Скоринг-методика оптимизации банковской деятельности при кредитовании физических лиц тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат экономических наук Киблицкий, Сергей Алексеевич

• Киблицкий, Сергей Алексеевич
• кандидат экономических наук
• 2011

Оглавление диссертации кандидат экономических наук Киблицкий, Сергей Алексеевич

Введение

Глава 1 Методологические проблемы скоринга

1.1 Сущность скоринга, его достоинства и недостатки

1.2 Применение скоринга в России

1.3 Виды скоринга

1.4 Технология скоринга при кредитовании физических лиц

1.5 Управление портфелем проблемных кредитов

1.6 Методологические проблемы скоринга

Выводы к первой главе

Глава 2 Эвог комп іюционно-симулятивньїе модели и лексная методика скоринга

2.1 Эволюционно-симулятивные модели скоринга

2.2 Реализация эволюционно-симулятивных моделей скоринга в среде модуля Equilibrium инструментальной системы Decision и методические приемы подготовки исходной информации

2.3 Оценка кредитного риска при потребительском кредитовании на основе модели Маркова и эволюционно-симулятивной модели скоринга

Выводы к второй главе

Глава 3 Пран скор ггическая реализация комплексной методики инга

3.1 Вычислительные эксперименты с эволюционно-симулятивными моделями скоринга

3.2 Управление кредитными рисками при высокой волатильности рынков

3.3 Методические принципы определения рейтинга инвестиционной надежности предприятий-заемщиков на основе эволюционно-симулятивного моделирования

Выводы к третьей главе

Выводы

Введение диссертации (часть автореферата) на тему «Скоринг-методика оптимизации банковской деятельности при кредитовании физических лиц»

Актуальность темы исследования. Скоринг является методом классификации всех потенциальных клиентов банка на различные группы. Основная цель классификации - разделить всех потенциальных клиентов на «хороших», то есть тех которые с высокой вероятностью вернут кредит и которым кредит следует предоставить, и «плохих», которые, скорее всего, не вернут кредит и которым следует отказать. Причем термины «хороший» и «плохой» являются общепринятыми в данной области науки.

Применяемая в скоринге классификация основана на косвенных признаках. Прямые признаки «хороших» и «плохих» клиентов отсутствуют. Поэтому приходится пользоваться косвенными, известными характеристиками, такими, например, как доходы заемщика, уже имеющиеся у него займы, возраст, стаж работы на одном месте (если речь идет о физическом лице) и др. На основе этих косвенных признаков и строится комплексный критерий классификации клиентов.

В последние годы появилось достаточно большое число публикаций по скорингу, среди которых следует отметить работы Александрова А.Ю., Андреева Г.В., Заиченко Е.М., Степанова В., Заяц А., Кармокова A.A., Купленкова М.Ю., Churchill G.A., Forgy E.W., Henley W.E., Myers J.H., Nevin J.R., Watson R.R. и др.

Широкое применение скоринга началось с распространением кредитных карточек. При том количестве людей, которые ежедневно обращались за кредитными карточками, банкам ничего другого не оставалось, как автоматизировать процесс принятия решений по выдаче кредита.

В Российской Федерации, в сравнении со странами Европы и США, развитие скоринга происходит достаточно медленными темпами. У отечественных банков недостаточно данных для создания действенных скоринговых моделей. При нынешнем течении событий банки могут предпринять два вида мер: один способ - применять на практике модель, спланированную заграничными странами, адаптировав её к особенностям российской экономики и социальным нормам. Другой способ состоит в создании таких технологий скоринга, которые могли бы успешно работать на достаточно плохой исходной информации.

В настоящее время скоринг становится все более популярным не только при оценке риска при различных видах кредита, но и в других областях: в маркетинге (для определения вероятности, что именно эта группа клиентов будет пользоваться этим видом продукции); при работе с должниками (если клиент задерживается с очередным платежом, скоринг в этом случае нацелен на выбор наиболее эффективного метода воздействия); при выявлении мошенничества с кредитными карточками; при определении вероятности, что клиент может перейти к конкуренту и т. п.

К положительным чертам скоринга можно отнести:

- понижение уровня издержек и операционного риска;

- рост скорости рассмотрения заявлений и, следовательно, более быстрое принятие решений о кредите;

- передача управления принятия кредитных решений единому центру, а также сведение к нулю присутствия человеческого фактора в данном процессе;

- обнаружение и борьба с разного рода злоумышленниками.

Вместе с тем, скорингу присущи несколько глубоких методологических проблем.

Первая проблема возникает в том случае, когда классификация производится только на клиентах, которым дали кредит. При этом остается неизвестным, как бы повели себя клиенты, которым в кредите было отказано. Не исключено, что часть из них оказалась бы хорошими» заемщиками. Эту проблему можно преодолеть за счет того, что отказ в кредите производится на основании конкретных причин. Эти причины фиксируются банками и сохраняются, что позволяет восстанавливать первоначальный массив всех потенциальных клиентов.

Вторая проблема заключается в том, что люди с течением времени меняются, меняются и социально-экономические условия, влияющие на поведение людей. Поэтому скоринговые модели необходимо разрабатывать на выборке из наиболее «свежих» клиентов, периодически проверять качество работы системы и, когда качество ухудшается, разрабатывать новую модель. В Европе обновление скоринговых систем производится не реже одного раза в два года, причём при обновлении специалисты ориентируются на основные экономические показатели текущего года.

Третья проблема заключается в самом качестве скоринга, его надежности. В решении этой проблемы может помочь применение эволюционно-симулятивного метода (ЭСМ) [2;3]. С помощью ЭСМ можно учесть риски, которые возникают вследствие того, что «хороший» клиент по ошибке может быть отнесен к категории «плохих» и наоборот.

Четвертая проблема в том, что у недобросовестного клиента остается возможность обмануть скоринговую систему, предоставив о себе ложные сведения.

Наличие указанных проблем делает актуальной тему диссертационного исследования, которое направлено на разрешение некоторых из них.

Цель диссертационного исследования заключается в разработке новой скоринговой методики оптимизации банковской деятельности при кредитовании физических лиц и выработки методических рекомендаций по её практическому применению.

Комплексную методику скоринга мы будем связывать с созданием макета программной системы, которая позволяет решать задачи оценки надежности потенциального заемщика и нормативной надежности.

Для достижения указанной цели в работе поставлены следующие задачи:

1. Провести анализ существующих методов скоринга, применяемых на российском и зарубежных кредитных рынках, выявить их преимущества и их недостатки, сформулировать актуальные методологические проблемы скоринга.

2. Определить основные проблемы, препятствующие развитию кредитования населения в России, и разработать рекомендации по их решению;

3. Обосновать систему оценки кредитоспособности заемщиков на основе применения модели кредитного скоринга; предложить основные направления расширения целевой аудитории и развития системы кредитования населения.

4. Разработать экономико-математические модели оценки расчета индивидуальной надежности заемщика и нормативной надежности на базе эволюционно-симулятивной методологии. По результатам тестирования моделей на имеющихся данных оценить их работоспособность.

5. Разработать универсальную методику скоринга, которая включает расчет количественных оценок надежности заемщика и нормативной надежности и позволяет оценивать кредитоспособность заемщиков (физических лиц) разных категорий, на основе сопоставления этих надежностей.

6. Провести экспериментальное исследование эффективности комплексной методики; определить круг пользователей программных продуктов, реализующих предлагаемую комплексную методику.

Объектом исследования является система кредитования населения.

Предметом исследования являются экономико-математические модели и методы оценки надежности потенциального заемщика и нормативной надежности, закладываемые в скоринг-систему.

Теоретическая и аналитическая база исследования. Исследование проводилось в полном соответствии с ключевыми положениями экономической теории и системного анализа. Его методологическую основу составили труды отечественных и зарубежных ученых в области экономико-математического моделирования, теории вероятностей, математической статистики и других разделов науки. При решении конкретных задач использовались известные методы математического программирования, методики и алгоритмы решения прикладных экономических задач.

Информационной базой работы выступили научные обзоры, материалы периодической печати, нормативные документы, официально опубликованные данные российской и зарубежной статистики, доклады и материалы международных НТК, а также аналитические обзоры Всемирного банка, Всемирной торговой организации, РА Эксперт и др.

Работа выполнена по специальности 08.00.13 - Математические и инструментальные методы экономики.

Новизна научного исследования заключается в разработке комплексной методики скоринга, модели которой базируются на равновесии кредитных рисков: завышения и занижения. Наиболее существенные научные результаты, полученные в диссертации:

1. Выявлены методологические проблемы скоринга, которые заключаются в возможности: искажения информации вследствие учета не всего множества потенциальных клиентов; изменения внешних и внутренних условий, делающие модели скоринга не адекватными; ошибок скоринга; «обмана» скоринговой системы; невозможность использование существующих западных моделей скоринга.

2. Предложен новый универсальный подход к разработке скоринговой методики управления кредитными рисками, в основе которой лежат две равновесные эволюционно-симулятивных модели: модель расчета норматива, устанавливающая границу по которой клиент относится к категории «хороший» или «плохой» и модель расчета индивидуальной надежности заемщика, позволяющая определить к какой группе он относится.

3. Определены понятия кредитных рисков завышения и занижения:

- применительно к задаче вычисления индивидуальной надежности потенциального заемщика риск завышения возникает в случае, если конкретный заемщик не вернет в срок и с процентами выданный кредит, а риск занижения - в случае отказа выдать кредит кредитоспособному клиенту.

- применительно к задаче нормативной надежности риск завышения это риск признать плохого клиента за хорошего, а риск занижения наоборот - признать хорошего клиента за плохого.

4. Разработаны новые имитационные модели и алгоритмы получения оценки надежности заемщика, обеспечивающие оптимизацию кредитных рисков завышения и занижения, то есть их равновесие.

5. Особенностью данного исследования является выбор такого набора исходных данных, который позволяет количественно оценивать кредитные риски завышения и занижения, определять условия их равновесия и соответствующие ему значения показателя надежности заёмщика. Отличительной особенностью методики является то, что в ней оперативно учитываются не только имеющиеся характеристические данные (данные, предоставляемые заёмщиком; данные из бюро кредитных историй и пр.), но и данные о точке зрения лиц, принимающих решение (экспертов банков).

6. Разработана программная реализация предложенных ЭСМ в среде стандартного программного обеспечения Decision. Предложены методические приемы сбора, предварительной подготовки исходной информации и получении результатов расчета как норматива надежности, так и индивидуальной надежности клиентов. Разработаны диалоговые процедуры исследования ситуации при планировании кредитования.

Заключение диссертации по теме «Математические и инструментальные методы экономики», Киблицкий, Сергей Алексеевич

Выводы

1. Исследована сущность скоринга, выявлены его достоинства и недостатки.

2. Выявлены специфические особенности применения скоринга в России.

3. Проанализированы программные продукты, применяемые в скоригне.

4. Выявлены особенности различных видов скоринга в частности: скоринга заявителя, поведенческий скоринг, скоринг для работы с просроченной задолженностью, скоринг против мошенников, скоринг отклика; скоринг потерь.

5. Исследованы технологии скоринга при кредитовании физических лиц: линейный дискриминантный анализ, многофакторная логистическая регрессия, кластерный анализ, деревья решений, нейронные сети, метод минимизации структурного риска.

6. Рассмотрена технология управления портфелем проблемных кредитов и выявлена роль скоринга.

7. Сформулированы методические проблемы скоринга: искажение информации вследствие учета не всего множества потенциальных клиентов; изменение внешних и внутренних условий, делающие модели скоринга не адекватными; ошибки скоринга; возможность «обмана» скоринговой системы.

8. Предложены 2 эволюционно-симулятивные модели скоринга. Одна модель предназначена для расчета надежности потенциального заемщика, а другая модель предназначена для расчета норматива надежности потенциального заемщика.

9. Предложен алгоритм (имитационная модель) получения реализаций надежности заемщика на основе его индивидуальных данных.

10. Предложен алгоритм (имитационная модель) получения реализаций надежности заемщика на основе информации о займах.

11. Определены понятия риска завышения и риска занижения при скоринге.

12. Разработана комплексная методика скоринга, основанная на сопоставлении индивидуальной надежности потенциального заемщика и нормативной надежности.

13. Разработана программная реализация предложенных эволюционно-симулятивных моделей в среде стандартного программного обеспечения.

14. Показано, что целесообразно применение предложенных эволюционно-симулятивных моделей скоринга и моделей на основе цепей Маркова.

15. Выполнены вычислительные эксперименты с эволюционно-симулятивными моделями скоринга. Показано, что предложенные модели не только технически реализуемы, но и практически эффективны.

16. Разработаны методические приемы сбора и предварительной подготовки исходной информации для применения предложенных моделей на практике.

17. В процессе расчетов получены графики рисков при расчете норматива надежности и графики рисков при выдаче кредитов конкретному заемщику. По виду графиков установлено, что как норматив надежности, так и индивидуальная надежность доставляют равновесие риску завышения и риску занижения в соответствующих условиях.

18. Разработаны диалоговые процедуры исследования ситуации при планировании кредитования.

19. Исследованы особенности управления кредитными рисками при высокой волатильности рынков.

20. Рассмотрены методические принципы определения рейтинга инвестиционной надежности предприятий-заемщиков на основе эволюционно-симулятивных моделей скоринга.

21. Рассмотрена возможность взаимного дополнения спрэдов доходности и индивидуальных надежностей при скоринге.

Список литературы диссертационного исследования кандидат экономических наук Киблицкий, Сергей Алексеевич, 2011 год

1. Александров А.Ю. Управление проблемными активами в кризисных условиях // Проблемы современной экономики. - 2009. - №1 (29). - С.236-240. - 0,3 п.л.

2. Александров А.Ю. Применение кредитного скоринга в целях управления проблемными активами // Российское предпринимательство. 2009. - № 10 (выпуск 2). - С. 96-100. - 0,4 п.л.

3. Александров А.Ю. Децентрализованная система управления проблемными активами в условиях экономического кризиса // Проблемы современной экономики. 2009. - №4 (32). - С.213-217. - 0,3 п.л.

4. Андреева Г.В. Скоринг как метод оценки кредитного риска http://www.cfin. ru/finanalysis/banks/scoring. shtml.

5. Андреева Г. В. http://www.cfin.ru/finanalysis/banks/scorinq.shtml.

6. Заиченко Е.М. Инструменты управления финансовыми рисками банка при реализации розничных услуг // Финансы и кредит, 2009, № 21 (357). С. 41-45.

7. Заиченко Е.М., Юрченко Е.Г. Совершенствование управления кредитным риском в сфере потребительского кредитования на основе скоринга востребования // Управление риском, 2009, № 2 (50). С. 44-50.

8. Кармоков A.A. Сравнительный анализ современного состояния банковской системы РФ, в том числе КБР /Кармоков A.A.// Сборник научных трудов ученых и соискателей: 7 регион наука и практика. -Нальчик: ФГОУ ВПО «КБГСХА», 2006. -С. 263-269. -0,44 п.л.

9. Купленков М.Ю. Рейтинги в системе инвестиционной привлекательности предприятия. Текст. / М.Ю. Купленков/Яранспортное дело России. М.:2006., № 9. (0,38 п.л.).

10. Купленков М.Ю. Комплексные методы оценки рейтинга инвестиционной надежности Текст. / М.Ю. Купленков // Сб. науч. трудов «Управление инновациями и инвестиционной деятельностью»., Выпуск 7. М.: ГАСИС, 2007, (0,66 п.л.).

11. Купленков М.Ю. Статистические модели анализа инвестиционной надежности предприятия-заемщика. Текст. / М.Ю. Купленков // Материалы Всероссийской научно-практической конференции «Современная Россия: экономика и государство».- М.: ГАСИС, 2005 (0,31 п.л.).

12. Лихтенштейн В.Е., Росс Г.В. Информационные технологии в бизнесе. Применение инструментальной системы Decision в микро и макроэкономике. М.: Финансы и статистика, 2008.

13. Лихтенштейн В.Е., Росс Г.В. Информационные технологии в бизнесе. Применение инструментальной системы Decision в решении прикладных экономических задач. М.: Финансы и статистика, 2009.

14. Нортон М. Нервный бизнес//Банковские технологии. 1995. № 3. С. 73.

15. Степанова В., Заяц А. Анализ состояния банка. \\ Банковские технологии. 1996. № 8. С. 58.

16. Henley W. Е. Statistical aspects of credit scoring. Ph.D. thesis. Open University. 1995.

17. Churchill G. A, Nevin J. R., Watson R. R./fThe role of credit scoring in the loan decision. Credit World. March/1977.

18. Myers J. H., Forgy E. W. The development of numerical credit evaluation systems//Journal of American Statistical Association. September/1963.1. До п ол hител ьная

19. Абрютина M.С. Финансовый анализ коммерческой деятельности. М.: Финпресс, 2002.

20. Автоматизация банковской деятельности/Со ст. АОЗТ "Московское финансовое объединение"; Под. общ. ред. СИ. Кумок, 1994.

21. Автоматизированные системы обработки учетно-аналитической информации: Учебник/Д.С. Рожнов, В.Б.Либерман, Э.А. Умнова и др.; Под ред. проф. B.C. Рожнова. М.: Финансы и статистика, 1992.

22. Амзин А. Скоринг, спам и немножко заботы о пользователях // «Компьютерра». 2003, № 45.

23. Андреева Г. В. Скоринг как метод оценки кредитного риска. // «Банковские технологии». 2000. № 6: http://www.cfln.ru /flnanalysisAanks/scoring.shtml.

24. Бауман Е. В.,Дорофеюк А. А. Классификационный анализ данных // В кн. «Избранные труды Международной конференции по проблемам управления». Т. 1. М: СИНТЕГ, 1999.

25. Беляков А. Г., Мандель А. С. Анализ достоверности выводов, формируемых с помощью экспертно-статистических систем. М.: Институт проблем управления — препринт, 2002. 64 с.

26. Блэк Ю. Сети ЭВМ. Протоколы, стандарты, интерфейсы. М.: Мир, 1990.

27. Брага В.В. Компьютеризация бухгалтерского учета: Учебное пособие для вузов. ВЗФЭИ. М.: АО "Финстатинформ", 1996.

28. Вентцель Е.С. Исследование операций: задачи, принципы, методология. М.: Наука, 1980.

29. Возможности универсальных бухгалтерских программ.

30. Экономика и жизнь. 1997. - №12.

31. Волобуев А.П., Мищенко В.Ф. Выбор бухгалтерских программ на основе их классификации. Бухгалтерский учет. 1997. - № 3.

32. Гаврилова Т.А., Червинская K.P. Извлечение и структурирование знаний для экспертных систем. М.: Радио и связь, 1992.

33. Глухов В.В., Медников М.Д., Коробко С.Б. Математические методы и модели для менеджмента. СПб.: Лань, 2000.

34. Гулинии B.C. Выставка "Бухгалтерский учет и аудит' 96". Бухгалтерский учет. 1996. - №5.

35. Гулинин B.C. Шестой международный конкурс программного обеспечения Бизнес-Софт 97. Бухгалтерский учет. 1997. - № 12.

36. Дейт К. Руководство по реляционной СУБД DB-2. Пер с англ. с предисловием М.Р. Когаловского. М: Финансы и статистика, 1988.

37. Диго СМ. Проектирование и использование баз данных: Учебник. М.: Финансы и статистика, 1995.

38. Дубова Н. Управление распределенной корпорацией в версии CA Unicenter TNG. Computerworld, Россия. - 1997. - № 14.

39. Игнатов А. Кредитный скоринг в RS-Loans: от концепции к практике, http://www.r-stvle.kiev.ua/rubrs.asp7art id=246&rubr id=385&gid-472& page=l.

40. Инновации как способ развития банковского бизнеса. 2003, ИТАР-ТАСС, Урал, htrp://itartass.ur.ru/pub/print.php?id=l28.

41. Информационные системы в экономике. Под ред. В.В. Дика. -М.; Финансы и статистика, 1996.

42. Инфософт от бухгалтерского учета к корпоративным системам. Бухгалтерский учет. - 1996 - №9.

43. К. Шеннон. Работы по теории информации и кибернетике. М. Иностранная литература, 1963.

44. Каган Б.М. Электронные вычислительные машины и системы. -М.: Энергоатомиздат, 1991.

45. Киблицкий С.А. Скоринг как метод оценки кредитного риска и эволюционно-симулятивный метод/ Журнал "Связь и информатизация",2011.

46. Киблицкий С.А. Экономико-математическая модель скоринга в среде инструментальной системы Décision/ Журнал "Связь и информатизация" 2011.

47. Киблицкий С.А., Росс В.Г. Вычислительные эксперименты с эволюционно-симулятивными моделями скоринга/ Журнал "Связь и информатизация" 2011.

48. Киблицкий С.А., Параметрический анализ скоринг-системы на базе эволюционно-симулятивной методологии/ Экономические и гуманитарные науки,№12, 2011. 0,3 п.л.

49. Ключко В.И. Кодирование информации. Курс лекций. Краснодар, КубГТУ, 1998.

50. Комлев П.В. Пять лет на рынке бухгалтерских программ. Бухгалтерский учет. 1996 - №1.

51. Компьютерные технологии обработки информации. Под ред. СВ. Назарова. М.: Финансы и статистика, 1995.

52. Конюховский П.В. Микроэкономическое моделирование банковской деятельности. СПб.: Питер, 2001.

53. Короткий С., ТУРБО БУХГАЛТЕР бухгалтерия будущего. PC WEEK.-1997. -№ 4.

54. Короткий С. Нейронные сети: алгоритм обратного распространения.

55. Кредитование физических лиц. Деньги и кредит, 1993, №5.

56. Крейнес А. Единообразие мать порядка. Computerworld Россия. -1997 -№48.

57. Липский В. Комбинаторика для программистов М.: Мир, 1988.

58. Мамиконов А.Г. Проектирование АСУ: Учебник для специальности «АСУ» вузов. М: Высш. шк., 1987.

59. Мандель А. С. Экспертно-статистические системы и метод анализа иерархий // В кн. «Управление большими системами». Материалы Международной научно-практической конференции. М.: НПО «Син-тег», 1997.

60. Мандель А. С. Марковские процессы принятия решений: экспертно-статистический подход // В сб. «Теория активных систем. Труды международной научно-практической конференции (17-19 ноября 2003 г., Москва, Россия)». М.: ИПУ, 2003 г. Т. 1. С. 114-116.

61. Мандель А. С. Метод аналогов в прогнозировании коротких временных рядов: экспертно-статистический подход // Автоматика и телемеханика, № 4, 2004 г.

62. Мандель А. С. Моделирование действий экспертов в процессе принятия ими прогностических решений // Автоматизация в промышленности, № 7, 2004 г. С. 50-54.

63. Мандель А. С. Экспертно-статистические системы в задачах управления и обработки информации. Часть I // Приборы и системы управления, № 12, 1996.

64. Мандель А. С. Экспертно-статистические системы в задачах управления и обработки информации. Часть II // Приборы и системы управления, № 2, 1997.

65. Мишеин АМ. Теория экономических информационных систем. -М; Финансы и статистика, 1993.

66. Нанс Б. Компьютерные сети. М.: БИНОМ, 1996.

67. Никитина Т.В. Банковский менеджмент. СПб.: Питер, 2001.

68. Одинцов Б.Е., Романов А.Н. Советующие информационныесистемы в экономике. М.: Юнити, 2000.

69. Озкарахан Э. Машины баз данных и управление базами данных. Пер. с англ.- М: Мир, 1989.

70. Основы теории вычислительных систем. С.А.Майоров, Г.И. Новиков, Т.И. Алиев и др. М.; Высшая школа, 1987.

71. Пахалко О. Составляющие информационной системы предприятия. Экономика и жизнь, 1997. - №14.

72. Пещанская И.В. Организация деятельности коммерческого банка. М.: ИНФРА-М, 2001.

73. Попов Э.В. и др. Статистические и динамические экспертные системы: Учеб. пособие. Э.В. Попов, И.Б. Фоминых, Е.Б. Кисель, М.Д. Шапот. М.: Финансы и статистика. 1997.

74. Поппель Г., Гольдстайн Б. Информационная технология -миллионные прибыли. М.: Экономика, 1990.

75. Представление и использование знаний. Пер, с яп. X. Уэно, Т. Кояма, Т. Окамото и др.; Под ред. X. Уэно, М. Исидзука. М.: Мир, 1989.

76. Программные продукты БЭСГУ. Экономика и жизнь. 1997.7.

77. Ревенко П.В. Программный продукт нового поколения -«Интегратор». Бухгалтерский учет. 1995. - № 4.

78. Ревунков Г.И. и др. Базы и банки данных и знаний: Учебник. Г.И. Ревунков, Э.Н.Самохвалов, В.В. Чистов; Под ред. В.Н.Четверикова. М.: Высш. шк.,1992.

79. Свиридепко С.С. Современные информационные технологии. -М.: Радио и связь, 1989.

80. Семенов М.М. и др. Автоматизированные информационные технологии в экономике: Учеб. пособие для агроэкономических специальностей вузов. М.И. Семенов, В.И. Лойко, Т.П. Барановская; Под общ. ред. И.Т.Трубилина. Краснодар: Изд-во Куб-ГАУ, 1998.

81. Смирнов А.Д. Архитектура вычислительных систем. М.: Наука, 1990.

82. Советов Б .Я. Информационная технология: Учебник для вузовпо спец. «Автоматизированные системы обработки информации и управления» -М.: Высш. шк.,1994.

83. Советов Б.Я., Яковлев С.А. Построение сетей интегрального обслуживания. Л.: Машиностроение, 1990.

84. Справочник по искусственному интеллекту. В 3-х томах. Под ред. Э.В. Попова и Д.А. Поспелова. - М.: Радио и связь, 1990.

85. Финансовое моделирование в программе Project Expert. Экономика и жизнь. 1997. -№14.

86. Шварц М. Сети связи: протоколы, моделирование и анализ. В 2-х ч. Пер. с англ. М.: Наука, 1992.

87. Шварцман Б. Об организации бухгалтерских программ. Экономика и жизнь. 1997. - №14.

88. Шеннон К. Работы по теории информации и кибернетике. Пер. с англ.; Под ред. Р.Л.Добрушина, О.Б. Лупанова. М.:Изд-во И-Л., 1963.

89. Шикин Е.В., Боресков A.B., Зайцев A.A. Начала компьютерной графики. М.: Диалог - МИФИ, 1993.

90. Шуремов ЕЛ. Феномен «1С» Бухгалтерский учет. - 1996. - № 8.

91. Щербаков В. БЭСТ технология автоматизации торговли. Экономика и жизнь. - 1997. -№5.

92. Эффективная работа с СУБД. А. Горев, Р. Ахаян, С. Макашарипов. -СПб.: Питер, 1997.

93. Якубайтис Э. А. Информационные сети и системы. М.: Финансы и статистика, 2001.

94. J. Ross Quinlan. С4.5: Programs for Machine learning. Morgan Kaufmann Publishers 1993.1. Ьп