В то же самое время перед российской экономикой открылись и открываются принципиально новые возможности для развития, связанные прежде всего с интеграцией в мировую систему хозяйства, возможность наращивать свою капитализацию за счет привлечения прямых и фондовых инвестиций. При этом важнейшей научной и народнохозяйственной задачей является вывод российских предприятий на современной уровень корпоративной культуры, в том числе финансового менеджмента корпораций и институциональных инвесторов фондового рынка. Только сейчас на роснйском рынке труда начинают появляться специалисты, прошедшие качественное обучение основам финансового менеджмента в западных университетах, получившие дипломы MBA (Master Business Administration), обладающие некоторым опытом работы на российском финансовом рынке. Но удельный вес таких специалистов в общей массе финансовых менеджеров корпораций пока незначителен.

Еше не получила достаточного развития та мысль, что финансовые системы должны сделаться объектом пристального научного исследования и специального экономико-математического моделирования. Зачастую финансовые менеджеры предприятий практически не используют в своей работе компьютерные финансовые модели, ограничиваясь простейшим учетом финансовых потоков в приспособленных таблицах Excel (да и сами таблицы эти употребляются в российской практике не более 5-7 лет).

В то же время для исследования финансовых систем недостаточно простейших моделей бухгалтерского учета, потому что систему образуют не только денежные потоки, но и лица, этими потоками управляющие. На систему оказывает влияние внешняя рыночная среда, со своими конъюнктурными возмущениями. Действие внешней среды, ограниченная способность финансового менеджера распознавать текущие состояния финансовой системы и прогнозировать будущие денежные потоки порождает фактор неустранимой неопределенности. При этом рыночная неопределенность не обладает классически понимаемой статистической природой. Соответственно, встает под сомнение применимость к анализу финансовых систем классических вероятностей и вероятностных случайных процессов.

Если, к примеру, взять хорошо известный метод Альтмана для оценки риска банкротства корпорации, то окажется, что коэффициенты в формуле Альтмана меняются от года к году и от страны к стране, т.е. метод Альтмана не обладает устойчивостью к колебаниям исходных данных. Порок метода состоит в том. что в нем делаются выводы относительно одной частной корпорации на основе комплекса данных о множестве корпораций, понимаемого как статистика. Таким образом, индивидуальные отличия предприятия в ходе анализа по методу Альтмана не берутся в расчет, нивелируются, при этом выводы о вероятности банкротства предприятия делаются на весьма ненадежной основе.

В итоге, исследователь финансовых систем, отказываясь от классического вероятностного подхода, вынужден использовать в анализе экспертные, минимаксные и другие детерминистские подходы, которые не в состоянии учитывать неопределенность поведения финансовых систем надлежащим образом. Иногда в ходе моделирования финансовые аналитики используют субъективные вероятности, однако обоснованность введения точечных вероятностных оценок и субъективных вероятностных распределений в большинстве используемых моделей может быть оспорена.

Аналогичные проблемы возникают и перед исследователями фондового рынка, где неопределенность носит генетический характер. Прокатившиеся по всему миру рыночные кризисы 1997 - 199S и 2000 - 2001 года, принесшие только американским инвесторам убытки в 10 триллионов долларов, показали, что существующие теории оптимизации фондовых портфелей и прогнозирования фондовых индексов себя исчерпали, и необходима существенная ревизия методов фондового менеджмента.

Таким образом, в свете явной недостаточности имеющихся научных методов для управления финансовыми активами, исследователи настроены на разработку принципиально новой теории управления финансовыми системами, функционирующими в условиях существенной неопределенности. Большое содействие этой теории может оказать теория нечетких множеств, заложенная около полувека назад в фундаментальных работах Лотфи Заде.

Первоначальным замыслом теории нечетких множеств было построить функциональное соответствие между нечеткими лингвистическими описаниями (типа "высокий", "теплый" и т.д.) и специальными функциями, выражающими степень принадлежности значений измеряемых параметров (длины, температуры, веса и т.д.) упомянутым нечетким описаниям. Там же были введены так называемые лингвистические вероятности - вероятности, заданные не количественно, а при помощи нечетко-смысловой опенки.

Впоследствии диапазон применимости теории нечетких множеств существенно расширился. Сам Заде определил нечеткие множества как инструмент построения теории возможностей. С тех пор научные категории случайности и возможности, вероятности и ожидаемости получают тоеретическое разграничение.

Следующим достижением теории нечетких множеств является введение в обиход так называемых нечетких чисел как нечетких подмножеств специализированного вида, соответствующих высказываниям типа "значение переменной примерно равно а". С их введением оказалось возможным прогнозировать будущие значения параметров, которые ожидаемо меняются в установленном расчетном диапазоне. Вводится набор операций над нечеткими числами, которые сводятся к алгебранчесим операциям с обычными числами при задании определенного интервала достоверности (уровня прннадтежности). Фундаментальные исследования в этой области предприняты Дюбуа и Прадом.

Прикладные результаты теории нечетких множеств не заставили себя ждать. Для примера: сегодня зарубежный рынок так называемых нечетких контроллеров (разновидность которых установлена даже в стиральных машинах широко рекламируемой марки LG) обладает емкостью в миллиарды долларов. Нечеткая логика, как модель человеческих мыслительных процессов, встроена в системы искусственного интеллекта и в автоматизированные средства поддержки принятия решений (в частности, в системы управления технологическими процессами).