КОГНИТИВНОЕ МОДЕЛИРОВАНИЕ СИСТЕМЫ УПРАВЛЕНИЯ РИСКАМИ ПРОЦЕССОВ POS-КРЕДИТОВАНИЯ

Целью данного исследования является рассмотрение возможности применения современных интеллектуальных методов и технологий принятия решений для управления сложными слабоструктурированными системами. Методология исследования основана на применении нечеткого когнитивного подхода, анализа причинно-следственных связей, динамического моделирования, анализа устойчивости рассматриваемой системы и анализа сценариев. В исследовании предлагается нечёткий когнитивный подход к моделированию системы управления рисками процессов POS-кредитования коммерческого банка. 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; импульсное динамическое моделирование; анализ сценариев развития и выбор лучшего. Разработанная модель системы управления служит основой для анализа тенденций развития различных ситуаций, возникающих при работе банков в сегменте POS-кредитования. Она позволяет прогнозировать и моделировать стратегии поведения в ответ на внешние воздействия, а также определять траектории управления, которые позволяют снизить внутренние риски процессов POS-кредитования коммерческого банка. Нечеткий когнитивный подход является эффективным инструментом системы поддержки принятия решений в деятельности коммерческого банка и может быть применен для моделирования и анализа функционирования и других слабоструктурированных социально-экономических систем.

1. Prezenski S., Brechmann A., Wolff S., Russwinkel N. A Cognitive Modeling Approach to Strategy Formation in Dynamic Decision Making. Frontiers in Psychology. 2017. Vol. 8, P. 1335.

2. Thomson R., Lebiere C., Anderson J.R., Staszewski J. A general instancebased learning framework for studying intuitive decision-making in a cognitive architecture. Journal of Applied Research in Memory and Cognition. 2015. No. 4. Pp. 180-190.

3. Банки-лидеры в сегменте POS-кредитования. Электронный рерурс. URL: https://frankrg.com/1262

4. COSO 2017. "Conceptual framework for enterprise risk management: integration with strategy and business management" COSO 2017. URL: https://www.coso.org/Pages/erm.aspx

5. Лансков П.М., Зенькович Е.В. Интегрированная система внутреннего контроля и управления рисками и внутренний аудит в некредитных финансовых организациях// Деньги и кредит. 2017. № 2. С. 34-36.

6. 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.

7. Sun R., Ling C.X. Computational Cognitive Modeling, the Source of Power, and Other Related Issues. Artificial Intelligence. 1998. Vol.19. No. 2. Pp. 113- 120.

8. Vasantha Kandasamy W.B., Smarandache F. Fuzzy Cognitive Maps and Neutrosophic Cognitive Maps. 2003. 212 p.

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

10. Kulba V., Shelkov A., Chernov I., & Zaikin O. Scenario analysis in the management of regional security and social stability. Intelligent Systems Reference Library. 2016. Vol. 98. Pp. 249-268.

11. Гинис Л.А. Развитие инструментария когнитивного моделирования для исследования сложных систем// Инженерный вестник Дона. 2013. № 3 (26). С. 66.

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

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

14. Tsadiras A.K. Comparing the inference capabilities of binary, trivalent and sigmoid fuzzy cognitive maps// Information Sciences.2008. Vol. 178, Iss. 20. Pp. 3880-3894.

15. Axelrod R. The Structure of Decision: Cognitive Maps of Political Elites. Princeton University Press. 1976. 395 p.

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

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

18. Чефранова M.А. Построение когнитивной модели процесса кредитования и разработка структурного блока принятия управленческих решений на ее основе// Вестник Адыгейского государственного университета. Серия 5: Экономика. 2011. №. 1. С. 201- 208.

19. Christoforou A., Andreou A.S. A framework for static and dynamic analysis of multi-layer fuzzy cognitive maps. Neurocomputing. 2017. Vol. 232. Pp.133-145.

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

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

22. 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.

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