Финансовая устойчивость предприятия является чрезвычайно важным понятием в условиях рынка. Учитывая растущую потребность общества в машинной обработке данных с целью поддержки принятия решений, возникает необходимость в поиске и разработке математических методов, способных решить задачу классификации предприятий на финансово устойчивые и финансово неустойчивые. Обоснована целесообразность применения моделирования финансовой устойчивости при помощи искусственных нейронных сетей (ИНС), описаны основные принципы работы ИНС. Также приведен пример построения ИНС для решения этой задачи, в котором присутствуют ряд финансовых показателей, которые имеет смысл использовать при моделировании финансовой устойчивости, параметры построения описанной нейронной сети, выбор наилучшей архитектуры и метода обучения сети. Приведены результаты работы модели, которые показывают, что искусственные нейронные сети способны достаточно точно классифицировать предприятия по видам "потенциальные банкроты" и "стабильные".

За ринкових умов підприємства переймаються не тільки величиною прибутку, а й фінансовою спроможністю до продовження діяльності. Здатність компанії протистояти загрозі банкрутства становить невід'ємну умову тривалого функціонування та сталого розвитку. Фінансова стійкість підприємства - складна характеристика, яку неможливо описати за допомогою одного простого показника. За сучасних умов для діагностування фінансової стійкості використовується комплексний аналіз із використанням різних фінансових показників. У разі його проведення людиною така оцінка може бути суб'єктивною та залежатиме від рівня кваліфікації й компетентності аналітика. Для побудови економіко-математичної моделі фінансової стійкості підприємств, яка покликана вилучити людський фактор, підвищити швидкість та точність діагностування загрози банкрутства запропоновано використати штучні нейронні мережі. Наведено приклад такої моделі, що є актуальною для українських компаній за сучасних умов після економічної кризи 2014 - 2015 рр. Для моделювання фінансової стійкості було побудовано трирівневу штучну нейронну мережу прямого розповсюдження. Як вхідні фактори пропонується використовувати 17 фінансових показників, що допомагають якнайповніше оцінити фінансову стійкість підприємства. Проведене дослідження показує, що передбачення банкрутства з високою точністю можливе в часовому горизонті до трьох років з моменту подачі річної фінансової звітності. Одержана модель дозволяє не тільки достатньо точно класифікувати підприємства на "фінансово стійкі" та "потенційні банкрути", а й відкриває можливості щодо проведення подальших досліджень взаємозалежності значень фінансових показників при збереженні певного рівня фінансової стійкості. Модель може бути корисною для кредитно-фінансових установ, інвестиційних фондів, аудиторських компаній та самих підприємств задля вчасного передбачення загрози банкрутства.

Роботу присвячено підготовчим діям, що передують побудові повнозв'язної тришарової штучної нейронної мережі прямого розповсюдження, котра має класифікувати підприємства за фінансовою стійкістю. Для підготовки побудови штучної нейронної мережі в роботі висувається ряд аргументованих суджень та приводяться рішення, котрі базуються на результатах експериментів з побудови нейронної мережі фінансової стійкості. Наведено шляхи отримання набору даних для навчання штучної нейронної мережі фінансової стійкості. Представлено оптимальні параметри архітектури та рекомендації щодо навчання нейронної мережі, що слід застосовувати при її створенні. Приділено увагу таким параметрам штучної нейронної мережі як тип нейронної мережі, функція помилки, функція активації на прихованому та вихідному шарах, алгоритм навчання, параметри первинної ініціалізації ваг. Застосування рекомендацій, котрі наведено в статті, дозволяє побудувати штучну нейронну мережу, що класифікує підприємства за фінансовою стійкістю з достатньо високою точністю. Увагу приділено вибору функцій активації нейронів та розподілу набору спостережень на підвибірки для навчання, тестування та контролю побудови зазначеної нейронної мережі. Запропоновано використання 17-ти фінансових показників в якості факторів для моделювання фінансової стійкості, що має найбільш повно описувати це складне поняття та дозволить отримати максимальну точність класифікації. В статті обгрунтовано застосування параметрів побудови та навчання нейронної мережі, що найкраще підходять при використанні саме цих факторів. Використання матеріалу статті допоможе побудові штучної нейронної мережі фінансової стійкості, котра може бути використана для класифікації підприємств на "фінансово стійкі" та "потенційні банкрути" й може використовуватись фінансово-кредитними установами, інвестиційними фондами та державними органами при оцінці ризику банкрутства підприємства. Така нейронна мережа покликана автоматизувати працю досвідченого фінансового аналітика при перевірці підприємства на фінансову стійкість.

Узагальнено теоретико-методологічні засади управління суб'єктами підприємництва й обґрунтовано необхідність удосконалення сучасних механізмів та інструментів менеджменту суб'єктів підприємництва. Досліджено сучасні моделі, проблеми та перспективи розвитку підприємництва в Україні та світі, проведено аналіз концептуальних засад інноваційного розвитку підприємств у глобальному економічному просторі. Особливу увагу зосереджено на методологічних, теоретичних і методичних засадах управління конкурентоспроможністю суб'єктів підприємництва в умовах нестабільного ринкового середовища. Досліджено концептуальні засади інноваційного розвитку підприємств у глобальному економічному просторі. Крім того, дослідження містить актуалізацію завдань з формування системи економічної безпеки в умовах ризику та невизначеності й обґрунтування організаційно-економічних аспектів управління торгівельною діяльністю суб'єктів підприємництва. Приділено увагу розвитку системи управління фінансово-економічною діяльністю суб'єктів підприємництва та проаналізовано світовий досвід реалізації стратегії розвитку суб'єктів підприємництва.