о сертифіката №. У последнего стовпці можна Побачити значення віхідної Функції, Пожалуйста в даного випадка дорівнює 1. Тобто предприятие находится в доброму Фінансовому стані.
Таким чином, можна Сказати, что побудовали нечітка нейронних мереж показала й достатньо скроню точність и хороші результати, и теперь может буті Використана для діагностики Загрози банкрутства підприємств легкої промисловості.
3.2 МОДЕЛІ прогнозування фінансового стану підприємства
Оцінка ймовірності банкрутства підприємства показала, что Йому НЕ грозит банкрутство, и воно має запас Фінансової стійкості. Однак для повної картини нужно сделать оцінку ризико неплатоспроможності в Наступний періодах. Для цього слід спрогнозуваті показатели підприємства, Які будут використовуват у нейронної мережі при оцінці банкрутства.
До ціх показніків відносяться коефіцієнт швидкої ліквідності, частко виробничих ФОНДІВ в обіговіх коштах, коефіцієнт трансформації, рентабельність Капіталу та коефіцієнт Фінансової незалежності. Вихідні дані представлені в табл. 3.2.
Таблиця 3.2
Вихідні дані для прогнозування
Рік/кварталК-т швидкої ліквідностіЧастка виробн ФОНДІВ в обіговіх коштахК-т трансформаціїРентабельність капіталуК-т Фінансової незалежності1234562009 1 кв8,65210,64213,69840,32840,87652009 2 кв9,03250,63983,75910,33140 , 89172009 3 кв9,52140,65733,85470,33760,91922009 4 кв9,81390,67763,89400,33930,92862010 1 кв9,74520,60823,68820,33910,92992010 2 кв9,95410,64323,69570,34080,93152010 3 кв10,01250,65193,71580,34180,93372010 4 кв10,60710,66473,73070,34340,93452011 1 кв12,56210,63413,73140,34340,93312011 2 кв12,74210,60343,79640,34560,94462011 3 кв12 , 78540,61573,82780,34560,94522011 4 кв12,83350,60113,84130,34580,9455
Прогнозування здійснювалося на основе експоненціального згладжування годин рядів помощью моделей Брауна, Хольта, експоненціального и демпфірованного тренда.
Для сертифіката № швидкої ліквідності Найкращий моделлю прогнозування віявілася модель Хольта (лінійній тренд) за крітерієм мінімальної середньої відсоткової помилки среди усіх побудованіх моделей. На рис. 3.8 уявлень звіт про помилки моделі.
Рис. 3.8. Помилки моделі
Як видно, середня абсолютна відносна помилка складає 4,23%, что менше 10% и є Показники вісокої якості прогнозування. Графік вихідних и розрахункових значень, а такоже значінь помилок побудованої моделі з лінійнім трендом уявлень на рис. 3.9.
Рис. 3.9. Графік вихідних даних, згладження оцінок и залишків
Віходячі з графіку, можна Сказати, что прогнозні значення добро відображають дінаміку показніків, а помилки НЕ мают ніякої залежності.
На рис. 3.10 представлені вихідні дані, згладження прогнозних ряд, а такоже Залишки моделі.
Рис. 3.10. Розрахункові значення моделі та Залишки
На даного малюнку можна Побачити прогнозні значення коефіцієнта швидкої ліквідності на два періоді вперед. Вікорістовуючі їх, буде оцінена загроза банкрутства досліджуваного підприємства в прогнозному періоді.
Для сертифіката № Частки виробничих ФОНДІВ в обіговіх коштах Було побудовали такоже Чотири моделі експоненціального згладжування - без тренда, з лінійнім трендом, експоненціальнім трендом та демпфірованім трендом. Найкращий з усіх моделей такоже віявілася модель з експоненціальнім трендом. Серед усіх побудованіх моделей вона має найніжче значення mape (середня абсолютна відсоткова помилка). Цей крітерій слугує Ознакою якості моделі та ее перевага над іншімі побудованімі моделями, Які малі більш високий Показник mape
На рис. 3.11 представлені помилки моделі. Як можна Побачити на ньом, середня абсолютна відсоткова помилка моделі складає 2,92%, что говорити про скроню точність побудованої моделі. Це говорити про ті, что ее можна використовуват для прогнозування Показники на два періоді вперед, Аджея максимум можна прогнозуваті НЕ более одної п ятої части від віхідної Вибірки.
Рис. 3.11. Помилки моделі
На рис. 3.12 уявлень графік вихідних значень, згладження розрахункових значення І залишків.
Рис. 3.12. Графік вихідних даних, згладження оцінок и залишків
У даного випадка такоже, прогнозні значення добро повторюють дінаміку початкових даних, а помилки НЕ розподіляються за якоюсь залежністю. Це такоже є Ознакою якісної моделі, что может буті Використана для прогнозування.
Рис. 3.13 ілюструє вихідні дані моделі, згладжені про...
