2.6.3. Использование обученной нейррнной сети для оценки кредитоспособности заемщика

На вход НС были представлены Данные предприятий, рейтинг которых подлежит определению. Для расчетов использовалась иден­тичная совокупность показателей, что и при обучении НС: 4 количе­ственных, 23 количественных, 2 качественных и генетический алгоритм. Было проведено шесть исследований. В результате исполь­зования обученных НС предприятиям быЛи присвоены следующие кредитные рейтинги (табл. 2.30).

7 Предпри­ятие № 10,

1998г. 5 5 5 5 5 5 5

8 Предпри­ятие N2 10,

1999г. - 5 5 5 4 5 5

Полученные результаты свидетельствуют о том, что все шесть рассмотренных НС присваивали практически одинаковые рейтинги предприятиям, за исключением четырех случаев. Такие отклонения объясняются тем, что все они имели место во второй группе НС, в кото­рой кредитный рейтинг определялся на основе большого количества показателей, некоторые из них были взаимозависимыми. В таком случае НС оказалась перегруженной. Именно поэтому результаты, по­лученные на том же множестве данных, но с применением генетиче­ского алгоритма, оказались сопоставимыми с результатами остальных испытаний. Это подтверждает один из принципов работы НС, соглас­но которому необходимо тщательно отбирать совокупность исходной информации. Основной вывод, который можно сделать после прове­денных испытаний, состоит в том, что механизм работы НС не под­вержен влиянию субъективных факторов оценки, а его надежность определяется достоверностью данных, используемых при обучении НС. В дальнейшем полученное значение кредитного рейтинга может претерпеть незначительные изменения в зависимости от данных о де­нежном потоке заемщика, информации, полученной'из внешних ис­точников, и пр.

Очевидно, что при применении механизма НС в качестве исход­ной информации могут быть использованы и другие качественные показатели, рассмотренные выше.

Существует еще один тип архитектуры НС, который сильно от­личается от рассмотренного выше. Это сеть Кохонена. Большая часть сетей предназначена для решения задач с управляемым процессом обу­чения, сеть Кохонена рассчитана на неуправляемое обучение. В слу­чае неуправляемого обучения обучающие данные содержат только зна­чения входных переменных. Соответствующих им выходных значений нет. На первый взгляд это может показаться странным. Тем не менее сеть Кохонена учится понимать саму структуру анализируемых дан­ных. Сеть Кохонена распознает кластеры в данных, а также устанав­ливает близость классов.

Другая возможная область применения данной НС — это обна­ружение новых явлений. Сеть Кохонена распознает кластеры в обуча­ющих данных и относит все данные к тем или иным кластерам. Если после этого сеть встретится с наблюдениями, не похожими ни на один из известных образцов, то она не сможет классифицировать такой набор и выявит дополнительный новый кластер.

Принципы работы и обучения сети Кохонена были сформулиро­ваны финским ученым Т. Кохоненом в 1982 г. Основная его идея — введение в правило обучения нейрона информации об его расположе­нии. Сеть Кохонена имеет один входной слой с числом нейронов, рав­ным числу входов, и единственный скрытый (выходной) слой нейро­нов, образующий одномерную или двухмерную решетку. По аналогии с топографическими картами такую НС называют еще самоорганизу­ющейся картой Кохонена.

Использование НС Кохонена при определении кредитоспособ­ности заемщика позволяет преодолеть основной недостаток обычных НС. Так, обучение НС основано на выявлении скрытых зависимостей между показателями деятельности заемщика и присвоенным ему кре­дитным рейтингом. Иными словами, данные для обучения НС подвер­жены субъективности, поскольку кредитные рейтинги для обучающей совокупности предприятий присваиваются кредитными работниками банка. Конечно, в этом случае уровень субъективности значительно ниже, чем при традиционных методах анализа кредитоспособности. Это объясняется тем, что используемые для обучения рейтинги, будучи рассчитаны для уже предоставленных и погашенных ссуд, прошли проверку временем.

Во всех расчетах для сети Кохонена будем использовать шесть показателей: 1 )ДО/;

2) оборачиваемость активов;

3) коэффициент качественной ликвидности;

4) коэффициент левереджа;

5) фазу экономического цикла;

6) качество менеджмента.

Обучение сети Кохонена. В процессе обучения сети Кохонена на вход подаются значения шести показателей. Информации о при­своенных кредитных рейтингах нет, поэтому НС самостоятельно клас­сифицирует предприятия в один из пяти возможных классификаци­онных классов. Количество классов рейтинговой оценки пользователь задает сам, причем возможно увеличение классов до количества, реко­мендованного Базельским комитетом. В нашем случае применялись пять рейтинговых классов. Результаты обучения сведены в табл. 2.31. Методом обратного распространения их можно сравнить как с перво­начальными рейтингами банка, так и с предыдущими результатами обучения НС.

Основная задача обучения сети Кохонена состоит в группировке предприятий по классам рейтинговой оценки на основе выявления скрытой зависимости между имеющимися показателями и неизвест­ным значением кредитного рейтинга.

Использование обученной сети Кохонена для оценки кредито­способности заемщика. На следующем этапе работы полученные в процессе обучения зависимости используются с целью определения кредитных рейтингов анализируемых предприятий. Для этого на вход сети Кохонена подается та же совокупность количественных и качественных факторов кредитоспособности, что и при первоначаль­ном обучении. Сеть Кохонена присваивает кредитные рейтинги на ос­нове зависимостей, полученных в процессе обучения. В результате ис­пользования обученной сети Кохонена предприятиям были присвоены следующие кредитные рейтинги (табл. 2.32).

Таблица 2.32

Результаты использования сети Кохонена, как и результаты обу­чения сети, являются более консервативными по сравнению с оцен­кой банковских специалистов и результатами обучения обычной НС. Различия в присвоенных рейтингах кредитоспособности выделены в табл. 2.32 жирным шрифтом. Критерием успешной работы данно­го типа НС, по мнению авторов, выступает классификация пред­приятий, находящихся на стадии банкротства: НС присваивает всем предприятиям-банкротам рейтинг кредитоспособности 5, т.е. самый худший.

Таким образом, показана возможность использования и надеж­ность НС в качестве практического инструмента определения креди­тоспособности заемщика. Функционирование механизма НС в данной области основано на выявлении сложной нелинейной зависимости между количественными и качественными показателями деятельно­сти предприятия и его кредитным рейтингом. Работа НС не зависит от субъективных факторов, присущих современным методикам оцен­ки кредитоспособности. Небольшой процент ошибки обучения НС сви­детельствует о том, что зависимость «показатели — рейтинг» опреде­ляется НС с достаточно высокой точностью. Тем не менее большое значение имеет выбор показателей для обучения. Такая информация может быть получена как из собственного кредитного досье коммер­ческого банка по уже предоставленным и погашенным ссудам, так и из внешних источников. Разработанный алгоритм расчета кредит­ного рейтинга может быть эффективно применен в деятельности оте­чественных коммерческих банков.