Лучшие книги Ильи Игоревича Белолипцева

В монографии представлены результаты исследования, посвященного идентификации и анализу быстрорастущих компаний (БРК) в секторе малого и среднего предпринимательства Республики Башкортостан. Монография содержит методические предложения по проведению процедуры идентификации БРК, включая авторский подход к набору индикаторов экономического роста, этапам отбора и классификации отобранных компаний для целей оказания специфических мер поддержки со стороны региональных институтов развития. Монография выполнена по результатам научно-исследовательской работы преподавателей Уфимского филиала ФГОБУ ВО «Финансовый университет при Правительстве Российской Федерации» в рамках общеуниверситетской комплексной темы «Новая парадигма общественного развития в условиях цифровой экономики». Монография рекомендуется для использования в учебном процессе в магистратуре, а также для научных работников, специалистов в сфере поддержки и развития малого и среднего бизнеса, а также других заинтересованных лиц.

Монография посвящена общим принципам совершенствования нейросетевых методов моделирования диагностики и прогнозирования вероятности риска банкротств корпораций применительно к сложным условиям моделирования: неполноты, неточности и неопределённости в данных. Впервые рассмотрены вопросы байесовской регуляризации нейросетевых моделей в условиях отсутствия априорных сведений о виде закона распределения шумов в данных, оценки адекватности нейросетевых моделей на основе последовательного принципа Вальда, оптимального выбора системы показателей для спецификации нейросетевой модели, сокращения размерности факторного пространства, предобработки данных, агрегирования комплексных количественных и качественных показателей для их введения в нейросетевую модель с помощью нечетких методов. Разработан на основе системных методов кибернетики концептуальный базис нейросетевого моделирования, на основе которого предложено 6 оригинальных методов построения нейросетевых моделей банкротств и мониторинга финансового состояния корпораций в задачах обеспечения их экономической безопасности. Центральным методом из них является нейросетевой логистический динамический метод с непрерывным временем, позволяющий получать прогноз для любого момента времени в пределах действия кредитного договора.
Теоретические положения подробно иллюстрируются на ряде прикладных задач. Материал книги на 90% оригинален и обобщает опыт многолетних исследований авторов по указанной проблематике.
Монография предназначена для студентов, магистрантов и преподавателей широкого круга специальностей информационного и экономического профиля вузов, а также научных работников, проявляющих интерес к проблемам нейросетевого моделирования в сфере экономики в условиях высокой неопределенности.

Монография посвящена общим принципам разработки эффективных математических моделей поддержки принятии решений для экономических объектов, характеризующихся сложными условиями моделирования. Учитывается так называемая триада «НЕ-факторов»: неполнота, неточность, неопределенность в данных. На основе системного подхода разработан концептуальный базис и 9 оригинальных методов моделирования, реализующих этот базис, и современные продвинутые инструментарии применительно к классам задач восстановления многомерных зависимостей, скрытых в данных, ранжирования объектов, класси-фикации и их кластеризации, многофакторного прогноза, оптимизации. Особое внимание уделено малоисследованным вопросам построения динамических моделей оценки кредитоспособности предприятий, обоснования адекватности моделей и управления ею, устойчивости и регуляризации моделей. Теоретические предложения подробно иллюстрируются на ряде прикладных задач. Материал книги на 90% оригинален и обобщает опыт многолетних исследований авторов по указанной проблематике.
Монография предназначена для магистрантов и преподавателей широкого круга специальностей экономического профиля вузов, а также научных работников, проявляющих интерес к проблемам моделирования управленческих решений в сфере экономики в условиях неопределенности.