Рыночная экономика в системе межхозяйственных связей и финансовых отношений

Цель дискриминантного анализа состоит в том, чтобы на основе измерения различных характеристик объекта классифицировать его, т.е. отнести к одной из нескольких групп некоторым оптимальным способом. Под оптимальным способом понимается либо минимум математического ожидания потерь, либо минимум вероятности ложной классификации. Этот вид статистического анализа является многомерным, так как использует несколько параметров объекта [15].

Загрузим наши данные в STATISTICA добавим переменную «кластер», значениями которой будет получившийся окончательный столбец из таблицы 3.4.

Рисунок 3.18 - Данные для дискриминантного анализа

В программе STATISTICA выберем дискриминантный анализ. В качестве группирующей переменной выберем - «кластер», а в качестве независимых переменных все остальные.

Рисунок 3.19 - Выбор переменных дискриминантный анализ

В качестве кодов переменных выбираем все.

Рисунок 3.20 - Коды переменных

Устанавливая галочку в дополнительных параметрах, мы имеем возможность выбора метода дискриминантного анализа. Выбираем стандартный метод (Рисунок 3.21), после проделанных операций открывается окно результатов (Рисунок 3.22).

Рисунок 3.21 - Выбор метода дискриминантного анализа

Рисунок 3.22 - Окно результатов

В окне результатов мы видим число переменных, значение Лямбды Уилкса, приближенное значение F-статистически с числом степеней свободы, значение p (уровень значимости F-критерия). Значение лямбды принадлежит интервалу [0,1]. Значения лямбда, лежащие около 0, свидетельствуют о хорошей дискриминации. Значения лямбда, лежащие около 1, свидетельствуют о плохой дискриминации.

Можем получить итоговую таблицу анализа данных (Рисунок 3.23). С помощью, которой можно видеть присутствие какой переменной желательно, а какую переменную можно исключить из модели.

Рисунок 3.23 - Итоговая таблица анализа данных

Из приведенных результатов видим, что для дискриминантного анализа необходимы значения всех переменных.

Для проведения дальнейших результатов о природе дискриминации следует провести канонический анализ.

Рисунок 3.24 - Таблица результатов с пошаговым критерием для канонических корней

Данный рисунок позволяет оценить, сколько значимых корней нужно интерпретировать. Видим, что две дискриминантные функции статистически значимы.

Можно также определить канонические значения для каждого наблюдения.

Рисунок 3.25 - Канонические значения для каждого наблюдения

Наблюдения, относимые программой как объекты, принадлежащие одной группе, должны иметь близкие значения дискриминантных функций.

Рисунок 3.26 - Диаграмма рассеивания канонических значений для пар значений дискриминантных функций

На диаграмме видно, что наблюдения, принадлежащие одинаковым группам, локализованы в определенных областях плоскости. Видно, что расстояние между группами совсем не большое, это говорит о схожести этих групп. А также некоторые наблюдения находятся в области других кластеров. Это показывает о некоторых ошибках в разделении на кластеры предприятий.

Рисунок 3.26.1 - Функции классификации

Функции классификации - это линейные функции, которые вычисляются для каждой группы и могут быть использованы для классификации наблюдений. На основе таблицы функции классификации (Рисунок 3.26.1) можно построить классификационную систему уравнений:

где i=1,..,6={катаст., кризис., предкриз., некриз., преусп., успешн.},

Var1= L1, Var2= L3, Var3= P1, Var4= F1, Var5= F2, Var6= F3, Var7= F4, Var8= A2, Var9= A4, Var10= A5, Var11= A6, Var12= R1, Var13= R2, Var14= R3, Var15= R4.

На рисунке 3.27 изображена матрица, которая содержит информацию о количестве и проценте корректно классифицированных наблюдений в каждой группе. Строки матрицы - исходные классы, столбцы - предсказанные классы.

Рисунок 3.27 - Матрица классификации

Классификация наблюдений, изображенная на рисунке 3.28, показывает к какому классу относится наблюдение. Столбец один содержит первый классифицированный выбор, т.е. группу, для которой соответствующее наблюдение имеет наивысшую апостериорную вероятность и наибольшее значение классификационной функции. Наблюдения, помеченные «*», не удалось правильно классифицировать.

В апостериорной таблице (Рисунок 3.29) каждому наблюдению поставлена в соответствии вероятность принадлежности к группам. Чем дальше наблюдение расположено от центра группы, тем менее вероятно, что оно принадлежит этой группе.

Рисунок 3.28 - Классификация наблюдений

Рисунок 3.29 - Апостериорные вероятности

Таким образом, с помощью дискриминантного анализа получили, что к первому «катастрофическое» кластеру относятся такие предприятия как: ОАО "Домостроитель" 2кв 2005, ОАО "Домостроитель" 4кв 2006, ОАО "Домостроитель" 3кв 2007, ООО "Белореченскстрой" 2кв 2010, ООО "Белореченскстрой" 4кв 2010, ООО "Белореченскстрой" 1пол 2011, ООО "Белореченскстрой" 2пол 2011, ООО "Воджилстрой" 2010, ООО "Воджилстрой" 2011, ОАО "Южстальконструкция" 2008.

Ко второму «кризисное» относятся: ЗАО "ДСУ-4" 2кв 2005, ЗАО "ДСУ-4" 1кв 2006, ЗАО "ДСУ-4" 1кв 2007, ЗАО "ДСУ-4" 1кв 2008, ЗАО "ДСУ-4" 2кв 2008, ЗАО "ДСУ-4" 3кв 2008, ОАО "ДЭП-114" 1кв 2005, ОАО "ДЭП-114" 1кв 2006, ОАО "ДЭП-114" 2кв 2006, ОАО "ДЭП-114" 1кв 2007, ОАО "ДЭП-114" 2кв 2007, ОАО "ДЭП-114" 1кв 2008, ОАО "ДЭП-114" 2кв 2008, ОАО "ДЭП-114" 1кв 2009, ОАО "Домостроитель" 1кв 2005, ОАО "Домостроитель" 3кв 2005, ОАО "Домостроитель" 1кв 2006, ОАО "Домостроитель" 2кв 2006, ОАО "Домостроитель" 3кв 2006, ОАО "Домостроитель" 1кв 2007, ОАО "Домостроитель" 2кв 2007, ОАО "Домостроитель" 4кв 2007, ООО ППСО "Исток" 4кв 2005, ООО ППСО "Исток" 4кв 2006, ООО ППСО "Исток" 4кв 2007, ООО "Анапаагрострой" 2009, ООО "Белореченскстрой" 1кв 2010, ООО "Белореченскстрой" 3кв 2010, ООО "Воджилстрой" 2009, ОАО "Касог" 2010, ОАО "Краснодарская монтажно-строительная компания" 2010, ОАО "КРАСНОДАРСТРОЙ" 2кв 2009, ОАО "Медведовское Стоительное Общество" 2010.

К третьему - «предкризисному» относятся: ЗАО "ДСУ-4" 2кв 2007, ЗАО "ДСУ-4" 3кв 2007, ЗАО "ДСУ-4" 4кв 2007, ОАО "ДЭП-114" 2кв 2005, ОАО "ДЭП-114" 3кв 2008, ОАО "Домостроитель" 4кв 2005, ООО "Юскк" 2009, ООО "Девелопмент - Юг" 4кв 2009, ООО "Белореченскстрой" 1пол 2012, ООО "Белореченскстрой" 2пол 2012, ОАО"Головное проектное бюро" 2009, ОАО"Домостроитель" 2009, ОАО "Краснодаравтомост" 2009, ОАО "Краснодаравтомост" 2009, ОАО "КРАСНОДАРСТРОЙ" 3кв 2009, ОАО "КРАСНОДАРСТРОЙ" 1кв 2010, ОАО "Медведовское Стоительное Общество" 2009, ОАО "Наследие Кубани" 2010, ОАО "ГК Олимпстрой" 2010, ОАО "Югмонтажстрой" 2010.

К четвертому кластеру «не кризисное» относятся: ЗАО "ДСУ-4" 1кв 2005, ЗАО "ДСУ-4" 3кв 2005, ЗАО "ДСУ-4" 4кв 2005, ЗАО "ДСУ-4" 3кв 2006, ЗАО "ДСУ-4" 4кв 2008, ОАО "ДЭП-114" 4кв 2005, ОАО "ДЭП-114" 3кв 2007, ОАО "ДЭП-114" 4кв 2007, ООО "Девелопмент - Юг" 1кв 2009, ООО "Девелопмент - Юг" 3кв 2009, ООО "Девелопмент - Юг" 2кв 2010, ООО "Девелопмент - Юг" 3кв 2010, ООО "Белореченскстрой" 2008, ОАО"Головное проектное бюро" 2010, ОАО"Домостроитель" 2010, ОАО "Карасунское инженерное управление" 2009, ОАО "КРАСНОДАРСТРОЙ" 1кв 2009, ОАО "КРАСНОДАРСТРОЙ" 2кв 2010, ОАО "КРАСНОДАРСТРОЙ" 3кв 2010, ОАО "КРАСНОДАРСТРОЙ" 1кв 2011, ОАО "КРАСНОДАРСТРОЙ" 2кв 2011, ОАО "КРАСНОДАРСТРОЙ" 3кв 2011, ОАО "Кубаньпромстройпроект" 2010, ОАО "Новострой" 2010, ОАО "ГК Олимпстрой" 2009, ОАО "Южстальконструкция" 2009, ОАО "КРАСНОДАРГРАЖДАНПРОЕКТ" 2010, ОАО "КРАСНОДАРГРАЖДАНПРОЕКТ" 2009, ОАО "Кубанский Строительный Холдинг" 2010, ОАО "Кубаньпромстройпроект" 2010.

К пятому - «преуспевающее» относятся предприятия: ОАО "ДЭП-114" 4кв 2008, ООО "Девелопмент - Юг" 1кв 2008, ООО "Девелопмент - Юг" 3кв 2008, ООО "Девелопмент - Юг" 4кв 2008, ООО "Девелопмент - Юг" 2кв 2009, ООО "Девелопмент - Юг" 1 кв 2010, ООО "Анапаагрострой" 2010, ООО "Анапагоргаз" 2010, ОАО "Карасунское инженерное управление" 2010, ОАО "Кубаньпромстройпроект" 2011, ОАО "Новострой" 2009, ОАО "Кубанский Строительный Холдинг" 2009.

К шестому кластеру «успешное» относятся такие предприятия как: ЗАО "ДСУ-4" 4кв 2006, ОАО "ДЭП-114" 3кв 2005, ОАО "ДЭП-114" 3кв 2006, ОАО "ДЭП-114" 4кв 2006, ООО "Девелопмент - Юг" 2кв 2008.

Таким образом, дискриминантный анализ показал уже другое разбиение предприятий по кластерам. Теперь перейдем к регрессионному анализу.

3.6 Регрессионный анализ строительных предприятий

Регрессионный анализ тесно связан с другими статистическими методами - методами корреляционного и дисперсионного анализа. В отличии от корреляционного анализа, который изучает направление и силу статистической связи признаков, регрессионный анализ изучает вид зависимости признаков, т.е. параметры функции зависимости одного признака от одного или нескольких других признаков. Таким образом, в регрессионном анализе рассматривается односторонняя зависимость случайной зависимой переменной от одной или нескольких независимых переменных. Независимые переменные называются факторами, или предикторами, а зависимая переменная - результативным признаком, или откликом [15].

Регрессионный анализ количественный, т.е. зависимая переменная должна быть количественной. Поскольку данные нормированы, принадлежат промежутку [0,1], то разобьем этот промежуток на шесть частей, поскольку шесть кластером. Назовем эти значения средними. Таким образом, вместо текстовой переменной, мы зададим среднее значение каждого кластера.

Таблица 3.6 - Средние значения каждого кластера

Кластер	Значение
Катастрофическое	0,15
Кризисное	0,3
Предкризисное	0,4
Не кризисное	0,5
Преуспевающее	0,7
Успешное	0,9

Теперь мы можем приступить к регрессионному анализу строительных предприятий.

Рисунок 3.30 - Данные для регрессионного анализа

В качестве зависимой переменной выбираем - «кластер», в качестве независимой все остальные. Метод выбираем пошаговый с включением.

Рисунок 3.31 - Построение модели

Строим модель и получаем окно результатов:

Рисунок 3.32 - Окно результатов регрессионного анализа

Из приведенных результатов можно сделать вывод, что зависимость между откликом и предикторами нормальная. В нашем случае значение близкое к 0,75. Построенная линейная регрессия адекватно описывает взаимосвязь между откликом и предикторами, свободный член статистически значим.

Рисунок 3.33 - Таблица результатов с подробными статистиками

Коэффициенты бета оцениваются по стандартизованным данным, имеющим выборочное среднее, равное 0 и стандартное отклонение, равное 1. Поэтому величины бета позволяет сравнить вклады каждого предиктора в предсказание отклика. Так, в зависимую переменную кластер большой вклад вносит переменные 9, 12, 15, а меньший - 15, 13.

Рисунок 3.34 - Частные коэффициенты корреляции

Частные коэффициенты корреляции позволяют провести ранжирование предикторов по степени их влияния на отклик. Кроме того, частные коэффициенты корреляции широко используются при решении проблемы отбора предикторов - целесообразность включения того или иного предиктора в модель определяется величиной частного коэффициента корреляции. Из таблицы следует, что предикторы можно проранжировать по степени влияния на отклик в следующем порядке: 5, 12, 9, 6, 10, 11, 3, 8, 14, 2, 1, 15, 13. Причем первые три оказывают наибольшее влияние на отклик.

Важной характеристикой регрессионного анализа является анализ остатков.

Рисунок 3.35 - Анализ остатков Дарбина-Уотсона

Эта статистика характеризует наличие или отсутствие сериальной корреляции между остатками для соседних наблюдений. Существование сериальной корреляции может служить доказательством зависимости наблюдений в файле данных. Из таблицы, приведенной на рисунке 3.35, видно, что статистика Дарбина-Уотсона имеет небольшое значение (1,676857) при умеренной сериальной корреляции (0,160029). Это свидетельствует о некоторой зависимости наблюдений, следовательно, можно говорить о недостаточной устойчивости некоторых значений коэффициентов регрессии, а значит о невысокой адекватности модели изучаемому процессу.

Рисунок 3.36 - Графическое сравнение предсказанных программой значений отклика и наблюдаемых значений

Регрессионный анализ можно использовать для прогноза значений отклика - кластера по значениям предикторов. Выбираем опцию «Предсказать зависимую переменную» и вводим значения переменных.

Рисунок 3.37 - Предсказание зависимой переменной

Получаем таблицу результатов предсказания.

Рисунок 3.38 - Таблица результатов предсказания

В получившейся таблице результатов указан предсказанный кластер равный 0,684919 с 95%-м доверительным интервалом (0,578046; 0,791792). Это значение согласно таблице 3.6 принадлежит не кризисному кластеру, т.е. наше выдуманное предприятие является не кризисным. Линейная модель имеет вид:

Кластер=0,108278+0,025696Var13+0,101827Var1+0,153785Var9+

+0,130601Var12+0,132980Var5+0,083632Var8+0,033728Var15+

+0,103617Var10+0,095484Var2+0,072080Var14+0,062000Var6+

+0,083830Var11+0,106967Var3,

где Var1= L1, Var2= L3, Var3= P1, Var4= F1, Var5= F2, Var6= F3, Var7= F4, Var8= A2, Var9= A4, Var10= A5, Var11= A6, Var12= R1, Var13= R2, Var14= R3, Var15= R4.

Второе и восьмое слагаемые - Var13, Var15 из модели можно исключить, так как коэффициенты при этих переменных статистически незначимы.

Еще одно из условий корректного применения регрессионного анализа является соответствие закона распределения остатков нормальному закону [1].

Рисунок 3.39 - График распределения остатков

Из построенного графика видно, что распределение остатков соответствует нормальному закону.

Итак, регрессионный анализ применим для распределения новых предприятий по кластерам. Это наиболее удачный вариант для получения новых результатов.

3.7 Классификация предприятий строительной отрасли многослойным персептроном

Нейронная сеть является эффективным инструментом в задачах классификации, так как она генерирует бесконечное число нелинейных регрессионных моделей [7].

Для анализа оценки финансово-экономического состояния предприятия с помощью нейронной сети используем пакет STATISTICA Neural Networks. Загрузим нормированные данные предприятий по основным показателям, принадлежащих классам катастрофических, кризисных, предкризисных, некризисных, преуспевающих и успешных предприятий.

Весь набор данных поделен на три части: обучающее множество (60 предприятий, помечены черным), контрольное множество (45 предприятий, помечены красным) и тестируемое множество (6 предприятий, помечены синим) (Рисунок 3.40).

Построим сеть с помощью многослойного персептрона (Multilayer Perceptron) (Рисунок 3.41). Число слоев в сети равно 3, промежуточный слой содержит 9 элементов.

Рисунок 3.40 - Обучающие, контрольные и тестируемые данные по основным показателям

Рисунок 3.41 - Построение сети с помощью многослойного персептрона

Входящих переменных 15 (L1^, L3^, P1^, F1^, F2^, F3^, F4^, A2^, A4^, A5^, A6^, R1^, R2^, R3^, R4^) и одна выходящая переменная с шестью состояниями (катастрофическое, кризисное, предкризисное, некризисное, преуспевающее, успешное) (Рисунок 3.42).

Рисунок 3.42 - Структура созданной сети

Для обучения сети воспользуемся следующими методами:

а) Метод спуска по сопряженным градиентам - алгоритм обучения, довольно быстрый и не требует выбора значения параметров скорости обучения и инерции, количество эпох - 50 (Рисунок 3.43).

б) Метод обратного распространения. Для этого метода были взяты следующие значения: число эпох равным 50, скорость обучения равна 0,1 и инерция - 0,3 (Рисунок 3.44).

в) Квазиньютоновский метод довольно быстрый и как метод спуска по сопряженным градиентам не требует параметров скорости обучения и инерции, количество эпох - 50 (Рисунок 3.45).

Самым точным является метод спуска по сопряженным градиентам, сеть обучена точнее, чем с использованием других методов и общие ошибки минимальны.

Рисунок 3.43 - График и гистограмма общей ошибки обучения сети методом спуска по сопряженным градиентам

Рисунок 3.44 - График и гистограмма общей ошибки обучения сети методом обратного распространения

Рисунок 3.45 - График и гистограмма общей ошибки обучения сети квазиньютоновским методом

С помощью окна прогона набора данных (Рисунок 3.46) получаем окончательную тестируемую и контрольную ошибку, а также ошибку на тестовом множестве.

Рисунок 3.46 - Прогон контрольной и обучающей выборки

Показано фактическое финансовое состояние, целевое финансовое состояние, определенное сетью и ошибки классификации.

Построение сети с помощью многослойного персептрона методом спуска по сопряженным градиентам показала наилучший результат, но в некоторых случаях не определила состояние предприятия или дала ошибку (Таблица 3.7).

Таблица 3.7 - Диагностика состояний исследуемых предприятий с помощью сети

№	Предприятия	Реальное состояние	Диагностика состояний
1	ЗАО "ДСУ-4" 1кв 2005	Некриз	Некриз
2	ЗАО "ДСУ-4" 2кв 2005	Кризис	Кризис
3	ЗАО "ДСУ-4" 3кв 2005	Некриз	Некриз
4	ЗАО "ДСУ-4" 4кв 2005	Некриз	?
5	ЗАО "ДСУ-4" 1кв 2006	Кризис	Кризис
6	ЗАО "ДСУ-4" 2кв 2006	Кризис	Кризис
7	ЗАО "ДСУ-4" 3кв 2006	Некриз	Некриз
8	ЗАО "ДСУ-4" 4кв 2006	Успешн	Успешн
9	ЗАО "ДСУ-4" 1кв 2007	Кризис	Кризис
10	ЗАО "ДСУ-4" 2кв 2007	Предкр	Кризис
11	ЗАО "ДСУ-4" 3кв 2007	Предкр	Предкр
12	ЗАО "ДСУ-4" 4кв 2007	Предкр	Предкр
13	ЗАО "ДСУ-4" 1кв 2008	Кризис	Кризис
14	ЗАО "ДСУ-4" 2кв 2008	Кризис	Кризис
15	ЗАО "ДСУ-4" 3кв 2008	Кризис	Кризис
16	ЗАО "ДСУ-4" 4кв 2008	Некриз	?
17	ЗАО "ДСУ-4" 1кв 2005	Кризис	?
18	ОАО "ДЭП-114" 2кв 2005	Предкр	Кризис
19	ОАО "ДЭП-114" 3кв 2005	Успешн	Успешн
20	ОАО "ДЭП-114" 4кв 2005	Некриз	Успешн
21	ОАО "ДЭП-114" 1кв 2006	Кризис	Кризис
22	ОАО "ДЭП-114" 2кв 2006	Кризис	?
23	ОАО "ДЭП-114" 3кв 2006	Успешн	Успешн
24	ОАО "ДЭП-114" 4кв 2006	Успешн	Успешн
25	ОАО "ДЭП-114" 1кв 2007	Кризис	Кризис
26	ОАО "ДЭП-114" 2кв 2007	Кризис	Кризис
27	ОАО "ДЭП-114" 3кв 2007	Некриз	?
28	ОАО "ДЭП-114" 4кв 2007	Некриз	Некриз
29	ОАО "ДЭП-114" 1кв 2008	Кризис	Кризис
30	ОАО "ДЭП-114" 2кв 2008	Кризис	Кризис
31	ОАО "ДЭП-114" 3кв 2008	Предкр	?
32	ОАО "ДЭП-114" 4кв 2008	Преусп	Преусп
33	ОАО "ДЭП-114" 1кв 2009	Кризис	Кризис
34	ОАО "Домостроитель" 1кв 2005	Кризис	Кризис
35	ОАО "Домостроитель" 2кв 2005	Катастр	Катастр
36	ОАО "Домостроитель" 3кв 2005	Кризис	?
37	ОАО "Домостроитель" 4кв 2005	Предкр	Предкр
38	ОАО "Домостроитель" 1кв 2006	Кризис	Кризис
39	ОАО "Домостроитель" 2кв 2006	Кризис	Кризис
40	ОАО "Домостроитель" 3кв 2006	Кризис	Кризис
41	ОАО "Домостроитель" 4кв 2006	Катастр	Катастр
42	ОАО "Домостроитель" 1кв 2007	Кризис	Кризис
43	ОАО "Домостроитель" 2кв 2007	Кризис	Криз
44	ОАО "Домостроитель" 3кв 2007	Катастр	Катастр
45	ОАО "Домостроитель" 4кв 2007	Кризис	?
46	ООО ППСО "Исток" 4кв 2005	Кризис	Катастр
47	ООО ППСО "Исток" 4кв 2006	Кризис	Кризис
48	ООО ППСО "Исток" 4кв 2007	Кризис	Криз
49	ООО "Юскк" 2009	Предкр	Предкр
50	ООО "Девелопмент - Юг"1кв 2008	Преусп	Некриз
51	ООО "Девелопмент - Юг"2кв2008	Успешн	Успешн
52	ООО"Девелопмент - Юг"3кв 2008	Преусп	?
53	ООО"Девелопмент - Юг"4кв 2008	Преусп	Некриз
54	ООО "Девелопмент - Юг"1кв 2009	Некриз	Некриз
55	ООО "Девелопмент - Юг"2кв 2009	Преусп	Преусп
56	ООО "Девелопмент - Юг"3кв 2009	Некриз	Некр
57	ООО "Девелопмент - Юг"4кв 2009	Предкр	Предкриз
58	ООО "Девелопмент - Юг"1кв 2010	Преусп	?
59	ООО "Девелопмент - Юг"2кв 2010	Некриз	Некр
60	ООО "Девелопмент - Юг"3кв 2010	Некриз	Некриз
61	ООО "Анапаагрострой" 2009	Кризис	Кризис
62	ООО "Анапаагрострой" 2010	Преусп	?
63	ООО "Анапагоргаз" 2010	Преусп	Преусп
64	ООО "Белореченскстрой" 2008	Некриз	Некриз
65	ООО "Белореченскстрой"1кв 2010	Кризис	Кризис
66	ООО "Белореченскстрой"2кв 2010	Катастр	?
67	ООО "Белореченскстрой"3кв 2010	Кризис	Кризис
68	ООО "Белореченскстрой"4кв 2010	Катастр	Катастр
69	ООО"Белореченскстрой"1пол2011	Катастр	Катастр
70	ООО"Белореченскстрой"2пол2011	Катастр	Катастр
71	ООО"Белореченскстрой"1пол2012	Предкр	Предкр
72	ООО"Белореченскстрой"2пол2012	Предкр	Предкр
73	ООО "Воджилстрой" 2009	Кризис	?
74	ООО "Воджилстрой" 2010	Катастр	Катастр
75	ООО "Воджилстрой" 2011	Катастр	Катастр
76	ОАО"Головное проектное бюро" 2009	Предкр	Некриз
77	ОАО"Головное проектное бюро" 2010	Некриз	Некриз
78	ОАО"Домостроитель" 2009	Предкр	Предкр
79	ОАО"Домостроитель" 2010	Некриз	?
80	ОАО "Карасунское инженерное управление" 2009	Некриз	Катастр
81	ОАО "Карасунское инженерное управление" 2010	Преусп	Преус
82	ОАО "Касог" 2010	Кризис	Кризис
83	ОАО "Краснодаравтомост" 2009	Предкр	Предкр
84	ОАО "Краснодаравтомост" 2010	Предкр	Предкр
85	ОАО "Краснодарская монтажно-строительная компания" 2010	Кризис	?
86	ОАО"Краснодарстрой"1кв2009	Некриз	Некриз
87	ОАО"Краснодарстрой"2кв2009	Кризис	?
88	ОАО"Краснодарстрой"3кв2009	Предкр	Предкр
89	ОАО"Краснодарстрой"1кв2010	Предкр	Предкр
90	ОАО"Краснодарстрой"2кв2010	Некриз	Некриз
91	ОАО"Краснодарстрой"3кв2010	Некриз	Некриз
92	ОАО"Краснодарстрой"1кв2011	Некриз	Некриз
93	ОАО"Краснодарстрой"2кв2011	Некриз	Некриз
94	ОАО"Краснодарстрой"3кв2011	Некриз	Некриз
95	ОАО"Кубаньпромстройпроект"2010	Некриз	?
96	ОАО"Кубаньпромстройпроект"2011	Преусп	Предкр
97	ОАО "Медведовское Стоительное Общество" 2009	Предкр	Предкр
98	ОАО "Медведовское Стоительное Общество" 2010	Кризис	Кризис
99	ОАО "Наследие Кубани" 2010	Предкр	?
100	ОАО "Новострой" 2009	Преусп	Некриз
101	ОАО "Новострой" 2010	Некриз	Некриз
102	ОАО "ГК Олимпстрой" 2009	Некриз	Некриз
103	ОАО "ГК Олимпстрой" 2010	Предкр	Предкр
104	ОАО "Югмонтажстрой" 2010	Предкр	Некриз
105	ОАО"Южстальконструкция"2008	Катастр	Катастр
106	ОАО"Южстальконструкция"2009	Некриз	Некриз
107	ОАО "Краснодаргражданпроект" 2010	Некриз	?
108	ОАО "Краснодаргражданпроект" 2009	Некриз	Некриз
109	ОАО "Кубанский Строительный Холдинг" 2010	Некриз	Некриз
110	ОАО "Кубанский Строительный Холдинг" 2009	Преусп	Некриз
111	ОАО"Кубаньпромстройпроект" 2010	Некриз	Преусп

Однако, эти ошибки не столь существенны, так как граница, например между «некризисным» и «предкризисным» предприятием, слишком мала. Но эта сеть точно разделяет «катастрофическое» и «успешное» предприятие.

3.8 Сопоставительный анализ разработанных моделей

Проведем сопоставительный анализ результатов исследований коэффициентным, кластерным анализами, кластеризации сетью Кохонена, статистическими дискриминантным и регрессионным анализами, нейронной сетью. Для этих моделей использовали 28 предприятий за разные кварталы и годы (111 выборок) по 15 основным показателям.

Регрессионный анализ был применен для оценки адекватности построенной модели оценки состояния предприятий, а также для определения классификации новых предприятий. Поэтому в сопоставление результатов анализов регрессионный анализ не входит.

Сопоставим результаты исследований общего состояния предприятий с помощью таблицы 3.8.

Таблица 3.8 - Сопоставление результатов исследования проведенных с помощью коэффициентного, кластерного анализов, кластеризации сетью Кохонена, статистического дискриминантного анализа и нейронной сети общего состояния предприятий

№	Предприятия	Коэфф. анализ	Класт. анализ	Кластер. сетями Кохонена	Дискр. анализ	Нейр. сеть	Реальн. состоян.
1	ЗАО"ДСУ-4"1кв 2005	Некр	Криз	Некр	Некр	Некр	Некр
2	ЗАО"ДСУ-4" 2кв 2005	Криз	Криз	Криз	Криз	Криз	Криз
3	ЗАО"ДСУ-4" 3кв 2005	Некр	Некр	Некр	Некр	Некр	Некр
4	ЗАО"ДСУ-4" 4кв 2005	Некр	Некр	Некр	Некр	?	Некр
5	ЗАО"ДСУ-4" 1кв 2006	Криз	Криз	Криз	Криз	Криз	Криз
6	ЗАО"ДСУ-4" 2кв 2006	Предкр	Криз	Криз	Криз	Криз	Предкр
7	ЗАО"ДСУ-4" 3кв 2006	Некр	Криз	Некр	Некр	Некр	Некр
8	ЗАО"ДСУ-4" 4кв 2006	Усп	Преусп	Усп	Усп	Усп	Усп
9	ЗАО"ДСУ-4" 1кв 2007	Предкр	Криз	Криз	Криз	Криз	Предкр
10	ЗАО"ДСУ-4"2кв2007	Предкр	Предкр	Предкр	Предкр	Криз	Предкр
11	ЗАО"ДСУ-4"3кв2007	Предкр	Предкр	Предкр	Предкр	Предкр	Предкр
12	ЗАО"ДСУ-4"4кв2007	Предкр	Предкр	Предкр	Предкр	Предкр	Предкр
13	ЗАО"ДСУ-4"1кв2008	Криз	Криз	Криз	Криз	Криз	Криз
14	ЗАО"ДСУ-4"2кв2008	Криз	Криз	Криз	Криз	Криз	Криз
15	ЗАО"ДСУ-4"3кв2008	Криз	Криз	Криз	Криз	Криз	Криз
16	ЗАО"ДСУ-4"4кв2008	Некр	Некр	Некр	Некр	?	Некр
17	ОАО "ДЭП-114"1кв 2005	Криз	Криз	Некр	Криз	?	Криз
18	ОАО "ДЭП-114"2кв 2005	Предкр	Предкр	Предкр	Предкр	Криз	Предкр
19	ОАО"ДЭП-114"3кв 2005	Усп	Некр	Усп	Усп	Усп	Усп
20	ОАО "ДЭП-114"4кв 2005	Предкр	Криз	Усп	Некр	Усп	Предкр
21	ОАО "ДЭП-114"1кв 2006	Криз	Криз	Криз	Криз	Криз	Криз
22	ОАО"ДЭП-114"2кв 2006	Криз	Криз	Криз	Криз	?	Криз
23	ОАО"ДЭП-114" 3кв 2006	Усп	Некр	Усп	Усп	Усп	Усп
24	ОАО"ДЭП-114"4кв 2006	Усп	Некр	Усп	Усп	Усп	Усп
25	ОАО"ДЭП-114" 1кв 2007	Криз	Криз	Криз	Криз	Криз	Криз
26	ОАО "ДЭП-114" 2кв 2007	Криз	Криз	Криз	Криз	Криз	Криз
27	ОАО "ДЭП-114" 3кв 2007	Некр	Некр	Некр	Некр	?	Некр
28	ОАО "ДЭП-114" 4кв 2007	Некр	Некр	Некр	Некр	Некр	Некр
29	ОАО "ДЭП-114" 1кв 2008	Криз	Криз	Криз	Криз	Криз	Криз
30	ОАО "ДЭП-114" 2кв 2008	Предкр	Криз	Криз	Криз	Криз	Предкр
31	ОАО "ДЭП-114" 3кв 2008	Предкр	Предкр	Некр	Предкр	?	Предкр
32	ОАО "ДЭП-114" 4кв 2008	Преусп	Преусп	Усп	Преусп	Преусп	Преусп
33	ОАО "ДЭП-114" 1кв 2009	Предкр	Криз	Криз	Криз	Криз	Предкр
34	ОАО "Домостроитель" 1кв 2005	Криз	Криз	Криз	Криз	Криз	Криз
35	ОАО "Домостроитель" 2кв 2005	Катаст	Катаст	Катаст	Катаст	Катаст	Катаст
36	ОАО "Домостроитель" 3кв 2005	Криз	Криз	Криз	Криз	?	Криз
37	ОАО "Домостроитель" 4кв 2005	Предкр	Предкр	Предкр	Предкр	Предкр	Предкр
38	ОАО "Домостроитель" 1кв 2006	Криз	Криз	Криз	Криз	Криз	Криз
39	ОАО "Домостроитель" 2кв 2006	Катаст	Катаст	Криз	Криз	Криз	Катаст
40	ОАО "Домостроитель" 3кв 2006	Катаст	Криз	Криз	Криз	Криз	Катаст
41	ОАО "Домостроитель" 4кв 2006	Катаст	Катаст	Катаст	Катаст	Катаст	Катаст
42	ОАО "Домостроитель" 1кв 2007	Криз	Криз	Криз	Криз	Криз	Криз
43	ОАО "Домостроитель" 2кв 2007	Криз	Криз	Катаст	Криз	Криз	Криз
44	ОАО "Домостроитель" 3кв 2007	Катаст	Катаст	Катаст	Катаст	Катаст	Кататс
45	ОАО "Домостроитель" 4кв 2007	Криз	Криз	Катаст	Криз	?	Криз
46	ООО ППСО "Исток" 4кв 2005	Криз	Криз	Криз	Криз	Катаст	Криз
47	ООО ППСО "Исток" 4кв 2006	Криз	Криз	Криз	Криз	Криз	Криз
48	ООО ППСО "Исток" 4кв 2007	Криз	Криз	Криз	Криз	Криз	Криз
49	ООО "Юскк" 2009	Предкр	Предкр	Предкр	Предкр	Предкр	Предкр
50	ООО"Девелопмент-Юг"1кв2008	Преусп	Преусп	Преусп	Преусп	Некр	Преусп
51	ООО"Девелопмент-Юг"2кв2008	Усп	Преусп	Усп	Преусп	Усп	Усп
52	ООО"Девелопмент-Юг"3кв2008	Преусп	Преусп	Преусп	Преусп	?	Преусп
53	ООО"Девелопмент-Юг"4кв2008	Некр	Некр	Преусп	Преусп	Некр	Некр
54	ООО"Девелопмент-Юг"1кв2009	Некр	Некр	Некр	Некр	Некр	Некр
55	ООО"Девелопмент-Юг"2кв2009	Некр	Преусп	Преусп	Усп	Преусп	Некр
56	ООО"Девелопмент-Юг"3кв2009	Некр	Некр	Некр	Некр	Некр	Некр
57	ООО"Девелопмент-Юг"4кв2009	Предкр	Предкр	Предкр	Предкр	Предкр	Предкр
58	ООО"Девелопмент-Юг"1кв2010	Преусп	Преусп	Преусп	Преусп	?	Преусп
59	ООО"Девелопмент-Юг"2кв2010	Некр	Некр	Некр	Некр	Некр	Некр
60	ООО"Девелопмент-Юг"3кв2010	Некр	Некр	Некр	Некр	Некр	Некр
61	ООО "Анапаагрострой" 2009	Криз	Криз	Криз	Криз	Криз	Криз
62	ООО "Анапаагрострой" 2010	Усп	Преусп	Преусп	Криз	?	Усп
63	ООО "Анапагоргаз" 2010	Преусп	Преусп	Преусп	Преусп	Преусп	Преусп
64	ООО "Белореченскстрой" 2008	Некр	Некр	Некр	Некр	Некр	Некр
65	ООО"Белореченскстрой"1кв2010	Криз	Криз	Криз	Криз	Криз	Криз
66	ООО"Белореченскстрой"2кв2010	Катаст	Катаст	Катаст	Катаст	?	Катаст
67	ООО"Белореченскстрой"3кв2010	Криз	Криз	Криз	Криз	Криз	Криз
68	ООО"Белореченскстрой"4кв2010	Катаст	Катаст	Катаст	Катаст	Катаст	Катаст
69	ООО"Белореченскстрой"1п. 2011	Катаст	Катаст	Катаст	Катаст	Катаст	Катаст
70	ООО"Белореченскстрой"2п.2011	Катаст	Катаст	Катаст	Катаст	Катаст	Катаст
71	ООО"Белореченскстрой"1п.2012	Предкр	Предкр	Предкр	Предкр	Предкр	Предкр
72	ООО"Белореченскстрой"2п.2012	Предкр	Предкр	Предкр	Предкр	Предкр	Предкр
73	ООО "Воджилстрой" 2009	Криз	Криз	Криз	Криз	?	Криз
74	ООО "Воджилстрой" 2010	Катаст	Катаст	Катаст	Катаст	Катаст	Катаст
75	ООО "Воджилстрой" 2011	Катаст	Катаст	Катаст	Катаст	Катаст	Катаст
76	ОАО"Головное проектное бюро"2009	Предкр	Усп	Предкр	Предкр	Некр	Предкр
77	ОАО"Головное проектное бюро" 2010	Некр	Некр	Некр	Некр	Некр	Некр
78	ОАО"Домостроитель" 2009	Предкр	Предкр	Предкр	Предкр	Предкр	Предкр
79	ОАО"Домостроитель" 2010	Некр	Некр	Некр	Некр	?	Некр
80	ОАО "Карасунское инженерное управление" 2009	Некр	Некр	Некр	Некр	Катаст	Некр
81	ОАО "Карасунское инженерное управление" 2010	Преусп	Преусп	Преусп	Преусп	Преусп	Преусп
82	ОАО "Касог" 2010	Криз	Криз	Криз	Криз	Криз	Криз
83	ОАО "Краснодаравтомост" 2009	Предкр	Предкр	Предкр	Предкр	Предкр	Предкр
84	ОАО "Краснодаравтомост" 2010	Предкр	Предкр	Предкр	Предкр	Предкр	Предкр
85	ОАО "Краснодарская монтажно-строительная компания" 2010	Криз	Криз	Катаст	Криз	?	Криз
86	ОАО"КРАСНОДАРСТРОЙ"1кв2009	Некр	Некр	Некр	Некр	Некр	Некр
87	ОАО"КРАСНОДАРСТРОЙ"2кв2009	Криз	Криз	Криз	Криз	?	Криз
88	ОАО"КРАСНОДАРСТРОЙ"3кв2009	Предкр	Предкр	Предкр	Предкр	Предкр	Предкр
89	ОАО"КРАСНОДАРСТРОЙ"1кв2010	Предкр	Предкр	Предкр	Предкр	Предкр	Предкр
90	ОАО"КРАСНОДАРСТРОЙ"2кв2010	Некр	Некр	Некр	Некр	Некр	Некр
91	ОАО"КРАСНОДАРСТРОЙ"3кв2010	Некр	Некр	Некр	Некр	Некр	Некр
92	ОАО"КРАСНОДАРСТРОЙ"1кв2011	Некр	Некр	Некр	Некр	Некр	Некр
93	ОАО"КРАСНОДАРСТРОЙ"2кв2011	Некр	Некр	Некр	Катаст	Некр	Некр
94	ОАО"КРАСНОДАРСТРОЙ"3кв2011	Некр	Некр	Некр	Катаст	Некр	Некр
95	ОАО"Кубаньпромстройпроект"2010	Некр	Некр	Некр	Некр	?	Некр
96	ОАО"Кубаньпромстройпроект"2011	Преусп	Преусп	Преусп	Преусп	Предкр	Преусп
97	ОАО "Медведовское Стоительное Общество" 2009	Преусп	Предкр	Кризис	Предкр	Предкр	Преусп
98	ОАО "Медведовское Стоительное Общество" 2010	Криз	Криз	Криз	Криз	Криз	Криз
99	ОАО "Наследие Кубани" 2010	Преусп	Предкр	Криз	Предкр	?	Преусп
100	ОАО "Новострой" 2009	Некр	Усп	Некр	Преусп	Некр	Некр
101	ОАО "Новострой" 2010	Предкр	Предкр	Преусп	Некр	Некр	Предкр
102	ОАО"ГК Олимпстрой" 2009	Некр	Некр	Некр	Некр	Некр	Некр
103	ОАО"ГК Олимпстрой" 2010	Некр	Предкр	Криз	Предкр	Предкр	Некр
104	ОАО "Югмонтажстрой" 2010	Некр	Некр	Криз	Предкр	Некр	Некр
105	ОАО"Южстальконструкция" 2008	Катаст	Катаст	Катаст	Катаст	Катаст	Катаст
106	ОАО"Южстальконструкция" 2009	Некр	Некр	Некр	Некр	Некр	Некр
107	ОАО "Краснодаргражданпроект" 2010	Некр	Некр	Некр	Некр	?	Некр
108	ОАО "Краснодаргражданпроект" 2009	Некр	Некр	Некр	Некр	Некр	Некр
109	ОАО "Кубанский Строительный Холдинг" 2010	Некр	Некр	Некр	Некр	Некр	Некр
110	ОАО "Кубанский Строительный Холдинг" 2009	Некр	Усп	Некр	Преусп	Некр	Некр
111	ОАО"Кубаньпромстройпроект" 2010	Некр	Некр	Некр	Некр	Преусп	Некр

Так как теми предприятиями для которых проводился анализ аудиторские заключения представлены не были, реальная оценка (без модели) этих предприятий проводилась с помощью экономического коэффициентного анализа, подробно описанного в работах Коваленко, Жарковского, который заключается в вычислении стандартных коэффициентов финансово - экономического анализа, которые затем объединены в группы укрепленных показателей (ликвидности, платежеспособности, финансовой устойчивости, деловой активности, рентабельности) при условии равнозначности. А затем значения данных коэффициентов классифицируются по пентошкале, предложенной Недосекиным. Аналогичным образом укрупненные показатели объединяются в один итоговый результирующий показатель.

Как видно из таблицы кластерный анализ дал 21 неверных результатов из 111, иначе говоря в 18,91% случаях. Кластеризация сетями Кохонена дала такой же результат. Дискриминантный анализ дал неправильных результатов 20 - 18,01%. И нейронная сеть дала неверных 19 ответов - 17,11%. И 19 выборки нейронная сеть не определила. Это объясняется тем, что граница между близкими кластерами слишком мала. Зато нелинейная структура нейронных сетей позволяет эффективно оценивать состояние предприятий, где линейные модели дают ошибочные результаты.

Рисунок 3.48 - Сопоставительный анализ результатов исследований кластерным анализом, кластеризации сетью Кохонена, статистическим дискриминантным анализам и нейронной сетью

Таким образом, для наилучшего результата финансовой оценки предприятия необходимо комплексно использовать данные модели.

Заключение

Рыночная экономика изменила систему межхозяйственных связей и финансовых отношений. Однако в этих условиях устойчивость предприятия на рынке не теряет своего значения, а наоборот, становится важнейшей составляющей оценки финансово-хозяйственной деятельности, и планирования будущего развития [15].

Решающим условием в обеспечении экономического роста становится инвестиционный прорыв. Но чтобы инвестиции стали значимым фактором существенную роль в их материальном обеспечении должно играть отечественное производство инвестиционных товаров, в частности, капитальное строительство.

Строительство является одной из наиболее важных отраслей экономики. На сегодняшний день в строительной отрасли из-за нехватки финансирования, проблем с получением банковских кредитов, сокращения объемов ипотечного кредитования, а также возможного снижения платежеспособности населения, многие строительные компании сокращают объемы ввода жилья [22].

Основными факторами, сдерживающими деятельность строительных организаций, являются «высокая стоимость материалов, конструкций, изделий», «высокий уровень налогов» и «конкуренция со стороны других строительных фирм» [24].

С целью определения основных приоритетов деятельности поставщиков строительных материалов, подрядчиков, заказчиков и потребителей строительной продукции выявлены следующие области:

- финансовая область (цены на строительные материалы и услуги, инвестиции, кредиты банков);

- область маркетинга (качество оказываемых услуг, применение новых технологий, наличие фирм-конкурентов);

- область сезонности и экологии (время года (сезонность строительства) и экологичность строительства).

Изучив современные методы и средства кластерного анализа были сделаны следующие выводы:

- многомерный статистический кластерный анализ используется для понимания данных путём выявления кластерной структуры, разбиение выборки на группы схожих объектов позволяет упростить дальнейшую обработку данных и принятия решений, применяя к каждому кластеру свой метод анализа, сжатие данных, обнаружение новизны (выделяются нетипичные объекты, которые не удаётся присоединить ни к одному из кластеров);

- нейронные сети вошли в практику везде, где нужно решать задачи прогнозирования, классификации или управления;

- одно из главных преимуществ многослойного персептрона, это возможность решать алгоритмически неразрешимые задачи или задачи, для которых алгоритмическое решение неизвестно, но для которых возможно составить репрезентативный набор примеров с известными решениями;

- самоорганизующиеся карты Кохонена могут использоваться для решения таких задач, как моделирование, прогнозирование, поиск закономерностей в больших массивах данных, выявление наборов независимых признаков и сжатие информации;

Для достижения поставленной цели в выпускной квалификационной работе были решены следующие задачи:

1) Составлена база данных строительных предприятий Краснодарского края (Рисунок 3.2);

2) Изучены основные особенности нейросетевого моделирования;

3) Проведен коэффициентный анализ составленной базы данных предприятий (Таблица 3.4);

4) Проведен многомерный кластерный анализ для выделения в составленной базе данных характерных групп (Таблица 3.4);

5) Проведена нейросетевая кластеризация сетями Кохонена, для выделения в составленной базе данных характерные группы предприятий (Таблица 3.4);

6) Проведен сопоставительный анализ полученных кластеров п.4,5. На основе проведенного исследования сформированы новые кластеры характерных групп предприятий (Таблица 3.4);

7) Используя многомерные статистические методы, проведен дискриминантный анализ составленной базы данных предприятий (Таблица 3.8);

8) Используя нейросетевые методы, построена модель, типа многослойный персептрон, для оценки составленной базы данных предприятий (Таблица 3.7);

9) Проведен сопоставительный анализ результатов оценки финансово - экономического состояния строительных предприятий Краснодарского края (Таблица 3.8);

10) Подведены итоги исследования. Выявлены основные закономерности развития строительной отрасли Краснодарского края (Рисунок 3.48).

Таким образом, при исследовании состояния предприятия кластерная модель не дает для отдельно взятого предприятия полную адекватную оценку его состояния, так как не является репрезентативной и её необходимо дополнять нейросетевыми моделями оценки и коэффициентным анализом, который дает хороший результат. Такая группа методов уже является репрезентативной. Поэтому для наилучшего результата финансовой оценки предприятия необходимо комплексно использовать данные модели.

Список использованных источников

1 Бакаев А.С., Шнейдман Л.З. Финансово-хозяйственная деятельность предприятия. / М.: «Бухгалтерский учет» 2004г.

2 Барский А.Б. Нейронные сети: Распознавание, управление, принятие решений. Финансы и статистика, 2007 г. - 175 с.

3 Боровиков В.П. Нейронные сети. STATISTICA Neural Networks: Методология и технологии современного анализа данных. Горячая Линия-Телеком, 2008. - 392 с.

4 Боровиков В.П. STATISTICA: искусство анализа данных на компьютере (2-ое издание). Питер: 2003 г. - 686 с.

5 Быкадоров В.Л., Алексеев П.Д. Финансово-экономическое состояние предприятия:Практическое пособие. - М.:”Издательство ПРИОР”, 2000. - 96 с.

6 Коваленко А.В. Многомерный статистический анализ предприятия: монография / Уртенов М.Х., Узденов У.А., М.: ACADEMIA, 2009. - 240с.

7 Недосекин А.О. Сводный финансовый анализ российских предприятий за 2000-2003 гг. Аудит и финансовый анализ, 2005.

8 Пястолов С.М. Экономический анализ деятельности предприятий. Учебное пособие. - М.: Академический Проект, 2003. - 572 с.

9 Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. Горячая Линия-Телеком, 2008.- 452 с.

10 Савицкая, Г.В. Анализ хозяйственной деятельности предприятия: учеб. пособие / Г.В. Савицкая. - 7-е изд., испр. - М.: Новое знание, 2002. - 704 с.

11 Смирнов В.И. Прогнозирование и классификация экономических систем в условиях неопределённости методами искусственных нейронных сетей. Оренбург, 2003. -280 с.

12 Статья: особенности строительства и их влияние на информационную систему управления (пупшис т.ф., кузнецова е.б.) ("строительство: налогообложение, бухучет", 2004, n 3)

13 Фомин, Я.А. Диагностика кризисного состояния предприятия / Я.А. Фомин. - М.:Юнити-Дана. 2003. - 349 с.

14 Хайкин С. Нейронные сети: полный курс, 2-е издание. Вильямс, 2008 г. - 1104 с.

15 Халафян А.А. STATISTICA 6. Статистический анализ данных. Москва: Бином-Пресс, 2008. - 512 с.

16 Шеремет А.Д., Сайфулин Р.С. Методика финансового анализа. - М.: ИНФРА-М, 2004. - 320 c.

17 Шишкоедов Н.Н. Методика финансового анализа предприятий. // Экономичекий анализ: теория и практика, 2005, № 38. - 176 с.

18 Шмален Г. Основы и проблемы экономики предприятия: Пер. с нем. / Под ред. проф. А.Г. Поршнева. -- М.: Финансы и статистика, 2004. -- 512 с.

19 Экономика строительного предприятия. Под ред. Королева С. А., Крикунова А.В. \\ М.: 2006 г.

20 Строительство//wikipedia.org - свободная энциклопедия Википедия.2013.URL: http://en.wikipedia.org/wiki/Строительство (дата обращения: 10.05.2013).

21 Портал южного региона// yuga.ru-ежедн. инт. издание «Юга.ру» 2013. URL: http://dom.yuga.ru/ (дата обращения: 25.05.2013).

22 Строительный портал. Строительные фирмы, компании, сайты, рынки// stroylist.ru-еженед. инт. издание «Строительный портал» 2011. URL: http://www.stroylist.ru/ (дата обращения: 30.05.2013)

23 Федеральная служба государственной статистики// gks.ru-ежедн. инт. журнал «Федеральная служба государственной статистики» 2013. URL: http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/enterprise/ (дата обращения: 30.05.2013)

24 Экономический портал//http://ecouniver.com-еженед. инт. журнал «Экономический портал» 2013. URL: http://ecouniver.com (дата обращения: 02.06.2013)

Размещено на Allbest.ru