РАЗРАБОТКА МОДЕЛИ

Модель Альтмана, которой мы пользовались, основывается на переменных и параметрах Z-модели 1968 года. У следующей версии модели — «Дзета» были опубликованы только переменные, а параметры — нет. То же и дли Z-шкалы Таффлера: переменные известны, а коэффициенты неизвестны, но могут быть приближенно восстановлены по опубликованным показателям шкалы. Наконец, шкала Datastream (прошлые показатели и данные по обанкротившимся компаниям были удалены из базы данных) приближалась с помощью переменной, которая, согласно публикации [257], сильно скоррелирована с Z-моделью Datastream.

В основу нейронной сети были положены семь входных переменных, базирующихся на показателях, входящих в Дзета-модель Альтмана. Поскольку банкротство — событие весьма редкое, а из компьютерной балы данных была исключена информация по обанкротившимся компаниям, мы не делали попыток обучить сеть на результат "банкротство/выживание". Вместо этого в качестве целевой переменной при обучении сети было взято состояние курса акций компании относительно общего индекса курсов акций. При этом мы исходили из того, что при ухудшении состояния дел компании ее акции падают в цене. Таким образом, выходной сигнал сети — не двоичный (0,1), а представляет собой переменную с непрерывно меняющимися значениями. Одновременно использовалась еще одна переменная, которая разделяла выход на банкротов и небанкротов таким образом, чтобы достигалась наилучшая относительная точность прогноза и относительная цена ошибок.

Для обучения сети были взяты данные по машиностроительным компаниям, акции которых котируются на фондовом рынке Великобритании. Обучающее множество состояло из данных по 20 компаниям за период времени с 1978 по 1986 гг. — всего 160 наблюдений. Модель представляла собой трехслойную ость с семью входными элементами, соответствующими финансовым переменным. В скрытом слое было три элемента, и был также один выходной элемент.

Содержание

Далее

Использовался метод обратного распространения ошибки с постепенным уменьшением коэффициента обучения по правилу Липмана, и модель достигала сходимости после 2000 итераций (эпох), при этом квадратный корень из среднеквадратичной ошибки составил 6.2% от среднего отклонения доходов.