НЕЧЁТКОЕ КОГНИТИВНОЕ МОДЕЛИРОВАНИЕ СИСТЕМЫ УПРАВЛЕНИЯ СПРОСОМ НА ЭКСПРЕСС-КРЕДИТЫ

Внедрение инновационных инструментов для достижения наибольшей эффективности работы банков считается одной из основных идей современной банковской системы. Интеллектуализация математического моделирования и, в частности, нечёткий когнитивный подход позволяют осуществлять интеллектуальный процесс принятия решений, так как дают возможность моделировать рассуждения человека, учитывать его когницию. В статье предлагается нечёткий когнитивный подход к моделированию спроса на экспресс-кредиты, а также системы управления им. Моделируемая система представляется в виде нечёткого ориентированного взвешенного мультиграфа с передаваемым по нему импульсным воздействием. Процесс моделирования реализуется в виде последовательного выполнения следующих этапов: определение цели; построение нечёткой когнитивной карты; динамическое моделирование с применением аппарата импульсных процессов; анализ сценариев развития ситуации и выбор лучшего. В качестве инструментария компьютерного моделирования используется программная система поддержки принятия решений «ИГЛА». Разработанная модель системы управления служит основой для анализа тенденций развития различных ситуаций, возникающих при работе банков в сегменте экспресс-кредитования. Она позволяет прогнозировать и моделировать стратегии поведения в ответ на внешние воздействия, а также определять траектории управления, которые позволяют увеличивать спрос на экспресс-кредиты.

1. Власов Д.А. Особенности применения Wolfram-технологий в исследовании нелинейных динамических экономических систем // В сборнике: Инновации: перспективы, проблемы, достижения Материалы Шестой международной научно-практической конференции. 2018. С. 88-97.

2. Меерсон А.Ю., Черняев А.П. Некоторые особенности вариационных методов решений задач оптимального управления классических моделей экономической динамики// Научное обозрение. Экономические науки. 2016. № 2. С. 146-151.

3. Синчуков А.В. К вопросу об использовании дифференциальных моделей в экономических исследованиях// Системные технологии. 2018. № 1 (26). С. 78-81.

4. Львович Я.Е., Сапожников Г.П. Интеллектуализация управления ресурсо-эффективностью некоммерческой образовательной организации с использованием мониторинго-рейтинговой информации// Моделирование, оптимизация и информационные технологии. 2017. № 4 (19). С. 21.

5. Goldberg M., Palladini E. Managing Risk and Creating Value with Microfinance. Washington: World Bank Publications, 2010. 136 p.

6. Мастяева И.Н., Воловатова Е.Г. Особенности управления рисками в розничном экспресс-кредитовании: современные тенденции// Фундаментальные исследования. 2017. № 12-2. С. 374-378

7. Хрусталёв Е.Ю. Когнитивная модель развития банковской системы РФ// Экономика и математические методы. 2011. Т. 47. № 2. С. 117- 127.

8. Шульц В.Л., Кульба В.В., Шелков А.Б., Чернов И.В. Сценарный анализ в управлении региональной безопасностью// Вопросы безопасности. 2016. № 3. С. 41-79.

9. Брускин С.Н., Довженко А.Ю., Николаенко В.А., Петров Л.Ф., Романов В.П., Тихомиров Н.П., Тихобаев В.М. Интеллектуальный анализ динамики бизнес-систем; под науч. ред. Н. М. Абдикеева, Л. Ф. Петрова, Н. П. Тихомирова. М.: «Научная мысль». 2010. - 320 с.

10. Бутенко Е.Д. Искусственный интеллект в банках сегодня: опыт и перспективы// Финансы и кредит. 2018. Т. 24. № 1 (769). С. 143-153

11. Робертс Ф.С. Дискретные математические модели с приложениями к социальным, биологическим и экологическим задачам. – М.: Наука. – 1986. – 496 с

12. Чепурных Н.В., Новоселов А.Л. Экономика и экология: развитие, катастрофы. М.: Изд-во «Наука», 1996. – 272 с

13. Банки-лидеры в сегменте POS-кредитования, по данным Frank Research Group https://www.frankrg.com/index.php?new_div_id=145#POS

14. Официальный сайт ЦБ РФ http://cbr.ru/press/keypr/

15. Министерство экономического развития Российской Федерации. Картина экономики. Февраль 2018 года. http://economy.gov.ru/wps/wcm/connect/d2387495-274c-47a7-945f9b852864a708/180213.pdf?MOD=AJPERES&CACHEID

16. . Официальный сайт Федеральной службы государственной статистики http://www.gks.ru/bgd/free/b04_03/IssWWW.exe/Stg/d03/133.htm

17. Социальное положение и уровень жизни населения России. 2017: Стат.сб. / Росстат - M., 2017. – 332 c.

18. Акерлоф Дж. Spiritus Animalis, или как человеческая психология управляет экономикой и почему это важно для мирового капитализма. Дж. Акерлоф, Р. Шиллер; пер. с англ. Д. Прияткина; под научн. ред. А. Суворов. М.: ООО «Юнайтед Пресс», 2010. – 273 с.

19. Яковлева Е.А. Поведенческая экономика как область научного знания в современной экономической науке// Journal of Economic Regulation. 2014. Т. 5. № 2. С. 62-69.

20. Картвелишвили В.М., Лебедюк Э.А. Cтимулы и математическая модель взаимовлияния эмоций экономических субъектов// Вестник Российского экономического университета им. Г.В. Плеханова. 2016. № 4 (88). С. 113-125.

21. Kosko B. Fuzzy Cognitive Maps // International Journal of Man-Machine Studies. 1986. Vol. 24. Pp. 65-75.

22. Maruyama M. The Second Cybernetics: Deviation-Amplifying Mutual Causal Process, Amer. Scientist, 51. 1963. Pp. 164-179.

23. Roberts F.S., and Brown T.A. Signed Digraphs and the Energy Crisis, Amer. Math. Monthly, 82. 1975. Pp.577-594.

24. Черникова Л.И., Евстефеева С.А. Показатели эффективности работы банковского сектора в условиях кризиса//Финансовая аналитика: проблемы и решения. 2017. Т. 10. № 5 (335). С. 506-517.

25. Комаров А.В., Переверзева А.А. Банковская система современной россии: вызовы и реалии// Экономика. Бизнес. Банки. 2017. № 1 (18). С. 65-75.

26. Пестова А.А., Панкова В.А., Ахметов Р.Р., Голощапова И.О. Разработка системы индикаторов финансовой нестабильности на основе высокочастотных данных// Деньги и кредит. 2017. № 6. С. 49- 58.