Abstract
The model and the description of the numerical assessment of uncertain (fuzzy) controls in the implementation of the crisis management in the so-called "gray area", combining transient states of the system, is presented in the article. The behavior of the economic (financial) system is described by a multidimensional vector, for example, the Altman five-factor model. The estimates given by this model are distributed over three ranges, corresponding to the stable state of the system, the negative state, and the "gray area" in which the trajectory of movement towards the bankruptcy zone is outlined and consisting of the states which can be evaluated by means of fuzzy variables, characterizing proximity to the bankruptcy zone. According to the values of these state variables, controls must be implemented to bring the system into a stable favorable zone. The general apparatus for determining crisis management strategies is sufficiently developed, at the same time, the determination of the numerical characteristics of these controls, as an independent task, requires further formalization and development of numerical methods. This article contains one possible formalization and its implementation using the analytical library of the Python language. The presented model and algorithm are quite universal and can be relatively simply adapted taking into account the specific features of the problem. A distinctive feature of the approach proposed in the article, for example in comparison with neural network models, is a decrease in the degree of subjectivity in the choice of the control rules. This degree is determined here not by the function of the corresponding fuzzy measure, but by the weight coefficients of the significance of crisis management options and the real resources for their implementation.
Highlights
Управление предприятием в условиях кризиса и проблемы, связанные с оценкой риска банкротства и его предупреждением, привлекают серьезное внимание [1 4]
Скрипт имеет следующий вид: import numpy as np import scipy.optimize as opt import matplotlib.pyplot as plt import numpy as np import scipy.optimize as opt import matplotlib.pyplot as plt fun = lambda x: (-0.2*x[0] - 0.5*x[1] - 0.38*x[2]-0.3*x[3]-0.28*x[4]-0.28*x[5]-0.13*x[6]0.22*x[7]-0.88*x[8]-0.16*x[9]-0.16*x[10]--0.11*x[11]-0.05*x[12]-28*x[13]) cons = ({'type': 'ineq', 'fun': lambda x: (x[0] - 0.6) * x[0]}
В., аспирант кафедры информационных технологий автоматизированных систем Белорусского государственного университета информатики и радиоэлектроники
Summary
Белорусский государственный университет информатики и электроники (г. Минск, Республика Беларусь). В статье содержится описание модели и подхода для численной оценки нечетких управлений при реализации антикризисной стратегии в так называемой «серой области», под которой понимается множество переходных состояний системы между условно нормальными и угрожающими банкротством. Даваемые этой моделью, распределены по трем диапазонам, соответствующим устойчивому состоянию системы, негативному состоянию и «серой области», в которой намечается траектория движения к зоне банкротства, а состояния в серой области могут быть оценены с помощью нечетких переменных, характеризующих степень близости к зоне банкротства. Соответственно значениям этих переменных должны быть реализованы управления для вывода системы в устойчивую благоприятную зону. Достаточно развит общий аппарат определения антикризисных стратегий управления, в то же время определение числовых характеристик этих управлений как самостоятельная задача требует дальнейшей формализации и разработки численных методов. Эта степень здесь определяется не функцией соответствующей нечеткой меры, а весовыми коэффициентами значимости антикризисных управлений и реальными ресурсами для их реализации.
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a callDisclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.
