ФОРМУВАННЯ ДАТАСЕТУ ТА ВИБІР ПАРАМЕТРІВ ДЛЯ ПОБУДОВИ ШТУЧНОЇ НЕЙРОННОЇ МЕРЕЖІ КЛАСИФІКАЦІЇ ПІДПРИЄМСТВ ЗА ФІНАНСОВОЮ СТІЙКІСТЮ

Анотація

Мета. Статтю присвячено підготовчим діям, що передують побудові повнозв’язної тришарової штучної нейронної мережі прямого розповсюдження, котра має класифікувати підприємства за фінансовою стійкістю. Методика. Для підготовки побудови штучної нейронної мережі в роботі висувається ряд аргументованих суджень та приводяться рішення, котрі базуються на результатах експериментів з побудови нейронної мережі фінансової стійкості. Результати. В статті наведено шляхи отримання набору даних для навчання штучної нейронної мережі фінансової стійкості. Представлено оптимальні параметри архітектури та рекомендації щодо навчання нейронної мережі, що слід застосовувати при її створенні. Приділено увагу таким параметрам штучної нейронної мережі як тип нейронної мережі, функція помилки, функція активації на прихованому та вихідному шарах, алгоритм навчання, параметри первинної ініціалізації ваг. Застосування рекомендацій, котрі наведено в статті, дозволяє побудувати штучну нейронну мережу, що класифікує підприємства за фінансовою стійкістю з достатньо високою точністю. Особливу увагу приділено вибору функцій активації нейронів та розподілу набору спостережень на підвибірки для навчання, тестування та контролю побудови зазначеної нейронної мережі. Наукова новизна. Запропоновано використання 17-ти фінансових показників в якості факторів для моделювання фінансової стійкості, що має найбільш повно описувати це складне поняття та дозволить отримати максимальну точність класифікації. В статті обґрунтовано застосування параметрів побудови та навчання нейронної мережі, що найкраще підходять при використанні саме цих факторів. Практична значимість. Використання матеріалу статті допоможе побудові штучної нейронної мережі фінансової стійкості, котра може бути використана для класифікації підприємств на «фінансово стійкі» та «потенційні банкрути» й може використовуватись фінансово-кредитними установами, інвестиційними фондами та державними органами при оцінці ризику банкрутства підприємства. Така нейронна мережа покликана автоматизувати працю досвідченого фінансового аналітика при перевірці підприємства на фінансову стійкість.