Динамічний метод оцінювання ризиків у системі фінансового менеджменту
DOI:
https://doi.org/10.35681/1560-9189.2019.21.3.183724Ключові слова:
динамічний метод, фінансові ризики, моделі виживання, модель пропорційних ризиків Кокса, оцінка Каплан-МайєраАнотація
Наведено основні визначення та формалізацію різних типів моделей виживання для оцінювання ризиків, зокрема, на основі пропорційних ризиків Кокса та їхньої модифікації, лінійних і непараметричних моделей. Запропоновано динамічний метод оцінювання ризиків, який дозволяє оцінити ступінь і рівень ризику та спрогнозувати момент переходу ризику з критичного до катастрофічного із використанням параметричних, напівпараметричних і непараметричних моделей на основі функцій виживання. Метод дозволяє застосовувати стратифікацію даних та окремо здійснювати моделювання різними функціями виживання для різних категорій даних. Автором розроблено два алгоритми, що дозволяють спрогнозувати такий момент часу на основі встановленої допустимої (критичної) імовірності настання ризику або обмеження щодо можливих економічних втрат, зокрема, момент переходу ризику від допустимого до критичного або катастрофіч-ного (за визначеним обсягом критичних або катастрофічних втрат).
Посилання
Kuznietsova N.V., Bidyuk P.I. Dynamichne modelyuvannya finansovykh ryzykiv. Induktyvne modelyuvannya skladnykh system. 2017. Vyp. 9. S. 122–137.
Cox D.R. Regression Models and Life-Tables. Journal of the Royal Statistical Society, Series B. 1972. Vol. 34. No 2. P. 187–220.
Allison P.D. Survival Analysis Using SAS: A Practical Guide: Second Edition. Cary, NC: SAS Institute Inc., 2010. 324 p.
Cox D.R. The regression analysis of binary sequences (with discussion). Journal of the Royal Statistical Society, Series B. 1958. Vol. 20. P. 215–242.
Cao R., Vilar J.M., Devia A. Modelling consumer credit risk via survival analysis. SORT. January-June 2009. 33(1). Р. 3–30.
Beran J., Dja A.K. Credit risk modeling based on survival analysis with immunes. Statistical Methodology. 2007. Vol. 4. P. 251–276.
Kaplan E.L., Meier P. Non-parametric estimation for incomplete observations. J. Am. Stat. Assoc. 1958. Nо 53. P. 457–481. URL: http://www.jstor.org/stable/2281868 (Last accessed 25.09.2018).
Dabrowska D. Non-parametric regression with censored survival time data. Scandinavian Journal of Statistics. 1987. Vol. 14, No 3. P. 181–197.
Bidyuk P.I., Romanenko V.D., Tymoshchuk O.L. Analiz chasovykh ryadiv: navch. posib. — Kyyiv: NTUU «KPI», 2013. 600 s.
Shutt R, O’Neil C. Doing Data Science. Straight Talk From the Frontline. O’Reilly, 2013. 408 p.
Kuznietsova N.V. Information Technologies for Clients’ Database Analysis and Behaviour Forecasting. CEUR Workshop Proceeding (ISSN 1613-0073) 2017. Vol. 2067. P. 56–62 [Online]. URL: http://ceur-ws.org/Vol-2067/ (Last accessed 25.09.2018).
Kuznietsova N.V., Bidyuk P.I. Modeling of credit risks on the basis of the theory of survival. Journal of Automation and Information Sciences. 2017. Vol. 49. Isssue. 11. P. 11–24.
