют, во-первых, наличия собственно экспертов, причем не только квалифицированных, но и способных явно формулировать свои знания, во-вторых, наличия достаточно подготовленных специалистов, умеющих с такими системами работать, в-третьих, наличия довольно большого времени для создания баз знаний. Cтоимость баз знаний в разы, а иногда на порядки превосходит стоимость самих систем. Наиболее характерный продукт в данной области — система NExpert Object фирмы NEURON DATA. Многоплатформенное средство с набором библиотек для разработки, элементами управления базами знаний и оригинальным механизмом двунаправленного вывода с обработкой исключающих ситуаций путем различия "сильных" и "слабых" связей.
 b)  Экспертные системы, основанные на примерах. Речь идет о нейросетях. Наиболее известная из таковых — система Ward фирмы WARD SYSTEM. Помимо собственно нейросетевых алгоритмов (их в системе 15) присутствуют также возможности: обработки текстовых данных, задания правил в явном виде, работы с техническими индикаторами, обработки циклических событий, решения оптимизационных задач с помощью генетических алгоритмов, создания независимых (в т.ч. сетевых) приложений. Все перечисленные свойства можно считать фактическим стандартом для качественных систем с элементами нейросетей.
 c)  Экспертные системы, основанные на принципах. Появилась область математики (нечеткая логика, fuzzy logic), позволяющая сводить описание сложных предметных областей к набору основных принципов, способных управлять всей предметной областью в некоторых заданных рамках. Наиболее известный продукт в мире нечетких систем — пакет CubiCalc фирмы HyperLOGIC. Другой примечательный программный продукт с элементами нечеткой логики — таблица Fuzi Calc фирмы Fuzi Ware. В классический табличный процессор добавлены элементы нечеткой математики, что позволяет производить "прикидочные" вычисления с весьма высокой степенью точности и малым временем подготовки данных.
 d)  Экспертные системы, основанные на разработке моделей. Программные продукты, реализующие имитационные модели, например пакет iThink фирмы High Peroformance System, позволяют реализовать создаваемые модели динамически, то есть решать задачу примерно в следующей последовательности: составление модели системы на основании имеющихся данных и экспертных оценок; работа с полученной моделью "в динамике" и определение эффективности работы рассматриваемой системы; проверка гипотез "что, если" путем подбора управляющих параметров с целью получения наиболее оптимального функционирования рассматриваемой системы.

Среди российских разработок в области финансового анализа можно выделить — "ИНЭК: АФСП" фирмы ИНЭК, Audit Expert фирмы "Про-Инвест-ИТ" и "АБФИ-Предприятие" фирмы "Вестона". Для многих пользователей (особенно тех, у кого финансовый анализ поставлен "на поток") очень важной характеристикой является возможность импорта данных из бухгалтерских программ. Данные программные продукты решают эту задачу. Из вышеназванных программ только Audit Expert позволяет проводить анализ бухгалтерской отчетности других государств, благодаря наличию сценариев обработки данных бухгалтерской отчетности Белоруссии, Казахстана, Литвы, Молдавии, Узбекистана и Украины. Базовые возможности рассмотренных программ финансового анализа в целом сопоставимы [9]. Однако АБФИ проигрывает двум другим программам из-за отсутствия встроенных регламентированных методик анализа и средств интерпретации показателей, что, очевидно, не может не снизить интерес к ней со стороны органов государственного управления и корпораций. Следует иметь в виду, что АФСП можно охарактеризовать исключительно как готовое решение, не имеющее возможностей расширения функционала без участия фирмы-разработчика, а программу АБФИ — в большей степени как инструментарий, требующий при решении сложных задач подключения программиста и аналитика высокой квалификации.

Основные проблемы при проведении финансового анализа.

В настоящее время все крупные предприятия обладают хорошо развитой системой оперативного учета и планирования показателей деятельности (учет производства и реализации продукции, кадров, планирования запасов и т.д.). Как правило, такие системы реализованы с использованием одной из современных СУБД и функционируют в условиях технологии "клиент-сервер". Таким образом, в любой момент по запросу заинтересованных пользователей может быть получен набор отчетов, содержащих сведения, необходимых для проведения финансового анализа.

Дальнейшая обработка полученных результатов производится одним из следующих способов:
 -  используются специализированные программные продукты, позволяющие рассчитывать показатели финансовой деятельности, применять стандартизированные методики оценки текущего финансового состояния; некоторые из таких систем анализа позволяют прогнозировать показатели будущих периодов, моделировать различные сценарии развития предприятия;
 -  в качестве средства анализа показателей используются статистические пакеты или электронные таблицы (Microsoft Excel), имеющие в своем составе большой набор функций обработки и средств анализа и представления анализируемых показателей (например, в виде графиков);
 -  анализ производится специалистами "вручную" с применением аналитических методов расчета (при этом средства вычислительной техники используются только для сложных вычислений в качестве "калькулятора").

Два последних способа характеризуются высокой трудоемкостью, связанной с обработкой большого количества данных, полученных из оперативных отчетов, и требуют для обработки, анализа и принятия решения длительного периода времени. Очевидно, что трудоемкость и время анализа увеличивается с ростом количества анализируемых показателей.

Кроме этого, при использовании перечисленных способов анализа возникает ряд проблем [5]:
1. Проблема определения (выбора) системы показателей, наиболее точно и полно характеризующих деятельность предприятия.
2. Проблема интерпретации полученных количественных значений показателей финансового анализа. Одинаковое значение показателя для разных предприятий не всегда свидетельствует об одинаковом (схожем) финансовом состоянии этих предприятий. Кроме этого, само по себе полученное значение вряд ли может свидетельствовать о том или ином изменении финансового состояния: имеет смысл сравнивать аналогичные показатели за разный период времени и на основании сравнения делать вывод об улучшении или ухудшении финансового состояния.
3. Проблема определения значимости показателей. Значимость (весомость) показателей является важным фактором при проведении комплексной оценки деятельности предприятия (например, при вычислении комплексных показателей, рейтинговой оценки и т.д.).
4. Проблема определения "эталонного" предприятия, т.е. такого, которое имеет некоторые усредненные показатели финансового состояния, в результате сравнения с которыми, можно сделать вывод о текущем финансовом состоянии анализируемого предприятия.

В настоящее время эти проблемы частично решаются за счет привлечения экспертов, имеющих опыт проведения финансового анализа в определенной отрасли [11]. Однако при этом возникает фактор субъективности экспертной оценки. Кроме того, даже участие эксперта не может решить некоторых проблем. Также часто экспертами не учитываются или не обнаруживаются зависимости между показателями, характеризующими некоторые аспекты деятельности предприятия. Между ними, как правило, отсутствует функциональная зависимость, однако нередко изменение одного показателя приводит к изменению одного или нескольких других. Обнаружение таких зависимостей позволило бы более точно проводить анализ, а также учитывать такие взаимосвязи при прогнозировании и моделировании будущей деятельности.

Возможные методы и пути решения проблем.

Решение перечисленных проблем может быть получено за счет использования следующего подхода.
1. Для хранения данных, необходимых для проведения финансового анализа, целесообразно создать хранилище данных.
2. Средствами анализа данных (OLAP) можно реализовать оперативный анализ данных по различным критериям.
3. С помощью методов и алгоритмов исследования ("разработки") данных — Data Mining — определить зависимости между показателями финансовой деятельности, а также их значимость, что поможет более точно оценить финансовое состояние предприятия.
4. На основании найденных зависимостей с помощью методов и алгоритмов искусственного интеллекта можно построить набор правил, необходимых для принятий решений, влияющих на финансовое состояние предприятия. Также можно строить прогнозные модели развития предприятия.

Очистка данных (data cleaning, data cleansing или scrubbing) занимается выявлением и удалением ошибок и несоответствий в данных с целью улучшения качества данных. Проблемы с качеством встречаются в отдельных наборах данных — таких, как файлы и базы данных, — например, как результат ошибок при вводе, утери информации и других загрязнений данных. Когда интеграции подлежит множество источников данных, например — в хранилищах, — необходимость в очистке данных существенно возрастает. Это происходит оттого, что источники часто содержат разрозненные данные в различном представлении. Для обеспечения доступа к точным и согласованным данным необходима консолидация различных представлений данных и исключение дублирующейся информации.

Рисунок 1. Шаги построения Хранилища данных: ETL-процесс
(Данный рисунок анимирован. Для запуска нажмите кнопку)

Хранилища данных требуют и одновременно обеспечивают всестороннюю поддержку очистки данных. Они загружают и постоянно обновляют огромные объемы данных из различных источников, поэтому вероятность попадания в них "грязных данных" весьма высока. Более того, хранилища данных используются для принятия решений, следовательно, чтобы некорректные данные не привели к некорректным выводам, просто жизненно необходимо проводить корректировки таких данных. Например, дублирующаяся или утраченная информация может стать причиной некорректной или неадекватной статистики. Ввиду большого спектра возможных несоответствий в данных и большого объема данных их очистка считается одной из самых крупных проблем в технологии Хранилищ данных. В процессе так называемого ETL (извлечения, преобразования, загрузки — extraction, transformation, loading), показанного на рис. 1, дальнейшее преобразование данных связано с трансляцией схемы/данных и интеграцией, а также с фильтрацией и агрегацией данных, предназначенных для хранилища данных. Как показано на рис. 1, вся очистка данных обычно выполняется в отдельной области подготовки данных до загрузки преобразованных данных в хранилище.[13]

Результатом реализации такого подхода может быть интеллектуальная система анализа финансовых показателей на базе хранилища данных.

Научная новизна.

Для того, чтобы устранить недостаток, связанный с участием эксперта в выборе системы показателей, предлагается применить процедуру:
 - Используя данные бухгалтерской отчетности (баланс) определяются основные финансовые коэффициенты за несколько отчетных периодов (месяц, квартал).
 - Определяется корреляционная взаимосвязь между финансовыми коэффициентами.
 - Производится группировка финансовых коэффициентов. При этом значительные показатели коэффициентов корреляции (>0,7) свидетельствуют о высокой взаимосвязи между финансовыми коэффициентами, т.е. о возможном дублировании информации, характеризующей финансовое состояние предприятия. Чем меньше значение коэффициента корреляции, тем меньше связь между показателями. Следовательно, набор из таких коэффициентов может характеризовать финансовое состояние предприятие более подробно с различных сторон.
 - Для определения уровня значимости показателей, выбранных для проведения анализа, можно использовать один из методов факторного анализа.

Практическая ценность работы.

В результате описанной процедуры можно получить более объективную систему показателей и их уровней значимости, чем при их определении экспертом, а следовательно повысить точность оценки финансового состояния. Кроме этого предложенную процедуру можно применять к любому количеству показателей, в то время как эксперт с ростом количества показателей с меньшей степенью уверенности может выбрать необходимые из них и, тем более, оценить их значимость.

Наиболее целесообразно для реализации предложенного подхода использовать хранилище данных, т.к. необходимо хранить большое количество данных бухгалтерской отчетности за длительный период времени (желательно несколько лет).

Обзор основных результатов.

В данной работе обоснована необходимость финансового анализа деятельности предприятия и актуальность задач, требующих решения в ходе его проведения. Проведен анализ и дана классификация основных методов и приемов финансового анализа, обозначен круг проблем, подлежащих решению. Проведен поиск и анализ аналогичных разработок, выявлены их недостатки и недостаточная функциональность для решения поставленных задач.

Предложенный подход проектирования интеллектуальной системы анализа финансовых показателей на базе хранилища данных позволит устранить указанные недостатки и, тем самым, повысить качество принятия управленческих решений. Для обработки данных предлагается использовать методы искусственного интеллекта, которые позволят определить зависимости между показателями финансовой деятельности, их значимость, и, как следствие, построить более точную модель финансового состояния. На основании найденных зависимостей с помощью методов и алгоритмов искусственного интеллекта можно построить набор правил, необходимых для принятий решений, влияющих на финансовое состояние предприятия. Также можно строить прогнозные модели развития предприятия.

Список литературы.

1. Яцюк Н.А., Халевинская Е.Д. Оценка финансовых результатов деятельности предприятия. http://www.optim.ru/fin/2002/1/ryatsuk/ryatsuk.asp
2. Ковалев В.В. Финансовый учет и анализ: концептуальные основы. — М.: Финансы и статистика, 2004., 720стр.
3. Ложкин О.Б. Финансовый анализ эффективности и устойчивости бизнес-процесса. http://www.cfin.ru/press/afa/2001-2/51_lozh3.shtml
4. Лисицина Е.В. Статистический подход к коэффициентному методу в финансовом экспресс-анализе предприятия.
5. Недосекин А.О., Максимов О.Б. Новый комплексный показатель оценки финансового состояния предприятия.
6. Болдырев М. Методы финансового анализа и программные продукты на их основе.
7. Елманова Н. Введение в Data Mining // КомпьютерПресс, № 8, 2003
8. Туманов В. Data Warehouse: с чего начать? // PC Week/RE'98.
9. Шуремов Е. Инструменты финансового анализа — критерии выбора. www.aup.ru/articles/finance/7.htm
10. Загашвили Ю.В., Рябинова Н.Ю., Шляго Н.Н. Применение нечетко-множественного подхода для анализа кредитоспособности http://www.ibci.ru/konferencia/APEMPM/st040.htm
11. Недосекин А.О. Применение теории нечетких множеств к задачам управления финансами // Аудит и финансовый анализ, №2, 2000.
12. Финансы организаций: Учеб. пособ./ Под ред. д-ра экон. наук проф. С.С. Артемьевой.— Саранск: Изд-во Мордов. ун-та, 2004, 147c.
13. Эрхард Рам, Хонг Хай До. Очистка данных: проблемы и актуальные подходы.