Метод дерева решений
Изучение алгоритма построения дерева решений как иерархического, гибкого средства предсказания принадлежности объектов к определенному классу или прогнозирования значений переменных на примере оценки рисков Банка Москвы. Определение преимуществ метода.
| Рубрика | Менеджмент и трудовые отношения |
| Вид | реферат |
| Язык | русский |
| Дата добавления | 09.11.2009 |
| Размер файла | 471,7 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Содержание
- Введение
- 1 Применение метода дерева решений для принятия решений
- 1.1 Необходимость выбора альтернатив
- 1.2 Дерево решений
- 1.3 Порядок построения дерева решений
- 1.4 Преимущества деревьев решений
- 2 Применение дерева решений для снижения кредитного риска на примере Банка Москвы
- 2.1 Характеристика ОАО " Банка Москвы"
- 2.2 Анализ кредитоспособности клиента при помощи методики дерева решений
- Заключение
- Список литературы
Введение
Актуальность темы исследования определяется тем, что метод дерева решений имеет большое значение для разработки эффективных управленческих решений. Метод деревьев решений является одним из наиболее популярных методов, используемых на этапе выбора альтернатив.
Управленческое решение занимает центральное место в процессе управления. Теория принятия решения как самостоятельное научное направление берет свое начало с работ американских ученых Дж. фон Неймана и О. Моргенштерна. Эти авторы издали в 1944 году небольшую книгу, посвященную разработанной ими теории игр и теории полезности, предложив тем самым первые формализованные модели действия человека в процессе принятия решений.
Многие авторы определяют решение как акт выбора. М. Альберт, М. Мескон, Ф. Хедоури определяют решение как выбор альтернативы Мескон М., Альберт М., Хедоури Ф. Основы менеджмента: пер. с англ. - М.: Дело 2002. - С.470.. В. А. Беспалов считает, что "управленческое решение - это акт творческой деятельности по целенаправленному анализу ситуации, а также по альтернативному выбору и реализации путей, методов и средств полного разрешения проблемы в соответствии с общей стратегией" Решения для организаций //Коммерсант, №10, 2002. - С.14-16.
Общим для различных определений моментом является то, что решение - это выбор одной из возможных альтернатив. Процессы принятия управленческих решений являются центральным звеном управленческой деятельности, пронизывают все функции управления.
Метод дерева решений допускает автоматизацию процесса принятия некоторых видов решений. Стремительное развитие информационных технологий, в частности, прогресс в методах сбора, хранения и обработки данных позволил многим организациям собирать огромные массивы данных, которые необходимо анализировать. Объемы этих данных настолько велики, что возможностей экспертов уже не хватает, что породило спрос на методы автоматического исследования (анализа) данных, который с каждым годом постоянно увеличивается.
Деревья решений - один из таких методов автоматического анализа данных. На сегодняшний день существует значительное число алгоритмов, реализующих деревья решений CART, C4.5, NewId, ITrule, CHAID, CN2 и т.д.
Первые идеи создания деревьев решений восходят к работам Ховленда и Ханта конца 50-х годов XX века. Однако, основополагающей работой, давшей импульс для развития этого направления, явилась книга Ханта, Мэрина и Стоуна "Experiments in Induction", увидевшая свет в 1966г.
Сущность метода, а также принципы и особенности построения дерева решений исследуются в работах М.Мескона, М.Альберта, Ф Хедоури, М. Эддоуса, Р.Стэнсфилда, А.Кабушкина, Н. Елмановой и др.
Однако в целом в отечественной науке еще не сформирована теоретико-методологическая база разработки управленческих решений методом дерева решений. Работы, посвященные рассмотрению вопросов теории и методологии, практически отсутствуют, в большинстве работ рассматриваются частные случаи, в том числе по автоматизации метода.
Понятийный аппарат. В работе используются следующие основные понятия:
варианты - возможные способы решения проблемы, средства достижения цели;
альтернативы - взаимоисключающие варианты (средства) решения проблемы;
критерий (или критерии) выбора альтернатив - основание выбора альтернатив или определения порядка предпочтения вариантов;
решение - собственно выбор как минимум из двух альтернатив или определение порядка предпочтения как минимум двух вариантов;
допустимое решение (решения) - решение (решения), удовлетворяющее существующим ограничениям;
эффективное решение - решение, оптимальное по двум критериям -реализации целевой функции и минимизациям затрат;
возможные исходы - возможные последствия реализации тех или иных вариантов или альтернатив.
Цель исследования состоит в анализе теоретических положений и методологических основ применения метода дерева решений в процессе принятия решений для достижений целей организации в современных условиях.
Для достижения данной цели были поставлены следующие задачи:
- определить сущность и содержание метода дерева решений, его место и роль в достижении цели;
- рассмотреть методологические основы применения метода;
- определить принципы и методы оценки эффективности метода;
- проследить алгоритм построения дерева решений на примере оценки кредитного риска Банком Москвы.
Объектом исследования служит метод дерева решений как процесс выбора альтернативного решения.
Предметом исследования являются теоретические и методологические аспекты применения метода дерева решений для достижения целей организации.
1 Применение метода дерева решений для принятия решений
1.1 Необходимость выбора альтернатив
Для достижения целей организации руководителям всех уровней приходится принимать управленческие решения. Одним из этапов принятия решения является выбор альтернатив. К основным методам, используемых при поиске альтернатив относятся: 1. Эвристическое моделирование. 2. Экспертные оценки. 3. Системный анализ. 4. SWOT-анализ. 5. Дерево мероприятий (дерево решений). 6. Метод блок-схем. 7. Метод "мозговой атаки" Фахрутдинова А.З., Бойко Е.А. Разработка управленческих решений. - Новосибирск: СибАГС. 2003. - С.264..
Дерево решений - способ отображения информации, имеющих много различных уровней и связей. Обычно представляет построенную по иерархическому принципу:
главную цель или вершину дерева целей (для фирмы это может быть, например, миссия, видение);
подчиненные ей подцели первого, второго и последующих уровней (ветви дерева).
При определении выбора альтернативных вариантов решения проблемы руководитель, стремясь увеличить вероятность получения большей отдачи, может пожелать столько альтернативных решений, сколько возможно. Лучший результат при принятии решения достигается при большем числе умело разработанных смелых творческих вариантов.
При этом выбор одного из них становится тем труднее, чем их больше, практически осуществляется только одно действие из возможных, поэтому рекомендуется предварительно определить экономическую целесообразность, трудоемкость и выгодность, изыскивать и оценивать все возможные альтернативы решения.
Выбор определенной альтернативы включает оценку эффективности решений, определение ожидаемой отдачи выхода за минусом входа с использованием формально-логических и эвристических методов, базирующихся на творческих способностях и опыте руководителя. При этом необходимо соблюдать общие правила: определить три-пять наиболее возможных оптимальных варианта, предварительно отбросив заведомо непригодные. Установить критерии оценки эффективности решений. Исходить из критерия результативности, учитывать крайности. Использовать закономерности, при которых деятельность результативнее по мере приближения к конечной цели. Определить подлинную, реальную результативность.
Если же дать и осуществить такую оценку нельзя с достаточной точностью, то целесообразно определить ожидаемую степень риска по каждому из решений. При отсутствии информации основой выбора может явиться лишь известное предполагаемое направление действия, а определяющим фактором выбора при этом может быть лишь субъективное мнение руководителя, принимающего решение исходя из своих возможностей. Праксеологи справедливо отмечают, что недостаточно обладать полным набором очевидных вероятностей, необходимо еще уметь сделать в соответствующий момент соответствующий выбор из этих вероятностей. А это нередко требует большого искусства. В чем же суть выбора? В чем заключается механизм выбора? Это значит, что кто-то:
а) предположил (а в отдельном случае подсчитал, правильно или неправильно), что можно сделать то и можно сделать что-то иное;
б) сравнил первое и второе;
в) умышленно сделал так, чтобы было одно из двух, и умышленно не сделал так, чтобы не было другого (в одном случае сделал это успешно, в другом - пошел за тем, что считал лучшим, а могут возникать и обычно возникают оба этих частных случая вместе).
Сравниваемых вероятностей может быть много. Определяя относительные значения отдельных вариантов, недостатки и преимущества различных альтернатив, надо определить, в какой мере автор вариантов владел проблемой, какими творческими способностями обладает и достаточно ли он объективен, умеет ли использовать объективные возможности, которые предоставляет ему данная ситуация.
Руководитель должен давать оценку этим действиям. Выполняя данную работу, следует избегать нерациональных идей, продумать, все ли факты приняты во внимание. Нужно рассмотреть все последствия в том случае, если никаких действий не будет предпринято. Целесообразно задать себе вопросы: могут ли неожиданно возникнуть какие-нибудь препятствия? Каковы будут их последствия для других работников? Может ли это быть законным и этичным? Вызовет ли это возражения со стороны вышестоящего управленческого звена? Практический менеджмент. Методы и приемы деятельности руководителя/Авт.-сост. Н.Я. Сацков. - Д.: Сталкер, 1998. - 448 с.
1.2 Дерево решений
Одним из популярных методов принятия решений являются деревья решений. С помощью этого метода можно принимать решения:
по социальным и макроэкономическим вопросам;
по развитию фирмы или в банковской сфере.
Деревья решений используются также для диагностики в медицине, экономике и бизнесе.
Основное отличие деревьев решений от методов распознавания образов и моделирования состоит в том, что проводимое исследование основывается на логических рассуждениях, а не на вычислениях. Деревья решений - это один из методов построения экспертных систем на основе правил вывода. Такие системы называются системами прямого логического вывода, так как мы начинаем с фактов, в результате приходим к тому или иному выводу
Дерево решений - популярный метод науки управления, используемый для выбора наилучшего направления действий из имеющихся вариантов. "Дерево решений - это схематичное представление проблемы принятия решений". Как и платежная матрица, дерево решений дает руководителю возможность "учесть различные направления действий, соотнести с ними финансовые результаты, скорректировать их в соответствии с приписанной им вероятностью, а затем сравнить альтернативы". Концепция ожидаемого значения является неотъемлемой частью метода дерева решений Мескон М., Альберт М., Хедоури Ф. Основы менеджмента: перевод с английского. - М.: Издательство «ДЕЛО» , 1997. - С.311-312.
В общем виде дерево решений представлено на рис. 1.
Рис.1 Дерево решений
Методом дерева решений можно пользоваться в ситуациях, подобных описанной выше, в связи с рассмотрением платежной матрицы. В этом случае предполагается, что данные о результатах, вероятности и т.п. не влияют на все последующие решения. Однако дерево решений можно построить под более сложную ситуацию, когда результаты одного решения влияют на последующие решения. Таким образом, дерево решений - это полезный инструмент для принятия последовательных решений.
На рис. 1 проиллюстрировано применение метода дерева решений для разрешения проблемы, требующей определенной последовательности решений. Вице-президент по производству из компании, выпускающей электрические газонокосилки, считает, что расширяется рынок ручных косилок. Он должен решить, стоит ли переходить на производство ручных косилок, и если сделать это, - стоит или не стоит продолжать выпуск электрических газонокосилок. Производство косилок обоих типов потребует увеличения производственных мощностей. До принятия решения руководитель собрал релевантную информацию об ожидаемых выигрышах в случае тех или иных вариантов действий и о вероятности соответствующих событий. Эта информация представлена на дереве решений Мескон М., Альберт М., Хедоури Ф. Основы менеджмента: перевод с английского. - М.: Издательство «ДЕЛО», 1997. - С.311.
Прогнозы полезны для планирования и осуществления деловых операции только в том случае, если компоненты прогноза тщательно продуманы, а ограничения, содержащиеся в прогнозе, откровенно названы. Существует несколько способов сделать это:
Спросите себя, для чего нужен прогноз, какие решения будут на нем основаны. Этим определяется потребная точность прогноза. Некоторые решения принимать опасно, даже если возможная погрешность прогноза - менее 10%. Другие решения можно принимать безбоязненно даже при значительно более высокой допустимой ошибке.
Определите изменения, которые должны произойти, чтобы прогноз оказался достоверным. Затем с осмотрительностью оцените вероятность соответствующих событий.
Определите компоненты прогноза. Подумайте об источниках данных.
Определите, насколько ценен опыт прошлого в составлении прогноза. Не настолько ли быстры изменения, что основанный на опыте прогноз будет бесполезным? Дают ли данные по подобным продуктам (или вариантам развития) основания для составления прогноза о судьбе вашего продукта? Насколько просто или недорого можно будет получить надежную информацию об опыте прошлого?
Определите, насколько структурированным должен быть прогноз. При прогнозировании сбыта может быть целесообразно выделить отдельные части рынка (развивающиеся потребители, стабильные потребители, крупные и мелкие потребители, вероятность появления новых потребителей и т.п.).
Используя дерево решений, руководитель находит путем возврата от второй точки к началу наиболее предпочтительное решение - наращивание производственных мощностей под выпуск косилок обоих типов. Это обусловлено ожидаемым выигрышем (3 млн. долл.), который превышает выигрыш (1 млн. долл.) при отказе от такого наращивания, если в точке А будет низкий спрос на электрические косилки.
Руководитель продолжает двигаться назад к текущему моменту (первой точке принятия решений) и рассчитывает ожидаемые значения в случаях альтернативных действий - производства только электрических или только ручных косилок. Ожидаемое значение для варианта производства только электрических косилок составляет 6,5 млн. долл. (0,7 х 8 млн. долл. + 0,3 х 3 млн. долл.). Подобным образом рассчитывается ожидаемое значение для варианта выпуска только ручных косилок, которое равно всего 4,4 млн. долл. Таким образом, наращивание производственных мощностей под выпуск косилок обоих типов является наиболее желательным решением, поскольку ожидаемый выигрыш здесь наибольший, если события пойдут, как предполагается. Мескон М., Альберт М., Хедоури Ф. Основы менеджмента: перевод с английского. - М.: Издательство «ДЕЛО» , 1997. - С.311-312
Дерево решений позволяет представить проблему схематично и сравнить возможные альтернативы визуально. Этот метод можно использовать в применении к сложным ситуациям, когда результат принимаемого решения влияет на последующие.
1.3 Порядок построения дерева решений
В наиболее простом виде дерево решений - это способ представления правил в иерархической, последовательной структуре. Основа такой структуры - ответы "Да" или "Нет" на ряд вопросов.
На рис. 2 приведен классический пример дерева решений, задача которого - ответить на вопрос: "Играть ли в гольф?" Elitarium.ru Чтобы решить задачу, т.е. принять решение, играть ли в гольф, следует отнести текущую ситуацию к одному из известных классов (в данном случае - "играть" или "не играть"). Для этого требуется ответить на ряд вопросов, которые находятся в узлах этого дерева, начиная с его корня.
Первый узел нашего дерева "Солнечно?" является узлом проверки, т.е. условием. При положительном ответе на вопрос осуществляется переход к левой части дерева, называемой левой ветвью, при отрицательном - к правой части дерева. Таким образом, внутренний узел дерева является узлом проверки определенного условия. Далее идет следующий вопрос и т.д., пока не будет достигнут конечный узел дерева, являющийся узлом решения. Для нашего дерева существует два типа конечного узла: "играть" и "не играть" в гольф.
В результате прохождения от корня дерева (иногда называемого корневой вершиной) до его вершины решается задача классификации, т.е. выбирается один из классов - "играть" и "не играть" в гольф.
Целью построения дерева решения в нашем случае является определение значения категориальной зависимой переменной.
Итак, основными элементами дерева решений являются:
Корень дерева: "Солнечно?"
Рис.2. Дерево решений "Играть ли в гольф?"
Внутренний узел дерева или узел проверки: "Температура воздуха высокая?", "Идет ли дождь?"
Лист, конечный узел дерева, узел решения или вершина: "Играть", "Не играть"
Ветвь дерева (случаи ответа): "Да", "Нет".
В рассмотренном примере решается задача бинарной классификации, т.е. создается дихотомическая классификационная модель. Пример демонстрирует работу так называемых бинарных деревьев.
В узлах бинарных деревьев ветвление может вестись только в двух направлениях, т.е. существует возможность только двух ответов на поставленный вопрос ("да" и "нет").
Бинарные деревья являются самым простым, частным случаем деревьев решений. В остальных случаях, ответов и, соответственно, ветвей дерева, выходящих из его внутреннего узла, может быть больше двух.
Рассмотрим более сложный пример. База данных, на основе которой должно осуществляться прогнозирование, содержит следующие ретроспективные данные о клиентах банка, являющиеся ее атрибутами: возраст, наличие недвижимости, образование, среднемесячный доход, вернул ли клиент вовремя кредит. Задача состоит в том, чтобы на основании перечисленных выше данных (кроме последнего атрибута) определить, стоит ли выдавать кредит новому клиенту.
Как мы уже рассматривали в лекции, посвященной задаче классификации, такая задача решается в два этапа: построение классификационной модели и ее использование.
На этапе построения модели, собственно, и строится дерево классификации или создается набор неких правил. На этапе использования модели построенное дерево, или путь от его корня к одной из вершин, являющийся набором правил для конкретного клиента, используется для ответа на поставленный вопрос "Выдавать ли кредит?"
Правилом является логическая конструкция, представленная в виде "если : то :"
На рис. 3. приведен пример дерева классификации, с помощью которого решается задача "Выдавать ли кредит клиенту?". Она является типичной задачей классификации, и при помощи деревьев решений получают достаточно хорошие варианты ее решения.
Как видно из рисунка, внутренние узлы дерева (возраст, наличие недвижимости, доход и образование) являются атрибутами описанной выше базы данных. Эти атрибуты называют прогнозирующими, или атрибутами расщепления. Конечные узлы дерева, или листы, именуются метками класса, являющимися значениями зависимой категориальной переменной "выдавать" или "не выдавать" кредит.
Каждая ветвь дерева, идущая от внутреннего узла, отмечена предикатом расщепления. Последний может относиться лишь к одному атрибуту расщепления данного узла. Характерная особенность предикатов расщепления: каждая запись использует уникальный путь от корня дерева только к одному узлу-решению. Объединенная информация об атрибутах расщепления и предикатах расщепления в узле называется критерием расщепления.
На рис3. изображено одно из возможных деревьев решений для рассматриваемой базы данных. Например, критерий расщепления "Какое образование?", мог бы иметь два предиката расщепления и выглядеть иначе: образование "высшее" и "не высшее". Тогда дерево решений имело бы другой вид.
Таким образом, для данной задачи (как и для любой другой) может быть построено множество деревьев решений различного качества, с различной прогнозирующей точностью.
Рис. 3 Дерево решений "Выдавать ли кредит?"
Качество построенного дерева решения весьма зависит от правильного выбора критерия расщепления. Над разработкой и усовершенствованием критериев работают многие исследователи.
Метод деревьев решений часто называют "наивным" подходом. Но благодаря целому ряду преимуществ, данный метод является одним из наиболее популярных для решения задач классификации.
1.4 Преимущества деревьев решений
Интуитивность деревьев решений. Классификационная модель, представленная в виде дерева решений, является интуитивной и упрощает понимание решаемой задачи. Результат работы алгоритмов конструирования деревьев решений, в отличие, например, от нейронных сетей, представляющих собой "черные ящики", легко интерпретируется пользователем. Это свойство деревьев решений не только важно при отнесении к определенному классу нового объекта, но и полезно при интерпретации модели классификации в целом. Дерево решений позволяет понять и объяснить, почему конкретный объект относится к тому или иному классу.
Деревья решений дают возможность извлекать правила из базы данных на естественном языке. Пример правила: Если Возраст > 35 и Доход > 200, то выдать кредит.
Деревья решений позволяют создавать классификационные модели в тех областях, где аналитику достаточно сложно формализовать знания.
Алгоритм конструирования дерева решений не требует от пользователя выбора входных атрибутов (независимых переменных). На вход алгоритма можно подавать все существующие атрибуты, алгоритм сам выберет наиболее значимые среди них, и только они будут использованы для построения дерева. В сравнении, например, с нейронными сетями, это значительно облегчает пользователю работу, поскольку в нейронных сетях выбор количества входных атрибутов существенно влияет на время обучения.
Точность моделей, созданных при помощи деревьев решений, сопоставима с другими методами построения классификационных моделей (статистические методы, нейронные сети).
Разработан ряд масштабируемых алгоритмов, которые могут быть использованы для построения деревьев решения на сверхбольших базах данных; масштабируемость здесь означает, что с ростом числа примеров или записей базы данных время, затрачиваемое на обучение, т.е. построение деревьев решений, растет линейно. Примеры таких алгоритмов: SLIQ, SPRINT.
Быстрый процесс обучения. На построение классификационных моделей при помощи алгоритмов конструирования деревьев решений требуется значительно меньше времени, чем, например, на обучение нейронных сетей.
Большинство алгоритмов конструирования деревьев решений имеют возможность специальной обработки пропущенных значений.
Многие классические статистические методы, при помощи которых решаются задачи классификации, могут работать только с числовыми данными, в то время как деревья решений работают и с числовыми, и с категориальными типами данных.
В процессе построения дерева, чтобы его размеры не стали чрезмерно большими, используют специальные процедуры, которые позволяют создавать оптимальные деревья, так называемые деревья "подходящих размеров".
Какой размер дерева может считаться оптимальным? Дерево должно быть достаточно сложным, чтобы учитывать информацию из исследуемого набора данных, но одновременно оно должно быть достаточно простым. Другими словами, дерево должно использовать информацию, улучшающую качество модели, и игнорировать ту информацию, которая ее не улучшает.
Тут существует две возможные стратегии. Первая состоит в наращивании дерева до определенного размера в соответствии с параметрами, заданными пользователем. Определение этих параметров может основываться на опыте и интуиции аналитика, а также на некоторых "диагностических сообщениях" системы, конструирующей дерево решений.
Вторая стратегия состоит в использовании набора процедур, определяющих "подходящий размер" дерева, они разработаны Бриманом, Куилендом и др. в 1984 году. Однако, как отмечают авторы, нельзя сказать, что эти процедуры доступны начинающему пользователю.
Процедуры, которые используют для предотвращения создания чрезмерно больших деревьев, включают: сокращение дерева путем отсечения ветвей; использование правил остановки обучения.
Не все алгоритмы при конструировании дерева работают по одной схеме. Некоторые алгоритмы включают два отдельных последовательных этапа: построение дерева и его сокращение; другие чередуют эти этапы в процессе своей работы для предотвращения наращивания внутренних узлов.
Остановка построения дерева. Рассмотрим правило остановки. Оно должно определить, является ли рассматриваемый узел внутренним узлом, при этом он будет разбиваться дальше, или же он является конечным узлом, т.е. узлом решением.
Остановка - такой момент в процессе построения дерева, когда следует прекратить дальнейшие ветвления.
Один из вариантов правил остановки - "ранняя остановка", она определяет целесообразность разбиения узла. Преимущество использования такого варианта - уменьшение времени на обучение модели. Однако здесь возникает риск снижения точности классификации. Поэтому рекомендуется "вместо остановки использовать отсечение".
Второй вариант остановки обучения - ограничение глубины дерева. В этом случае построение заканчивается, если достигнута заданная глубина.
Еще один вариант остановки - задание минимального количества примеров, которые будут содержаться в конечных узлах дерева. При этом варианте ветвления продолжаются до того момента, пока все конечные узлы дерева не будут чистыми или будут содержать не более чем заданное число объектов.
Существует еще ряд правил, но следует отметить, что ни одно из них не имеет большой практической ценности, а некоторые применимы лишь в отдельных случаях.
Сокращение дерева или отсечение ветвей. Решением проблемы слишком ветвистого дерева является его сокращение путем отсечения некоторых ветвей.
Качество классификационной модели, построенной при помощи дерева решений, характеризуется двумя основными признаками: точностью распознавания и ошибкой.
Точность распознавания рассчитывается как отношение объектов, правильно классифицированных в процессе обучения, к общему количеству объектов набора данных, которые принимали участие в обучении.
Ошибка рассчитывается как отношение объектов, неправильно классифицированных в процессе обучения, к общему количеству объектов набора данных, которые принимали участие в обучении.
Отсечение ветвей или замену некоторых ветвей поддеревом следует проводить там, где эта процедура не приводит к возрастанию ошибки. Процесс проходит снизу вверх, т.е. является восходящим. Это более популярная процедура, чем использование правил остановки. Деревья, получаемые после отсечения некоторых ветвей, называют усеченными.
Если такое усеченное дерево все еще не является интуитивным и сложно для понимания, используют извлечение правил, которые объединяют в наборы для описания классов. Каждый путь от корня дерева до его вершины или листа дает одно правило. Условиями правила являются проверки на внутренних узлах дерева.
Ни один алгоритм построения дерева нельзя априори считать наилучшим или совершенным, подтверждение целесообразности использования конкретного алгоритма должно быть проверено и подтверждено экспериментом.
Мы рассмотрели метод деревьев решений; определить его кратко можно как иерархическое, гибкое средство предсказания принадлежности объектов к определенному классу или прогнозирования значений числовых переменных.
Качество работы рассмотренного метода деревьев решений зависит как от выбора алгоритма, так и от набора исследуемых данных. Несмотря на все преимущества данного метода, следует помнить, что для того, чтобы построить качественную модель, необходимо понимать природу взаимосвязи между зависимыми и независимыми переменными и подготовить достаточный набор данных.
2 Применение дерева решений для снижения кредитного риска на примере Банка Москвы
2.1 Характеристика ОАО " Банка Москвы"
ОАО Банк Москвы - один из крупнейших российских банков. Он располагает 32 отделениями в Москве и Московской области и 41 филиалом в крупнейших городах - административных центрах России.
С помощью филиалов во всех экономически важных регионах России и развития корреспондентских отношений с ведущими банками мира Банк Москвы помогает своим клиентам продвигать их собственный бизнес, расширяет их присутствие через свои филиалы в крупнейших городах страны и международных центрах. Банк обслуживание более 40 тысяч клиентов - юридических лиц и свыше 400 тысяч физических лиц (вместе с филиалами).
Масштабы деятельности Банка позволяют ему выступать в роли надежного партнера при реализации крупных социально-экономических проектов. В Москве Банк занимает лидирующее положение на рынке инвестиционного обеспечения городских программ. По своим финансовым показателям Банк Москвы уверенно входит в первую десятку ведущих российских банков.
Отличительной особенностью деятельности Банка в столице и регионах является его ориентация на поддержку их социально-экономического развития. В Москве Банк уполномочен осуществлять выплату пенсий и пособий.
Выполняя уставные задачи, Банк руководствуется приоритетом развития экономического и финансового потенциала г. Москвы и московского региона, поддерживает муниципальные программы.
В числе муниципальных клиентов банка Москвы - Департаменты и Управления Правительства Москвы (в т.ч. финансов, экономической политики и развития, продовольственных ресурсов, муниципального жилья), Комитет муниципальных займов и развития фондового рынка, финансово-хозяйственное управление Мэрии, отделения пенсионного фонда РФ, отделения социального страхования РФ, налоговые инспекции города Москвы и финансовые управления административных округов.
Среди клиентов Банка бюджетные организации и внебюджетные фонды, налоговые инспекции, акционерные общества, иностранные фирмы и их представительства, физические лица.
Кемеровский филиал ОАО " Банка Москвы" создан на основании решения Совета директоров Банка 30 ноября 1999 года и действует в соответствии с Уставом Банка, Положением о филиале и законодательством Российской Федерации. Создание филиала содействовало такой стратегической задачи развития банка, как обслуживание финансовых и товарных потоков в рамках проектов и программ, реализуемых в соответствии с соглашениями, договорами и протоколами между Правительством Москвы и Администрацией Кемеровской области. В 2000 году был открыт первый дополнительный офис Кемеровского филиала по адресу пр-кт Октябрьский 3Г, в 2002 году - дополнительный офис в г.Ленинске-Кузнецком.
В своей повседневной деятельности филиал руководствуется нормативными требованиями Центрального банка РФ, Министерства финансов и других министерств и ведомств федерального и регионального уровня в части, касающейся специфики деятельности подразделения. Филиал имеет отдельный баланс, входящий в состав общего баланса Банка. Для организации и ведения своей деятельности филиал открывает корреспондентский субсчет в подразделении расчетной сети Банка России и корреспондентские счета в коммерческих банках, установленных законодательными актами Российской Федерации.
Филиал, являясь обособленным подразделением Банка, не является юридическим лицом. При осуществлении банковских операций и заключении сделок в области хозяйственной деятельности филиал действует от имени Банка на основании утвержденного положения и доверенности.
В компетенцию головного банка по управлению филиалом входит:
- определение основных направлений его деятельности, утверждение планов и отчетов об их выполнении;
- назначение и увольнение директора, его заместителей, главного бухгалтера, работников внутреннего контроля; назначение аудиторов;
- определение структуры и штатного расписания филиала и др.
Главной целью деятельности банка является удовлетворение потребностей клиентов в финансовых услугах, повышение качества их обслуживания.
2.2 Анализ кредитоспособности клиента при помощи методики дерева решений
Схему дерева решений используют, когда нужно принять несколько решений в условиях неопределенности, когда каждое решение зависит от исхода предыдущего или исходов испытаний.
Когда все решения и их исходы указаны на "дереве", просчитывается каждый из вариантов, и в конце проставляется его денежный доход. Все расходы, вызванные решением, проставляются на соответствующей "ветви".
Рассмотрим возможность применения метода для оценки кредитоспособности клиента N. Для финансирования проекта клиенту нужно занять сроком на один год 15000 руб. Банк может одолжить ему эти деньги под 15% годовых или вложить в дело со 100%-ным возвратом суммы, но под 9% годовых. Из прошлого опыта банкиру известно, что 4% таких клиентов ссуду не возвращают. Что делать? Давать ему заем или нет? Перед вами пример задачи с одним решением, поэтому можно воспользоваться как таблицей доходов, так и "деревом". Рассмотрим оба варианта.
Решение 1 (по таблице доходов).
Максимизируем ожидаемый в конце года чистый доход, который представляет собой разность суммы, полученной в конце года, и инвестированной в его начале. Таким образом, если заем был выдан и возвращен, то чистый доход составит:
Чистый доход = ((15000 + 15% от 15000) - 15000) = 2250 руб.
Таблица 1. Чистый доход в конце года, руб.
|
Возможные исходы |
Возможные решения |
Вероятность |
||
|
Выдавать заем |
Не выдавать (инвестировать) |
|||
|
Клиент заем возвращает |
2250 |
1350 |
0,96 |
|
|
Клиент заем не возвращает |
-15000 |
1350 |
0,04 |
|
|
Ожидаемый чистый доход |
1560 |
1350 |
Если банк решает выдать заем, то максимальный ожидаемый чистый доход равен 1560 руб.
Решение 2 (по "дереву" решений) (рис.4).
В данном случае также используем критерий максимизации ожидаемого чистого дохода на конец года.
Рис. 4. "Дерево" решений для примера 1.
Далее расчет ведется аналогично расчетам по таблице доходов. Ожидаемый чистый доход в кружках А и В вычисляется следующим образом:
В кружке А:
Е (давать заем) = {17250 · 0,96 + 0 · 0,04} - 15000 == 16500 - 15000 = 1560 руб.
В кружке Б:
Е (не давать заем) = {16350 · 1,0 - 15000} = 1350 руб.
Поскольку ожидаемый чистый доход больше в кружке А, то принимаем решение выдать заем.
Мы рассмотрели простой пример, но применение метода дерева решений возможно и в более сложных случаях, когда необходимо учесть большее число параметров для принятия решения.
Заключение
Дерево решений - способ отображения информации, имеющих много различных уровней и связей. Обычно представляет построенную по иерархическому принципу: главная цель или вершина дерева целей > подчиненные ей подцели первого, второго и последующих уровней (ветви дерева).
Дерево решений - популярный метод науки управления, используемый для выбора наилучшего направления действий из имеющихся вариантов.
Дерево решений позволяет представить проблему схематично и сравнить возможные альтернативы визуально. Этот метод можно использовать в применении к сложным ситуациям, когда результат принимаемого решения влияет на последующие.
Качество работы рассмотренного метода деревьев решений зависит как от выбора алгоритма, так и от набора исследуемых данных. Несмотря на все преимущества данного метода, следует помнить, что для того, чтобы построить качественную модель, необходимо понимать природу взаимосвязи между зависимыми и независимыми переменными и подготовить достаточный набор данных.
На примере анализа определения кредитоспособности клиента мы рассмотрели возможность применения дерева решений в целях снижения кредитного риска.
Список литературы
1. Диев В. С. Управленческие решения: неопределенность, модели, интуиция.- Новосибирск, 1998.
2. Елманова Н. Построение деревьев решений// КомпьютерПресс, № 12, 2003
3. Кабушкин А. Менеджмент. - М.: Дело, 2000. - 257 с.
4. Констрент Х. Талант Менеджера: пер с англ. - Нью-Йорк, 1992
5. Мескон М., Альберт М.,. Хедоури Ф. Основы менеджмента: пер. с англ.-М.: Дело 2002. - 704 с.
6. Планкетт Л. Выработка и принятие управленческих решений. - М. 1984
7. Решения для организаций //Коммерсант, №10, 2002. - С.14-16
8. Российские организации //Эксперт, №28, 2002. - 52-54
9. Смирнов Э. А. Разработка управленческих решений.- М: ЮНИТИ-ДАНА, 2001
10. Фахрутдинова А.З., Бойко Е.А. Разработка управленческих решений. - Новосибирск: СибАГС. 2003. - С.264.
11. Эддоус М., Стэнсфилд Р. Методы принятия решений. - М.,1997 г.
12. Якокка Ли. Карьера менеджера. - Мн.: "Парадокс", 1996 г.
13. Практический менеджмент. Методы и приемы деятельности руководителя/Авт.-сост. Н.Я. Сацков. - Д.: Сталкер, 1998. - 448 с.
Подобные документы
Дерево решений – графическое представление процесса принятия решения, в котором отображаются возможные варианты решений, вероятности их наступления и платежи. Виды узлов и ветвей. Использование дерева решений для оценки кредитоспособности клиента.
презентация [101,7 K], добавлен 02.02.2012Теоретические основы прогнозирования и его основные методы, этапы и типы прогнозов. Методы прогнозирования деловой среды. Анализ практического использования метода "дерева" решений в принятии управленческих решений на примере компании "Чита-Спецстрой".
курсовая работа [318,7 K], добавлен 05.05.2011Определение риска, его основные характеристики, пути и способы минимизации. Сложность классификации экономических рисков, общие методы оценки. Метод экспертных оценок, построения дерева решений, аналогий на основе анализа финансового состояния фирмы.
реферат [164,1 K], добавлен 21.11.2013Теория принятия решений. Практическое применение и решение определенных вопросов, связанных с оптимизацией производственного процесса. Метод дерева решений. Метод экспертных оценок и метод непосредственной оценки. Создание формы в Excel и ввод данных.
курсовая работа [1,1 M], добавлен 01.06.2012Построение дерева целей и дерева решений. Определение критериев выбора альтернатив и выбор альтернатив по каждому критерию. Метод экспертного ранжирования. Планирование выбранной альтернативы. Описание способов контроля и оценки эффективности решения.
курсовая работа [331,5 K], добавлен 21.03.2016Первые идеи создания деревьев решений - способа представления правил в иерархической, последовательной структуре, где каждому объекту соответствует единственный узел, дающий решение. Преимущества использования деревьев решений, этапы построения.
презентация [440,8 K], добавлен 18.11.2015Описание проблемной ситуации с использованием методов SWOT-анализа. Построение дерева целей для решения проблемы. Расчет коэффициентов оценки альтернатив решений с помощью экспертного опроса. Разработка планов и системы контроля за выполнение решений.
курсовая работа [286,1 K], добавлен 07.09.2010Анализ природы и особенностей управленческого решения, а также методов, используемых в процессе его принятия. Краткая характеристика банка. Использование "дерева решений" в процессе принятия управленческих решений на примере предприятии "Возрождение".
курсовая работа [548,5 K], добавлен 20.07.2013Части процесса разработки решения. Построение дерева целей и дерева решений. Определение критериев выбора альтернатив и выбор альтернатив по каждому критерию. Планирование выбранной альтернативы. Описание способов контроля и оценка эффективности решений.
курсовая работа [115,7 K], добавлен 11.06.2014Оценка проблемы неэффективной деятельности ЗАО "Аксит" с помощью СВОТ-анализа. Построение дерева целей для ее решения. Расчет коэффициентов оценки вариантов решений методом экспертного опроса. Разработка планов и системы контроля за выполнением решений.
курсовая работа [67,0 K], добавлен 03.09.2010
