Содержание к диссертации
Введение
1 Теоретические аспекты ФЭС предприятий строительной отрасли 13
1.1 Особенности предприятий строительной отрасли в РФ 15
1.2 Факторы, влияющие на состояние строительной отрасли РФ 18
1.3 Развитие строительной отрасли в Краснодарском крае 19
1.4 Комплексный подход к оценке ФЭС предприятий строительной отрасли 20
2 Анализ современных математических моделей оценки ФЭС предприятий строительной отрасли 24
2.1 Коэффициентный анализ 24
2.2 Кластерный анализ ФЭС предприятий строительной отрасли Краснодарского края 26
2.3 Дискриминантный анализ 36
2.4 Нейросетевые технологии анализа состояния предприятия 44
2.4.1 Разработка нейросетевой модели «PRED» для оценки кредитоспособности предприятий в пакете SNN 46
2.4.2 Нейросетевая кластеризация сетями Кохонена состояния предприятий строительной отрасли 52
2.4.3 Нейросетевая модель «predM» в пакете Neural Networks Toolbox 57
2.4.4 Нейросетевая модель «Compan» предприятий для оценки кредитоспособности предприятий в пакете SNN 64
2.5 Нечеткая кластеризация ФЭС строительных предприятий 79
2.6 Нечётко - множественные методы анализа ФЭС строительных предприятий Краснодарского края 83
2.7 Описание интерфейса программы 2.8 Сопоставительный анализ разработанных моделей 100
3 Автоматизированная информационная система «Финансовый Эксперт» 112
3.1 Описание программы «Финансовый Эксперт» 112
3.1.1 Подсистема «Анализируемые данные» 112
3.1.2 Подсистема «Основная рабочая область» 120
3.2 Анализ ФЭС предприятий строительной отрасли с использованием программы «Финансовый эксперт» 122
3.2.1 Краткая характеристика исследуемых предприятий строительной отрасли Краснодарского края 122
3.2.2 Анализ ФЭС предприятий строительной отрасли Краснодарского края с использованием программы «Финансовый эксперт» 125
Заключение 143
Список использованной литературы
- Факторы, влияющие на состояние строительной отрасли РФ
- Кластерный анализ ФЭС предприятий строительной отрасли Краснодарского края
- Нечётко - множественные методы анализа ФЭС строительных предприятий Краснодарского края
- Анализ ФЭС предприятий строительной отрасли с использованием программы «Финансовый эксперт»
Факторы, влияющие на состояние строительной отрасли РФ
Строительная отрасль является одной из важнейших в России. На сегодняшний день наблюдается бум развития строительной отрасли практически во всех регионах РФ, особенно в таких густонаселённых динамично развивающихся субъектах как Московская область, Краснодарский край, Республика Татарстан, г. Москва, г. Санкт-Петербург, Тюменская область, Ростовская область, Республика Башкортостан, Белгородская область, Челябинская область и Ставропольский край. На наш взгляд это связано с увеличением объемов государственной поддержки, относительной доступности ипотечного кредитования, страхованием гражданской ответственности застройщика, наличием различных региональных программ.
Так, согласно сообщениям пресс-службы администрации Краснодарского края объемы господдержки для Краснодарского края из краевого и федерального бюджетов с 2005 по 2013 год выросли, составив более 5,7 млрд. рублей. В текущем году на эти цели в краевом бюджете предусмотрели 418 млн. рублей. Всего кредиты на улучшение жилищных условий на сумму более 35 млрд. рублей получили почти 23 тыс. жителей. В Краснодарском крае выдали почти 40% всего объема кредитов на улучшение жилищных условий в Южном федеральном округе. Доля кредитов, выданных на строительство, в общем объеме жилищного кредитования с 2009 года по 2013 год выросла с 12% до 28%, это в 1,6 раза превысило уровень 2012 года. Кубань вошла в десятку лидеров среди российских регионов.
Причем, в Краснодарском крае сосредоточены четыре мощных катализатора развития строительной отрасли. Во-первых, рост объёмов строительства был обусловлен спортивным событиям мирового масштаба. Во-вторых, в регионе действуют региональные программы, расширяющие число клиентов строительных компаний, например, «народная ипотека». В-третьих, в регионе последовательно осуществляется комплексное освоение территорий. Налажено взаимодействие с Федеральным фондом содействия развитию жилищного строительства (Фондом РЖС), который был создан в 2008 году с целью предоставления регионам земель для жилищного строительства из федерального земельного фонда. Устранение земельной проблемы за счёт федеральной помощи дает новый импульс развитию строительной отрасли в Краснодарском крае и в совокупности со специальными программами позволяет приблизиться к решению в регионе жилищного вопроса. В-четвертых, Краснодар признан многими экспертами, например, журналом «Форбс» лучшим городом для ведения бизнеса, что тоже способствует развитию строительной отрасли.
Федеральный закон № 294-ФЗ от 30.12.2012 г. «О внесении изменений в отдельные законодательные акты РФ» предусматривает меры дополнительного обеспечения ответственности застройщиков перед участниками долевого строительства в виде поручительства банка или страхования. Договор страхования заключается в пользу участников долевого строительства, денежные средства которых привлекаются в соответствии с Федеральным законом № 214-ФЗ для строительства объекта долевого строительства по договору участия в долевом строительстве, предусматривающему передачу жилого помещения.
Отметим, что монетарные власти США активно поддерживают экономику различными стимулирующими мерами, например, ставки по ипотеке держаться на низком уровне, что, благотворно сказывается на строительной отрасли: выгоднее покупать недвижимость. Однако не стоит забывать о мировом финансово-экономическом кризисе, который начался с ипотечного кризиса финансового сектора США в 2007—2008 годах. Строительный бум, вызванный перекредитованием населения с одной стороны и спекулятивным повышение цен риэлторами с другой, привёл к быстрому перегреву экономики этих стран. Следующий за этим ипотечный кризис, связанный с разрывом спекулятивного пузыря, в конечном счёте вызвал острый финансовый-экономический кризис на рынке труда, что привело к долговременной рецессии, которая достаточно быстро охватила весь мир и стала началом экономического спада и кризиса для многих стран (Испания, Греция, Швеция, Исландия, Аргентина, Беларусь, Казахстан, Латвия, Литва, Япония). Одной из причин данного кризиса стало отсутствие в настоящее время эффективной и адекватной системы оценки ФЭС предприятий строительной отрасли, которая бы позволила защитить инвесторов, дольщиков, кредиторов и сами строительные организации. Таким образом, оценка ФЭС предприятий строительной отрасли является актуальной научной и важной практической проблемой.
Для оценки ФЭС предприятий строительной отрасли, важно учитывать и количественные и качественные показатели. Последние особенно актуальны для предприятий малого и среднего бизнеса. Возникает проблема разработки и использования автоматизированной информационной системы оценки ФЭС предприятий строительной отрасли, которая включала бы методы многомерного статистического анализа, нечётких множеств, нейронных и гибридных сетей.
Строительная отрасль - это отдельная самостоятельная отрасль экономики РФ, предназначенная для ввода, реконструкции, расширения и ремонта объектов производственного и непроизводственного назначения. На строительную отрасль приходится примерно десятая часть экономики страны, по объему производимой продукции и количеству занятых людских ресурсов [31]. По объему валовой добавленной стоимости на строительную отрасль приходится 5-6 % от валового внутреннего продукта. В отрасли работает около 8 % занятого населения страны. Рассмотрим основные особенности строительной отрасли: а) Временный характер строительного производства. В строительной отрасли нестационарными являются рабочие места и строительные машины, механизмы, оборудование, технико-технологическое оснащение труда, а продукция — стационарной. В промышленности -наоборот. Конечная продукция строительства создается определенное временя и подлежит использованию на закрепленной территории. Строительная отрасль производит продукцию длительного пользования. б) Технологическая взаимосвязь операций строительного процесса. Технология строительного производства имеет определенную последовательность и временную зависимость. Строительные процессы расположить пространственно практически невозможно, поэтому одновременное использование рабочих в соответствии с их специальностью и квалификацией весьма затруднительно. в) Взаимосвязь различных организаций в производстве конечной строительной продукции. В строительной отрасли принято выделять три вида деятельности: Строительное производство, проектно-сметная деятельность, геолого-разведочная деятельность. Значительная доля в отрасли приходится на продукцию строительного производства.
Кластерный анализ ФЭС предприятий строительной отрасли Краснодарского края
Используя формулу (16), а также таблицы весов и пороги активации, практически на любом языке программирования можно запрограммировать полученную модель. В диссертации был использован как раз этот подход, т.е. сначала были построены нейронные сети для оценки ФЭС предприятий строительной отрасли Краснодарского края, а именно для оценки деловой активности, ликвидности и платежеспособности, рентабельности, финансовой устойчивости, а также общего состояния. Получены их таблицы весов и пороги активации, а затем с использованием формулы (16) они были запрограммированы для более удобного использования в среде "1С:Предприятие".
Рассмотрим использование искусственных нейронных сетей для анализа ФЭС предприятий строительной отрасли [31]. Веса и пороги обученной нейронной сети представлены в таблицах А.1-А.2. 2.4.1 Разработка нейросетевой модели «PRED» для оценки кредитоспособности предприятий в пакете SNN
Для исследования возьмем 12 предприятий строительной отрасли Краснодарского края. Среди рассматриваемых предприятий есть как средние, так и малые [17]: ОАО "Анапаагрострой", ОАО "Белореченскстрой", ОАО "Краснодаравтомост", ОАО "Южстальконструкция", ОАО "Югмонтажстрой", ОАО "Южная строительная коммуникационная компания", ОАО "Воджилстрой", ОАО "Домостроитель", ОАО "Карасунское инженерное управление", ОАО "Краснодаргражданпроект", ЗАО "ДСУ-4", ОАО "ДЭП-114" с 1кв 2005 по 4кв 2013гг.
Построение и обучение нейронной сети «PRED». Для создания модели оценки ФЭС предприятий строительной отрасли Краснодарского предлагается первоначальное разбиение на два класса.
Переменная Group - обозначает цель и принимает значения: «norm» -нормальное предприятие, «kriz» - кризисное предприятие [47].
Сеть «PRED» была обучена методами обратного распространения, сопряженных градиентов и квазиньютоновским. Графики и гистограммы ошибок (рис. 2.15): обратного распространения ошибки (а, бив, г), градиентного спуска (д, е), квазиньютоновский метод (ж, з). На рисунках 2.15 (а, в, д, ж) показана ошибка обучения для обучающего множества - синий цвет, а для контрольного -красный. Из графика видно, что ошибка, хотя и медленно, но убывает.
Первоначально среднеквадратичная ошибка на обучающем множестве была 0,1233, затем после тысячи итераций она уменьшилась до 0,007608, и ошибкой на контрольном множестве - 0,00902.. После 1500 итераций ошибка стала близка к нулю.
Среднеквадратичная ошибка - это достаточно грубая оценка производительности полученной сети. Более полезная информация - статистики классификации в таблице 2.10, для задачи с номинальными выходными переменными значениями [11, 97]. 0.4
Таблица 2.9 содержит сведения о том, сколько предприятий каждого класса было оценено правильно, неправильно и не распознано. Целевые и фактические значения, ошибки классификации, распознавания и уровни активации представлены в таблице 2.10. Таблица 2.10 - Результат прогона нейронной сети № предприятия Фактическое состояние Целевое состояние SNS Ошибки классификации Ошибка распознавания Уровни активации
Внутренние активации сети Исследование, проведённое с помощью нейронной сети «PRED», является высококачественным, о чем свидетельствует сводная таблица результатов таблице 2.11. ; к некризисным же были отнесены: Анапагоргаз 20 Юг, Анапагоргаз 2009г, Белореченскстрой 1кв 2009г, Белореченскстрой 1кв 20 Юг, Краснодаравтомост 2009г, Краснодаравтомост 20010г, Южстальконструкция 2008г, Южстальконструкция 2009г, Воджилстрой 2009г, Воджилстрой 20 Юг, Карасунское инженерное управление 2009г, Карасунское инженерное управление 2010г.
Для визуализации данных о состоянии предприятий построим кластеризующую сеть для строительных предприятий Краснодарского края с помощью сетей Кохонена (рис. 2.17). В сетях Кохонена происходит неуправляемое обучение (без учителя): сеть учится распознавать кластеры среди неразмеченных обучающих данных, содержащих только входные значения.
Сеть Кохонена показала наибольшие ошибки (рис. 2.20), чем сеть, построенная с помощью многослойного персептрона. Однако это не означает, что кластеризация прошла не успешно, просто классы расположены близко друг к другу, что и вызывает подобные ошибки.
После зафиксированого распределения центров кластеров можно протестировать сеть с целью выяснить смысла кластеров с помощью топологической карты [29]. Полученные топологические карты представлены на рисунке 2.21. Анализ данных карт позволяет увидеть, кластеры, которые образуют предприятия различных групп: кризисное, предкризисное, нормальное и некризисное.
Нечётко - множественные методы анализа ФЭС строительных предприятий Краснодарского края
В теории нечетких множеств функция принадлежности играет значительную роль, так как это основная характеристика нечеткого объекта, а все действия с нечеткими объектами производятся через операции с их функциями принадлежности. Определение функции принадлежности - это первая и очень важная стадия, позволяющая затем оперировать с нечеткими объектами [17].
Как правило, функция принадлежности строится либо на основе статистической информации, либо при участии эксперта (группы экспертов). В первом случае функция принадлежности должна иметь частотную интерпретацию (степень принадлежности приблизительно равна вероятности события), во втором случае степень принадлежности приблизительно равна интенсивности проявления некоторого свойства (ощущения). Методы построения функции принадлежности делятся на прямые и косвенные. В прямых методах степень принадлежности назначается непосредственно или используется набор стандартных графиков, причем для определения параметра привлекаются эксперты. В косвенных методах оценки, полученные от эксперта, обрабатываются в соответствии с определенным алгоритмом, цель которого заключается в снижении уровня субъективности экспертных оценок [8].
Если для построения функции принадлежности привлекается группа экспертов, то формируются групповые оценки степени принадлежности, которые в определенном смысле должны быть согласованными (усреднение по определенному принципу, правило большинства) [7].
Далее были созданы полные и не противоречивые наборы правил нечёткого вывода (рис. 2.47). Рассмотрим пример такого правила для НПС «1REG»: «Если показатель уровня конкуренции в отрасли (xi) выше среднего, концентрация отраслевых рисков (х2) - средняя, приоритетность развития отрасли за период кредитования заемщика (х3) высокая, экономическая ситуация в регионе за период кредитования заемщика (х4) в числовых показателях - выше среднего, и концентрация региональных рисков - выше среднего, то оценка отраслевой и региональной специфики такого предприятия можно охарактеризовать как выше среднего».
Первое отображение позволяет получить в процессе дефаззификации количественные показатели: финансовую устойчивости, оборачиваемость, морально-психологический климат, платежеспособность, кадровое обеспечение, рыночный потенциал, техническую оснащенность, кредитоспособность, отраслевую и региональную специфику деятельности предприятий. Второе отображение позволяет получить общую оценку ФЭС предприятия, исходя из полученных значений первого отображения.
Интерфейс созданной программы был разработан в среде MATLAB (рис. 2.49). Как видно на рисунке, пользователю предоставляется возможность выбрать Ехсеї-файл, содержащий числовые показатели переменных. Затем, выбрать предприятие для анализа из соответствующей страницы. Список предприятий подгружается в программу из Ехсеї-файла автоматически. После того как все поля заполнены, нажать на кнопку «Импорт показателей» и данные из указанного файла заменят показатели в соответствующих ячейках.
Кроме того, пользователь может вручную вносить изменения, а также вводить новые данные для анализа в программу, редактирую при этом определенную ячейку. Каждая ячейка соответствующего показателя содержит короткую справку, которая появляется после нажатия на кнопку «?».
К третьему кластеру (некризисные) относятся предприятия: ЗАО "ДСУ-4" 4кв 2005, ОАО "Домостроитель" 4кв 2005, ООО ППСО "Исток". Таким образом многомерный кластерный анализ дал неверный результат Предприятия С и определил его состояние как «предкризисное». Используя метод нечеткой кластеризации в системе MATLAB распределим предприятия на три кластера (рисунок 2.50). Эти кластеры будем рассматривать как эталонные кризисное, предкризисное или некризисное предприятия (рисунок 2.51а). Из рисунка видно, что эталонные кризисноые, предкризисные и некризисные предприятия хорошо отличаются за исключением коэффициента финансовой зависимости (F2A), индекса постоянного актива (F4A) и общей рентабельности (R1A). Если исключить эти показатели из рассмотрения, то эталонные кризисные и некризисные предприятия достаточно хорошо отличимы друг от друга (рисунок 2.516).
Анализ ФЭС предприятий строительной отрасли с использованием программы «Финансовый эксперт»
В диссертации проведен анализ ФЭС предприятий строительной отрасли с использование программы «Финансовый эксперт». В качестве объектов исследования выбраны предприятия строительной отрасли Краснодарского края, такие как ООО «Бизнес Инвест», ОАО «ГеоСтрой Холдинг», ООО СИК « Д евелопмент-Юг».
ООО «Бизнес Инвест» является одной из крупнейших инвестиционно-строительных компаний на рынке Краснодарского края. При участии ООО «Бизнес Инвест», основанного в 1997 году, было отреставрировано и построено большое количество объектов недвижимости Краснодарского края.
Основные виды деятельности компании ООО «Бизнес Инвест»: организация и постройка зданий и сооружений с нуля под заказ государственными и частными организациями, а также проведение реставрационных работ для заказчика. Застройка участков под свои проекты (в данном случае компания играет роль заказчика, а также застройщика в одном лице); инвестиционная деятельность, связанная со строительством новых жилых комплексов, а также других объектов недвижимости; девелоперская деятельность; различные операции, связанные с недвижимостью, в том числе продажа жилья, которая предусматривает государственную регистрацию договора участия в долевом строительстве в УФРС; продажа жилья, предусматривающая государственную регистрацию договора участия в долевом строительстве в УФРС;
Открытое акционерное общество «ГеоСтрой Холдинг» - предприятие полного цикла, выполняющее строительно-монтажные работы, инженерно-геологические изыскания и проектирование. В состав предприятия ОАО «ГеоСтрой Холдинг» входит проектно-изыскательская организация ООО
«Научно-технический центр «СевКавСейсмоЗащита», созданная в середине 2008 года и состоящая в двух саморегулируемых организациях: НП «КубаньСтройИзыскания» и НП «Региональное объединение проектировщиков Кубани». Компания ведет геотехнический мониторинг зданий и сооружений, на которых проводилось усиление грунтов. Для выполнения подобных работ организация оснащена всем необходимым современным оборудованием и программным обеспечением; специалисты выезжают на аварийные объекты с целью обследования и подготовки рекомендаций, как самостоятельно, так и в составе комиссий.
Закрепление склонов, осыпей, оползней (стройка «Газопровода» от с. Дзуарикау (Республика Северная Осетия — Алания) до г. Цхинвал (Республика Южная Осетия). ООО СИК «Девелопмент-Юг» — российская девелоперская компания, основанная в 1995 году. На сегодняшний день в состав корпорации входит свыше 50 организаций; число занятых — 3700. Основной строительный бизнес сосредоточен в компании «Стройтехносервис-Юг». В 2007 году СИК «Девелопмент-Юг» профинансировала и построила 142000 м2 жилья. В портфеле компании — 900 000 м2 жилой и коммерческой недвижимости.
Рост компании обеспечен инвестициями в основные средства и во все виды деятельности. За три года — с 2007 по 2009 — вложения только в коммерческую недвижимость составят свыше 4,1 миллиарда рублей. Инвестиции в жилую недвижимость, включая приобретение перспективных земельных участков, вырастут в 6 раз по сравнению с 2006 годом.
В 2001 году корпорация была признана лучшей в строительной отрасли г. Краснодара. В конце 2008 года вследствие мирового финансового кризиса корпорация начала испытывать серьёзные проблемы с финансированием строительства объектов. Однако компания смогла полностью расплатиться с кредиторами по текущим кредитам и завершила год с прибылью. Руководством была подготовлена антикризисная программа, согласно которой была организованна дальнейшая деятельность предприятия. В первом квартале 2009 года выручка компании составила 503 млн. рублей, чистый доход — 133 млн. рублей. Данные показатели немного ниже показателей докризисного 2008 года, однако, в 2009 году корпорация работает над гораздо большим числом объектов. К концу 2009 года руководство компании предполагает финансовое оздоровление рынка недвижимости Краснодара и оживление инвестирования. Стоимость чистых активов корпорации на второй квартал 2009 года составляет 7,84 млрд. рублей (против 5,2 млрд. рублей на тот же период 2008 года). В 2009 году ухудшилась ситуация с выплатой кредитов. На начало июня 2009 года общий долг группы «Девелопмент-Юг» по кредитам составлял примерно 4,5 млрд. рублей (около $145,16 Анализ ФЭС предприятий строительной отрасли Краснодарского края с использованием программы «Финансовый эксперт»
Для того чтобы начать анализ ФЭС предприятия, необходимо в подсистеме «Анализируемые данные» выбрать пункт «Данные XML». В этом случае на рабочей области подсистемы откроется форма обработки «Данные XML». В диалоговом окне (рис. 3.7) необходимо выбрать файл XML и нажать на кнопку «Почитать XML». Если был выбран корректный XML файл (требуемого формата), то на поле формы отобразится структура XML с заполненными данными, которые при необходимости можно отредактировать (рис. 3.8). Необходимо заполнить реквизит формы «Период» и нажать на кнопку «Записать». Если все реквизиты были заполнены корректно, то обработка создаст или заменит запись регистра сведений «Данные бухгалтерского учета».
Для нечётко - множественного метода анализа состояния предприятий необходимо в подсистеме «Анализируемые данные» или на форме справочника «Предприятие» выбрать пункт «Экспертные оценки» и в открывшейся форме записи регистра заполнить все реквизиты.
Когда все данные занесены в программу, можно начать анализ ФЭС предприятий. В подсистеме «Основная рабочая область» необходимо задать период и выбрать предприятие. Для того, чтобы просмотреть отчет необходимо нажать на нужную гиперссылку. Скриншоты отчетов представлены на рисунках 3.12-3.39.