Библиотека управления

Скоринг акций с использованием нечетких описаний

Недосекин А.О. к.т.н., финансовый инженер
Компания Артифишел Лайф Рус (Санкт-Петербург)

Оглавление журнала

  • Часть 1
  • Часть 2

    Введение

    Под скорингом акций мы здесь понимаем их оценку, которая могла бы позволить:

    • осуществить ранжирование акций по критерию их инвестиционной привлекательности в пределах выделенной группы (сектора, отрасли экономики);
    • выработать брокерскую рекомендацию о покупке (удержании, продаже).

    Скоринг акций является неотъемлемой состав­ляющей современного финансового анализа на фондовом рынке. Особую потребность в этой услуге испытывают институциональные инвесторы (банки, пенсионные, инвестиционные и страховые фонды), осуществляющие систематическое и крупномасш­табное инвестирование в фондовые активы. Приня­тие инвестиционных решений сопровождается скрупулезным предварительным анализом, однако когда число активов в портфеле измеряется сотнями, никакой анализ вручную невозможен, а тем более – оперативное сопровождение вложений.

    К счастью, в развитых странах с развитием глобальных компьютерных сетей появляются обще­доступные информационные ресурсы он-лайн, исполь­зование которых резко сокращает время анализа. Более того: в ряде случаев оказываются доступными и результаты анализа, выполняемого загодя или в автоматическом режиме.

    В мире существует несколько общепризнанных и, главное, доступных систем скоринга акций. Опишем три из них.

    В системе Poor Fundamentalist [1] приводится следующий перечень фундаментальных факторов, учитываемых при покупке (продаже, удержании) бумаги:

    • P/E– отношение цены акции к чистым доходам компании в расчете на одну акцию.
    • Earnings– доходы компании за вычетом налогов и иных обязательных платежей.
    • Revenues– чистые продажи компании плюс прочие доходы, связанные с основной деятельностью, за отчетный период
    • Long-term debt – Задолженность, подлежащая погашению в срок более одного года.
    • Current assets/Current liabilities – отношение оборотных (текущих) активов компании к ее краткосрочным (текущим) обязательствам. Выражает ликвидность компании.
    • Dividends– доля чистой прибыли, направляемая на текущие дивидендные выплаты.
    • Stock splits – фактор дробления акций.
    • Profit margins – маржинальная прибыль компании.
    • Capitalization– произведение суммарного числа акций на их текущую цену.
    • Institutional holdings – процент присутствия среди владельцев компании институциональных инвесторов.
    • Cash flow – чистый денежный поток компании, согласно отчету о движении денежных средств.

    На основании анализа перечисленных факторов, бумага получает рейтинг следующего вида:

    • VISCA-1. Компания обладает сильными фундаментальными характеристиками, но ее быст­рый рост заставляет предложить эту бумагу исключительно агрессивному инвестору.
    • VISCA-2. Акции также рекомендуются агрессивному инвестору, но фундаментальные характеристики бумаги не являются столь же силь­ны­ми, как в предыдущем случае.
    • VISCA-3. Бумаги для консервативного инвестора, обладающие низкой волатильностью.
    • VISCA-4. Бумаги, которые намерены стать спекулятивными, с хорошими характеристиками развития, но с довольно высокой волатильностью.
    • C/R(Calculated/Risks). Бумаги, не рекомендуемые для класиических типов инвестора. Сюда обычно относятся стартовые эмиссии акций молодых малоизвестных компаний.

    В системе, приведенной на сайте [2], осущест­вляется шкалирование отклонения фактической цены бумаги от ее расчетного значения, шкалируется безопасность бумаги, прогнозируется ее доходность, исследуется ценовая история, и все эти проанали­зированные аспекты сводятся в один комплексный показатель, на основе которого система и произво­дит рекомендации.

    Известная система рейтингования Zaks Investment Research [3] основывается на взвешивании оценок ряда экспертов. К сожалению, эта система является непрозрачной с точки зрения квалификации экспертов. Поэтому она не поддается анализу.

    Все перечисленные системы обладают неопровер­жимыми достоинствами, но есть целый ряд особен­ностей, которые не учитываются ни в одной из них.

    Первое. В основном они не учитывают специфики того инвестора , к которому они обращены (система [1] в этом смысле не исключение). Инвестор характеризуется тем или иным уровнем терпимости к риску (risk tolerance), и эту терпимость необходимо измерять при помощи специальных методов, и только уж тогда рекомендовать ту или иную бумагу. Например, в системе Alife Portfolio Manager [4] risk tolerance уточняется на основе специализированного опроса инвестора. По итогам опроса инвестору предоставляется так называемый модельный портфель бумаг, который состоит из модельных активов — крупных классов бумаг, представленных соответствующим индексом. Может оказаться и так, что та или иная отрасль промышленности, страна, рынок, вид бумаги не будут представлены в оптимальном модельном портфеле, и тогда рекомендовать эти бумаги смысла не имеет.

    На рис. 1 графически охарактеризованы различные классические типы инвестора. Границы областей устанавливаются экспертным путем, в ходе исследования поведения инвестора как рационального субъекта рынка. Конечно, есть люди, которые ищут большего дохода при меньшем риске, тем самым гоняясь за несбыточными вещами, и есть люди, которые выбирают худшее из худшего (например, сильно переоцененную компанию). Но мы договорились считать поведение инвестора рациональным. Такая рациональность предполагает выбор оптимальной пропорции агрессивных и консервативных активов, т.е. диверсификацию. Активы с неоптимальным соотношением ожидаемой доходности и риска выпадают из модельного портфеля.

    Второе. Не осуществляется сопоставительный анализ акции с отраслью и/или сектором экономики, который она представляет. В то же время ценовое поведение отрасли, представленное соответствующим индексом, выражает возможности этого рынка, общие для всех акций данного сегмента. Если же акция в целом ведет себя лучше индекса, то это значит, что менеджмент этой компании управляет ею эффективно, используя все наличные возможности. Поэтому сопоставительный анализ необходим.

    Рис. 1. Классические типы инвестора

    В этом отношении показателен пример системы Stock Evaluation [5], где проводится сопоставительный анализ ряда показателей акции с тем же для соответствующих секторов и отраслей. Подобное оказывается возможным с использованием базы данных по бумагам, котируемым на биржах США [6]. В течение нескольких десятков лет собирается вся ключевая информация по акциям 9 отраслей экономики США, в состав которых входят 31 сектор и свыше 300 индустриальных групп. В зависимости от результатов анализа того или иного показателя ему присваивается один из 5 уровней: высокий, выше среднего, средний, ниже среднего, низкий.

    К явным недостаткам этой в целом очень продвинутой системы относятся:

    • отстутствие комплексного показателя, который бы позволил ранжировать оцениваемые акции;
    • отсутствие системы выработки брокерских рекомендаций;
    • при неоднородном распределении рыночного капитала в структуре отрасли или сектора средние значения факторов смещаются, что приводит к деформации всей системы оценок;
    • явно ошибочно оцениваются отрицательные значения фактора P/E.

    Третье. Все рассмотренные системы не берут во внимание текущее состояние рынка . Например, для hi-tech компаний рынок марта 2000 года и рынок декабря того же года – это два принципиально различных рынка. Ничего по сути не произошло с компаниями этого сегмента, зато принципиально изменилась структура инвестиционных ожиданий. Эйфория и ажиотаж на рынке сменились полнейшей растерянностью. Сегодня, в условиях надвигающейся на США долгосрочной рецессии, пакет брокерских рекомендаций должен принципиально отличаться от того же еще год назад. Рекомендации должна предварять некая экспертная модель – набор базовых принципов, которые будут положены в основу системы оценивания.

    Итак, тип инвестора, характер отрасли и специфика рынка – три комплекса внешних факторов, которые должны быть включены в систему оценивания наряду с традиционными показателями оценки. В данной работе предлагается описание подобной системы, в основе которой лежит принцип системы [5], с учетом всех высказанных к ней претензий. В основу оценки положен нечетко-множественный подход, который успешно применяется в задачах управления финансами [7-9].

    Изложим нашу систему в виде последовательности этапов оценки. Возьмем в качестве примера сектор 822 по классификации [5]. Это Technical & System Software – компании, занимающиеся разработкой программных продуктов для автоматизации процессов проектирования и научных исследований. Сектор представляет порядка 50 компаний, акции которых котируются на бирже NASDAQ.

    1. БАЗОВЫЕ ПРЕДПОСЫЛКИ ДЛЯ ФОРМИРОВАНИЯ РЫНКА АКЦИЙ ВЫБРАННОГО СЕКТОРА

    Как отмечалось, экономика США вступила в фазу рецессии. Это прежде всего характеризуется резким снижением темпов роста промышленного производства и валового внутреннего продукта. Компании сокращают непрофильные расходы, и прежде всего это ударяет по рынкам программного обеспечения и интернет-технологий. Так что выбранный нами сектор приобретает все качества депрессивного.

    С точки зрения фондового рынка это означает кардинальную переоценку всех ценностей. Прежде всего инвестор будет сориентирован на получение хотя бы минимального, но дохода. Темпы роста курсовых цен акций сильно замедлятся, поэтому львиная доля дохода от владения акциями будет приходиться на дивиденды. Курсовая траектория акций будет чем-то напоминать то же самое для облигаций: рост – объявление дивидендного платежа – скачкообразный спад и снова рост.

    Инвестор перестанет покупать «обещающие» компании и прежде всего обратится к базовым отраслям. Это означает депрессию по всей отрасли технологичных компаний, сопровождающуюся мас­со­вы­ми разорениями компаний в этой отрасли. Инвестиционное финансирование получат компании, ранее зарекомендовавшие себя как доходные, для остальных же инвестиции окажутся недоступными. Такая суровая школа выживания поставит под удар все компании, чья сегодняшняя капитализация не превышает 100 млн. долларов.

    В связи с этим инвестор под особый контроль поставит соотношение P/E. Можно прогнозировать сильную корреляцию этого фактора с текущей капитализацией компаний: компаниям с большей капитализацией “будет дозволено” иметь большее соотношение P/E. Однако большинство компаний будет иметь разумные значения этого фактора, и они будут группироваться: у компаний с капитализацией до 1 млрд. долл. — в районе отметки P/E=10, для крупных компаний – на уровне 20. Это означает доходность на уровне того же для облигаций средней и высокой степени надежности соответственно.

    Такие базовые ориентиры, что мы здесь зафиксировали, существенно повлияют на характер нашей оценки. Для компаний, которые попадают под удар в связи с вышеизложенным, мы вообще не вправе давать уверенных оценок и рекомендаций, в связи с недопустимым уровнем риска вложений в эти компании.

    После того, как сделаны общерыночные замечания, можно переходить на уровень конкретного сектора.

    2. ОТРАСЛЕВОЙ АНАЛИЗ

    С самого начала мы устанавливаем, что наша система скоринга является условной. Это означает, что все необходимые изыскания в части оценки risk tolerance инвестора проведены, и ему предложен модельный портфель, причем выбранная нами отрасль в этот портфель попадает. Даже для условий рецессии попадание технологической отрасли в модельный портфель вполне вероятно. Однако при любых раскладах ее доля в модельном портфеле не превысит 10-15% вложений в акции американской экономики (из-за неустраненной переоцененности акций на этом рынке).

    В табл. 2 сведены данные по акциям сектора 822 (по состоянию на 09.02.2001), компании-эмитенты которых закончили прошлый год с прибылью. Это 40% всего списка компаний. Обозначения:

    • Ticker– сокращенное наименование бумаги;
    • Price– цена;
    • Value– капитализация компании;
    • Rev g — рост продаж за год;
    • Net Inc g– рост чистого дохода за год;
    • Cash Flow g– рост денежного потока за год;
    • ROE – чистые годовые доходы в расчете на одну акцию;
    • ROA – годовая прибыль до налогобложения, отнесенная к активам по балансу;
    • ROIC– отношение чистых годовых доходов к активам;
    • Tot D/Eq– отношение задолженности компании к ее рыночной капитализации;
    • LT D/Eq– отношение долгосрочной задолженности к капитализации;
    • P/E – отношение цены к чистым доходам на одну акцию;
    • P/S — отношение цены к продажам в расчете на одну акцию.

    В качестве интервала анализа нами выбран год. Это законно с той точки зрения, что если в текущем году компания не имела прибыли, то в нынешнем и последующем годах ее возможности иметь прибыль резко сократятся.

    Таблица 1
    ДАННЫЕ ПО АКЦИЯМ СЕКТОРА 822 (ПО СОСТОЯНИЮ НА 09.02.2001)

    #

    Ticker

    Price

    Value

    Rev. g

    Net Inc g

    Cash Flow g

    ROE

    ROA

    ROIC

    Tot D/Eq

    LT D/Eq

    P/E

    P/S

    1

    ANST

    8.38

    100

    33.3%

    -

    354.0%

    _

    -0.4%

    -0.5%

    0.24

    0

    93.78

    2.65

    2

    ANSS

    13.38

    212

    11.7%

    17.5%

    18.3%

    22.6%

    17.6%

    22.6%

    0

    0

    11.67

    2.7

    3

    ADSK

    36.63

    2 066

    13.0%

    406.2%

    47.8%

    1.6%

    1.1%

    1.6%

    0

    0

    24.2

    2.34

    4

    AVNT

    20.94

    805

    26.3%

    98.5%

    68.4%

    18.0%

    13.0%

    18.0%

    0

    0

    9.86

    2.19

    5

    BSQR

    10.06

    340

    60.4%

    -41.2%

    -

    1.9%

    1.8%

    1.9%

    0

    0

    447

    4.68

    6

    CDN

    26.85

    6 599

    17.1%

    _

    -47.7%

    -

    -1.0%

    -1.4%

    0.01

    0.01

    158.61

    5.49

    7

    DASTY

    58.06

    6 881

    1%

    -14%

    12%

    28%

    17%

    27%

    0.01

    0.01

    82.13

    14.14

    8

    IKOS

    15.06

    133

    29.6%

    152.8%

    122.2%

    33.3%

    16.0%

    33.3%

    0.02

    0

    16.43

    1.77

    9

    INFY

    109.56

    14 496

    109.8%

    133.3%

    -

    30.9%

    28.0%

    30.9%

    0

    0

    127.35

    40.15

    10

    INGR

    7.81

    386

    -24.5%

    -

    -

    -

    -12.2%

    -21.8%

    0.17

    0.14

    39.05

    0.56

    11

    MANH

    30.38

    793

    63.6%

    -

    172.6%

    1.9%

    1.4%

    1.9%

    0.01

    0.01

    59.79

    6.05

    12

    MDII

    7.19

    44

    16.6%

    81.8%

    24.1%

    4.0%

    2.9%

    4.0%

    0

    0

    20.14

    0.97

    13

    MENT

    28.06

    1 812

    15.4%

    _

    164.6%

    0.8%

    0.5%

    0.8%

    0

    0

    33.39

    2.98

    14

    MERQ

    75.31

    6 092

    63.6%

    96.4%

    47.1%

    16.6%

    11.1%

    16.6%

    0.48

    0.48

    116.55

    21.61

    15

    MCRS

    17.88

    310

    -14.4%

    -98.1%

    -39.1%

    9.9%

    5.8%

    9.7%

    0.03

    0.02

    900

    0.96

    16

    MNS

    10.09

    143

    31.8%

    -

    -

    20.6%

    2.7%

    5.1%

    2.77

    2.63

    12.62

    0.84

    17

    PGEO

    5.44

    72

    15.6%

    -

    166.7%

    -

    -5.7%

    -9.3%

    -

    -

    32.71

    1.16

    18

    RATL

    43.56

    8 231

    42.7%

    23.8%

    37.4%

    18.7%

    7.0%

    8.9%

    0.76

    0.75

    96.81

    12.1

    19

    SNPS

    50.69

    3 625

    -2.8%

    -39.4%

    -24.3%

    14.3%

    9.3%

    14.3%

    0.01

    0

    36.65

    4.33

    20

    TTWO

    12.81

    422

    26.5%

    53.4%

    79.6%

    13.4%

    7.1%

    12.5%

    0.52

    0.04

    14.1

    0.94

    21

    TPPP

    1

    31

    -2.6%

    100.0%

    _

    39.1%

    6.9%

    29.1%

    0.27

    0

    10.9

    0.29

    Сек­тор

    в целом:

    0.9%

    -71.3%

    -16.7%

    -22.6%

    -13.6%

    -27%

    0.25

    0.19

    169.1

    35.41

    Источники: [5],[6]


    Поэтому текущий год является показательным для большинства компаний выбранного нами сектора. И более того: условия депресии, в которые попали компании выбранного нами сектора, с необхо­ди­мостью будут воспроизведены и в этом году, поэтому данные прошедшего года оказываются весьма репрезентативными для нашего анализа.

    Закрашенными в таблице 1 являются значения показателей, которые вызывают у нас улыбку, особенно в сочетании с текущей капитализацией этих компаний.

    Первое, что вызывает затруднения – это сущест­вен­ная неоднородность в распределении капитала. На рис. 2 проиллюстрировано соотношение двух факторов: P/E и Value.

    Рис. 2. Соотношение P/E и Value для большинства успешных компаний

    Видно, что большинство значений группируется в диапазоне P/E от 10 до 40, что на порядок меньше среднего по сектору. Это говорит о том, что средневзвешенные значения не подходят в качестве базы для сравнения.

    Рассмотрим еще два существенных фактора: рост продаж (рис. 3) и отношение годовых доходов к активам компании по балансу (рис. 4).

    Рис. 3. Годовой рост продаж

    И в этом случае мы наблюдаем существенное расхождение среднеотраслевых показателей со средними значениями для успешных компаний (0.9% против 20% и –26.5% против 10% соответственно). Однако для оценки нам нужно брать в качестве базы для сравнения именно данные по успешным компаниям.

    Рис. 4. ROIC

    3. ВЫБОР ПОКАЗАТЕЛЕЙ ДЛЯ ОЦЕНКИ И УСТАНОВЛЕНИЕ СИСТЕМЫ ПРЕДПОЧТЕНИЙ

    Приняв к оценке только вполне состоятельные компании, мы можем упростить задачу оценивания, ограничившись следующими 5 факторами:

    • P/E
    • Value
    • Rev. g
    • ROIC
    • Tot D/Eq

    При этом мы устанавливаем следующую систему предпочтения одних показателей другим:

    1 >= 2 >= 3 = 4 = 5                                     (1)

    Формально это означает, что в первую очередь в ходе оценки мы учитываем факторы 1 и 2, а во вторую – факторы 3-5, причем первый фактор видится несколько более значимым, нежели второй. Такая система предпочтений влечет за собой вполне конкретные количественные последствия, о чем будет упомянуто ниже.

    4. НЕЧЕТКАЯ КЛАССИФИКАЦИЯ ЗНАЧЕНИЙ ВЫБРАННЫХ ФАКТОРОВ

    Все дальнейшее изложение вовлекает в оборот термины теории нечетких множеств, с которыми можно познакомиться в [7] и [9].

    Порядок классификации таков.

    Определим лингвистическую переменную «Уровень показателя X» с ее терм-множеством значений: «Очень низкий, Низкий, Средний, Высокий, Очень высокий».

    Для каждого i-го фактора установим нечеткое соответствие его текущего уровня каждому значению лингвистической переменной «Уровень i-го показателя», задав трапезоидную функцию принадлежности вида рис. 5. Нижнее основание трапеции выражает все допустимое множество значений фактора, верхнее – тех значений, когда исследователь устанавливает гарантированное соответствие этих значений выбранному значению лингвистической переменной. Боковые ребра трапеции отражают изменение степени уверенности эксперта в его класси­фи­ка­ции от 1 до 0 и обратно.

    Рис. 5. Функция принадлежности

    В результате анализа данных табл. 1 выстраивается следующая нечеткая классификация выбранных нами параметров (табл. 2).

    Таблица 2
    НЕЧЕТКАЯ КЛАССИФИКАЦИЯ ВЫБРАННЫХ ПАРАМЕТРОВ

    Уровень показателя

    Диапазон значений для факторов:

    P/E для Value

    Value,

    млн. $

    Rev. g,

    %

    ROIC

    %

    Tot D/Eq

    < 1 млрд

    > 1 млрд

    Очень низкий(ОН)

    30 — .

    45 — .

    0-50

    < 0

    <0

    > 1

    ОН-Н

    25-30

    40-45

    50-100

    0 – 5%

    0 – 2%

    0.7 – 1

    Низкий (Н)

    20-25

    30-40

    100-300

    5 — 10%

    2 – 5%

    0.4 – 0.7

    Н-Ср

    15-20

    25-30

    300-500

    10-15%

    5 — 10%

    0.3 – 0.4

    Средний (Ср)

    10-15

    20-25

    500-1000

    15 — 25%

    10-15%

    0.2 – 0.3

    Ср-В

    7-10

    15-20

    1000-3000

    25-30%

    15-20%

    0.15 – 0.2

    Высокий (В)

    5-7

    10-15

    3000-5000

    30-35%

    20-25%

    0.1 – 0.15

    В – ОВ

    5-5

    10-10

    5000-10000

    35-40%

    25-30%

    0.05 — 0.1

    Очень высокий (ОВ)

    2-5

    5-10

    Свыше 10 тыс.

    >40%

    >30%

    0 – 0.05

    Для получения данных таблицы 2 анализировался вид гистограмм распределения компаний по уровням тех или иных факторов.

    Теперь, когда классификация проведена, можно переходить к ранжированию отдельных показателей по их уровню.

    5. РАНЖИРОВАНИЕ ПОКАЗАТЕЛЕЙ

    Нам надо ввести параметр, который характеризует относимость текущего значения фактора нечеткой системе уровней, введенной выше. Назовем этот параметр рангом показателя относительно текущего своего уровня.

    В качестве ранга уместно использовать степень принадлежности уровня данного показателя тому или иному нечеткому подмножеству уровня, задаваемому лингвистической переменной «Уровень показа­теля». Cистема функций принадлежности сконструирована таким образом, что сумма рангов показателя по всем подмножествам равна единице, причем количество ненулевых рангов составляет 1 (для абсолютно уверенной классификации) и 2 (для неуверенной классификации, когда оценка колеблется между двумя соседними нечеткими уровнями).

    В табл. 3 сведены значения рангов для показателя P/E.

    Таблица 3
    ЗНАЧЕНИЯ РАНГОВ ДЛЯ ПОКАЗАТЕЛЯP/E

    #

    Ticker

      Ранг для подмножеств уровня P/E:

       

    ОН

    Н

    Ср

    В

    ОВ

    1

    ANST

    1

    0

    0

    0

    0

    2

    ANSS

    0

    0

    1

    0

    0

    3

    ADSK

    0

    0

    1

    0

    0

    4

    AVNT

    0

    0

    0.047

    0.953

    0

    5

    BSQR

    1

    0

    0

    0

    0

    6

    CDN

    1

    0

    0

    0

    0

    7

    DASTY

    1

    0

    0

    0

    0

    8

    IKOS

    0

    0.714

    0.286

    0

    0

    9

    INFY

    1

    0

    0

    0

    0

    10

    INGR

    1

    0

    0

    0

    0

    11

    MANH

    1

    0

    0

    0

    0

    12

    MDII

    0

    1

    0

    0

    0

    13

    MENT

    0

    1

    0

    0

    0

    14

    MERQ

    1

    0

    0

    0

    0

    15

    MCRS

    1

    0

    0

    0

    0

    16

    MNS

    0

    0

    1

    0

    0

    17

    PGEO

    1

    0

    0

    0

    0

    18

    RATL

    1

    0

    0

    0

    0

    19

    SNPS

    0

    1

    0

    0

    0

    20

    TTWO

    0

    0

    1

    0

    0

    21

    TPPP

    0

    0

    1

    0

    0

    Мы видим в таблице 3 элементы, отличные от нуля и единицы, что как раз и выражает нечеткость ранжирования. Однако два смежных ненулевых элемента строки в сумме обязательно дают единицу.

    В табл. 4 сведены значения рангов для показателя Value.

      Таблица 4

    ЗНАЧЕНИЯ РАНГОВ ДЛЯ ПОКАЗАТЕЛЯValue

    #

    Ticker

      Ранг для подмножеств уровня Value:

       

    ОН

    Н

    Ср

    В

    ОВ

    1

    ANST

    0

    1

    0

    0

    0

    2

    ANSS

    0

    1

    0

    0

    0

    3

    ADSK

    0

    0

    0.467

    0.533

    0

    4

    AVNT

    0

    0

    1

    0

    0

    5

    BSQR

    0

    0.8

    0.2

    0

    0

    6

    CDN

    0

    0

    0

    0.6802

    0.3198

    7

    DASTY

    0

    0

    0

    0.6238

    0.3762

    8

    IKOS

    0

    1

    0

    0

    0

    9

    INFY

    0

    0

    0

    0

    1

    10

    INGR

    0

    0.57

    0.43

    0

    0

    11

    MANH

    0

    0

    1

    0

    0

    12

    MDII

    1

    0

    0

    0

    0

    13

    MENT

    0

    0

    0.594

    0.406

    0

    14

    MERQ

    0

    0

    0

    0.7816

    0.2184

    15

    MCRS

    0

    0.95

    0.05

    0

    0

    16

    MNS

    0

    1

    0

    0

    0

    17

    PGEO

    0.56

    0.44

    0

    0

    0

    18

    RATL

    0

    0

    0

    0.3538

    0.6462

    19

    SNPS

    0

    0

    0

    1

    0

    20

    TTWO

    0

    0.39

    0.61

    0

    0

    21

    TPPP

    1

    0

    0

    0

    0

    В табл. 5 сведены значения рангов для показателя Revenue g.


    Литература

    1. http://www.investools.com/c/IT/InvestorNetwork/PFUNabout3

    2. www.vectorvest.com

    3. http://my.zacks.com/

    4. http://www.artificial-life.ru/default_luci.asp?pSection=products&pContent=products.asp

    5. http://www.quicken.com/investments/seceval/?symbol=ALIF&cmetric=rev&cmetric=summary

    6. http://www.mgfs.com/mggroups.htm

    7. Кофман А., Хил Алуха Х. Введение теории нечетких множеств в управлении предприятиями. Минск: Вышэйшая школа, 1992.

    8. Buckley, J. Solving fuzzy equations in economics and finance // Fuzzy Sets & Systems, 1992, # 48.

    9. Недосекин А. Применение нечетких множеств в задачах управления финансами // Аудит и финансовый анализ, 2000, № 2.

    10. Фишберн П. Теория полезности для принятия решений. М.: Наука, 1978.

    11. Трухаев Р.И. Модели принятия решений в условиях неопределенности. М.: Наука, 1976.

    Контактный телефон: 7 (812) 542-0838
    7 (812) 248-4135 Недосекин Алексей
    E-mail: Alexey.Nedosekin@artificial-life.com
    http: \\www.artificial-life.com



  • Часть 1
  • Часть 2