+
Действующая цена700 499 руб.
Товаров:
На сумму:

Электронная библиотека диссертаций

Доставка любой диссертации в формате PDF и WORD за 499 руб. на e-mail - 20 мин. 800 000 наименований диссертаций и авторефератов. Все авторефераты диссертаций - БЕСПЛАТНО

Расширенный поиск

Экономико-математический инструментарий комплексной оценки финансово-экономического состояния предприятий строительной отрасли

Экономико-математический инструментарий комплексной оценки финансово-экономического состояния предприятий строительной отрасли
  • Автор:

    Заикина, Лидия Николаевна

  • Шифр специальности:

    08.00.13

  • Научная степень:

    Кандидатская

  • Год защиты:

    2015

  • Место защиты:

    Краснодар

  • Количество страниц:

    159 с. : ил.

  • Стоимость:

    700 р.

    499 руб.

до окончания действия скидки
00
00
00
00
+
Наш сайт выгодно отличается тем что при покупке, кроме PDF версии Вы в подарок получаете работу преобразованную в WORD - документ и это предоставляет качественно другие возможности при работе с документом
Страницы оглавления работы
"
1 Теоретические аспекты ФЭС предприятий строительной отрасли 
1.1 Особенности предприятий строительной отрасли в РФ


СОДЕРЖАНИЕ
ВВЕДЕНИЕ

1 Теоретические аспекты ФЭС предприятий строительной отрасли

1.1 Особенности предприятий строительной отрасли в РФ

1.2 Факторы, влияющие на состояние строительной отрасли РФ

1.3 Развитие строительной отрасли в Краснодарском крае

1.4 Комплексный подход к оценке ФЭС предприятий строительной отрасли.


2 Анализ современных математических моделей оценки ФЭС предприятий строительной отрасли

2.1 Коэффициентный анализ

2.2 Кластерный анализ ФЭС предприятий строительной отрасли

Краснодарского края


2.3 Дискриминантный анализ
2.4 Нейросетевые технологии анализа состояния предприятия
2.4.1 Разработка нейросетевой модели «PRED» для оценки
кредитоспособности предприятий в пакете SNN
2.4.2 Нейросетевая кластеризация сетями Кохонена состояния предприятий строительной отрасли
2.4.3 Нейросетевая модель «predM» в пакете Neural Networks Toolbox
2.4.4 Нейросетевая модель «Сотрап» предприятий для оценки кредитоспособности предприятий в пакете SNN
2.5 Нечеткая кластеризация ФЭС строительных предприятий
2.6 Нечётко - множественные методы анализа ФЭС строительных предприятий Краснодарского края
2.7 Описание интерфейса программы
2.8 Сопоставительный анализ разработанных моделей
3 Автоматизированная информационная система «Финансовый Эксперт»
3.1 Описание программы «Финансовый Эксперт»
3.1.1 Подсистема «Анализируемые данные»
3.1.2 Подсистема «Основная рабочая область»
3.2 Анализ ФЭС предприятий строительной отрасли с использованием программы «Финансовый эксперт»
3.2.1 Краткая характеристика исследуемых предприятий строительной отрасли Краснодарского края
3.2.2 Анализ ФЭС предприятий строительной отрасли Краснодарского края с использованием программы «Финансовый эксперт»
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЕ А

ВВЕДЕНИЕ
Актуальность темы исследования.
Строительная отрасль является важнейшей компонентой национальной экономики любого государства. Она представляет собой «локомотив» экономики, который обеспечивает через систему межотраслевых связей и инвестиционные мультипликаторы ускоренные темпы роста всего народнохозяйственного комплекса. До последнего времени активное развитие этой отрасли происходило практически во всех регионах РФ, в частности, в Москве и Московской области, Санкт-Петербурге, Республиках Татарстан и Башкортостан, Тюменской, Челябинской, Белгородской и Ростовской областях, что связано как с увеличением объемов государственной поддержки, так и страхованием гражданской ответственности застройщика, а также наличием различных региональных программ.
К числу регионов с ускоренным ростом строительной отрасли принадлежит и Краснодарский край, на примере которого исследуется заявленная в диссертации проблема.
В Краснодарском крае сосредоточены четыре мощных катализатора развития строительной отрасли. Во-первых, рост объёмов строительства стимулировался спортивным событием мирового масштаба - Олимпиадой в Сочи. Во-вторых, здесь действуют эффективные региональные программы, например, «народная ипотека». В-третьих, в регионе интенсивно развивается девелоперский бизнес (комплексное освоение территорий). В-четвертых, многими экспертами (например, журнал «Форбс») Краснодар признан лучшим городом для ведения бизнеса, что тоже способствует развитию строительной отрасли в данном регионе.
Однако в ближайшем будущем для российского строительного бизнеса (как в целом, так и в Краснодарском крае) наступят более сложные времена. По самым негативным прогнозам в строительной отрасли России ожидается ипотечный кризис, аналогичный ипотечному кризису в США в 2007-2011 годов. Как
114" 1, 3-4кв 2005, ОАО "ДЭП-114" 3-4кв 2006, ОАО "ДЭП-114" 4кв 2007, ОАО

"ДЭП-114" 4кв 2008, ОАО "Домостроитель" 4кв 2006, ОАО "Домостроитель" 1-2, 4кв 2007 [29].
К четвертому кластеру «некризисных предприятий» относятся: ЗАО "ДСУ-4" 1 кв 2006, ЗАО "ДСУ-4" 1-3кв 2007, "Домостроитель" 4кв 2005, ППСО "Исток" 4кв 2007 [29].
К пятому кластеру относятся предприятия: ЗАО "ДСУ-4" 4кв 2005, ЗАО "ДСУ-4" 4кв 2008, ООО ППСО "Исток" 4кв 2005, ППСО "Исток" 4кв 2006. Данные предприятия относятся к «преуспевающим» [29].
Таким образом, были исследованы нормированные и ненормированные показатели строительных предприятий Краснодарского края. Нами были использованы дивизивный метод k-средних для трех, пяти, шести, семи и восьми кластеров. Начальные центры кластеров задавались [31] методом сортировки расстояний и выбора наблюдений на постоянных интервалах [47, 48]. Однако, из-за не нормированности показателей визуальная оценка кластеров была невозможна.
Проведя кластеризацию агломеративным методом древовидной кластеризации, было получено, что оптимальное разбиение исследуемых строительных предприятий методом древовидной кластеризации на 5 кластеров наиболее точное, чем на 3 (кризисное, предкризисное и некризисное).
Из-за ненормированное показателей ФЭС предприятий невозможна визуальная оценка кластеризации предприятий и сущестенны ошибки в оценивании состояния предприятий, поэтому нами было произведено преобразование исходных данных.
Дивизивный анализ для нормированных данных методом к-средних позволил сделать вывод о разбиении групп на пять кластеров, таких как очень кризисные, кризисные, предкризисные, некризисные и преуспевающие.

Рекомендуемые диссертации данного раздела

Время генерации: 0.118, запросов: 962