Сучасні методи оцінювання фінансового стану інноваційно активних підприємств як складової їх економічної безпеки

Abstract

У статті реалізовано концептуальний нейромережевий підхід до кластеризації інноваційно активних підприємств задля виявлення ступеня їх економічної безпеки та планування стратегії подальшого розвитку. Кластеризація проводилася для тридцяти шести інноваційно активних підприємств за п’ятьма фінансовими показниками, серед яких, за попередніми даними, 24 підприємства є такими, фінансовий стан яких є задовільним, а 12 підприємств визнано банкрутами. Використання кластерного аналізу на підставі сучасних методів досліджень з використанням нейронних мереж, тобто карт Кохонена, дало змогу диференціювати інноваційно активні підприємства за ступенем їх фінансової безпеки. Всі 36 підприємств на першому етапі дослідження розбито на два кластери, в один з яких разом із благополучними підприємствами увійшли підприємства-банкрути, що свідчить про те, що причинами банкрутства, скоріше за все, не є їх незадовільний стан. На другому етапі досліджень усі підприємства було розбито на три кластери з умовними лінгвістичними характеристиками «фінансово безпечні підприємства», «фінансово небезпечні підприємства», «підприємства, стан фінансової безпеки яких не визначено». Кожний кластер охарактеризовано за п’ятьма фінансовими показниками.

A conceptual neural networks approach to clustering innovative and active enterprises was implemented in order to identify the degree of their economic security and plan a strategy for further development. Clustering was carried out for thirty-six innovative and active enterprises with five financial indicators, among which, according to preliminary data, 24 enterprises are in a satisfactory financial condition, and 12 enterprises are declared bankrupt. The use of cluster analysis based on modern research methods using neural networks – Kohonen maps allowed differentiating innovative and active enterprises by the degree of their financial security. All 36 enterprises at the first stage of the study are divided into two clusters, one of which includes bankrupt enterprises next to successful ones, which indicates that the reasons for bankruptcy are most likely not their unsatisfactory state. At the second stage of research, all enterprises were divided into three clusters with conditional linguistic characteristics “financially safe enterprises”, “financially dangerous enterprises”, “enterprises whose financial security is uncertain”. Each cluster is characterized by five financial indicators. The cluster 0 (with indicators of economically safe enterprises) includes 23 enterprises based on the results of enterprise clustering. Among them were 17 enterprises that are officially successful, and 6 enterprises that are officially recognized as bankrupt (enterprises with conditional numbers 2, 3, 5, 20, 25, 31, 32, 34 and 35). Cluster 2 includes 5 enterprises that are officially recognized as bankrupt (enterprises with conditional numbers 5, 20, 31, 32 and 35), and 5 enterprises that at the time of the study were recognized as well-off (enterprises with conditional numbers 4, 6, 17, 19 and 28), together with 10 enterprises. To the cluster 1 has entered 3 of the enterprise with reference numbers 10, 29 and 36. Among them, 29 enterprises were declared bankrupt, and the other two enterprises were recognized as successful. Thus, the results of clustering, 7 enterprises out of 23 (or 30.04 %) that were officially considered safe, had financial indicators close to those of enterprises recognized as bankrupt. Cluster 2 includes 5 bankrupt enterprises with 12 (or 41.67 %) of all bankrupt enterprises, or 50.00 % of the cluster size. Cluster 1 includes one bankrupt enterprise, which accounts for 33.33 % of the cluster volume. Thus, cluster 1 can be considered intermediate between cluster 0 (the cluster that contains the relative majority of economically safe enterprises) and cluster 2, which contains the largest relative number of bankrupt enterprises (economically dangerous enterprises).