Дипломная (вкр): Розробка моделей оцінки фінансової безпеки комерційного банку

2. Методи моделювання фінансової безпеки комерційного банку

2.1 Метод аналізу ієрархій

Для побудови моделі оцінки фінансової складовою економічної безпеки комерційного банку будемо використовувати метод аналізу ієрархій.

Визначивши безліч чинників () і вибравши набір критеріїв для їх оцінки (), за допомогою цього методу можна шляхом попарного порівняння всіх чинників по всіх критеріях, а також критеріїв по їх відносній важливості один щодо одного отримати глобальні пріоритети кожного чинника (). Алгоритм методу аналізу ієрархій включає наступні основні кроки (рис. 2.1) [14, 15].

Рисунок 2.1 - Алгоритм методу аналізу ієрархій

Крок 1 Декомпозиція мети в ієрархію.

На першому кроці здійснюється декомпозиція мети в ієрархію, яка в найпростішому варіанті може бути представлена таким чином (рис. 2.2):

Рисунок 2.2 - Декомпозиція мети в ієрархію

На першому (вищому) рівні знаходиться загальна мета. На другому рівні знаходяться h чинників або критеріїв, що уточнюють мету, і на третьому (нижньому) рівні - k альтернатив, які повинні бути оцінений по відношенню до критеріїв другого рівня.

Крок 2. Побудова матриць порівнянь показників.

На другому кроці формується матриця, в якій кожний критерій порівнюється по відносній важливості зі всіма іншими. Матриця має наступний вигляд:

(2.1)

де  - число критеріїв.

Матриця  агрегує думки експертів щодо взаємної пріоритетності критеріїв (). Елементи матриці формуються таким чином:

(2.2)

Під зворотними величинами розуміється, що якщо елемент матриці С з індексом mn ціле позитивне число від 1 до 9, то елемент з індексом nm буде зворотним числом: Ѕ, 1/3 ј, 1/5, 1/6, 1/7, 1/8 або 1/9. Дані матриці необхідно побудувати як для аналізу груп, так і для аналізу чинників усередині групи.

Крок 3. Оцінка однорідності матриць.

Необхідність цього кроку обумовлена тим, що кількісна (кардинальна) і транзитивна (порядкова) однорідність може бути порушена, оскільки людські відчуття не можна виразити. Наприклад, при зіставленні критеріїв експерт може показати, що критерій А володіє більш високим рівнем значущості, ніж критерій Б, критерій Б більше критерію В, проте В важливіше, ніж А. Зокрема це може трапитися, коли критерії А, Б, В близькі по рівню значущості.  Однорідність думок оцінюється індексом однорідності (ІО) у відповідність з наступною формулою:

(2.3)

де  - максимальне власне число кожної матриці

 - кількість аналізованих критеріїв або альтернатив.

Якщо для матриці парних порівнянь відношення однорідності , то це свідчить про істотне порушення логічності думок, допущене експертом при заповнення матриці, тому експерту пропонується переглянути дані, використані для побудови матриці, щоб поліпшити її однорідність. Якщо відношення однорідності знаходиться в допустимих межах (), то здійснюється перехід до четвертого кроку алгоритму.

Крок 4. Побудова ранжируваного вектора.

Для побудови даного вектора необхідно знайти головний власний вектор, тобто власний вектор відповідний максимальному власному числу . Після того як побудований головний власний вектор необхідно провести його нормування і тоді отриманий вектор міститиме вагу кожної альтернативи і критерію.

Після цього проводиться повторення алгоритму вже для окремих критеріїв.

Спочатку здійснюється порівняння наявних альтернатив по кожному з критеріїв. Для цього необхідно побудувати матриці  для кожного критерію (). Ці матриці відображатимуть думки експертів про те, які пріоритети по кожному критерію мають альтернативи. Нижче на прикладі матриці  (порівняння альтернатив по першому критерію) показана їх структура.

(2.4)

Матриці  (порівняння альтернатив по критеріях  складаються аналогічно. Елементи матриць визначаються шляхом експертного попарного порівняння альтернатив один з одним по кожному критерію. Тоді елементи матимуть наступні значення:

 (2.5)

Після цього здійснюється ранжирування альтернатив по кожному з критеріїв. Його зміст ідентичний третьому кроку алгоритму. Результатом реалізації цього кроку є вектора локальних пріоритетів, отримані в результаті обробки матриць парних порівнянь . Потім оцінюється узгодженість думок експертів щодо рівня значущості кожної з альтернатив по даній безлічі критеріїв. Для цього, як було відзначене вище, використовуються індекси однорідності.

Заключним кроком є синтез пріоритетів. Для цього локальні пріоритети перемножуються на пріоритет відповідного критерію на вищестоящому рівні і підсумовуються по кожному елементу. Це дає глобальний пріоритет елемента :

.(2.6)

Результатом реалізації цього кроку є вектор пріоритетності альтернатив:

.(2.7)

Отриманий вектор можна вважати оцінкою значущості альтернатив. Чим вище ця оцінка, тим більший вплив має відповідний фактор на рівень фінансової безпеки банку.

2.2 Сутність методів кластерного аналізу

Кластерний аналіз з'явився порівняно недавно - у 1939 р. Його запропонував вчений К. Тріон. Дослівно термін "кластер" в перекладі з англійської "cluster" означає гроно, згусток, пучок, група [11-13].

Особливо бурхливий розвиток кластерного аналізу відбувся у 60-х роках минулого століття. Передумовами цього були поява швидкісних комп'ютерів та визнання класифікацій фундаментальним методом наукових досліджень.

Кластерний аналіз - це метод багатомірного статистичного дослідження, до якого належать збір даних, що містять інформацію про вибіркові об'єкти, та упорядкування їх в порівняно однорідні, схожі між собою групи.

Отже, сутність кластерного аналізу полягає у здійсненні класифікації об'єктів дослідження за допомогою численних обчислювальних процедур. В результаті цього утворюються "кластери" або групи дуже схожих об'єктів. На відміну від інших методів, цей вид аналізу дає можливість класифікувати об'єкти не за однією ознакою, а за декількома одночасно. Для цього вводяться відповідні показники, що характеризують певну міру близькості за всіма класифікаційними параметрами.

Мета кластерного аналізу полягає в пошуку наявних структур, що виражається в утворенні груп схожих між собою об'єктів - кластерів. Водночас його дія полягає й у привнесенні структури в досліджувані об'єкти. Це означає, що методи кластеризації необхідні для виявлення структури в даних, яку нелегко знайти при візуальному обстеженні або за допомогою експертів.

Основними завданнями кластерного аналізу є:

розробка типології або класифікації досліджуваних об'єктів;

дослідження та визначення прийнятних концептуальних схем групування об'єктів;

висунення гіпотез на підставі результатів дослідження даних;

перевірка гіпотез чи справді типи (групи), які були виділені певним чином, мають місце в наявних даних.

Кластерний аналіз потребує здійснення таких послідовних кроків [12]:

) проведення вибірки об'єктів для кластеризації;

) визначення множини ознак, за якими будуть оцінюватися відібрані об'єкти;

) оцінка міри подібності об'єктів;

) застосування кластерного аналізу для створення груп подібних об'єктів;

) перевірка достовірності результатів кластерного рішення.

Кожен з цих кроків відіграє значну роль у практичному здійснення Визначення множини ознак, які покладаються в основу оцінки об'єктів, у кластерному аналізі є одним із найважливіших завдань дослідження. Мета цього кроку повинна полягати у визначенні сукупності змінних ознак, яка найкраще відображає поняття подібності. Ці ознаки мають вибиратися з урахуванням теоретичних положень, покладених в основу класифікації, а також мети дослідження.

При визначенні міри подібності об'єктів кластерного аналізу використовуються чотири види коефіцієнтів: коефіцієнти кореляції, показники віддалей, коефіцієнти асоціативності та ймовірносні, коефіцієнти подібності. Кожен з цих показників має свої переваги та недоліки, які попередньо потрібно врахувати. На практиці найбільшого розповсюдження у сфері соціальних та економічних наук здобули коефіцієнти кореляції та віддалей.

В результаті аналізу сукупності вхідних даних створюються однорідні групи у такий спосіб, що об'єкти всередині цих груп подібні між собою за деяким критерієм, а об'єкти з різних груп відрізняються один від одного.

Кластеризація може здійснюватися двома основними способами, зокрема за допомогою ієрархічних чи ітераційних процедур.

Ієрархічні процедури - послідовні дії щодо формування кластерів різного рангу, підпорядкованих між собою за чітко встановленою ієрархією. Найчастіше ієрархічні процедури здійснюються шляхом агломеративних (об'єднувальних) дій. Вони передбачають такі операції:

послідовне об'єднання подібних об'єктів з утворенням матриці подібності об'єктів;

побудова дендрограми (деревоподібної діаграми), яка відображає послідовне об'єднання об'єктів у кластери;

формування із досліджуваної сукупності окремих кластерів на першому початковому етапі аналізу та об'єднання всіх об'єктів в одну велику групу на завершальному етапі аналізу.

Ітераційні процедури полягають в утворенні з первинних даних однорівневих (одного рангу) ієрархічно не підпорядкованих між собою кластерів.

Найбільш відомими та широко застосовуваними методами [11]

формування кластерів є:

одиничного зв'язку;

повного зв'язку;

середнього зв'язку;

метод Уорда.

Метод одиничного зв'язку (метод близького сусіда) передбачає приєднання одиниці сукупності до кластера, якщо вона близька (знаходиться на одному рівні схожості) хоча б до одного представника цього кластера.

Метод повного зв'язку (далекого сусіда) вимагає певного рівня подібності об'єкта (не менше граничного рівня), що передбачається включити у кластер, з будь-яким іншим.

Метод середнього зв'язку ґрунтується на використанні середньої відстані між кандидатом на включення у кластер і представниками наявного кластера.

Згідно методу Уорда приєднання об'єктів до кластерів здійснюється у випадку мінімального приросту внутрішньогрупової суми квадратів відхилень. Завдяки цьому утворюються кластери приблизно одного розміру, які мають форму гіперсфер.

Оптимальною прийнято вважати кількість кластерів, яка визначається як різниця кількості спостережень і кількості кроків, після якої відстань об'єднання збільшується стрибкоподібно.

Кластерний аналіз, як і інші методи вивчення стохастичного зв'язку, вимагає численних складних розрахунків, які краще здійснювати за допомогою сучасного програмного забезпечення, зокрема з використанням програмного продукту Statistica 6.0.

Загальну схему проведення кластерного аналізу можна подати у вигляді наступного алгоритму, який складається з наступних етапів:

Етап 1. Перш ніж використовувати будь-який з методів кластерного аналізу, необхідно виконати наступні попередні процедури:

Процедура 1. Стандартизація і нормування даних призначені для того, щоб привести всі показники до однієї величини (зробити їх порівнянними). Дана процедура здійснюється по наступній формулі:

 ,(2.8)

де x_ij - i-а реалізація j-ї ознаки,

 - середнє арифметичне j-ї ознаки,

 - стандартне відхилення j-ї ознаки.

Процедура 2. Знаходження матриці відстаней. Матриця відстаней D являє собою матрицю розмірністю nxn, кожен елемент якої характеризує віддаленість того або іншого об'єкта від іншого. Ця матриця виглядає наступним чином:

(2.9)

де d_su - відстань між об'єктами s і u, .

Існує досить велика кількість варіантів розрахунку даної відстані основні з яких представлені в табл. 2.1.

Таблиця 2.1 - Характеристика близькості об'єктів

Примітки:

1  - значення l-ї ознаки у i-го об’єкта, l=; i,j=;

 - вектор-стовпець значень всіх ознак на i-му об’єкті;

W^-1 - матриця, обернена до коваріаційної;

 - загальна кількість значень властивостей, що співпадають, (нулевих та одиничних, де 1 - наявність властивостей, 0 - відсутність);

 - кількість співпадаючих одиничних властивостей;

 - кількість одиничних значень властивостей;

; де  - значення порога для l-го признака;

= - мера близькості об’єктів по l-му признаку;

 - інформаційна вага признака, розрахована певних чином.

Етап 2 Використання того або іншого методу кластерного аналізу в залежності від цілей дослідження. Одним із найбільш поширених способів проведення ітераційних процедур ось уже понад сорок років виступає метод k-середніх (розроблений у 1967 р. Дж. МакКуіном). Застосування його потребує здійснення таких кроків:

розділення вихідних даних досліджуваної сукупності на задану кількість кластерів;

розрахунок Евклідової відстані кожної одиниці сукупності до визначених центрів тяжіння кластерів та побудова матриці відстаней, яка ґрунтується на метриці відстаней. Використовують різні метрики відстаней, наприклад: Евклідова відстань (проста і зважена), Манхеттенська, Чебишева, Мінковського, Махалонобіса тощо;

–   визначення нових центів тяжіння та нових кластерів

Вибір даного методу кластеризації обґрунтований наступними перевагами:

даний метод не будує геометричні кластери, що дозволяє уникнути їхнього перетинання і, як наслідок, влучення одного й того самого елемента в кілька кластерів;

дозволяє формувати задану кількість кластерів, що полегшує економічну інтерпретацію отриманих результатів.

Використання методу k-середніх ґрунтується на двох критеріях:

Мінімізація відстані всередині кластера між його елементами.

Максимізація відстані між центрами кластерів. Використання даного критерію дозволяє виділити кластери, що знаходяться на максимально можливій відстані друг від друга

2.3 Характеристика методів багатомірної класифікації з навчанням

Існують такі основні методи багатомірної класифікації з навчанням як дискримінантний аналіз. Дискримінантний аналіз є розділом багатовимірного статистичного аналізу, який дозволяє вивчати відмінності між двома і більш групами об'єктів по декількох змінних одночасно. Дискримінантний аналіз - це загальний термін, що відноситься до декількох тісно зв'язаних статистичних процедур. Ці процедури можна розділити на методи інтерпретації міжгрупових відмінностей - дискримінації і методи класифікації спостережень по групах. При інтерпретації потрібно відповісти на питання: чи можливо, використовуючи даний набір змінних, відрізнити одну групу від іншої, наскільки добре ці змінні допомагають провести дискримінацію і які з них найбільш інформативні?

Методи класифікації пов'язані з отриманням однієї або декількох функцій, що забезпечують можливість віднесення даного об'єкту до однієї з груп. Ці функції називаються класифікуючими і залежать від значень змінних таким чином, що з'являється можливість віднести кожний об'єкт до однієї з груп. [12, 13]

Задачі дискримінантного аналізу можна розділити на три типи. Задачі першого типу часто зустрічаються в медичній практиці. Припустимо, що ми маємо в своєму розпорядженні інформацію про деяке число індивідуумів, хвороба кожного з яких відноситься до одного з двох або більш діагнозів. На основі цієї інформації потрібно знайти функцію, що дозволяє поставити у відповідність новим індивідуумам характерні для них діагнози. Побудова такої функції і складає задачу дискримінації.

Другий тип задачі відноситься до ситуації, коли ознаки приналежності об'єкту до тієї або іншої групи втрачені, і їх потрібно відновити.

Задачі третього типу пов'язані з прогнозом майбутніх подій на підставі наявних даних. Такі задачі виникають при прогнозі віддалених результатів лікування, наприклад, прогноз виживання оперованих хворих.

Основною метою дискримінації є знаходження такої лінійної комбінації змінних (надалі ці змінні називатимемо дискримінантними змінними), яка б оптимально розділила дані групи. Лінійна функція називається канонічною дискримінантою функцією з невідомими коефіцієнтами:

 (2.10)

де  значення дискримінантної функції для m-го об'єкту в групі k;

 значення дискримінантної змінної для m-го об'єкту в групі k.

З геометричної точки зору дискримінантні функції визначають гіперплощини в p-мірному просторі. В окремому випадку при p=2 вона є прямою, а при p=3 - площиною.

Коефіцієнти першої канонічної дискримінантної функції вибираються так, щоб центроїди різних груп якомога більше відрізнялися один від одного. Коефіцієнти другої групи вибираються також, але при цьому накладається додаткова умова, щоб значення другої функції були некорельовані із значеннями першою. Аналогічно визначаються і інші функції. Звідси витікає, що будь-яка канонічна дискримінантна функція має нульову внутрішньогрупову кореляцію. Якщо число груп рівно g, то число канонічних дискримінантних функцій буде на одиницю менше числа груп. Проте із багатьох причин практичного характеру корисно мати одну, дві або ж три дискримінантних функції. Тоді графічний вигляд об'єктів буде представлений в одно-, двух- і тривимірних просторах. Таке уявлення особливо корисно у разі, коли число дискримінантних змінних p велике в порівнянні з числом груп g.

Для отримання коефіцієнтів канонічної дискримінантної функції потрібен статистичний критерій розрізнення груп. Очевидно, що класифікація змінних здійснюватиметься тим краще, чим менше розсіяння крапок щодо центроїда усередині групи і чим більше відстань між центроїдами груп. Зрозуміло, що велика внутрішньогрупова варіація небажана, оскільки в цьому випадку будь-яка задана відстань між двома середніми тим менш значуща в статистичному значенні, чим більше варіація розподілів, відповідних цим середнім. Один з методів пошуку якнайкращої дискримінації даних полягає в знаходженні такої канонічної дискримінантної функції d, яка б максимізувала відношення міжгрупової варіації до внутрішньогрупової

 (2.11)

де B - міжгрупова і W - внутригрупова матриці розсіяння спостережуваних змінних від середніх.

Іноді (2.9) замість W використовують матрицю розсіяння T з'єднаних даних.

В моделі дискримінації повинні дотримуватися наступні умови:

) число груп: ;

) число об'єктів в кожній групі: ;

) число дискримінантних змінних: ;

) дискримінантні змінні вимірюються в інтервальній шкалі;

) дискримінантні змінні лінійно незалежні;

) ковариаційні матриці груп приблизно рівні;

) дискримінантні змінні в кожній групі підкоряються багатовимірному нормальному закону розподілу.

Дискримінантний аналіз є найважливішим інструментом системи раннього попередження та методом прогнозування банкрутства (стану, який характеризується втратою фінансової безпеки) економічних об’єктів. Найбільше поширення отримали дискримінанті моделі прогнозування банкрутства підприємств.

Розрізняють однофакторний та багатофакторний дискримінантний аналіз.

Однофакторний дискримінантний аналіз. В основі однофакторного (одновимірного) аналізу покладене сепаратне дослідження окремих показників (які є складовою певної системи показників) та класифікація підприємств за принципом дихотомії. Віднесення підприємства до категорії "хворих" чи "здорових" здійснюється у розрізі окремих показників у відповідності до емпірично побудованої шкали граничних значень досліджуваного показника. Наприклад, згідно зі шкалою значень показника рентабельності активів, граничне значення цього показника складає 2%. Це означає, що підприємства, в яких рентабельність активів >2% за цим критерієм вважаються "здоровими", якщо ж значення цього показника <2%, то підприємство відноситься до групи суб'єктів господарювання, яким загрожує фінансова криза.

Найбільш відомими моделями однофакторного дискримінантного аналізу є системи показників Бівера та Вайбеля.

Система показників Бівера

В основі досліджень американського економіста В. Бівера покладено 30 найбільш часто вживаних у фінансовому аналізі показників. За ознакою однорідності ці показники були згруповані в шість груп. Із кожної групи Бівер вибрав по одному, найбільш типовому показнику, які й склали систему прогнозування банкрутства:

) Відношення Cash Flow до позичкового капіталу.

) Відношення чистого прибутку до валюти балансу.

) Відношення позичкового капіталу до валюти балансу.

) Відношення оборотних активів до поточних зобов'язань (показник покриття).

) Відношення робочого капіталу до валюти балансу.

) Відношення різниці між очікуваними грошовими надходженнями та поточними зобов'язаннями до витрат підприємства (без амортизації).

З використанням матеріалів аналізу 79 фінансово неспроможних і такого ж числа фінансово спроможних підприємств Бівер розробив шкалу граничних значень для кожного із приведених показників для американських підприємств.

Система показників Вайбеля

В основі досліджень, здійснених П. Вайбелем протягом 1960-1971 років покладено аналітичні матеріали по 72 швейцарських підприємствах будівельної, металургійної, легкої та годинникової галузей виробництва, половина з яких була у фінансовій кризі. Класифікацію підприємств за цією системою пропонується здійснювати з використанням таких показників:

)Відношення позичкового капіталу до валюти балансу.

)Відношення оборотних активів до поточних зобов'язань (показник покриття).

)Відношення Cash Flow до поточних (короткострокових) зобов'язань.

)Відношення різниці між очікуваними грошовими надходженнями та поточними зобов'язаннями до витрат підприємства (без амортизації).

)Відношення середнього залишку кредиторської заборгованості до вартості закупок.

)Відношення середніх залишків виробничих запасів до величини затрат на сировину (матеріали).

Головним суперечливим моментом однофакторного дискримінантного аналізу є те, що значення окремих показників може свідчити про позитивний розвиток підприємства, а інших - про незадовільний. Така ситуація унеможливлює об'єктивне прогнозування банкрутства.

Багатофакторний дискримінантний аналіз. В процесі аналізу підбирається ряд показників, для кожного з яких визначається вага в так званій "дискримінантній функції". В загальному вигляді, лінійну багатофакторну дикримінантну функцію можна представити в такій формі:

Z = a0 + a1x1 + a2x2 + a3x3 + .......+ anxn,

а1, а2, а3 ......, аn - коефіцієнти (ваги) дискримінантної функції;

х1, х2, х3......., хn - показники (змінні) дискримінантної функції.

Величина окремих ваг характеризує різний вплив окремих показників (змінних) на загальний фінансовий стан підприємства. Віднесення аналізованого підприємства до групи "хворих" чи "здорових" залежить від значення дискримінантної функції.

Найбільш відомими моделями прогнозування банкрутства на основі багатофакторного дискримінантного аналізу є модель Альтмана (1968), модель Беермана (1976), система показників Бетге-Хуса-Ніхауса (1987), модель Краузе (1993).

Модель Альтмана

Модель прогнозування банкрутства, розроблена американським економістом Е. Альтманом має також назву "розрахунок Z-показника" і є класичною в своїй сфері, оскільки включена до більшості підручників, що присвячені фінансовому прогнозуванню та оцінці кредитоспроможності підприємств. Побудована Альтманом дискримінантна функція має такий вигляд:

Z = 0,012 X1 + 0,014 X2 + 0,033 X3 + 0,006 X4 + 0,999 X5,

де X1 - робочий капітал/ валюта балансу;- сума нерозподіленого прибутку (непокритого збитку) та резервного капіталу / валюта балансу;- звичайний прибуток до оподаткування + проценти за кредит / валюта балансу; - ринкова вартість підприємств (ринкова вартість корпоративних прав) / позичковий капітал;- чиста виручка від реалізації продукції/ валюта балансу.

Провівши аналіз 33-х пар промислових підприємств з обсягом валюти балансу від 1 до 25 млн. дол. США, Альтман зробив наступний висновок щодо інтерпретації значень Z-показника:

Таблиця 2.2 - Значення показника Альтмана

Модель Беермана

В Німеччині вперше застосував методологію багатофакторного дискримінантного аналізу при дослідженні фінансового стану підприємств у 1976 році професор університету м. Мюнстер Клаус Беерман. Свої висновки він базував на емпіричному дослідженні 21 підприємства, половина з яких були збиткові та знаходилися у фінансовій кризі. Основні характеристики дискримінантної функції Беермана наведено в табл. 2.3.

Таблиця 2.3 - Параметри дискримінантної функції

Одержані значення інтегрального показника Беерман рекомендує інтерпретувати наступним чином (горизонт прогнозування 1 рік): > 0,32 - підприємство знаходиться під загрозою банкрутства;

,32 > Z > 0,236 - неможливо чітко ідентифікувати, потребує додаткового якісного аналізу < 0,236 - підприємству не загрожує банкрутство.

Модель оцінки ймовірності банкрутства українських підприємств

Для оцінки ймовірності банкрутства вітчизняних підприємств рекомендується до використання дискримінантна функція із шістьома змінними: = 1,04*X1+0,75*X2+0,15*X3+0,42*X4+1,8*X5 -0,06*X6 - 2,16,

де Х1 - коефіцієнт покриття;

Х2 - коефіцієнт фінансової автономії;

Х3 - коефіцієнт оборотності капіталу;

Х4 - коефіцієнт рентабельності операційних продажів;

Х5 - коефіцієнт рентабельності активів;

Х6 - коефіцієнт оборотності позичкового капіталу.

Модель розроблена на основі аналізу фінансових показників 850 українських підприємств усіх видів економічної діяльності. Використання цієї моделі дозволяє з високим рівнем ймовірності спрогнозувати майбутній фінансовий стан підприємства, а отже, оцінити ймовірність його банкрутства. Для наведеної дискримінантної моделі рекомендується наступний "ключ інтерпретації" значень інтегрального показника:<= -0,55 - фінансовий стан підприємства є незадовільним (знаходиться у фінансовій кризі або вона йому загрожує);

,55 <= Zi <= 0,55 - однозначних висновків щодо якості фінансового стану підприємства зробити неможливо, необхідний додатковий експертний аналіз;> 0,55 - фінансовий стан підприємства є задовільним.

У разі, якщо значення показника Zі знаходиться в межах, для яких однозначні висновки щодо якості фінансового стану зробити неможливо, рекомендується додатково застосувати експертні методи аналізу. В рамках чого аналізується динаміка основних абсолютних показників фінансового стану підприємства за два-три роки: валюта балансу; робочий капітал; обсяг виручки від реалізації; величина чистого прибутку (збитку); чистий грошовий потік від операційної діяльності. За результатами додаткового аналізу базовий показник Zi коригується на коефіцієнт зміни основних абсолютних показників. Для визначення вагомості впливу окремих абсолютних показників на коефіцієнт коригування можна застосувати загальну методологію дискримінантного аналізу. Скоригований за результатами додаткового експертного аналізу інтегральний показник слід інтерпретувати таким же чином, як це рекомендується вище.

3. Розробка моделей оцінки фінансової безпеки комерційного банку

3.1 Розробка моделі оцінки рівня фінансової безпеки банку

Для побудови моделі оцінки використаємо алгоритм, який наведений в п. 2.1

Крок 1 Декомпозиція мети в ієрархію.

Декомпозиція цілі в ієрархію наведена на рис. 3.1

Рисунок 3.1 - Декомпозиція цілі в ієрархію

Визначимо умовні позначення показників на третьому рівні (табл. 3.1)

Таблиця 3.1 - Умовні позначення показників фінансової безпеки банку

Крок 2 Побудова матриць порівнянь показників.

На цьому кроці сформуємо загальну матрицю порівнянь між групами та усередені груп. Дані таблиці наведено в табл. 3.2

Таблиця 3.2 - Матриці порівнянь

Крок 3 Оцінка однорідності матриць.

Оцінка однорідності матриць здійснюється за допомогою індексу однорідності, який розраховано в табл. 3.3

Таблиця 3.3 - Індекс однородності

Оцінка індексу однорідності свідчить про однорідність матриць порівнянь, так як всі його значення менші ніж 0,1.

Крок 4. Побудова ранжируваного вектора.

За допомогою нормування було отримано ранжируваний вектор (табл. 3.4)

Таблиця 3.4 - Ранжування альтернатив

Пріоритет, який отримав кожний з досліджуваних показників фінансової безпеки банку, наведений в табл. 3.5.

Таблиця 3.5 - Вагові коефіцієнти груп показників и показників усередині груп

Аналіз даної таблиці дозволяє зробити ряд висновків:

) найбільш значущою групою є перша група показників, а саме показники стабільності (вага цієї групи показників складає 0,648), найменш значущою - показники ліквідності (0,122);

) серед першої групи найбільш значущим є показник мінімального розміру регулятивного капіталу (0,487);

) серед другої групи найбільш значущим є норматив короткострокової ліквідності (0,468);

) серед третьої групи найбільш значущим є норматив максимального розміру кредитного ризику на одного контрагента (0,484).

Таким чином, на забезпечення фінансової складової економічної безпеки найбільший вплив, за думкою експертів, оказують норматив мінімального розміру регулятивного капіталу, норматив адекватності регулятивного капіталу/платоспроможності, норматив короткострокової ліквідності.

Модель оцінки рівня фінансової безпеки банку з урахуванням отриманих пріоритетів груп показників и показників усередині груп має вид:

 (3.1)

де - коефіцієнти значущості кожної групи;

 - значення факторів.

Слід відзначити, що комплексний показник змінюється в межах від 0 до 1. Таким чином, побудований аналітичний показник позволяє досліджувати фінансову безпеку комерційного банку.

Для використання моделі (3.1) введемо обмеження на значення показників Х:

 (3.2)

Динаміка кожного показника за чотири роки для досліджуваного банку - Кредитпромбанку - наведена в табл. 3.6

Таблиця 3.6 - Динаміка показників

Підставивши ці дані в формулу 3.1, отримуємо динаміку показника фінансової безпеки (рис. 3.2).

Рисунок 3.2 - Динаміка показника фінансової безпеки

Проведені дослідження дозволяють зробити висновки про збільшення рівня фінансової безпеки досліджуваного банку.

Таким чином, побудована модель дозволяє здійснювати комплексну оцінку фінансової безпеки банку с урахуванням вагових коефіцієнтів факторів, які оказують найбільш сильний вплив на рівень фінансової безпеки.

3.2 Групування банків за рівнем фінансової безпеки на підставі методів кластерного аналізу

В дипломній роботі передбачається групування комерційних банків України за рівнем фінансової безпеки з використанням методу кластерного аналізу («таксономия», «автоматична класифікація»). В перекладі з англійського слово “cluster” означає «кисть», «пучок», «група». Існують різноманітні визначення кластерного аналізу. Проте, всі вони зводяться до наступного: кластерний аналіз - це метод багатовимірного статистичного аналізу, який дозволяє упорядкувати досліджувані об'єкти в однорідні групи [17]. В результаті застосування кластерного аналізу з'являються групи, елементи усередині яких «схожі» між собою за заданими критеріями, а елементи з різних груп значно відрізняються один від одного. Критерієм об'єднання в групи може бути максимальна «схожість» елементів, або їх «несхожість» (при подвійній задачі). Кластерний аналіз дозволяє виявити або підтвердити наявність певної структури (під структурою системи розуміємо сукупність її елементів і їх відношення) в досліджуваній сукупності, яка дає підставу для перевірки і підтвердження гіпотези про існуючі закономірності в досліджуваній системі [17].

Задача кластерного аналізу полягає в розбитті безлічі об'єктів, описуваних деякими ознаками, на кластери так, щоб кожний об'єкт належав одній і лише одній підмножині розбиття. В нашому випадку цими об'єктами є комерційні банки України, стан фінансової безпеки яких характеризується коефіцієнтами стабільності, ліквідності, ризику. При цьому в кожній підмножині розбиття об'єкти лежать щільно один до одного і є схожими, тоді як об'єкти, що належать різним підмножинам, є різнорідними.

У принципі задача кластерного аналізу зводиться до розробки певного правила, або алгоритму, за допомогою якого можна здійснювати розбиття об'єктів на групи. При цьому залишається невідомо, чи дійсно знайдені угрупування є якнайкращими.

Як було зазначено в розділі 2, методи кластерного аналізу можна розділити на ієрархічні, агломеративні і дивізимні. Окрім цього окрему групу складають ітеративні методи (метод k-середніх, метод пошуку згустків та ін.) [17].

Одним із зручних методів ітерації еталонного типу є метод k-середніх, який і буде використаний в дипломній роботі. Він заснований на принципі мінімізації внутрікласової дисперсії. Відмінною рисою цього методу є те, що спочатку дослідником задається кількість кластерів, на які розбивається сукупність. На такому кроці задається початкове розбиття об'єктів, і визначаються центри ваги кластерів. Потім на основі міри схожості між об'єктами визначається новий склад кожного кластера. Після переліку всіх об'єктів перераховуються центри ваги кластерів. Процедура повторюється до тих пір, поки така ітерація не дасть такий же склад кластерів, який і попередня. Цим добивається розбиття об'єктів на групи, дисперсії усередині яких мінімальні.

Одна з переваг, яку надає досліднику кластерний аналіз, - це можливість використовування великої кількості ознак, які характеризують досліджувану сукупність [19].

Недоліком даного методу є відсутність статистичного критерію значущості для перевірки гіпотези, чи дійсно об'єкт належить даній групі.

Перед тим, як буде використаний кластерний аналіз, нам необхідно знайти ті ознаки, якими характеризуватимуться комерційні банки. В нашому випадку - це показники ліквідності.

В ППП Statistica в модулі Cluster Analysis проведемо кластеризацію банків, стан фінансової безпеки яких описується розрахованими коефіцієнтами. Задаємо початкові параметри (рис. 3.3).

Рисунок 3.3 - Завдання змінних і кількості кластерів

Використовуємо метод k-середніх і задаємо кількість кластерів рівну трьом. Отримуємо наступні результати аналізу (рис. 3.4).

З рис. 3.4 видно, що у вікні результатів відмічено кількість кластерів, кількість банків і кількість ітерацій.

Рисунок 3.4 - Результати аналізу

В табл. 3.6 наведені елементи кожного кластеру.

Таблиця 3.6 - Розбиття комерційних банків України по кластерах

На рис. 3.5 представлений графік середніх значень коефіцієнтів для кожного кластеру.

Рисунок 3.5 - Графік середніх значень коефіцієнтів для кожного кластеру

На підставі аналізу табл. 3.6 і рис. 3.5 робимо висновки про те, що в третю групу потрапили банки з найвищим рівнем фінансової безпеки, в другу групу потрапили банки з середнім рівнем, а в першій групі представлені банки з найбільш низьким щодо інших банків рівнем.

3.3 Розробка моделей класифікації стану фінансової безпеки банку за допомогою методів дискримінантного аналізу

Основною метою дискримінантного аналізу є ухвалення рішення про те, які змінні розрізняють (дискримінують) маючи сукупності. Дискримінантний аналіз є статистичним апаратом для вивчення відмінностей між групами (сукупностями) об'єктів по відношенню до декількох змінних одночасно (багатовимірний аналіз) [17]. Дискримінація проводиться при сукупностях, які є, і вибірках із кожної з них. Задача полягає у виробленні заснованого на наявних вибірках правила, що дозволяє приписати деякий новий об'єкт до правильної сукупності в тому випадку, якщо наперед невідомо, до якої сукупності він належить. Іншими словами, необхідно побудувати модель, що дозволяє краще всього передбачити, до якої сукупності належатиме новий елемент.

Термін «дискриминантний аналіз» є загальним, оскільки визначає декілька зв'язаних статистичних процедур. Їх можна розділити на методи інтерпретації міжгрупових відмінностей і методи класифікації спостережень по групах. При інтерпретації необхідно відповісти на питання: чи можливо, використовуючи дані характеристики (змінні), відрізнити одну групу від іншої; наскільки добре ці характеристики дозволяють провести розрізнення і які з них найбільш інформативні. Метод класифікації пов'язаний з отриманням декількох функцій, що дозволяють віднести даний об'єкт до однієї з груп. Ці функції залежать від значень характеристик таким чином, що кожний об'єкт можна віднести до однієї з груп [18].

Алгоритм процесу аналізу можна представити таким чином:

a)    збір інформації і проведення вибірки з подальшим аналізом;)       побудова дискримінантних функцій з використанням різних коефіцієнтів, визначення числа функцій, подальша перевірка значущості і інтерпретація для пояснення відмінностей між класами;

c)      класифікація з метою визначення приналежності нового об'єкту до того чи іншого класу.

Дискриминантний аналіз дозволить нам визначити моделі, за допомогою яких можна класифікувати стани фінансової безпеки банків на підставі значень фінансових показників. В ППП Statistica вибираємо модуль Discriminant Analysis і працюємо в ньому. До заданих даних, комерційних банків і коефіцієнтів, додаємо новий стовпець, в якому указуємо номер кластера, до якого належить банк. Це буде змінна, по якій здійснюватиметься групування. Потім починаємо аналіз (рис. 3.6).

Рисунок 3.6 - Завдання початкових параметрів аналізу

Вибираємо змінну, по якій буде здійснюватися групування, і незалежні змінні. Кількість груп рівна трьом. Отримуємо наступні результати аналізу (табл. 3.7).

Таблиця 3.7 - Результати дискримінантного аналізу

Як видно з отриманих результатів (табл. 3.7) значення статистики Уїлкса близько до 0, що свідчить про добру дискримінацію. Оскільки значення лямбди Уїлкса по можливості повинне бути якомога ближче до нуля (Wilks' Lambda = 0,10858), а значення F критерію (критерію Фішера) більше табличного значення (F = 67,824 > 3,04), то можна зробити висновок, що дана класифікація коректна. З табл. 3.7 видно, що рівень значущості (p-level) для всіх коефіцієнтів малий, тобто вони є добрими дискримінантами. Рівень толерантності (Toler) у всіх показників знаходиться в граничних межах (<0,4). Оскільки всі критерії значущі, то ми можемо виявити залежність переходу банку з одного кластера в іншій від змін значень показників.

Для перевірки коректності вибірок подивимося результати класифікаційної матриці (табл. 3.8).

Таблиця 3.8 - Класифікаційна матриця

Таблиця 3.9 - Таблиця класифікацій

З класифікаційної матриці (табл. 3.8) видно, що об'єкти були правильно віднесені до виділених груп (відсоток правильної класифікації складає близько 100%).

Аналіз таблиці класифікації випадків (табл. 3.9) дозволяє зробити висновок про те, які комерційні банки були віднесені неправильно до тієї або іншої групи (некоректно віднесені банки позначаються зірочкою (*)). З таблиці видно, що банки під номерами 21 і 27 були неправильно класифіковані.

Для підвищення якості дискримінанатних моделей з вибірки вилучаються об’єкти, які знаходяться на границі кластерів. Для цього за допомогою метрики Махаланобіса (Squared Mahalanobis distances), квадрат відстаней Махалонобіса, визначаться відстань від всіх n об'єктів до центру тяжіння кожної групи (вектор середніх), які визначаються по повчальній вибірці. Віднесення i-ого об'єкту до j-ї групи вважається помилковим, якщо відстань Махаланобіса від об'єкту до центру його групи значно вище, ніж від нього до центру інших груп, а апостеріорна вірогідність попадання в свою групу нижче за критичне значення. В цьому випадку об'єкт вважається некоректно віднесеним і повинен бути виключений з вибірки.

Процедура виключення об'єкту з вибірок полягає в тому, що в таблиці початкових даних у того об'єкту, який повинен бути виключений з вибірки (він помічений “*”), забирається номер приналежності до цієї групи, після чого процес тестування повторюється. По припущенню, спочатку викреслюється той об'єкт, який найбільш не підходить до певної групи [19].

При видаленні чергового об'єкту з групи потрібно пам'ятати, що при цьому зміщується центр тяжкості групи (вектор середніх), оскільки він визначається за спостереженнями, що залишилися. Після видалення чергового банку із списку вибірок не виключено, що з'являться нові некоректно віднесені банки, які до видалення були правильно віднесені. Тому дана процедура повинна бути покроковою, необхідно видаляти на кожному кроці лише по одному об'єкту, і повертати його назад у вибірку, якщо при видаленні цього об'єкту відбулися дуже сильні зміни (більшість банків, які були віднесені як правильні, позначається як некоректно віднесені банки).

Покрокове видалення неправильно віднесених об'єктів (21-го і 27-го) не дало бажаних результатів. Після кожного видалення з'являлася ще більша кількість некоректно віднесених банків. Тому раціонально залишити дані об'єкти в їх колишніх групах.

Внаслідок всіх операцій одержуємо наступну систему дискримінантних функцій (табл. 3.10).

Таблиця 3.10 - Дискримінантні функції

З табл. 3.10 витікає, що перша група комерційних банків України, яка характеризується низьким рівнем фінансової безпеки щодо інших банків, описується наступною моделлю:

y1 = -18,4348 + 7,3016*Н4 + 15,847*Н5 + 18,442*Н6.

В формулі вільний член має відмінне значення, а найбільший коефіцієнт при показнику Н6, тобто він має найбільшу вагу.

Друга група банків, що характеризується середнім щодо інших банків рівнем фінансової безпеки, описується моделлю:= -35,3887 + 16,4598*Н4 + 17,5705*Н5 + 27,688*Н6.

В формулі вільний член також має відмінне значення, а найбільший коефіцієнт при показнику Н6, тобто він має найбільшу вагу.

Третя група банків, яка характеризується високим щодо інших банків рівнем фінансової безпеки, описується наступною моделлю:= -107,6293 + 28,1378*Н4 + 23,8028*Н5 + 62,5873*Н6.

В формулі вільний член має відмінне значення, а найбільший коефіцієнт при показнику Н6, тобто він має найбільшу вагу.

Використовуючи отримані функції, можна віднести новий банк до певної групи за рівнем фінансової безпеки. Алгоритм віднесення нового банку до певної групи полягає в наступному:

a)    розраховуємо показники стану фінансової безпеки банку на основі статей балансу;

b)      підставляємо показники в дискримінантні функції. Найбільше значення дискримінантної функції відповідає кластеру, до якого можна віднести банк.

Дискримінантний аналіз дозволяє достатньо ефективно розв'язати проблему віднесення нового об'єкту до певної групи залежно від характеристик даного об'єкту.

4. Охорона праці і навколишнього середовища

4.1 Загальні питання охорони праці

Підвищення технічної оснащеності підприємств, застосування нових матеріалів, конструкцій і процесів, збільшення швидкостей і потужностей машин робить вплив на характер і частоту нещасних випадків і захворювань на виробництві. Праця людини в сучасному автоматизованому і механізованому виробництві є процесом взаємодії людини і машини, причому центральне місце належить людині - оператору. Поліпшення умов праці, підвищення його безпеки впливають на результати виробничої діяльності: продуктивність праці, якість і вартість продукції, що випускається, а також приводить до зниження виробничого травматизму, професійних захворювань, зберігає здоров'я працівників і одночасно приводить до зменшення витрат на оплату пільг і компенсацій за роботу в несприятливих умовах праці.

В існуючому законодавстві [1 ] велику увагу надається питанням захисту працюючих від дії небезпечних і шкідливих чинників виробничого середовища. В законі України про охорону праці» (2002г.) сказано, що державна політика базується на принципах пріоритету життя і здоров'я працівників по відношенню до результатів виробничої діяльності підприємства, повної відповідальності власника за створення безпечних і нешкідливих умов праці.

Використовуються економічні методи для управління охороною праці на підприємстві. Створюються національні, галузеві, регіональні програми з питань охорони праці, враховуючі різні напрями економічної і соціальної політики держави. Встановлюються єдині нормативи по охороні праці для всіх підприємств, організацій незалежно від форм власності. Створюються страхові фонди.

4.2 Управління охороною праці на підприємстві

Працедавець зобов'язаний створити на робочому місці, в кожному структурному підрозділі, умови праці, відповідні нормативно-правовим актам. З цією метою працедавець забезпечує функціонування системи управління охороною праці, а саме:

створює відповідні служби і призначає посадовців, які забезпечують рішення конкретних питань охорони праці, затверджує інструкції про їх обов'язки, права і відповідальність за виконання покладених на них функцій, а також контролює їх виконання;

розробляє за участю сторін колективного договору і реалізує комплексні заходи для досягнення встановлених нормативів і підвищення існуючого рівня охорони праці;

організовує атестацію робочих місць на відповідність нормативним актам з охорони праці;

забезпечує виконання необхідних профілактичних заходів у разі зміни умов праці;

упроваджує прогресивні технології, досягнення науки і техніки, засоби механізації і автоматизації виробництва, дотримує вимоги ергономіки, використовує позитивний досвід в області охорони праці і тому подібне;

забезпечує належний зміст будівель і споруд, виробничого устаткування і оснащення, моніторинг за їх технічним станом;

забезпечує усунення причин, які можуть привести до нещасних випадків, професійних захворювань, і забезпечує здійснення профілактичних заходів, визначених комісіями за підсумками розслідування цих причин;

організує проведення аудиту охорони праці, лабораторних досліджень умов праці, дає оцінку технічного стану виробничого устаткування і оснащення;

розробляє і затверджує положення, інструкції, інші акти по охороні праці, які діють в межах підприємства (далі - акти підприємства). Встановлює послідовність виконання робіт і поведінки працівників на території підприємства, у виробничих приміщеннях, на будівельних майданчиках, робочих місцях відповідно до державних міжгалузевих і галузевих нормативних актів по охороні праці, забезпечує безкоштовно працівників нормативно-правовими актами і актами підприємства по охороні праці;

здійснює контроль за дотриманням працівником технологічних процесів, правил поводження з машинами, механізмами, устаткуванням і іншими засобами виробництва, використовуванням засобів колективного і індивідуального захисту, виконанням робіт щодо вимог по охороні праці;

організовує пропаганду безпечних прийомів праці і співпраці з працівниками в області охорони праці;

передбачає термінові заходи для надання допомоги потерпілим, привертає при необхідності професійні аварійно-рятівні формування у разі виникнення на підприємстві аварій і нещасних випадків.

Працедавець несе безпосередню відповідальність за порушення відзначених вимог[1 ].

4.3 Перелік небезпечних і шкідливих виробничих факторів

В даному розділі розглядається робоче місце з використанням персонального ЕОМ при виконанні дипломної роботи.

Характеристика приміщення, в якому знаходиться комп'ютер: розміри приміщення: - площа: S = 6 × 10 = 60 м²; - об'їм: V = 6 × 10 × 3,5 = 210 м³.

Згідно [2 ], норма площі на одного працюючого не повинна бути менше 6 м². В приміщенні, що розглядається, вісім робочих місць, таким чином необхідна площа: S_необх. = 6 × 8 = 48м². Отже, приміщення відповідає вимогам [2 ]. Приміщення розташовано на другому поверсі чотириповерхової будівлі.

Приміщення пожежонебезпечне, категорії В, оскільки в ньому знаходяться тверді матеріали, що згорають [3 ]. Відповідно до обліку категорії пожежонебезпечності і поверховості будівлі, в якій розміщено дане приміщення, ступінь вогнестійкості будівлі - ІІ [4 ].

Перелік основних небезпечних і шкідливих виробничих чинників, які зустрічаються на робочому місці, що розглядається, надано в таблиці 4.1 [5 ]

Таблиця 4.1- Небезпечні і шкідливі виробничі чинники

4.4 Промислова санітарія

Метеорологічні умови вибираються відповідно до вимог [6 ]. При роботах операторського типу, пов'язаних з великою нервово-емоційною напругою, передбачені оптимальні значення параметрів мікроклімату в приміщенні. Енерговитрати складають 139 Вт, оскільки роботи виконуються сидячи. Категорія виконуваних робіт - Iа. Оптимальні норми температури, відносної вологості, швидкості руху повітря в приміщенні в холодний і теплий період року для категорії робіт Iа надані в таблиці 4.2.

Таблиця 4.2 - Оптимальні параметри мікроклімату

Для забезпечення параметрів мікроклімату в межах норми, оптимального рівня іонізації [n⁺ = (1500 ÷ 3000), n^― = (3000 ÷ 5000)] в см³ повітря [2 ], концентрації пилу нижче встановленого значення ГДК = 4 мг/м³, в даному приміщенні передбачені прилади зволоження і штучної іонізації повітря, а також кондиціонування повітря [7 ]. Вид опалювання - центральний.

Джерела надходження води - міський водопровід, діюча каналізація - господарсько-побутова [8 ] .

Передбачено природне і штучне освітлення в приміщенні, в якому розташовано робоче місце. За найменшим розміром об'єкту розрізнення, характеристики фону і контрасту об'єкту розрізнення з фоном встановлюємо розряд зорових робіт - IIIв

Природне освітлення - односторонньо бічне. Нормативне значення коефіцієнта природної освітленості визначаємо по наступній формулі:

 % ( 4.1 )

де е_N - коефіцієнт природної освітленості; _н - коефіцієнт природної освітленості для III розряду зорових робіт;

m_N - коефіцієнт світлового клімату (0,9);

 номер групи забезпеченості природним світлом

Необхідну сумарну площу світлових отворів в приміщенні з одностороннім бічним освітленням, має розміри: L=10 м, В= 6 м, H=3,5 м визначаємо по формулі:

 м²; (4.2)

_ок- світлова характеристика вікна _ок = 13,5;

к_з - коефіцієнт запасу, враховуючий зниження освітленості в процесі експлуатації скла, к_з = 1,4;_п - площа підлоги приміщення; S_п = L·В= 10 · 6 = 60м²;

к_зд - коефіцієнт, що враховує затемнення вікон протилежними будівлями, к_зд = 1;

 - загальний коефіцієнт світлопроникнення;

 (4.3)

коефіцієнт, що враховує вид матеріалу, що пропускає світло 0,8;

коефіцієнт, що враховує вид палітурки; 0,8;

коефіцієнт, що враховує вид несучих конструкційних матеріалів, при бічному освітленні; 1;

коефіцієнт, що ураховує втрати світла в сонцезахисних пристроях; 0,65;

- коефіцієнт, що враховує вплив відображеного світла при бічному освітленні, r₁ =3,0;

0,8·0,8·1·0,65 =0,416

Сумарна площа світлових отворів S₀ = 16,36 м²

Штучне освітлення - загальне рівномірне. Як джерела світла використовуємо люмінесцентні лампи типу ЛТБ 80-2. Нормативне значення освітленості для IIIв розряду зорових робіт Е_min складає 300 лк. Загальне освітлення виконано у вигляді переривчатих ліній світильників ЛП033 виконання 001 прямого світла (П) з дзеркальними екранними сітками і відбивачами. Основні характеристики освітлення, що передбачено в приміщенні надані в таблиці 4.3 [9 ].

Таблиця 4.3- Характеристика освітлення

Шум є одним з найпоширеніших на виробництві шкідливих чинників. У відповідності з [10] на робочому місці при рішенні завдань потребуючої концентрації уваги рівні звуку і еквівалентні рівні звуку не повинні перевищувати 50 дБА. Відповідно з [11] рівень вібрації для категорії 3, тип „в”, в умовах „комфорту” не повинна перевищувати 75 дБ. Для зменшення рівня звуку і вібрації застосовуються демпфуючі матеріали (гумова прокладка під принтер). Шумопоглинальні засоби застосовуються не спаленні або тяжко спаленні спеціальні перфоровані плити, панелі, мінеральна вата та інші.

Комп'ютер і в першу чергу монітор є джерелами:

електростатичного поля;

слабих електромагнітних випромінювань в низькочастотному і високочастотному діапазонах (2 Гц …400 Гц);

рентгенівського випромінювання;

ультрафіолетового, інфрачервоного і випромінювання видимого діапазону.

Згідно [12], встановлюються гранично допустимі значення напруженості електричного і магнітного полів частотою 50 Гц залежно від часу перебування персоналу в приміщенні. Напруженість електричного поля не перевищує 5 кВ/м, напруженість магнітного поля на робочому місці не перевищує 8 кА/м, а напруженість електростатичного поля не перевищує 20 кВ/м [13], що дозволяє не регламентувати час перебування в приміщенні.

Потужність експозиційної дози рентгенівського випромінювання на відстані 0,05 м від екрану не перевищує 0,1 мбер/час [14]. Рівні всіх можливих випромінювань достатньо низькі і не перевищують діючі норми. На робочому місці, що вивчається, розміщений найбезпечніший монітор, в якому створений додатковий металевий внутрішній контур, замкнутий на вбудований захисний екран.

При організації робочого місця за комп'ютером дотримувалися наступні розміри:

відстань від підлоги до сидіння крісла дорівнює 440 мм;

відстань від сидіння крісла до нижнього краю робочої поверхні 330 мм;

відстань від очей до дисплея 550 мм;

простір для ніг 770 мм;

відстань від ніжки столу до краю робочої поверхні столу 640 мм;

М - відстань між передньою поверхнею тіла і краєм робочої поверхні столу 80 мм;

відстань від очей до документації 500 мм;

оптимальна зона моторного поля 360 мм;

висота робочої поверхні 800 мм;

кут огляду документів 30^!.

Екран дисплея по висоті розташований на столі так, що кут між нормаллю до центру екрану і горизонтальною лінією погляду складає 20^!. Кут спостереження екрану в горизонтальній площині не перевищує 60^° [14,15].

Передбачені перерви, що регламентуються, для відпочинку тривалістю 15 хвилин після кожних двох годин роботи.

4.5 Електробезпека

При проектуванні систем електропостачання, при монтажі силової електроустаткуванні і електричного освітлення в будівлях і приміщеннях для ЕОМ необхідно дотримуватися вимог нормативно-технічної документації (ПУЕ, ПТЕ, ПТБ і ін.).

Рід струму - змінний, напруга в мережі 220 / 380В. ЕОМ є однофазним споживачем електроенергії від трифазної чотирьох провідної мережі з глухо заземленою нейтраллю змінного струму частотою 50 Гц. По ступені небезпеки поразки електричним струмом приміщення ставиться до приміщень з підвищеної небезпеки [16].

Працівник, що поступає на роботу, обов'язково проходить ввідний і первинний інструктаж по техніці безпеки в цілях профілактики нещасних випадків, а також знайомиться з інструктажем по дотриманню заходів техніки безпеки при роботі з ПЕВМ.

4.6 Пожежна безпека

Категорія приміщення по вибухо-пожежонебезпеки - В [3 ], вогнестійкість будівлі - II [4 ]. Зона класу приміщення П-IIа. Ступінь захисту оболонки для вказаної пожежонебезпечної зони - IР44[17].

Можливими причинами пожеж в приміщенні може бути несправність електропроводки і електроустаткування, коротке замикання в мережі, зберігання горючих матеріалів, блискавка і т.д.

Згідно [18] пожежна безпека забезпечується системами запобігання пожежі, пожежного захисту і організаційно-технічними заходами.

В системі запобігання пожежі передбачені наступні заходи: контроль і профілактика ізоляції, наявність плавких запобіжників в устаткуванні, блискавкозахист будівлі. Для даного класу пожежонебезпечної зони приміщення П-IIа, з урахуванням кількості грозових годин у рік (20 годин), встановлено ІІ категорію блискавкозахисту [19].

Система пожежного захисту передбачає забезпечення вогнегасниками -ВВК-8.

Організаційними заходами пожежної профілактики є навчання виробничого персоналу протипожежним правилам, видання необхідних інструкцій і плакатів, засобів наочної агітації.

4.7 Охорона навколишнього середовища

На робочому місці, що розглядається, відсутні відходи, що забруднюють навколишнє середовище, оскільки устаткування (ПЕВМ, принтер) не є джерелом забруднення навколишнього середовища. Проте при виробленні ресурсу устаткування стає повторною сировиною і підлягає утилізації[20].

Висновки

Слабкість економічної системи і втрата фінансової безпеки, відсутність конструктивних методів захисту банківської діяльності визначає її нестійкість. Серед проблем захисту банківської діяльності від загроз зовнішнього й внутрішнього характеру дедалі більше актуалізується необхідність забезпечення охорони фінансових ресурсів, захисту і розбазарювання майна комерційного банку, створення його фінансової безпеки. Для комерційних банків особливо значимими є такі умови ефективної і безпечної діяльності, як забезпечення повернення кредитів, підвищення прибутковості, підтримка ліквідності, зниження банківських ризиків. Напружена криміногенна обстановка країни, поява в Україні активно діючих структур економічної розвідки, міжнародна організована злочинність визначають актуальність аналізованої у роботі проблеми на найближчу перспективу.

В першому розділі були розглянуті теоретичні основи управління фінансовою безпекою банку: поняття економічної безпеки банку; фінансової безпеки, як складової економічної безпеки; структура системи управління фінансовою безпекою банку; сутність діагностики фінансової безпеки банку.

Другий розділ присвячений огляду сучасних методів моделювання рівня фінансової безпеки банку.

В третьому розділі за допомогою методу аналізу ієрархій побудовано модель оцінки рівня фінансової безпеки комерційного банку. Ця модель містить критерії (групи показників) та альтернативи (самі показники) та дозволяє здійснити комплексу оцінку рівня фінансової безпеки банку з урахуванням змін показників в динаміці. Проведений аналіз показав, що в досліджуваному банку спостерігається постійне збільшення показника рівня фінансової безпеки, що дозволяє говорити про його ефективну діяльність.

Для визначення рівня фінансової безпеки в просторовому розрізі на підставі методів кластерного аналізу банки України були розбиті на три групи, які характеризуються різним рівнем фінансової безпеки. За допомогою дискриминантного аналізу були знайдені моделі, якими описується кожна група банків. Групування банків необхідне для визначення місця досліджуваного банку серед інших банків України. Ця інформація буде корисна як для працівників банку для формування його політики, так і для потенційних клієнтів, які зацікавлені у виборі надійного фінансового партнера.

Список джерел інформації

1. Азоев Г.А. Конкуренция: анализ, стратегия и практика. М - М.: Центр экономики и маркетинга, 1996. - 298 с.

. Ансофф И. Стратегическое управление / Под ред. Л.И. Евенко. - М.: Экономика, 1989. -354 с.

. Гапоненко А.Л., Панкрухин А.П. Стратегическое управление. - М.: Омега-Л, 2004. - 472 с.

. Кильдишев Г.С., Аболенцев Ю.И. Многомерные группировки. - М.: Статистика, 1978. - 160 с

. Балабанов И.Т. Основы финансового менеджмента.-М.: Финанси и статистика, 1994.

. Бланк И.А. Основы финансового менеджмента.-К.,1999.-Т.1,2

. Шеремет А.Д., Сайфулин Р.С. Методика финансового анализа. -М.: ИНФРА-М, 1996

. Любушин Н.П., Лещева В.Б., Дьякова В.Г. Анализ финансово-экономической деятельности предприятия. - М.: ЮНИТИ-ДАНА, 2000. - 471 с.

. Системи фінансового моніторингу. Методологія проектування: Монографія / за ред. О.В. Мозенкова. - Х.: ВД „ІНЖЕК”, 2005. - 152 с.

. Джексон П. Введение в экспертные системы: Пер. с англ. - М.: Вильямс, 2001. - 624 с.

. Дубров А.М., Мхитарян В.С., Трошин Л.И. Многомерные статистические методы. - М.: Финансы и статистика, 1998. - 352 с.

. Іващенко П.О., Семеняк І.В., Іванов В.В. Багатовимірний статистичний аналіз. - Х.: Вид-во „Основа”, 1992. - 144 с.

. Кендалл М., Стюарт А. Многомерный статистический анализ и временные ряды: Пер. с англ. - М.: Наука, 1973. - 900 с.

. Кини Р.Л., Райфа Х. Принятие решений при многих критериях: предпочтения и замещения: Пер. с англ. / Под ред. Шахова. - М.: Радио и связь, 1981. - 560 с.

. Макаров И.М., Виноградская Т.М., Рубчинский А.А, Соколов В.Б. Теория выбора и принятия решений: Учебное пособие. - М.: Наука, 1982. - 328 с.

. Математика и кибернетика в экономике: Словарь-справочник / Отв. ред. Н.П. Федоренко. - 2-е изд., перераб. и доп. - М.: Экономика, 1975. - 700 с.

. Мескон М.Х., Альберт М., Хедоури Ф. Основы менеджмента: Пер. с англ. - М.: Дело, 1992. - 704 с.

. Мирошник И.В., Никифоров В.О., Фрадков А.Л. Нелинейное и адаптивное управление сложными динамическими системами. - СПб.: Наука, 2000. - 168 с.

. Рогальский Ф.Б., Курилович Я.Е., Цокуренко А.А. Математические методы анализа экономических систем. Книга 1. - К.: Наукова думка, 2001. - 436 с.

. Бланк И. А. Управление финансовой безопастностью предприятия / Бланк И. А. - К.: Эльга, Ника-Центр, 2004. - 784 с.

. Папехин Р. С. Индикаторы финансовой безопасности предприятий / Папехин Р. С. - Волгоград: Волгоградское научное изд-во, 2007. - 16 с.

. Ареф’єва О. В. Планування економічної безпеки підприємств / Ареф’єва О. В., Кузенко Т. Б. - К.: вид-во Європ. Ун-ту, 2004. - 170 с.

. Барановський О. І. Фінансова безпека: монографія / Барановський О. І. Інститут економічного прогнозування. - К: Фенікс, 1999. - 338 с.

. Горячева К. С. Механізм управління фінансовою безпекою підприємста : автореф. дис. на здобуття наук. ступеня канд. екон. наук : спец. 08.06.01 “Економіка, організація і управління підприємствами” / Горячева К. С. - К.: НАУ, 2006. - 17 с.

. Методологічні засади державного регулювання фінансово-економічного розвитку / Плескач В. Л., Кулик А. В. // Фінанси України. - 2009. - № 10. - С. 27.

. Финансовая безопасность предприятия как объект управления / Загорельская Т. Ю. // Наук. праці ДНТУ. - Донецьк, Дон НТУ, 2006. - № 103-4. - С. 215-218.

. Управління фінансовою безпекою підприємств / Кракос Ю. Б., Разгон Р. О. // Економіка та управління підприємствами машинобудівної галузі : проблеми теорії та практики. - 2008. - № 1. - С. 86-96.

. Соотношение публичноправового и частноправового регулирования несостоятельности в законодательстве Германии / Свириденко О. // Право и економика. - 2007. - № 1. - С. 103-106.

. Стратегічне управління фінансовою безпекою підприємства / Судакова О. І. // Економічний простір. - 2008. - № 9. - С. 140-148.

. Барановський О.І. Банківська безпека: проблема виміру / О.І. Барановський // Економіка і прогнозування. - 2006. - №1. - С. 7-25.

. Юденков Ю.Н. Регулирование параметров учёта и контроля в кредитних организациях / Ю.Н.Юденков // Экономика и математические методы. - 2008. - №1. - С. 83-90.

. Концепция безопасности коммерческого банка [Електронний ресурс] / А. Брединский. - Режим доступа: http://www.bre.ru/security/7576.html

. Концепция безопасности и принципы создания систем физической защиты важних промышленных объектов [Електронний ресурс] / С. Алаухов, В. Коцеруба. - Режим доступа: http://www.bre.ru/security/11576.html

. Тарханова Е.А. Устойчивость коммерческих банков / Е.А. Тарханова - Тюмень: Вектор Бук, 2003. - 186 с.

. Примостка Л. Управління активами і пасивами комерційного банку / Л. Примостка // Вісник НБУ. - 2001. - №2. - С. 39-43.

. Корнієнко Ю. В. Фінансова безпека банків як об’єкт наукового доcлідження / Ю. В. Корнієнко // Фінанси, облік і аудит [Електронний ресурс] : зб. наук. праць / М-во освіти і науки, молоді та спорту України, ДВНЗ "Київ. нац. екон. ун-т ім. В. Гетьмана" ; відп. ред. А. М. Мороз. - К.: КНЕУ, 2011. - Вип. 17. - С. 108-114.

. Барановський, О. І. Фінансова безпека [Текст] / О. І. Барановський ;Ін-т екон. прогнозування. - К. : Фенікс, 1999. - 338 с.

. Артеменко Д. А. Механизм обеспечения финансовой безопасности банковской деятельности / Автореф. дис. канд. экон. наук. - Ростов-на-Дону, 1999.

. Основы экономической безопасности (Государство, регион,предприятие, личность) / Под ред. Е. А. Олейникова. - К.: Молодь,2001. - 680 с.

. Зачосова Н.В. Особливості забезпечення фінансової безпеки комерційних банків в Україні / Н.В. Зачосова // Науковий вісник: Фінанси, банки, інвестиції - 2011 - №4.- с. 74-78.

. Хитрін О. І. Фінансова безпека комерційних банків // Фінанси України. - 2004. - № 11. - С. 118-124.