Б.В. САЗЫКИН, О.Е. САННИКОВ ПРИЛОЖЕНИЕ НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ В МОДЕЛЯХ УПРАВЛЕНИЯ БИЗНЕС-ПРОЦЕССАМИ БАНКА

УДК 004(06) Информатика и процессы управления
Б.В. САЗЫКИН, О.Е. САННИКОВ
Московский инженерно-физический институт (государственный университет)
ПРИЛОЖЕНИЕ НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ
В МОДЕЛЯХ УПРАВЛЕНИЯ БИЗНЕС-ПРОЦЕССАМИ БАНКА
В работе изложена постановка задачи финансового менеджмента в банке и
рассматривается применимость алгоритма автоматического синтеза каскадных
нейронных сетей для управления банковским финансовым портфелем.
Одним из эффективных направлений банковского финансового
менеджмента является комплексный аналитический подход к управлению
бизнес-процессами с учетом уровня риска. Традиционные методики
выделяют стратегическое и оперативное управление.
На основе концепции устойчивого развития банка [1] был предложен
метод оценки устойчивого развития. Данный метод подразумевает
наличие у банка иерархической системы показателей. На верхнем уровне
системы находятся агрегированные показатели G , определяющие
стратегические цели. На этапе стратегического бизнес-планирования
определяются желаемые значения показателей G*, на достижение которых
и должна быть направлена деятельность банка. На среднем уровне
расположены показатели Θ оперативного управления, характеризующие
состояние банка на более коротком периоде функционирования. На
нижнем уровне находится совокупность параметров состояния X={x1, x2,
…, xk}, являющихся текущими характеристиками функционирования
банка и представляющими собой, как бы "моментальное фото" его
эволюции. Параметры нижнего уровня формируются в условиях влияния
внешней среды и характеризуются вектором независимых стохастических
переменных Z={z1,z2, …, zk}. Совокупность X берется из отчетных балансов
банка. Вектор Z принимает значение процентных ставок по
соответствующим операциям и в модели учитывается как случайная
составляющая.
Перед аналитическим подразделением банка ставятся задачи:
– выбора взаимодействия параметров стратегического и оперативного
управления G и Θ;
– оценки финансовых рисков, сопряженных с выбранной моделью
управления и полученных на основе показателей состояния банка;
– установления функциональных связей с показателями отчетных
балансов (позиций по операциям и процентных ставок) X и Z,
обеспечивающих устойчивое развитие банка.
ISBN 5-7262-0555-3. НАУЧНАЯ СЕССИЯ МИФИ-2005. Том 12
47
УДК 004(06) Информатика и процессы управления
В работе исследуется применимость нейросетевого подхода для построения
отображение A, заданного, на множестве пар (X, Z), и переводящего их в
множество G стратегических показателей устойчивого развития. Также
анализируется эффективность нейросети каскадной архитектуры, реализующей
отображение B, переводящее множество параметров оперативного управления
Θ в X. Качество оптимальности управления оценивается путем вычисления
расстояния между множеством достижимости G* и множеством параметров
стратегического управления G, ρ(G*, G). Мерой качества выступают
среднеквадратическая ошибка MSE. На этапе оперативного управления
ставится задача нахождения такого множества Θ, на котором ρ(Θ *, Θ)→min.
С точки зрения финансового управления суть задачи состоит в
определении параметров портфеля активов и пассивов банка,
удовлетворяющих заданной совокупности требований к оценкам риска,
доходности и ликвидности, и установлении функциональных связей с
параметрами стратегического и оперативного управления.
Применение алгоритма автоматического синтеза каскадных сетей с
разнотипными нейронами позволяет получать более точные приближения к
оцениваемой многоразмерной функции в условиях неопределённости
параметров и нелинейности функциональных зависимостей. При этом
характеристические параметры банковского портфеля находятся в пределах
ограничений, заданных целевыми требованиями (с точки зрения уровня
риска, ликвидности и ограничений по суммам, срокам и ставкам
перераспределения ресурсов). Определение управляющих параметров,
удовлетворяющих целевым требованиям на основе синтеза каскадных сетей,
по сути, является "эквивалентом" решения задачи системы уравнений с
заданными начальными условиями [2], когда явный вид функций, входящих
в систему уравнений не определён. Таким образом, реализация алгоритма
автоматического синтеза каскадных нейросетей с разнотипными нейронами
обеспечивает банковских аналитиков полезным инструментом поиска
решений задач управления финансовыми ресурсами в условиях
неопределенности.
Список литературы
1. Котенков В.Н., Сазыкин Б.В. Устойчивое развитие банков России // Аналитический
банковский журнал, 2000, № 2 (57).
2. Лаптырев. Д.А. Формирование оптимального банковского портфеля с требуемыми
параметрами риска, доходности и ликвидности / Материалы семинара «Проблемы анализа и
управления рисками в деятельности кредитных организаций», М. 15 ноября 2001, с 115-123.
3. Маркин М.И., Смелянский Р.Л. Синтез архитектуры нейросетевого аппроксиматора
под заданное приложение // Искусственный интеллект (Донецк), 2000, Вып. 2, С.138-144.
ISBN 5-7262-0555-3. НАУЧНАЯ СЕССИЯ МИФИ-2005. Том 12
48
УДК 004(06) Информатика и процессы управления
4. Fahlman S.E. and Lebiere C. The cascade-correlation learning architecture // Advances in
Neural Information Processing Systems, 2/ D.S. Touretzky, editor, Morgan Kaufmann, Los Altos
CA, 1990, pages 524-532.
ISBN 5-7262-0555-3. НАУЧНАЯ СЕССИЯ МИФИ-2005. Том 12
49