Методы кластеризации показателей при финансовой оценке взаимосвязанных контрагентов

В статье на примере 50 однотипных контрагентов рассматриваются основные подходы к кластеризации схожих данных, характеризующих хозяйственную деятельность этих субъектов. Сравнение проводится между базовыми алгоритмами кластеризации с использованием евклидова расстояния и типовым агломеративным алгоритмом на основе расстояния Махаланобиса, который учитывает ковариационные оценки элементов из приведенного набора. Исследуется последовательное применение разных типов алгоритмов в отношении компаний, а также изменение зависимости при применении различных аналитических процедур. По итогам анализа делаются выводы о преимуществах и недостатках методов, отмечается целесообразность последовательного применения алгоритмов различного типа для выявления скрытых причин, которые оказывают влияние на деятельность юридических лиц и не являются очевидными при проведении стандартного финансового анализа работы предприятия.

1. Мыльников Л.А. Статистические методы интеллектуального анализа данных.– СПб., 2021.

2. Управление банковскими рисками: учебник / Е.В. Бережная, С.В. Зенченко, М.В. Сероштан, О.В. Бережная.– 2-е изд.– М., 2022.

3. Управление кредитным риском в банке: подход внутренних рейтингов: практическое пособие для вузов / М.В. Помазанов; под научной редакцией Г.И. Пеникаса.– 2-е изд., перераб. и доп.– М., 2023.

4. Волков А.А. Управление рисками в коммерческом банке: практ. руководство / А.А. Волков.– 3-е изд., испр. и доп.– М., 2015

5. Nicholson W.L. Exploring Data Analysis.– Oakland, 2012.