ДИЗАЙН ОЦІНЮВАННЯ ТА ПРОГНОЗУВАННЯ ФІНАНСОВОЇ БЕЗПЕКИ КРАЇНИ В УМОВАХ УПРАВЛІННЯ ЗМІНАМИ

Автор(и)

DOI:

https://doi.org/10.60022/sis.1.(01).3

Ключові слова:

фінансова безпека, нейронна мережа, прогнозування, фінансовий ринок, кредити, ліквідність, страхування, державний борг, національна грошова одиниця

Анотація

Конкурентоспроможність будь-якої країни знаходиться у прямій залежності від ефективності роботи фінансового сектору. При чому рівень фінансової безпеки обумовлює спроможність країни розвиватися далі на інноваційних засадах. Важливою потребою є моделювання оцінювання та прогнозування фінансової безпеки країни, щоб вчасно корегувати державні рішення, розподіляти ресурси країни для підвищення її фінансової спроможності. У науковому світі не достатньо розвинуті методи моніторингу фінансової безпеки особливо на макрорівні. Потребує поглиблення інструментарій відбору показників необхідних для оцінювання фінансової безпеки. Також у часи інноваційних відкриттів та технологій, методи такої оцінки повинні бути прогресивними та нестандартними. Матеріалами для написання статті слугували статистичні показники, що характеризують фінансовий стан розвитку України. З використанням цих показників можливо вчасно оцінювати рівень фінансової безпеки та розраховувати прогноз. Авторами запропоновано таке групування зазначених показників, яке у найбільш повній мірі буде охоплювати фінансову діяльність країни. Моделювання оцінювання та прогнозування фінансової безпеки країни пропонуємо здійснювати з використанням штучних мереж. Для створення нейронних мереж, їх навчання та застосування при прогнозуванні динаміки показників фінансової безпеки використано пакет прикладних програм Matlab, що включає програму Network Data Manager. Ця програма дає можливість у оптимальний спосіб формувати та обирати нейронні мережі, топологію, активацію та алгоритм навчання. Оцінювання та прогноз фінансової безпеки засвідчив необхідність підвищеної уваги держави до розподілу та накопичення фінансових ресурсів. За нашими підрахунками, у 2023–2025 роках очікується певна стабілізація показників банківської безпеки. Показники співвідношення банківських кредитів та депозитів в іноземній валюті, частки іноземного капіталу в статутному капіталі банків, співвідношення довгострокових кредитів та депозитів, частки активів 5-ти найбільших банків у сукупних активах банківської системи стабілізуються на рівні 2020 року. Рентабельність активів дещо зменшиться і стане від’ємною, а показник співвідношення ліквідних активів до короткострокових зобов’язань зросте до рівня 95,6%. Прогнозується істотне зростання відношення обсягу сукупних платежів з обслуговування та погашення державного боргу до доходів державного бюджету. Запропонований дизайн оцінювання та прогнозування фінансової безпеки країн заснований на використанні штучних нейромереж, які є особливо актуальними в умовах сьогодення. Логіка моделювання є цілком зручною та зрозумілою для зацікавлених та може використовуватися державними посадовцями для систематичного визначення рівня фінансової безпеки країни. Також запропонований дизайн може бути адаптований для використання в інших країнах з метою визначення рівня фінансової безпеки та корегування існуючих фінансових стратегій розвитку держави.

Посилання

Zolkover, A. O., Rusina, Y. O., Bielialov, T. E., & Neseniuk, E. S. (2020). The Influence of Innovative Potential on Gross Production and Economic Security: Regional Analysis. International Journal of Management, 11(4).

Sun, W., & Xu, Y. (2016). Financial security evaluation of the electric power industry in China based on a back propagation neural network optimized by genetic algorithm. Energy, 101, 366–379. https://doi.org/10.1016/j.energy.2016.02.046

Shah, W. U. H., Hao, G., Yan, H., Yasmeen, R., Padda, I. U. H., & Ullah, A. (2022). The impact of trade, financial development and government integrity on energy efficiency: An analysis from G7-Countries. Energy, 255, 124507. https://doi.org/10.1016/j.energy.2022.124507

D’Orazio, P. (2022). Mapping the emergence and diffusion of climate-related financial policies: Evidence from a cluster analysis on G20 countries. International Economics, 169, 135–147. https://doi.org/10.1016/j.inte-co.2021.11.005

Leuz, C., Nanda, D., & Wysocki, P. D. (2003). Earnings management and investor protection: an international comparison. Journal of financial economics, 69(3), 505–527. https://doi.org/10.1016/S0304–405X(03)00121–1

Xu, K., Evans, D. B., Kawabata, K., Zeramdini, R., Klavus, J., & Murray, C. J. (2003). Household catastrophic health expenditure: a multicountry analysis. The lancet, 362(9378), 111–117. https://doi.org/10.1016/s0140-6736(03)13861-5

Kruk, M. E., & Freedman, L. P. (2008). Assessing health system performance in developing countries: a review of the literature. Health policy, 85(3), 263–276. https://doi.org/10.1016/j.healthpol.2007.09.003

Chang, L., Iqbal, S., & Chen, H. (2023). Does financial inclusion index and energy performance index co-move?. Energy Policy, 174, 113422. https://doi.org/10.1016/j.enpol.2023.113422

Tete, K. H., Soro, Y. M., Sidibй, S. S., & Jones, R. V. (2023). Assessing energy security within the electricity sector in the West African economic and monetary union: Inter-country performances and trends analysis with policy implications. Energy Policy, 173, 113336. https://doi.org/10.1016/j.enpol.2022.113336

Cheng, C. Y., Chien, M. S., & Lee, C. C. (2021). ICT diffusion, financial development, and economic growth: An international cross- country analysis. Economic modelling, 94, 662–671. https://doi.org/10.1016/j.econmod.2020.02.008

Oleinyk, A. O., Subbotin, S. O. (2012). Intelligent data analysis: study guide. Zaporizhzhia: ZNTU, 278 p.

##submission.downloads##

Опубліковано

2023-12-29

Як цитувати

Клочан I., & Філіпов D. (2023). ДИЗАЙН ОЦІНЮВАННЯ ТА ПРОГНОЗУВАННЯ ФІНАНСОВОЇ БЕЗПЕКИ КРАЇНИ В УМОВАХ УПРАВЛІННЯ ЗМІНАМИ. Смарт-економіка, підприємництво та безпека, 1(1), 31–42. https://doi.org/10.60022/sis.1.(01).3