Методы диагностики и прогнозирования кредитоспособности субъектов МСП с применением искусственного интеллекта

Введение. Воздействие макроэкономических и региональных факторов экономической бизнес-среды в условиях неопределенности и повышенных рисков обусловливает значительные сложности диагностики, оценки и прогнозирования кредитоспособности получателей финансово-кредитной поддержки и заемщиков − субъектов малого и среднего предпринимательства (МСП). Теоретический анализ. Осуществлена систематизация основных математических методов и моделей оценки и прогнозирования уровня кредитоспособности предприятий микро-, малого и среднего бизнеса в зарубежной и российской практике, применяющих современные системы и технологии искусственного интеллекта и методы машинного обучения. Эмпирический анализ. Предложены результаты апробации методологического подхода экспресс-диагностики финансово-экономического состояния и прогнозирования кредитоспособности субъектов МСП Краснодарского края за 2014−2017 гг., основанного на применении методов экспертной оценки, экономического анализа и нечетких продукционных систем и позволяющий производить расчет кредитного рейтинга субъектов МСП с учетом их отраслевой принадлежности. Результаты. Детерминированы преимущества и недостатки методов и моделей диагностики кредитоспособности и кредитного скоринга с позиции их применения для различных категорий субъектов МСП. Показано, что наиболее перспективными и математически достоверными моделями для осуществления кредитного скоринга и оценки риска финансовой поддержки и кредитования различных предприятий сектора МСП на различных стадиях их жизненного цикла как в России, так и за рубежом являются компьютеризированные модели и экспертные системы, применяющие такие методы и технологии искусственного интеллекта, как нечеткие множественные и нечеткие продукционные системы, искусственные нейронные сети, метод опорных векторов, ансамблевые методы (метод «случайного леса»), а также интеллектуальные информационные системы, гибридные модели и гибридные системы. В работе показано, что их комбинация друг c другом позволит достичь синергетического эффекта и эмерджентности при взаимодействии кредиторов с заемщиками − субъектами МСП и своевременно избежать их банкротства.

Introduction. The impact of multidirectional external macroeconomic and regional factors of the economic environment in conditions of uncertainty and increased risks causes significant difficulties in diagnosing, assessing and forecasting the creditworthiness of financial and credit support recipients and borrowers (micro, small and medium-sized enterprises) in the Russian Federation. Theoretical analysis. The author systematized the basic mathematical methods and models for assessing and forecasting the level of creditworthiness of micro, small and medium-sized businesses in foreign and Russian practice, using modern systems and technologies of artificial intelligence and machine learning methods. Empirical analysis. The author proposed the results of approbation of methodological approach for express diagnostics of the financial and economic condition and forecasting the creditworthiness of SMEs in the Krasnodar krai for the period of 2014–2017, based on expert assessment methods, economic analysis and fuzzy logic systems, which form the credit rating of SMEs considering their industry affiliation. Results. In this study, the author has determined the advantages and disadvantages of methods and models for diagnosing creditworthiness and credit scoring from the perspective of their application for various categories of SMEs. As it is shown that the most promising and mathematically reliable models for credit scoring and risk assessment of financial support and lending to various enterprises in the SME sector at different stages of their life cycle both in Russia and abroad are computerized models and expert systems, based on such methods and technologies of Artificial Intelligence, as fuzzy logic systems, artificial neural networks, support vector machines, ensemble methods (random forest method), as well as intelligent information systems, hybrid models and hybrid systems. The study reveals that their combination with each other will allow to achieve synergistic and system effects in the interaction between lenders and borrowers (SMEs) and timely avoid their bankruptcy.