Journal articles on the topic 'Фінансовий аналітик'

У статі досліджено концептуальні основи аналітики у банківській сфері, що сприяє зміцненню фінансової стійкості установ у сучасному мінливому та динамічному бізнес-середовищі. Здійснено оцінку вітчизняного банківського сектору. Виявлено, що у 2018 р. політична ситуація в країні не мала значного впливу на роботу банківського сектору: депозити населення та бізнесу не знизилися, банки залишаються ліквідними та безперебійно здійснюють усі платежі. Це свідчить про відновлення довіри клієнтів до банківської системи.Визначено переваги використання банками аналітики у процесі здійснення своєї діяльності. Виявлено п'ять областей, в яких банки можуть підвищити прибутковість та зміцнити свою фінансову стійкість за умов використання бізнес-аналітики. Встановлено, що аналіз фокусується на розумінні того, що сталося, в той час як бізнес-аналітика концентрується на тому, чому це сталося, а також на тому, що буде далі. Бізнес-аналітика розпізнає закономірності в даних і на основі цих даних допомагає прогнозувати майбутнє.Вивчено зарубіжну літературу щодо трактування терміну “аналітика”. За результатами проведеного дослідження сформовано авторське бачення термінів “аналітика” та “бізнес-аналітика”, що дасть змогу застосувати емпіричний підхід у проведенні наступних наукових досліджень з метою вирішення окресленої проблематики.Досліджено, що в Україні в банківській та інших сферах вже існують вакансії аналітика (бізнес-аналітика), до якого ставляться наступні вимоги: навики роботи з програмним забезпеченням; вміння застосовувати аналіз, моделювання та здійснювати налаштування бізнес-процесів, опис і тестування бізнес-процесів; розгляд звернень користувачів та надання консультацій, формування звітів/претензій на періодичній основі або за запитом, і звичайно володіння англійською мовою.

В статті розглянуто основні етапи виконання фінансового аналізу, а саме: відбір та підготовка інформації, необхідної для фінансового аналізу. загальна оцінка фінансового стану підприємства, інтерпретація отриманих результатів. Виділено основні функції програмного забезпечення фінансового аналізу: консолідація та порівняння фінансових операцій та бухгалтерських записів, ефективна фінансова комунікація із зацікавленими сторонами, оцінка фінансового стану, приймання рішення щодо інвестування та фінансування, розвиток фінансових цілей, прогнозування. До основних користувачів програмного забезпечення фінансового аналізу підприємства відносяться: бухгалтерські відділи, менеджери, команди з фінансового планування та аналізу. Зроблено висновок про те, що застосування програмного забезпечення на підприємствах дозволяє: проаналізувати вплив на досліджуваний об'єкт широкого круга внутрішніх і зовнішніх чинників; підвищити достовірність і надійність отриманих результатів фінансового аналізу; створити можливості для проведення комплексних досліджень для аналізу фінансової діяльності підприємства, що полегшує роботу із проведення фінансового аналізу підприємства та оцінки фінансової стійкості; підвищити системності фінансового аналізу, що обумовлене необхідністю чіткого визначення і формалізації аналітичних завдань при їх розв’язанні в автоматичному режимі Також зроблено висновок про те, що важливість автоматизації аналізу та прогнозування фінансових результатів бізнесу відображається у швидкій трансформації бізнесу, яка передбачає використання інформаційних технологій для оптимізації бізнес-процесів та підвищення ефективності, з якою підприємства приймають обґрунтовані управлінські рішення. Можна зробити висновок, що впровадження та використання сучасних інструментів фінансового аналізу на вітчизняних підприємствах є дуже важливим завданням у стрімкому розвитку світової економіки та ринку технологій, тому слід приділяти увагу підвищенню кваліфікації фінансових кадрів.

У статті досліджено проблему аналітичного забезпечення управління підприємства за умов використання аналітиком недостовірної фінансової звітності. Достовірність таких звітів має двоїсту природу: містить правдиву інформацію і є доречною для користувачів; відповідає вимогам законодавчо-нормативних документів. Причинами ненавмисного порушення правдивості фінансових звітів може бути недостатня компетентність облікових працівників, їхня недобросовісність під час виконання облікових процедур, недосконалість чи наявність альтернативних положень чинного законодавства, а навмисного – бажання викривити фінансову інформацію для фальсифікації реального фінансового стану підприємства перед кредиторами, інвесторами, діловими партнерами. На практиці часто використовують різні способи викривлення показників фінансової звітності підприємства. Низька якість перевірки аналітиком достовірності фінансової звітності призводить до недовіри користувачів до результатів фінансового аналізу під час прийняття управлінських рішень.

Фінансова грамотність один з найнеобхідніших навиків для сучасної людини. Зростання матеріальних статків у значній мірі залежить від того, на скільки розумно людина використовує ресурси та розпоряджається грошима. Ведення та аналітика доходів і витрат перший крок до успіху у керуванні фінансами. У даній статті розглядається розробка додатку в IDE Android Studio для ведення та аналітики фінансів.

Показники рентабельності – це відносні показники, які застосовують для порівняння підприємств різних галузей, форм власності, розмірів, обсягів реалізації продукції та ін. Розрахунок показників рентабельності, оцінка ефективності господарювання за допомого них та розрахунок їх прогнозних величин з використанням MS Excel є важливим елементом оцінки фінансової діяльності кожного підприємства. В даний час використовуються різні підходи, методики розрахунку фінансових результатів діяльності підприємства, в тому числі з використанням функцій і можливостей MS Excel, а отже, змінюється характеристика даних показників, їх інтерпретація, умови розрахунків тощо. Використання таблиць Excel дає можливість не тільки розрахувати показники рентабельності підприємства, визначити тренд та побудувати графіки, які демонструють динаміку показників, а й розрахувати прогнозні показники рентабельності, що дасть можливість покращити менеджмент підприємства та спрямувати перспективи його розвитку. В статті дана характеристика наукових підходів до економічної сутності поняття «рентабельність» та системи показників, що характеризують рентабельність підприємства. З’ясовано, що всі вчені економісти одностайні у твердженні, що рентабельність – це показник ефективності фінансово-господарської діяльності підприємства і відображає відношення результату господарювання до його витрат. Проте немає єдиної думки про систему показників рентабельності. В статті виділено систему показників, за якою характеризується ефективність лісових господарств Волинської області. Проведено аналіз показників рентабельності за 9 років господарської діяльності п’яти лісових господарств. З’ясовано тренд підприємств і визначено, що розвиток підприємств відбувається за синусоїдою. Це дало можливість розрахувати та запропонувати до практичного застосування прогноз цих показників за допомогою використання функцій прогнозування TREND, FORECAST, GROWTH, LINEST. Обґрунтовано, що функції TREND, FORECAST, GROWTH, LINEST та Аркуш прогнозу дозволяють зробити «швидкий» прогноз зміни показників на будь-який період.

На підставі дослідження категоріального апарату чинного законодавства, національних та міжнародних стандартів бухгалтерського обліку, точок зору науковців щодо сутності і функцій уточнено визначення виплат працівникам як об’єкта обліку і фінансової звітності на сучасному етапі реформування державного управління. Запропонований підхід до поглиблення аналітики обліку виплат працівникам як найвагомішої статті витрат суб’єктів державного сектору з урахуванням потреб управління органом місцевого самоврядування та підзвітності громадськості. Одночасно обґрунтованопропозиції щодо удосконалення аналітики обліку зобов’язань з виплат працівникам. Доповнено типовий план рахунків бухгалтерського обліку для відображення операцій з виплат працівникам.Розроблені рекомендації до розкриття виплат працівникам у фінансовій звітності, що підвищать якість інформації, яка надаватиметься внутрішнім та зовнішнім користувачам.

В статті актуалізовано необхідність розробки методології ефективного запровадження похідних фінансових інструментів у фінансово-економічну діяльність суб’єктів господарювання. Обґрунтовано доцільність створення методології предикативної аналітики для визначення рівня координаційних деструкцій в економіці у розрізі грошово-кредитного, валютного, фондового і товарно-сировинного ринків для об’єктно-орієнтованого структурного моделювання з метою мінімізації ринкових деструкцій. Рівень координаційних деструкцій на ринку визначено як тривале односпрямоване відхилення рівноважних значень параметрів предикатів ринків від їх фактичних значень, що засвідчує недієвість ринкових механізмів попиту і пропозиції на даному ринку. Розроблено механізм формування синтетичної форвардної позиції для визначення рівноважних значень параметрів предикатів ринків із подальшим визначенням рівня координаційних деструкцій в економіці.

У статті досліджено сутність факторного аналізу та його види. Ідентифіковано та прокласифіковано фактори впливу на формування прибутку будівельних підприємств. Виконано факторний аналіз валового прибутку та прибутку операційної діяльності ТзОВ «Реноме-Євробуд» за 2014–2018 рр. методом ланцюгових підстановок та відносних різниць. Запропоновано факторні моделі, і встановлено вплив факторів на результуючі показники. Проведено факторний аналіз чистого прибутку ПП «Рівнеспецбуд» за 2015–2018 рр. методом ланцюгових підстановок, охарактеризовано результати факторного аналізу. Окреслено чинники зростання чистого прибутку будівельних підприємств. Здійснено критичний аналіз думок вчених-аналітиків щодо сутності собівартості будівельно-монтажних робіт. Охарактеризовано напрями її мінімізації.

Впровадження інтерактивних методик у викла-данні фахових дисциплін дає змогу докорінно змінитиставлення до об’єкта навчання, перетворивши йогона суб’єкт. Студент стає співавтором лекції, семі-нарського заняття тощо. У статті досліджено по-рядок застосування інтерактивних форм навчаннядля виховання у студентів таких якостей майбут-нього фахівця, що сприяли б виконанню поставленихперед ними завдань, формування комплексу аналітич-них, прогностичних, інноваційних і організаційно-комунікативних здібностей. Introduction of interactive teaching methods in professional disciplines enables to change the attitude to learning object, turning it into a subject. The student becomes a co-author lectures, seminars, etc. In the article the procedure for applying interactive forms of education for the education in the students such qualities of the future specialist that facilitate the implementation of their tasks, the development of complex analytical, forecasting, innovation and organizational communication skills.

У роботі виділені загальні проблеми хлібопекарського виробництва. На основі показників фінансово-господарської діяльності за 2014 і 2018 роки детально проаналізовано вплив політичної кризи на підприємства малого та середнього бізнесу. Для цього застосовано програмний продукт IBM SPSS STATISTICS, а саме кластерний і статистичний аналізи. Отриманий результат показує, що за п’ять років воєнного протистояння ситуація кардинально погіршилася для всіх підприємств. Навіть лідери серед малого та середнього бізнесу є збитковими. Політична криза має великі негативні економічні наслідки для всіх видів діяльності.

Дану розвідку присвячено вивченню практик вітчизняних закладів вищої освіти (ЗВО) у представленні на веб-сайтах основних інформаційних блоків, що формують загальне уявлення про виш, його історію, місію, цінності та презентують освітні, наукові та інші можливості для майбутнього студента. Констатуючи виключну залежність фінансової стабільності українських університетів від обсягів набору студентів, у цьому дослідженні доведено, що вербальний та візуальний контент сайтів не акцентує увагу на основних мотиваторах для вступників, на яких наголошують соціологічні дослідження. Незважаючи на прагматизм сучасної молоді та домінування утилітарних запитів від суспільства щодо кінцевих результатів вищої освіти, згідно з соціологічними опитуваннями, зберігається й попит на гарну репутацію і престиж ЗВО, його високий рейтинг. У ході дослідження визначено, наскільки корелюються основні вітчизняні рейтинги університетів із результатами вибору абітурієнтів (зібрані дані за 2018 р.).Зіставлення даних Google Аналітики університетських веб-сайтів та статистики офіційних акаунтів у соціальних мережах протягом абітурієнтської кампанії свідчить, що саме сайти є основним джерелом інформації для вступників при виборі пріоритетного фаху та університету. Емпіричний матеріал для аналізу контенту збирався на офіційних веб-сайтах десяти найпопулярніших у вступників ЗВО України. Проаналізовано інформаційні блоки, які представляють історію, об’єктивні характеристики університетів, місію, рейтинги, кар’єрні можливості, особистісний розвиток і самореалізацію. Також розглянуто приклади візуалізації інформації на сайтах, здебільшого фотографії, в тому числі й панорамні. Для кожного інформаційного блоку запропоновано такі способи подання контенту, які зроблять його цікавим і легким для сприйняття молодою людиною, підсилять мотиваційні акценти, дозволять майбутньому студентові побачити себе в центрі освітнього простору.

Ця стаття сфокусована на дослідженні регулювання в Україні процедури фінансового моніторингу в контексті вимог до юридичних осіб щодо розкриття своїх бенефіціарних власників та корпоративної структури. Актуальність роботи полягає у практичному досвіді виконання вимог та застосування прийнятого Закону України «Про запобігання та протидію легалізації (відмиванню) доходів, одержаних злочинним шляхом, фінансуванню тероризму та фінансуванню розповсюдження зброї масового знищення» від 06.12.2019 року № 361-ІХ та затвердженого відповідно до зазначеного закону та на його вимогу, Положення про форму та зміст структури власності від 19.03.2021 року № 163, розробленого Міністерством фінансів України. Метою роботи є висвітлення проблематики законодавчих вимог щодо розкриття українськими юридичними особами інформації про свою корпоративну структуру та зв’язки бенефіціарного контролю та/або володіння, а також обсяг, межі і порядок подання такої інформації відповідно до встановлених вимог у вимірі конституційних принципів.Основна проблематика в цьому контексті полягає в тлумаченні норм Директиви (ЄС) 2015/849 «Про запобігання використанню фінансової системи для відмивання грошей та фінансування тероризму» Європейського Парламенту та Ради Європи від 20 травня 2015 року та коректності імплементації положень документа в українське законодавство на прикладі положень та досвіду світового регулювання процедури розкриття бенефіціарів.Ця стаття написана на підставі методів, з поміж інших, первинного аналізу матеріалу шляхом збору інформації релевантної тематики, вивчення джерел, зокрема, вивчення законодавчого регулювання та аналітики, спостереження практичних аспектів функціонування корпоративних реєстрів; вторинного методу щодо обробки та аналізу отриманих даних після здійснення вивчення матеріалу за тематикою; та верифікаційного методу щодо функціонування та дотримання висунутих вимог щодо предмету регулювання. На підставі дослідження у статті наводяться висновки щодо питання співрозмірності запроваджених в Україні вимог, дотримання приватних інтересів юридичних осіб та обсягу витребуваної інформації відповідно до стандартів верховенства права, а також конституційних принципів пропорційності та достатності.

Мета дослідження полягає в аналітичній оцінці сучасного стану та напрямів розвитку українського ринку риби й морепродуктів і визначенні як негативних, так і позитивних тенденцій його функціонування. Методи дослідження. Загальною методологічною основою дослідження стали наукові напрацювання вітчизняних і зарубіжних дослідників у сфері виробництва та споживання риби та морепродуктів в Україні. Зважаючи на динамічність ринку та постійне оновлення інформації, автори статті зосередили свою увагу на аналізі матеріалів наукових фахових видань та інтернет-джерел, які відображають дані статистики, думки спеціалістів, аналітиків та експертів рибовидобувної галузі України. У роботі було використано такі загальнонаукові та спеціальні методи дослідження, як логічне узагальнення, системний підхід та теоретичний пошук, основані на збиранні та обробці формалізованих даних звітності. Результати. У статті проведено аналіз стану та перспективи розвитку українського ринку риби та морепродуктів. Визначено основні проблеми функціонування рибної галузі України та сучасний стан її розвитку. Розглянуто тенденції споживання риби та морепродуктів в Україні. У ході проведення досліджень були визначені проблемні аспекти забезпечення населення рибою та морепродуктами, виловленими в акваторії України. На основі результатів дослідження запропоновано шляхи перспективних напрямів розвитку рибної галузі з метою забезпечення населення харчовими продуктами з повноцінним білковим складом. В Україні склалася негативна тенденція у загальній динаміці розвитку ринку рибопродуктів. Сировинна база природних водних ресурсів України вичерпується рік від року, загальний обсяг внутрішнього видобутку водних ресурсів забезпечує лише 30% внутрішнього попиту, тому Україна змушена нарощувати обсяги імпорту риби та морепродуктів. Ситуація ускладнюється «тіньовою» складовою ринку, недостатньою увагою та реакцією відповідних органів контролю щодо порушень у рибовидобуванні та митному контролі імпортованої продукції. Виходом з ситуації є комплекс мір: розвиток власної аквакультури, впровадження інноваційних технологій переробки риби та морепродуктів, позитивні зрушення у роботі державних органів з дерегуляції та детінізації рибної галузі, налагоджуванні фінансової допомоги фермерським господарствам аквакультури. Практична значимість. запропоновано шляхи перспективних напрямів покращення тенденцій рибної галузі України. Аналіз ситуації, яка склалася на українському ринку риби та морепродуктів допоможе зосередитися на причинах, наслідком яких може бути традиційно сформоване недостатнє споживання водних біоресурсів населенням України.

Мета статті полягає у виявленні формування в період “холодної війни”, глобального протистояння у світі та розпаду світової колоніальної системи комплексу концептуальних засад, відповідних воєнно-політичних структур, а також специфічної стратегії, форм і методів військової та спеціальної діяльності, що лягли в основу доктрин й арсеналу сучасної асиметричної (“гібридної”, неконвенційної) конфліктності. Методологічну основу праці становлять методи класифікації, типології, структурно-системний, історико-порівняльний, історико-типологічний, історико-генетичний, методи військово-спеціальної науки, безпекознавства, політичної конфліктології. Наукова новизна полягає у спробі авторів впорядковано дослідити на історичному матеріалі часів “холодної війни” формування доктринальних передумов й стратегії, комплексу спеціальних структур та методів деструктивної діяльності, котрі знайшли своє структуроване втілення у “гібридних” конфліктах початку ХХІ ст. Висновки. У період “ІІІ світової”, або “холодної війни” (1946–1990) нечуваного розвитку сягнули парадигми, форми і методи гібридного протиборства, його доктринальні й концептуальні засади, відповідні теоретико-методологічні, науково-практичні та технологічні засади. Спеціальні служби, афільовані з ними “неурядові організації” та парамілітарні (іррегулярні) структури, профільні аналітико-прогностичні та науково-дослідні центри, медіа-структури стали здатні цілеспрямовано впливати на зміну політичної реальності в національному, міждержавному і транснаціональному вимірах. Відбулося якісне удосконалення військ спеціального призначення, котрі перетворилися на важливий (інколи – вирішальний) фактор ведення локальних війн і збройних конфліктів, участі у комплексних спеціальних операціях, розгортання керованих іррегулярних збройних формувань. Розпочинається новий якісний етап в організації “елітних військ” – їх реорганізація в сили спеціальних операцій як автономний компонент збройних сил. У складі ССО подальшого серйозного розвитку набули підрозділи (структури) інформаційно-психологічної боротьби та роботи із цивільним населенням. У період міжблокового протистояння у повоєнному світі, стрижнем якого виступала саме війна психологічна, суттєвого й зростаючого значення набули методи (механізми) впливу на сферу управління колективною діяльністю людей, переформатування масової свідомості та світогляду за рахунок маніпулювання свідомістю людини і створення віртуальної реальності через застосування сучасних інформаційних та соціально-культурних технологій. На основі потужної спадщини планетарного протистояння суспільних систем та міжблокової конфронтації 1946–1990 рр. склалися численні стратегічні, тактико-технологічні й інформаційно-когнітивні передумови для формування нового якісного типу конфліктності – “гібридної”, у розумінні синтезування різноманітних новітніх форм і методів деструктивної діяльності та їх комплексного, скоординованого застосування. Набули розвитку такі сутнісні ознаки “гібридного” протистояння, як відсутність оформлення відповідно до міжнародного права війни, використання антиурядових організацій та рухів, незаконних збройних формувань, течій сепаратистського характеру, екстремістських угруповань, деструктивних спільнот тощо, пріоритетна роль спеціальних служб, сил спецоперацій, застосування інших методів невійськового тиску на державу-жертву, включаючи дипломатичні, фінансово-економічні, гуманітарні та інші. Основними рушійними силами асиметричної стратегії ставали неурядові організації, повстанські й “опозиційні” рухи, сили спецоперацій, сили і засоби психологічних операцій, а наголос у стратегії змішувався на користь спецоперацій та конфліктів малої інтенсивності.

Наукові дослідження стають ефективними тоді, коли природу подій чи явищ можна розглядати з єдиних позицій, виробити універсальний підхід до них, сформувати загальні закономірності. Більшість сучасних фундаментальних наукових проблем і високих технологій тісно пов’язані з явищами, які лежать на границях різних рівнів організації. Природничі та деякі з гуманітарних наук (економіка, соціологія, психологія) розробили концепції і методи для кожного із ієрархічних рівнів, але не володіють універсальними підходами для опису того, що відбувається між цими рівнями ієрархії. Неспівпадання ієрархічних рівнів різних наук – одна із головних перешкод для розвитку дійсної міждисциплінарності (синтезу різних наук) і побудови цілісної картини світу. Виникає проблема формування нового світогляду і нової мови.Теорія складних систем – це одна із вдалих спроб побудови такого синтезу на основі універсальних підходів і нової методології [1]. В російськомовній літературі частіше зустрічається термін “синергетика”, який, на наш погляд, означує більш вузьку теорію самоорганізації в системах різної природи [2].Мета роботи – привернути увагу до нових можливостей, що виникають при розв’язанні деяких задач, виходячи з уявлень нової науки.На жаль, теорія складності не має до сих пір чіткого математичного визначення і може бути охарактеризована рисами тих систем і типів динаміки, котрі являються предметом її вивчення. Серед них головними є:– Нестабільність: складні системи прагнуть мати багато можливих мод поведінки, між якими вони блукають в результаті малих змін параметрів, що управляють динамікою.– Неприводимість: складні системи виступають як єдине ціле і не можуть бути вивчені шляхом розбиття їх на частини, що розглядаються ізольовано. Тобто поведінка системи зумовлюється взаємодією складових, але редукція системи до її складових спотворює більшість аспектів, які притаманні системній індивідуальності.– Адаптивність: складні системи часто включають множину агентів, котрі приймають рішення і діють, виходячи із часткової інформації про систему в цілому і її оточення. Більш того, ці агенти можуть змінювати правила своєї поведінки на основі такої часткової інформації. Іншими словами, складні системи мають здібності черпати скриті закономірності із неповної інформації, навчатися на цих закономірностях і змінювати свою поведінку на основі нової поступаючої інформації.– Емерджентність (від існуючого до виникаючого): складні системи продукують неочікувану поведінку; фактично вони продукують патерни і властивості, котрі неможливо передбачити на основі знань властивостей їх складових, якщо розглядати їх ізольовано.Ці та деякі менш важливі характерні риси дозволяють відділити просте від складного, притаманного найбільш фундаментальним процесам, які мають місце як в природничих, так і в гуманітарних науках і створюють тим самим істинний базис міждисциплінарності. За останні 30–40 років в теорії складності було розроблено нові наукові методи, які дозволяють універсально описати складну динаміку, будь то в явищах турбулентності, або в поведінці електорату напередодні виборів.Оскільки більшість складних явищ і процесів в таких галузях як екологія, соціологія, економіка, політологія та ін. не існують в реальному світі, то лише поява сучасних ЕОМ і створення комп’ютерних моделей цих явищ дозволило вперше в історії науки проводити експерименти в цих галузях так, як це завжди робилось в природничих науках. Але комп’ютерне моделювання спричинило розвиток і нових теоретичних підходів: фрактальної геометрії і р-адичної математики, теорії хаосу і самоорганізованої критичності, нейроінформатики і квантових алгоритмів тощо. Теорія складності дозволяє переносити в нові галузі дослідження ідеї і підходи, які стали успішними в інших наукових дисциплінах, і більш рельєфно виявляти ті проблеми, з якими інші науки не стикалися. Узагальнюючому погляду з позицій теорії складності властиві більша евристична цінність при аналізі таких нетрадиційних явищ, як глобалізація, “економіка, що заснована на знаннях” (knowledge-based economy), національні і світові фінансові кризи, економічні катастрофи і ряд інших.Однією з інтригуючих проблем теорії є дослідження властивостей комплексних мережеподібних високотехнологічних і інтелектуально важливих систем [3]. Окрім суто наукових і технологічних причин підвищеної уваги до них є і суто прагматична. Справа в тому, що такі системи мають системоутворюючу компоненту, тобто їх структура і динаміка активно впливають на ті процеси, які ними контролюються. В [4] наводиться приклад, коли відмова двох силових ліній системи електромережі в штаті Орегон (США) 10 серпня 1996 року через каскад стимульованих відмов призвели до виходу із ладу електромережі в 11 американських штатах і 2 канадських провінціях і залишили без струму 7 млн. споживачів протягом 16 годин. Вірус Love Bug worm, яких атакував Інтернет 4 травня 2000 року і до сих пір блукає по мережі, приніс збитків на мільярди доларів.До таких систем відносяться Інтернет, як складна мережа роутерів і комп’ютерів, об’єднаних фізичними та радіозв’язками, WWW, як віртуальна мережа Web-сторінок, об’єднаних гіперпосиланнями (рис. 1). Розповсюдження епідемій, чуток та ідей в соціальних мережах, вірусів – в комп’ютерних, живі клітини, мережі супермаркетів, актори Голівуду – ось далеко не повний перелік мережеподібних структур. Більш того, останнє десятиліття розвитку економіки знань привело до зміни парадигми структурного, функціонального і стратегічного позиціонування сучасних підприємств. Вертикально інтегровані корпорації повсюдно витісняються розподіленими мережними структурами (так званими бізнес-мережами) [5]. Багато хто з них замість прямого виробництва сьогодні займаються системною інтеграцією. Тому дослідження структури та динаміки мережеподібних систем дозволить оптимізувати бізнес-процеси та створити умови для їх ефективного розвитку і захисту.Для побудови і дослідження моделей складних мережеподібних систем введені нові поняття і означення. Коротко опишемо тільки головні з них. Хай вузол i має ki кінців (зв’язків) і може приєднати (бути зв’язаним) з іншими вузлами ki. Відношення між числом Ei зв’язків, які реально існують, та їх повним числом ki(ki–1)/2 для найближчих сусідів називається коефіцієнтом кластеризації для вузла i:. Рис. 1. Структури мереж World-Wide Web (WWW) і Інтернету. На верхній панелі WWW представлена у вигляді направлених гіперпосилань (URL). На нижній зображено Інтернет, як систему фізично з’єднаних вузлів (роутерів та комп’ютерів). Загальний коефіцієнт кластеризації знаходиться шляхом осереднення його локальних значень для всієї мережі. Дослідження показують, що він суттєво відрізняється від одержаних для випадкових графів Ердаша-Рені [4]. Ймовірність П того, що новий вузол буде приєднано до вузла i, залежить від ki вузла i. Величина називається переважним приєднанням (preferential attachment). Оскільки не всі вузли мають однакову кількість зв’язків, останні характеризуються функцією розподілу P(k), яка дає ймовірність того, що випадково вибраний вузол має k зв’язків. Для складних мереж функція P(k) відрізняється від розподілу Пуассона, який мав би місце для випадкових графів. Для переважної більшості складних мереж спостерігається степенева залежність , де γ=1–3 і зумовлено природою мережі. Такі мережі виявляють властивості направленого графа (рис. 2). Рис. 2. Розподіл Web-сторінок в Інтернеті [4]. Pout – ймовірність того, що документ має k вихідних гіперпосилань, а Pin – відповідно вхідних, і γout=2,45, γin=2,1. Крім цього, складні системи виявляють процеси самоорганізації, змінюються з часом, виявляють неабияку стійкість відносно помилок та зовнішніх втручань.В складних системах мають місце колективні емерджентні процеси, наприклад синхронізації, які схожі на подібні в квантовій оптиці. На мові системи зв’язаних осциляторів це означає, що при деякій критичній силі взаємодії осциляторів невелика їх купка (кластер) мають однакові фази і амплітуди.В економіці, фінансовій діяльності, підприємництві здійснювати вибір, приймати рішення доводиться в умовах невизначеності, конфлікту та зумовленого ними ризику. З огляду на це управління ризиками є однією з найважливіших технологій сьогодення [2, 6].До недавніх часів вважалось, що в основі розрахунків, які так чи інакше мають відношення до оцінки ризиків лежить нормальний розподіл. Йому підпорядкована сума незалежних, однаково розподілених випадкових величин. З огляду на це ймовірність помітних відхилень від середнього значення мала. Статистика ж багатьох складних систем – аварій і катастроф, розломів земної кори, фондових ринків, трафіка Інтернету тощо – зумовлена довгим ланцюгом причинно-наслідкових зв’язків. Вона описується, як показано вище, степеневим розподілом, “хвіст” якого спадає значно повільніше від нормального (так званий “розподіл з тяжкими хвостами”). У випадку степеневої статистики великими відхиленнями знехтувати вже не можна. З рисунку 3 видно, наскільки добре описуються степеневою статистикою торнадо (1), повені (2), шквали (3) і землетруси (4) за кількістю жертв в них в США в ХХ столітті [2]. Рис. 3. Системи, які демонструють самоорганізовану критичність (а саме такі ми і розглядаємо), самі по собі прагнуть до критичного стану, в якому можливі зміни будь-якого масштабу.З точки зору передбачення цікавим є той факт, що різні катастрофічні явища можуть розвиватися за однаковими законами. Незадовго до катастрофи вони демонструють швидкий катастрофічний ріст, на який накладені коливання з прискоренням. Асимптотикою таких процесів перед катастрофою є так званий режим з загостренням, коли одна або декілька величин, що характеризують систему, за скінчений час зростають до нескінченності. Згладжена крива добре описується формулою,тобто для таких різних катастрофічних явищ ми маємо один і той же розв’язок рівнянь, котрих, на жаль, поки що не знаємо. Теорія складності дозволяє переглянути деякі з основних положень ризикології та вказати алгоритми прогнозування катастрофічних явищ [7].Ключові концепції традиційних моделей та аналітичних методів аналізу і управління капіталом все частіше натикаються на проблеми, які не мають ефективних розв’язків в рамках загальноприйнятих парадигм. Причина криється в тому, що класичні підходи розроблені для опису відносно стабільних систем, які знаходяться в положенні відносно стійкої рівноваги. За своєю суттю ці методи і підходи непридатні для опису і моделювання швидких змін, не передбачуваних стрибків і складних взаємодій окремих складових сучасного світового ринкового процесу. Стало ясно, що зміни у фінансовому світі протікають настільки інтенсивно, а їх якісні прояви бувають настільки неочікуваними, що для аналізу і прогнозування фінансових ринків вкрай необхідним став синтез нових аналітичних підходів [8].Теорія складних систем вводить нові для фінансових аналітиків поняття, такі як фазовий простір, атрактор, експонента Ляпунова, горизонт передбачення, фрактальний розмір тощо. Крім того, все частіше для передбачення складних динамічних рядів використовуються алгоритми нейрокомп’ютинга [9]. Нейронні мережі – це системи штучного інтелекту, які здатні до самонавчання в процесі розв’язку задач. Навчання зводиться до обробки мережею множини прикладів, які подаються на вхід. Для максимізації виходів нейронна мережа модифікує інтенсивність зв’язків між нейронами, з яких вона побудована, і таким чином самонавчається. Сучасні багатошарові нейронні мережі формують своє внутрішнє зображення задачі в так званих внутрішніх шарах. При цьому останні відіграють роль “детекторів вивчених властивостей”, оскільки активність патернів в них є кодування того, що мережа “думає” про властивості, які містяться на вході. Використання нейромереж і генетичних алгоритмів стає конкурентноздібним підходом при розв’язанні задач передбачення, класифікації, моделювання фінансових часових рядів, задач оптимізації в галузі фінансового аналізу та управляння ризиком. Детермінований хаос пропонує пояснення нерегулярної поведінки і аномалій в системах, котрі не є стохастичними за природою. Ця теорія має широкий вибір потужних методів, включаючи відтворення атрактора в лаговому фазовому просторі, обчислення показників Ляпунова, узагальнених розмірностей і ентропій, статистичні тести на нелінійність.Головна ідея застосування методів хаотичної динаміки до аналізу часових рядів полягає в тому, що основна структура хаотичної системи (атрактор динамічної системи) може бути відтворена через вимірювання тільки однієї змінної системи, фіксованої як динамічний ряд. В цьому випадку процедура реконструкції фазового простору і відтворення хаотичного атрактора системи при динамічному аналізі часового ряду зводиться до побудови так званого лагового простору. Реальний атрактор динамічної системи і атрактор, відтворений в лаговому просторі по часовому ряду при деяких умовах мають еквівалентні характеристики [8].На завершення звернемо увагу на дидактичні можливості теорії складності. Розвиток сучасного суспільства і поява нових проблем вказує на те, що треба мати не тільки (і навіть не стільки) експертів по деяким аспектам окремих стадій складних процесів (професіоналів в старому розумінні цього терміну), знадобляться спеціалісти “по розв’язуванню проблем”. А це означає, що істинна міждисциплінарність, яка заснована на теорії складності, набуває особливого значення. З огляду на сказане треба вчити не “предметам”, а “стилям мислення”. Тобто, міждисциплінарність можна розглядати як основу освіти 21-го століття.

Будь-яка, навіть найефективніша, логічно обґрунтована і корисна інновація (чи то теорія геліоцентризму Коперника або «походження видів» Дарвіна), якщо вона суперечить існуючій на даний момент догмі, приречена на ірраціональний скепсис, тривале і навмисне замовчування, обумовлене специфікою суспільних процесів і включеність людської психіки в ці процеси.Томас Семюел Кун Існуюча система освіти перестала влаштовувати практично всі держави світу і піддається активному реформуванню в наші дні. Перспективним напрямом використання в навчальному процесі є нова інформаційна технологія, яка дістала назву хмарні обчислення (Cloud computing). Концепція хмарних обчислень стала результатом еволюційного розвитку інформаційних технологій за останні десятиліття.Без сумніву, результати досліджень російських вчених: А. П. Єршова, В. П. Зінченка, М. М. Моісєєва, В. М. Монахова, В. С. Лєдньова, М. П. Лапчика та ін.; українських вчених В. Ю. Бикова, В. М. Глушкова, М. І. Жалдака, В. С. Михалевича, Ю. І. Машбиця та ін.; учених Білорусії Ю. О. Бикадорова, А. Т. Кузнєцова, І. О. Новик, А. І. Павловського та ін.; учених інших країн суттєво вплинули на становлення та розвиток сучасних інформаційних технологій навчання [1], [2], але в організації освітнього процесу виникають нові парадигми, наприклад, хмарні обчислення. За оцінками аналітиків Гартнер груп (Gartner Group) хмарні обчислення вважаються найбільш перспективною стратегічною технологією майбутнього, прогнозується міграція більшої частини інформаційних технологій в хмари на протязі найближчих 5–7 років [17].Згідно з офіційним визначенням Національного інституту стандартів і технологій США (NIST), хмарні обчислення – це система надання користувачеві повсюдного і зручного мережевого доступу до загального пулу інформаційних ресурсів (мереж, серверів, систем зберігання даних, додатків і сервісів), які можуть бути швидко надані та гнучко налаштовані на його потреби з мінімальними управлінськими зусиллями і необхідністю взаємодії з провайдером послуг (сервіс-провайдером) [18].У США в університетах функціонують віртуальні обчислювальні лабораторії (VCL, virtual computing lab), які створюються в хмарах для обслуговування навчального та дослідницьких процесів. В Південній Кореї запущена програма заміни паперових підручників для середньої школи на електронні, які зберігаються в хмарі і доступні з будь-якого пристрою, який може бути під’єднаний до Інтернету. В Росії з 2008 року при Російській академії наук функціонує програма «Університетський кластер», в якій задіяно 70 університетів та дослідних інститутів [3], в якій передбачається використання хмарних технологій та створення web-орієнтованих лабораторій (хабів) в конкретних предметних галузях для надання принципово нових можливостей передавання різноманітних інформаційних матеріалів: лекцій, семінарів, лабораторних робіт і т. п. Є досвід певних російських вузів з використання цих технологій, зокрема в Московському економіко-статистичному інституті вся інфраструктура переводиться на хмарні технології, а в навчальних програмах включені дисципліни з навчання технологій.На сьогодні в Україні теж почалося створення національної освітньої інформаційної мережі на основі концепції хмарних обчислень в рамках національного проекту «Відкритий світ», який планується здійснити протягом 2010-2014 рр. Відповідно до наказу Міністерства освіти та науки України від 23.02.2010 р. №139 «Про дистанційне моніторингове дослідження рівня сформованості у випускників загальноосвітніх навчальних закладів навичок використання інформаційно-комунікаційних технологій у практичній діяльності» у 2010 році було вперше проведено дистанційне моніторингове дослідження з метою отримання об’єктивних відомостей про стан інформатичної освіти та розроблення стратегії її подальшого розвитку. Для цих цілей було обрано портал (приклад гібридної хмари), створений на основі платформи Microsoft Azure [4].Як показує зарубіжний досвід [8], [11], [12], [14], [15], вирішити названі проблеми можна шляхом впровадження в навчальний процес хмарних обчислень. У вищих навчальних закладах України розроблена «Програма інформатизації і комп’ютеризації навчального процесу» [1, 166]. Але, проаналізувавши стан впровадження у ВНЗ хмарних технологій, можна зробити однозначний висновок про недостатню висвітленість цього питання в літературних та Інтернет-джерелах [1], [7].Переважна більшість навчальних закладів лише починає впроваджувати хмарні технології в навчальний процес та включати відповідні дисципліни для їх вивчення. Аналіз педагогічних праць виявив недостатнє дослідження питання використання хмарних обчислень у навчальному процесі. Цілком очевидно, що інтеграція хмарних сервісів в освіту сьогодні є актуальним предметом для досліджень.Для навчальних закладів все більшого значення набуває інформаційне наповнення та функціональність систем управління віртуальним навчальним середовищем (VLE, virtual learning environment). Не існує чіткого визначення VLE-систем, та й в самих системах в міру їх заглиблення в Інтернет постійно удосконалюються наявні і з’являються нові інструменти (блоги, wiki-ресурси). VLE-системи критикують в основному за слабкі можливості генерації та зберігання створюваного користувачами контенту і низький рівень інтеграції з соціальними мережами.Існує кілька полярних підходів до способів надання освіти за допомогою сучасних інформаційно-комунікаційних технологій та інформаційних ресурсів. З одного боку – навчальні заклади з віртуальним навчальним середовищем VLE, а з іншого – персональне навчальне середовище, створене з Web 2.0 сайтів та кероване учнями. Але варто звернути увагу на нову модель, що може зруйнувати обидва наявні підходи. Сервіси «Google Apps для навчальних закладів» та «Microsoft Live@edu» включають в себе широкий набір інструментів, які можна налаштувати згідно потреб користувача. Описувані системи розміщуються в так званій «обчислювальній хмарі» або просто «хмарі».Хмара – це не просто новий модний термін, що застосовується для опису Інтернет-технологій віддаленого зберігання даних. Обчислювальна хмара – це мережа, що складається з численної кількості серверів, розподілених в дата-центрах усього світу, де зберігаються безліч копій. За допомогою такої масштабної розподіленої системи здійснюється швидке опрацювання пошукових запитів, а система є надзвичайно відмовостійка. Система побудована так, що після закінчення тривалого періоду при потребі можна провести заміну окремих серверів без зниження загальної продуктивності системи. Google, Microsoft, Amazon, IBM, HP і NEC та інші, мають високошвидкісні розподілені комп’ютерні мережі та забезпечують загальнодоступність інформаційних ресурсів.Хмара може означати як програмне забезпечення, так і інфраструктуру. Незалежно від того, є сервіс програмним чи апаратним, необхідно мати критерій, для допомоги визначення, чи є даний сервіс хмарним. Його можна сформулювати так: «Якщо для доступу до інформаційних матеріалів за допомогою даного сервісу можна зайти в будь-яку бібліотеку чи Інтернет-клуб, скористатися будь-яким комп’ютером, при цьому не ставлячи ніяких особливих вимог до операційної системи та браузера, тоді даний сервіс є хмарним».Виділимо три умови, за якими визначатимемо, чи є сервіс хмарним.Сервіс доступний через Web-браузер або за допомогою спеціального інтерфейсу прикладної програми для доступу до Web-сервісів;Для користування сервісом не потрібно жодних матеріальних затрат;В разі використання додаткового програмного забезпечення оплачується тільки той час, протягом якого використовувалось програмне забезпечення.Отже, хмара – це великий пул легко використовуваних і доступних віртуалізованих інформаційних ресурсів (обладнання, платформи розробки та/або сервіси). Ці ресурси можуть бути динамічно реконфігуровані для обслуговування мінливого навантаження (масштабованості), що дозволяє також оптимізувати використання ресурсів. Такий пул експлуатується на основі принципу «плати лише за те, чим користуєшся». При цьому гарантії надаються постачальником послуг і визначаються в кожному конкретному випадку угодами про рівень обслуговування.Існує три основних категорії сервісів хмарних обчислень [10]:1. Комп’ютерні ресурси на зразок Amazon Elastic Compute Cloud, використання яких надає організаціям можливість запускати власні Linux-сервери на віртуальних комп’ютерах і масштабувати навантаження гранично швидко.2. Створені розробниками програми для пропрієтарних архітектур. Прикладом таких засобів розробки є мова програмування Python для Google Apps Engine. Він безкоштовний для використання, однак існують обмеження за обсягом даних, що зберігаються.3. Сервіси хмарних обчислень – це різноманітні прикладні програмні засоби, розміщені в хмарі і доступні через Web-браузер. Зберігання в хмарі не тільки даних, але і програм, змінює обчислювальну парадигму в бік традиційної клієнт-серверної моделі, адже на стороні користувача зберігається мінімальна функціональність. Таким чином, оновлення програмного забезпечення, перевірка на віруси та інше обслуговування покладається на провайдера хмарного сервісу. А загальний доступ, управління версіями, спільне редагування стають набагато простішими, ніж у разі розміщення програм і даних на комп’ютерах користувачів. Це дозволяє розробникам постачати програмні засоби на зручних для них платформах, хоча необхідно переконатися, що програмні засоби придатні до використання при роботі з різними браузерами.З точки зору досконалості технології, програмне забезпечення в хмарах розвинуте значно краще, ніж апаратна складова.Особливу увагу звернемо на програмне забезпечення як послугу (SaaS, Software as a Servise), що позначає програмну складову у хмарі. Більшість систем SaaS є хмарними системами. Для користувачів системи SaaS не важливо, де встановлене програмне забезпечення, яка операційна система при цьому використовується та якою мовою воно описане. Головне – відсутня необхідність встановлювати додаткове програмне забезпечення.Наприклад, Gmail представляє собою програму електронної пошти, яка доступна через браузер. Її використання забезпечує ті ж функціональні можливості, що Outlook, Apple Mail, але для користування нею необхідно «thick client» («товстий клієнт»), або «rich client» («багатий клієнт»). В архітектурі «клієнт – сервер» це програми з розширеними функціональними характеристиками, незалежно від центрального сервера. При такому підході сервер використовується як сховище даних, а вся робота з опрацювання і подання даних переноситься на клієнтський комп’ютер.Системи SaaS наділені деякими визначальними характеристиками:– Доступність через Web-браузер. Програмне забезпечення типу SaaS не потребує встановлення жодних додаткових програм на комп’ютер користувача. Доступ до систем SaaS здійснюється через Web-браузер з використанням відкритих стандартів або універсальний плагін браузера. Хмарні обчислення та програмне забезпечення, яке є власністю певної компанії, не поєднуються між собою.– Доступність за вимогою. За наявності облікового запису можна отримувати доступ до програмного забезпечення в будь-який момент та з будь-якої географічної точки земної кулі.– Мінімальні вимоги до інфраструктури ІТ. Для конфігурування систем SaaS потрібен мінімальний рівень технічних знань (наприклад, для управління DNS в Google Apps), що не виходить за рамки, характерні для звичайного користувача. Висококваліфікований IT-адміністратор для цього не потрібний.Переваги хмарної інфраструктури. Наявність апаратних засобів у власності потребує їх обслуговування. Планування необхідної потужності та забезпечення ресурсами завжди актуальні. Хмарні обчислення спрощують вирішення двох проблем: необхідність оцінювання характеристик обладнання та відсутність коштів для придбання нового потужного обладнання. При використанні хмарної інфраструктури необхідні потужності додаються за лічені хвилини.Зазвичай на кожному сервері передбачено резерв, що забезпечує вирішення типових апаратних проблем. Наприклад, резервний жорсткий диск, призначений для заміни диска, що вийшов з ладу, в складі масиву RAID. Необхідно скористатися послугами для встановлення нового диску на сервер. Для цього потрібен час та висока кваліфікація спеціаліста, щоб роботу виконати швидко з метою уникнення повного виходу сервера з ладу. Якщо сервер остаточно вийшов з ладу, використовується якісна, актуальна резервна копія та досконалий план аварійного відновлення. Тільки тоді є можливість провести відновлення системи в короткий термін, причому завжди в ручному режимі.При використанні хмар немає потреби перейматись проблемами стосовно апаратних засобів, що використовуються. Користувач може і не дізнатися про те, що фізичний сервер вийшов з ладу. Якщо правильно дібрано інструментарій, можливе автоматично відновлення даних після надскладної аварійної ситуації. При використанні хмарної інфраструктури у такому випадку можна відмовитись від віртуального сервера і отримати інший. Немає потреби думати про утилізацію та перейматися про нанесену шкоду навколишньому середовищу.Хмарне сховище. Абстрагування від апаратних засобів в хмарі здійснюється не тільки завдяки заміні фізичних серверів віртуальними. Віртуалізації підлягають і системи фізичного зберігання даних.При використанні хмарного сховища можна переносити дані в хмару, не переймаючись, яким чином вони зберігаються та не турбуючись про їх резервне копіювання. Як тільки дані, переміщені в хмару, будуть потрібні, достатньо буде просто звернутись в хмару і отримати їх. Існує кілька підходів до хмарного сховища. Йдеться про поділ даних на невеликі порції та зберігання їх на багатьох серверах. Порції даних наділяються індивідуально обчисленими контрольними сумами, щоб дані можна було швидко відновити в критичних ситуаціях.Часто користувачі працюють з хмарним сховищем так, ніби мають справу з мережевим накопичувачем. Щодо принципу функціонування хмарне сховище принципово відрізняється від традиційних накопичувачів, оскільки у нього принципово інше призначення. Обмін даними при використанні хмарного сховища повільніший, воно більш структуроване, внаслідок чого його використання як оперативного сховища даних непрактичне. Зазначимо, що використання хмарного сховища недоцільне для транзакцій в хмарних прикладних програмах. Хмарне сховище сприймається, як аналог резервної копії на стрічковому носієві, хоча на відміну від системи резервного копіювання зі стрічковим приводом в хмарі не потрібні ні привід, ні стрічки.Grid Computing (англ. grid – решітка, грати) – узгоджене, відкрите та стандартизоване комп’ютерне середовище, що забезпечує гнучкий, безпечний, скоординований розподіл обчислювальних ресурсів і ресурсів збереження інформації, які є частиною даного середовища, в рамках однієї віртуальної організації [http://gridclub.ru/news/news_item.2010-08-31.0036731305]. Концепція Grid Computing представляє собою архітектуру множини прикладних програмних засобів – найпростіший метод переходу до хмарної архітектури. Програмні засоби, де використовуються grid-технології, є програмним забезпеченням, при функціонуванні якого інтенсивно використовуються ресурси процесора. В grid-програмах розподіляються операції опрацювання даних на невеликі набори елементарних операцій, що виконуються ізольовано.Використання хмарної інфраструктури суттєво спрощує та здешевлює створення grid-програм. Якщо потрібно опрацювати якісь дані, використовують сервер для опрацювання даних. Після завершення опрацювання даних сервер можна призупинити, або задати для опрацювання новий набір даних.На рисунку 1 подано схему функціонування grid-програми. На сервер, або кластер серверів, поступає набір даних, які потрібно опрацювати. На першому етапі дані передаються в чергу повідомлень (1). На інших вузлах аналізується чергою повідомлень (2) про нові набори даних. Коли набір даних з’являється в черзі повідомлень, він аналізується на першому комп’ютері, де його виявлено, а результати надсилаються назад в чергу повідомлень (3), звідки вони зчитуються сервером або кластером серверів (4). Обидва компоненти можуть функціонувати незалежно один від одного, а кожен з них може функціонувати навіть в тому випадку, якщо другий компонент не задіяний на жодному комп’ютері. Рис. 1. Архітектура grid-програм У такій ситуації використовуються хмарні обчислення, оскільки при цьому не потрібні власні сервери, а за відсутності даних для опрацювання не потрібні сервери взагалі. Таким чином можна масштабувати потужності, що використовуються. Інакше кажучи, щоб комп’ютер не використовувався «вхолосту», важливо опрацьовувати дані за мірою їх надходження. Сервери включаються, коли потік даних інтенсивний, а виключаються в міру ослаблення інтенсивності потоку. Grid-програми мають дещо обмежену область застосування (опрацювання великих об’ємів наукових і фінансових даних). В переважній частині таких програм використовуються транзакційні обчислення.Транзакційна система – це система, де один і більше вхідних наборів даних опрацьовуються одночасно в рамках однієї транзакції та в

Кожна компанія вирішує проблему ефективного використання фінансових ресурсів, аналізуючи інвестиційну привабливість різних альтернатив. Для цього інвестиційні аналітики часто використовують традиційні інвестиційні критерії, побудовані на принципах дисконтування майбутніх грошових потоків, враховуючи ризиковість відповідного напрямку бізнесу. Такі методи оцінки інвестиційних проектів добре себе зарекомендували у випадках, коли фінансова система працює ефективно, коли фінансовий ринок насичений різноманітними фінансовими інструментами, що допомагають бізнесу ефективно управляти ризиками і при необхідності залучати боргове чи партнерське фінансування. Проте в умовах високо ризикового середовища бізнесу, коли на фінансовому ринку відсутній широкий спектр фінансових посередників, коли фінансовий ринок є неповним, то потрібно враховувати при оцінці інвестиційних проектів ставлення інвестора до ризику, його фінансовий стан та характеристики існуючого портфеля його бізнесів. У таких випадках для оцінки ризикових інвестиційних проектів використовують метод безризикового еквіваленту. Безризиковий еквівалент вказує на максимальну суму, яку готовий інвестувати інвестор у даний інвестиційний проект з врахуванням його ставлення до ризику, що описується з допомогою його функції задоволення від грошей. Дана робота присвячена саме демонстрації на прикладах застосування методу безризикового еквіваленту для оцінки інвестиційних проектів, що описуються з допомогою дискретних і неперервних випадкових величин. У роботі показано, як з допомогою чисельних симулятивних методів можна знаходити безризиковий еквівалент інвестиційних проектів у припущенні високо ризикових інвестицій, що характеризуються довгими і товстими хвостами відповідних розподілів. Запропонований в роботі підхід дозволяє ефективно інтегрувати нову ринкову та експертну інформацію, і його можна використовувати до оцінки інноваційних напрямків бізнесу високотехнологічних компаній, чи до інвестиційних продуктів, в основі яких лежить їх здатність «добувати» криптовалюту, наприклад, біткоїн чи ефір. Метод оцінки інвестиційної привабливості з допомогою безризикового еквіваленту допускає також можливість інтеграції з іншими інвестиційними методами, наприклад, методом реальних опціонів, а також дає можливість застосовувати аналіз чутливості до різних факторів впливу і симулятивний аналіз Монте Карло.

The article examines the definition of the category "risk" in the works by domestic scientists. Financial risk management in the company management system is considered. Its basic principles and postulates are established. Risk management is defined as the process of identifying, analysing, and making or reducing uncertainty in making investment decisions. Approaches to the formation of modern strategies and tactics of risk management are generalized. The sequence of stages, which most fully reflects the essence of the risk management process, is presented. The main stages of financial risk management are characterized and their functional significance is determined. It is established that the main direction for improving the management system is the deve-lopment and implementation of active management based on systemic and situational approaches. To choose the optimal tactics for managing financial risks, it is advisable to classify them into industry and quality. The strategies for financial risk management of modern business are generalized in two categories: passive and active response. The use of integrated approaches and new business concepts for efficient financial risk management is substantiated. The main means of reducing financial risk are identified, namely insurance and sale of financial instruments (forward contracts, futures contracts, swaps and options). The main elements of using business analytics tools are considered and analysed. It is noted that most business analytics tools are used to improve risk management; therefore, risk management tools benefit from business analytics approaches. The use of artificial intelligence models, such as neural networks and the method of reference vectors, agent-oriented theory, cognitive computation, is characterized. The proposed approach is aimed at combining several expert solutions, achieving the highest return on investment and reducing losses by working with difficult situations in a dynamic market environment. It is proved that researching business analytics tools in the field of risk management is useful for both practitioners and academic researchers.

Трансформація функцій фінансів дозволяє надавати замовникам аналітико-стратегічні та орієнтовані на додану вартість/цінність послуги, виступати як бізнес-партнер та консультант; стати учасником та лідером процесу прийняття рішень; впливати на покращення показників функціонування у масштабах всієї компанії. Напрямком трансформації функцій фінансів є інструментарії фінансового аутсорсингу (F&A), що забезпечує передиктивні методи обробки наборів Open даних для оптимізації доходної частини місцевих бюджетів, що дозволяє виявити додаткові джерела фінансування, які можуть бути спрямовані на стимулювання розвитку малого та середнього бізнесу в Україні. Трансформація функцій фінансів забезпечується аутсорсинговою компанією, яка здійснює облік, складає звітність та розробляє рішення, спрямовані на покращення управління фінансовою діяльністю клієнтів.

Актуальність економічної бізнес-аналітики для управління обумовлена необхідністю розробляти та обирати вірні рішення. Для цього необхідна повна і достовірна статистична інформація. З посиленням глобалізаційних та інтеграційних процесів у світі, розвитком комп’ютерно-інформаційних технологій, страхування є незамінним механізмом для забезпечення циклічності відтворювального процесу, гарантування соціальної стабільності, безпеки та впевненості у завтрашньому дні. Також страхування можна розглядати і як перспективний вид бізнесу, тобто як діяльність, що приносить прибуток, і при виваженій державній політиці є джерелом наповнення державного бюджету, провідною галуззю фінансово-кредитної системи, що підносить Україну на вищий рівень поряд із високорозвиненими країнами світу та забезпечує їй сталий соціально-економічний розвиток. Незважаючи на стабілізацію та зростання основних показників діяльності страхових компаній України, варто зазначити, що на фоні високорозвинених країн світу страхування та страховий бізнес у нашій державі розвинуті ще досить слабо. У зв’язку з цим виникає потреба у зміцненні конкурентних позицій страхового ринку України та розробці шляхів його розвитку. Аналітичному дослідженню було започатковано статистичні данні у 2015-2020 рр. Як результат - зроблені рекомендаційні висновки та аналітичне прогнозування наявності і шляхів подолання перешкод, що стримують розвиток ринку.

У статті проведено аналітико-прогностичне моделювання завантаженості інформаційної системи, що в метричному виразі базується на кількості запитів до системи в секунду. Досліджені статистичні дані показника кількості запитів до системи дозволяють знаходити закономірності минулого та прогнозувати подальший вектор розвитку. Актуальність даного дослідження є пріоритетним напрямом в IT-індустрії, адже масштабність інформаційних систем навіть малих компаній є настільки громісткою, що затрати на їх утримання становлять велику долю доходу компаній. Зазначено, що однією значною причиною актуальності є світова криза, спровокована пандемією Covid-19. Саме вона посприяла пошуку нових методів збуту товарів з урахуванням соціальної дистанції та зменшення фінансових втрат. В зв’язку із цим більшість продуктових компаній переводять свій бізнес у віртуальний світ, створюючи неабиякий попит формування власних IT-інфраструктур. Наявність прогнозованих значень забезпечує впевненість бізнесу в стабільності їх продукту чи технології, що напряму впливає на собівартість реалізованого програмного коду та майбутній отриманий дохід. Своєчасність виявлення пікових навантажень або ж навпаки – просідань в системі, допомагають запобігти принципу «карткового домику», та захистити залежні родинні процеси в компанії. Довгострокове бачення руху часового ряду забезпечує компанії можливість підготовки до інфраструктурних змін та надає певний період часу для оновлення технічної бази чи розширення можливостей їх «Cloud Services». З цією метою на основі статистичних даних був побудований прогноз на основі інтегрованого ковзного середнього або ж ARIMA-моделі, проведено статистичне виявлення тренду шляхом аналізу автокореляційних функцій. Було прийнято рішення щодо групування даних відповідно пори доби для збільшення прогнозованих періодів та більшої точності прогнозу моделі. Проаналізовано автокореляційну та часткову автокореляційну функції для часового ряду послідовних різниць для виявлення AR- та MA-процесів. На основі аналізу значущості останніх ненульових лагів побудовано декілька кандидатних моделей для кожного групованого ряду. Кожна модель була провірена на подібність залишків «білому шуму» та нормальності розподілу коефіцієнтів. Зведені прогнози були порівняні та оцінені для виявлення найменшої відсоткової похибки. Було оцінено вартість заощаджень для прогнозованого періоду. На основі цих даних був зроблений висновок, щодо важливості проведення даних досліджень із використанням таких методів прогнозу та аналізу даних для різних векторів діяльності IT-компанії.