ІНТЕГРАЦІЯ РЕЗУЛЬТАТІВ МОДЕЛЮВАННЯ ОЦІНЮВАННЯ КОРУПЦІЙНИХ РИЗИКІВ У ЗАГАЛЬНИЙ ІНДЕКС ЕКОНОМІЧНОЇ БЕЗПЕКИ ПІДПРИЄМСТВА

Автор(и)

DOI:

https://doi.org/10.32782/city-development.2025.3-2

Ключові слова:

економіко-математична модель, корупційні ризики, оцінка, індекс економічної безпеки, метод головних компонент, ланцюги Маркова, підприємство, інтеграція

Анотація

У статті обґрунтовано, що корупційні ризики є однією з найбільш небезпечних загроз економічній безпеці підприємства, оскільки вони безпосередньо підривають його стабільність та конкурентоспроможність. Представлено економіко-математичну модель оцінки корупційних ризиків із подальшою інтеграцією отриманих показників у загальний індекс економічної безпеки підприємства, що дозволяє систематизувати та кількісно оцінити ризики, що виникають у результаті корупційних дій, та визначити їхній вплив на ключові фінансово-економічні показники діяльності. Обґрунтовано застосування методу головних компонент у визначенні ваг факторів, які прямо або опосередковано впливають на виникнення корупційних ризиків Аргументовано використання ланцюгів Маркова, які моделюють динаміку ризику, дозволяючи прогнозувати ймовірність його настання у майбутніх періодах з урахуванням попередніх станів підприємства, що є критично важливим для стратегічного управління. Визначено, шо застосування цього підходу забезпечує не лише фіксацію поточного рівня корупційного ризику, а й дає змогу оцінити його можливу еволюцію, враховуючи різні варіанти поведінки системи. Використання інтегрального підходу забезпечує комплексну оцінку стану економічної безпеки, що сприяє прийняттю стратегічно обґрунтованих управлінських рішень і підвищенню стійкості підприємства до внутрішніх та зовнішніх загроз. Виокремлено переваги інтеграції оцінки корупційних ризиків у загальний індекс економічної безпеки підприємства: дозволяє кількісно вимірювати вплив ризиків на рівень економічної безпеки; визначає їхнє критичне значення для фінансової стійкості підприємства. Практична цінність роботи полягає в можливості застосування моделі для моніторингу та прогнозування корупційних ризиків у різних галузях економіки, що забезпечує підвищення ефективності антикорупційної політики на рівні підприємства.

Посилання

Markov models and Markov chains explained in real life: probabilistic workout routine, Dec 31, 2020 by Carolina Bento. URL: https://towardsdatascience.com/markov-models-and-markov-chainsexplained-in-real-life-probabilistic-workout-routine-65e47b5c9a73

Paul D.B. Speech Recognition Using Hidden Markov Models 9. What Is the Markov Decision Process? Definition, Working, and Examples, December 20, 2022, Vijay Kanade. URL: https://www.spiceworks.com/tech/artificial-intelligence/articles/what-ismarkov-decision-process/

Markov and Hidden Markov Model Elaborated with examples, Aug 18, 2020, by Vivekvinushanth Christopher. URL: https://towardsdatascience.com/markov-and-hidden-markov-model3eec42298d75

Jolliffe I.T., and Cadima J., «Principal component analysis: are view and recent developments». Philosophical Transactions of the Royal Society, A 374: 20150202, 2016. DOI: https://doi.org/10.1098/rsta.2015.0202

Steven M. Holland, Principal components analysis (PCA). Department of Geology, University of Georgia, Athens, GA. 2019. P. 12. URL: http://strata.uga.edu/8370/handouts/pcaTutorial.pdf

Jeffrey J. Love. Principal Component Analysis in Paleomagnetism. Encyclopedia of Geomagnetism and Paleomagnetism. 2007. № 1. P. 845-850. DOI: https://doi.org/10.1007/978-1-4020-4423-6_271

Tang J., Sui H. Power System Transient Stability Assessment Based on PCA and Support Vector Machine. International Conference on Mechanical, Electrical, Electronic Engineering & Science MEEES2018. Published by Atlantis Press. 2018. Vol. 154. P. 361-365, 2018. DOI: https://doi.org/10.2991/meees-18.2018.63

Huang K. Principal Component Analysis in the Eigenface Technique for Facial Recognition. Senior Theses and Projects. Trinity College, Hartford, Connecticut. 2012. P. 34. URL: https://digitalrepository.trincoll.edu/theses/216

Приймак М.В. Періодичні ланцюги Маркова в задачах статистичного аналізу і прогнозу енергонавантажень. Технічна електродинаміка. 2004. № 2. С. 3-7.

Медведєв, М.Г., Пащенко О.І. Теорія ймовірностей та математична статистика: підруч. Київ: «Ліра-К», 2008. 536 с.

Real World Applications of Markov Decision Process, Jan 9, 2021, Somnath Banerjee. URL: https://towardsdatascience.com/real-world-applications-of-markov-decisionprocess-mdp-a39685546026

Олех Т.М. Застосування ланцюгів маркова для дослідження багатовимірних оцінок при управлінні проектами. Електронний архів наукових та освітніх матеріалів ОНПУ: веб-сайт. URL: http://dspace.opu.ua/jspui/bitstream/123456789/2084/1/064-068.pdf

Markov models and Markov chains explained in real life: probabilistic workout routine, Dec 31, 2020 by Carolina Bento. Available at: https://towardsdatascience.com/markov-models-and-markov-chainsexplained-in-real-life-probabilistic-workout-routine-65e47b5c9a73

Paul D.B. Speech Recognition Using Hidden Markov Models 9. What Is the Markov Decision Process? Definition, Working, and Examples, December 20, 2022, Vijay Kanade. Available at: https://www.spiceworks.com/tech/artificial-intelligence/articles/what-ismarkov-decision-process/

Markov and Hidden Markov Model Elaborated with examples, Aug 18, 2020, by Vivekvinushanth Christopher. Available at: https://towardsdatascience.com/markov-and-hidden-markov-model3eec42298d75

Jolliffe I.T., Cadima J. (2016) Principal component analysis: are view and recent developments. Philosophical Transactions of the Royal Society, A 374. DOI: https://doi.org/10.1098/rsta.2015.0202

Steven M. (2019) Holland, Principal components analysis (PCA). Department of Geology, University of Georgia, Athens, GA, 12 p. Available at: http://strata.uga.edu/8370/handouts/pcaTutorial.pdf

Jeffrey J. Love (2007) Principal Component Analysis in Paleomagnetism. Encyclopedia of Geomagnetism and Paleomagnetism, no. 1, pp. 845-850. DOI: https://doi.org/10.1007/978-1-4020-4423-6_271

Tang J., Sui H. (2018) Power System Transient Stability Assessment Based on PCA and Support Vector Machine.International Conference on Mechanical, Electrical, Electronic Engineering & Science MEEES2018. Published by Atlantis Press, vol. 154, pp. 361-365. DOI: https://doi.org/10.2991/meees-18.2018.63

Kevin Huang. (2012). Principal Component Analysis in the Eigenface Technique for Facial Recognition. Senior Theses and Projects. Trinity College, Hartford, Connecticut, p. 34. Available at: https://digitalrepository.trincoll.edu/theses/216

Pryimak M.V. (2004) Periodychni lantsiuhy Markova v zadachakh statystychnoho analizu i prohnozu enerhonavantazhen [Periodic Markov chains in problems of statistical analysis and energy load forecasting]. Tekhnichna elektrodynamika, no. 2, pp. 3-7.

Medvediev M.H., Pashchenko O.I. (2008) Teoriia ymovirnostei ta matematychna statystyka: pidruch [Probability theory and mathematical statistics: textbook]. Kyiv: «Lira-K, p. 536.

Real World Applications of Markov Decision Process, Jan 9, 2021, Somnath Banerjee. Available at: https://towardsdatascience.com/real-world-applications-of-markov-decisionprocess-mdp-a39685546026

Olekh T.M. Zastosuvannia lantsiuhiv markova dlia doslidzhennia bahatovymirnykh otsinok pry upravlinni proektamy [Application of Markov chains to study multivariate estimates in project management]. Elektronnyi arkhiv naukovykh ta osvitnikh materialiv ONPU. Available at: http://dspace.opu.ua/jspui/bitstream/123456789/2084/1/064-068.pdf

Downloads

Опубліковано

2025-08-25

Як цитувати

Бован, О., & Гривківська, О. (2025). ІНТЕГРАЦІЯ РЕЗУЛЬТАТІВ МОДЕЛЮВАННЯ ОЦІНЮВАННЯ КОРУПЦІЙНИХ РИЗИКІВ У ЗАГАЛЬНИЙ ІНДЕКС ЕКОНОМІЧНОЇ БЕЗПЕКИ ПІДПРИЄМСТВА. РОЗВИТОК МІСТА, (3 (07), 15–23. https://doi.org/10.32782/city-development.2025.3-2

Номер

Розділ

Статті