Демографія та соціальна економіка, 2017, 3(31):61-75
doi: https://doi.org/10.15407/dse2017.03.061
УДК 005.95/.96, 519.2
JEL CLASSIFICATION: С35, C55, J08, J64

Я.І. Юрик
канд. екон. наук, старш. наук. співроб., старш. наук. співроб.
Інститут економіки та прогнозування НАН України
01011, Україна, м. Київ, вул. П. Мирного, 26
Е-mail: yarina79@ukr.net

Г.Г. Кузьменко
канд. екон. наук, експерт з моделювання ризику
АТ «Аліор банк»
02-232, Польща, м. Варшава, вул. Лопушанська, 38Д
Е-mail: agkuzmenko@ukr.net

МОЖЛИВОСТІ ОЦІНЮВАННЯ РИЗИКОВИХ ПОДІЙ У ПРОЦЕСІ СТРАТЕГІЧНОГО УПРАВЛІННЯ ЛЮДСЬКИМИ РЕСУРСАМИ
Розділ: УПРАВЛІННЯ ЛЮДСЬКИМИ РЕСУРСАМИ
Мова статті: англійська
Анотація: Запропоновано підхід до вирішення задачі прогнозування, класифікації та діагностики ризикових подій на ринку праці в процесі стратегічного управління людськими ресурсами, котрий апробовано у ході оцінювання ризику безробіття серед зайнятого населення України. Зокрема, побудовано скорингову модель, яка, враховуючи спільний вплив соціально-демографічних і професійно-кваліфікаційних характеристик зайнятих, розраховує бали і на їх підставі ранжує працівників за рівнем ризику втрати ними роботи. Виявлено, що найвищу ймовірність настання «поганої» події мають працівники чоловічої статі віком 15–22 роки, не одружені, які проживають у сільській місцевості, з професією (спеціальністю) згідно з дипломом (посвідченням) – кваліфікований робітник сільського та лісового господарств; кваліфікований робітник з інструментом; робітник з обслуговування, експлуатації та контролю за роботою технологічного устаткування, якщо при цьому вони зайняті не за фахом, а виконують найпростіші роботи у таких видах економічної діяльності як сільське господарство або будівництво. Розроблення скорингової моделі здійснено за допомогою методу бінарної логістичної регресії з використанням програм R, SPSS та MS Excel. На базі розробленої моделі можна не тільки структурувати процес підготовки варіантів рішень з управління ризиком, а й виконати попередню оцінку значущості досліджуваних характеристик зайнятого, пов’язаних із імовірністю настання ризикової події.
Виконано моніторинг побудованої скорингової моделі для оцінки ризику безробіття серед зайнятого населення України. На підставі тестування за такими параметрами як стабільність, дискримінаційна здатність (ефективність ранжування) та якість калібрації підтверджено хороші прогностичні можливості й адекватність функціонування моделі. Побудована модель оцінки ймовірності безробіття серед зайнятого населення України є прикладом застосування скорингу в сфері HR. У перспективі подібні ймовірнісні моделі можуть стати актуальним інструментом діяльності державних інституцій, наприклад, служби зайнятості, і роботодавців, тобто всіх тих суб’єктів, які є учасниками формування та реалізації стратегій управління людськими ресурсами. Зі щоденно нагромаджуваних у них даних можна отримувати знання для свідомого, а не інтуїтивного формування стратегічних рішень і планування тактичних кроків.
Ключові слова: стратегічне управління, людські ресурси, ризик, скорингова модель, безробіття.
Література:
1. Юринець Р.В. Економетрична модель оцінювання кредитного позичальника відповідно до експертної оцінки / Р.В. Юринець // Науковий вісник НЛТУ України: зб. наук.-техн. праць. – Вип. 19.5. – Львів : РВВ НЛТУ України, 2009. – С. 254–258.
2. Abdou H.A. Credit scoring, statistical techniques and evaluation criteria: A review of the literature / Abdou H.A., Pointon J. // Intelligent systems in accounting, finance and management. – 2011. – № 18 (2–3). – P. 59–88.
3. Anderson R. The credit scoring toolkit: theory and practice for retail credit risk management and decision automation / Anderson R. – New York : Oxford University press, 2007. – 790 p.
4. Hand D.J. Statistical classification methods in consumer credit scoring: a review / Hand D.J., Henley W.E. // Journal of the Royal Statistical Society, Series A. – 1997. – 160. – P. 523–541.
5. Камінський А.Б. Моделювання фінансових ризиків : монографія / Камінський А.Б. – К. : ВПЦ «Київський університет», 2006. – 304 с.
6. Камінський А.Б. Cкорингові технології в кредитному ризик-менеджменті / А.Б. Камінський, К.К. Писанець // Бізнес Інформ. – 2012. – № 4. – С. 197–201.
7. Lewis E.M. An introduction to credit scoring / Lewis E.M. – San Rafael : The Athena Press, 1992. – 172 p.
8. Liu Y. New issues in credit scoring application / Liu Y. // Research paper, Institute of Information Systems, University of Goettingen. – 2001. – № 16. – 35 р.
9. Liu Y. A framework of data mining application process for credit scoring / Liu Y. // Research paper, Institute of Information Systems, University of Goettingen. – 2002. – № 1. – 45 р.
10. Liu Y. The evaluation of classification models for credit scoring / Liu Y. // Research paper, Institute of Information Systems, University of Goettingen. – 2002. – № 2. – 59 р.
11. Handbook of credit scoring / Mays E. (Ed.). – Chicago : Glenlake Publishing Company Ltd/Fitzroy Dearborn Publishers, 2001. – 382 p.
12. Siddiqi N. Credit risk scorecards: developing and implementing intelligent credit scoring / Siddiqi N. – New Jersey : John Wiley and Sons, 2006. – 208 p.
13. Sohn S.Y. Technology credit scoring model with fuzzy logistic regression / Sohn S.Y., Kim D.H., Yoon J.H. // Applied Soft Computing. – 2016. – 43. – P. 150–158.
14. Tomas L.C. A survey of credit and behavioral scoring: forecasting financial risk of lending to consumers / Tomas L.C. // International Journal of Forecasting. – 2000. – 16. – P. 149–172.
15. Thomas L.C. Credit scoring and its applications: SIAM monographs on mathematical modeling and computation / Thomas L.C., Edelman D.B., Crook J.N ; SIAM. — Philadelphia, USA, 2002. – 248 p.
16. Kebebew E. Predictors of single-gland vs multigland parathyroid disease in primary hyperparathyroidism: a simple and accurate scoring model / Kebebew E., Hwang J., Reiff E., Duh Q.Y., Clark O.H. // Archives of Surgery. – 2006. – 141 (8). – P. 777–782.
17. Malthouse E.C. Ridge regression and direct marketing scoring models / Malthouse E.C. // Journal of Interactive Marketing. – 1999. – 13 (4). – P. 10–23.
18. Malthouse E.C. Assessing the performance of direct marketing scoring models / Malthouse E.C. // Journal of Interactive Marketing. – 2001. –15 (1). – Р. 49–62.
19. Мильчаков К.С. Скоринговые карты в медицине: обзор и анализ публикаций / К.С. Мильчаков, М.П. Шебалков // Врач и информационные технологии. – 2015. – № 1. – С. 71–79.
20. Надрага В.І. Соціальні ризики: сутність, аналіз, можливості впливу : монографія / В.І. Надрага, НАН України. Ін-т демографії та соціальних досліджень ім. М.В. Птухи. – Київ : ПП Сердюк В.Л., 2015. – 329 с.

» pdf