Книги по разным темам Pages:     | 1 |   ...   | 6 | 7 | 8 | 9 | 10 |   ...   | 19 |

Чтобы добиться равенства суммарных оценок в различных экспертных заключениях следует ввести так называемые стандартизированные ранги, получаемые путем пересчета простых оценок. Стандартизованные ранги рассчитываются при помощи деления суммы мест, на которых расположены связанные оценки, на их число [83]. Результатом стандартизации рангов является получение нормальной ранжировки, для которой выполнено основное условие ранжирования. Затем для каждого явления рассчитывается сумма рангов, проставленных каждым из экспертов. После этого фактору (явлению), набравшему минимальную сумму рангов, присваивается первый ранг, следующему за ним - второй и т.д. В случае совпадения сумм рангов для некоторых явлений на этом шаге следует повторно провести процедуру стандартизации, но уже не по простым рангам, а по суммарным оценкам экспертов. Важно также отметить, что количество экспертов должно быть, по крайней мере, на 1 больше числа исследуемых факторов (в реальности экспертов следует подбирать так, чтобы их число было значительно больше числа оцениваемых ими явлений) [34].

Поскольку в силу личных особенностей одни эксперты выносят негативные заключения чаще других, то приходится использовать специальные процедуры ранжирования. Рассмотрим некоторые из них.

Одной из возможных процедур является ранжировка методом т.н. спортивного турнира, суть которой заключается в том, что по каждому из рассматриваемых критериев фиксируются ничьи, выигрыши и проигрыши для каждой пары участников, что позволяет оценить их относительную силу [89].

Другим методом ранжировки является линейная свертка. Эта модель основывается на нахождении взвешенной суммы оценок. Основным свойством модели является то, что низкое значение оценки по одному критерию может компенсироваться высокими оценками по другим. Данная модель используется для оценки суммарных возможностей участников по всем критериям с учетом их значимости.

Рассмотрим также третий метод ранжировки - путем мультипликативной свертки.

Модель основывается на нахождении взвешенного произведения нормированных оценок и характеризуется тем, что низкое значение хотя бы по одному из критериев не может быть компенсировано другими и ведет к тому, что явление занимает низкое место при ранжировке. Модель служит для выявления серьезных отклонений в определенных явлениях и при оценке равномерности качества (значимости) объектов (факторов).

Следует отметить, что возможность использования коллективного мнения группы экспертов определяется согласованностью их мнений [122]. В случае необходимости принятия важных решений формируется экспертная группа из разных специалистов, точки зрения которых на различные факторы или все явление в целом будут значительно отличаться. Часто для оценивания значимости мнений (их весовых коэффициентов) экспертами рассматривается разность усредненного заключения всей группы (среднее арифметическое мнений) и подходов отдельных аналитиков. При таком подходе эксперты, подходы которых менее всего отличаются от среднего значения, считаются наиболее компетентными, а их оценки - наиболее достоверными, поэтому их вес полагается большим сравнению с экспертами, сильно отклонившимися от оценки всей группы [122].

Следующим шагом после определения весовых коэффициентов мнений каждого из экспертов, является попарное сравнение критериев с целью определения индивидуальных оценок их значимости. Следовательно, имеются веса мнений экспертов по любой из рассматриваемых альтернатив и индивидуальные оценки значимости критериев [83].

Результатом перемножения соответствующих значений являются взвешенные оценки.

Можно говорить о том, что весь процесс получения экспертных оценок разбивается на ряд этапов [34]:

1. определение множества критериев;

2. определение функции принадлежности критериев;

3. определение весовых коэффициентов мнений экспертов;

4. нахождение индивидуальных коэффициентов относительной важности критериев;

5. вычисление взвешенных оценок коэффициентов, т.е. определение их относительной важности;

6. определение значений оценок с учетом взвешенных показателей относительной значимости;

7. ранжирование оценок и выбор оптимального проекта.

При выборе характеристик, использующихся при оценке финансовоэкономических систем, часто выделяют экономические (доходность, уровень риска, срок окупаемости и т.п.), социальные (развитие инфраструктуры, улучшение уровня жизни) и экологические группы факторов. Очевидно, что многие из этих критериев часто входят в противоречие друг с другом [35]. Поэтому, в случае принятия решения в условиях неопределенности и при необходимости оценки системы по различных параметрам (т.е.

по многим критериям) точный результат определить невозможно. Следует говорить о классе подходящих решений, исследующемся специалистами и использующемся при анализе альтернатив развития сложных систем.

Впрочем, метод прямых экспертных оценок, как и другие методы, использующие оценочные процедуры, имеет достаточно много проблем в применении и особенностей в зависимости от специфики его реализации [83]. Опираясь на практические данные и различные исследования, можно сказать, что, несмотря на свои преимущества, метод экспертных оценок имеет ряд серьезных недостатков, содержащихся в самой его природе.

При использовании данного метода эксперты часто не учитывают факторов, ограничивающих его применение, связанных, в частности, с существующими на сегодняшний день процедурами его реализации. При практическом применении метода часто допускается ряд типичных ошибок, делающих его результаты ненадежными и неточными. В частности, часто исследуются мнения экспертов, занятых на различных уровнях управления исследуемой системы, что приводит к большим различиям в их мнениях, связанных с разным пониманием проблем и целей развития объекта (в т.ч. и финансово-экономического). Кроме того, распространенной проблемой является неадекватное (или просто в корне различное) понимание различных свойств или характеристик системы. Довольно часто качества, исследуемые при помощи шкалирования (особенно в наиболее простом случае применения линейных шкал) понимаются весьма неоднозначно, а потому и оцениваются по-разному. В результате, каждый эксперт оценивает факторы (явления, свойства) исходя из своего личного понимания предложенных терминов, что приводит к высокой индивидуализированности выставляемых оценок [77].

В качестве примера можно привести анализ искренности сотрудников компании:

различные эксперты по-разному оценивают степень правдивости респондентов: одни считают уровень искренности опрашиваемых очень высоким, другие - низким (по результатам исследования [83]). Причем оценки, различавшиеся в диапазоне от 0,32 до 0,95, не зависели от опыта, квалификации и уровня подготовки экспертов.

Для решения указанной проблемы обычно используются два основных способа.

Во-первых, используется особая процедура сближения мнений, заключающаяся в обсуждении проблемы всеми экспертами. Во-вторых, часто производится построение обобщенного мнения на основе автоматизированных алгоритмов, не предполагающих организации дискуссий и пересмотра концепций с целью их сближения [33].

В целом, в данном методе экспертов можно упрощенно рассматривать в качестве аналогов измерительных приборов в физике. Применение на практике мнений аналитиков и экспертов очевидно в условиях недостатка необходимых данных и неточности имеющейся в распоряжении исследователя информации. Менее очевидной, но не менее значимой является возможность применения подобных оценок в случае, когда у исследователя имеется объективная информация. Естественно, только аналитик, специализирующийся на оценочных вопросах, может произвести корректное заключение о приемлемости затрат на осуществление проекта, перспективах развития сложной финансово-экономической системы и т.д. [35].

Очевидной сложностью использования прямых экспертных оценок является необходимость определения их точности и, соответственно, возможной погрешности [33].

Например, социологические и психологические исследования показывают, что эксперт (как и любой другой человек) обычно не может различить более 7 градаций объекта (явления) [89]. Однако довольно часто применяются шкалы со значительно большей размерностью (в частности, широко используется десятибалльная шкала). Другим серьезным недостатком метода прямых экспертных оценок является сложность подбора критериев - обычно их выбор неочевиден и далеко не всегда удается обосновать то, что данный набор, необходим и достаточен для решения рассматриваемой задачи. Другой важной особенностью метода экспертных оценок является расхождение мнений экспертов, выдвигаемых ими при анализе определенных свойств системы. Поэтому для составления корректной итоговой оценки необходимо провести анализ согласованности суждений. Также довольно сложно определить весовые коэффициенты различных используемых критериев. Обычно в рассматриваемом методе веса определяются на основании интуитивных представлений о сравнительной значимости критериев. Тем не менее, исследования показывают, что эксперт в большинстве случаев затрудняется точно определить веса даже в простейшем случае (при анализе двух критериев) [34].

Как отмечалось ранее, использование экспертных и аналитических суждений необходимо не только в условиях дефицита информации и отсутствия точных числовых данных, но также важно и при необходимости интерпретации известных количественных и качественных данных с учетом специфических особенностей конкретного варианта решения [77]. В целом, можно сказать, что главные недостатки метода прямых экспертных оценок следующие:

1. обеспечение непротиворечивости и высокой достоверности мнений экспертов;

2. возможная несогласованность суждений, выдвигаемых различными специалистами по данным вопросам;

3. необходимость построения согласованного (обобщенного, компромиссного) мнения, удовлетворяющего условию корректности;

4. необходимость предотвращения возможности манипулирования экспертными оценками.

Следовательно, основные проблемы, связанные с данным методом, не позволяют рассчитывать на значительную точность полученных при его помощи оценок и не годятся для исследования объектов, характеризующихся высокой степенью неопределенности (в частности, финансово-экономических систем) [89].

2.1.3. Частотный метод Рассмотрим теперь другой метод, основанный на исследовании частоты реализации различных исходов наблюдаемого события и позволяющий делать более строгие и надежные выводы о вероятностях развития сложных систем.

Для этого введем некоторые понятия. Оценка, сходящаяся по вероятности к оцениваемой величине при неограниченном возрастании объема выборки, называется ~ состоятельной (по терминологии Р. Фишера). Кроме того, полагая величину a оценкой параметра a, будем считать, что данная оценка является несмещенной в том случае, если ~ Ea = a (это означает, по определению Е.С. Вентцель [20, с.312], что в ходе наблюдений не делается систематической ошибки в сторону завышения или занижения). Очевидно также, что крайне желательно минимизировать стандартное отклонение (в финансах - ~ уменьшить риски). Т.е., дисперсия должна быть минимальной: Da min [20, с.313]. В случае соблюдения этого условия можно говорить об эффективности оценки.

Предположим теперь, что при анализе системы каждая операция (действие, испытание), допускают ряд взаимно исключающих исходов, образующих полную группу событий A1 A2... An+1 =, Ai Aj =, i j, и вероятности, соответствующие n+этим событиям, равны p1, p2,K, pn+1, где pi = 1 [113, с.152]. Введем случайную k + i=мерную величину (x1, x2,K, xn+1), где xi - число испытаний, приводящих к альтернативе Ai. Функция вероятности данной случайной величины будет равна n! xn+1 p(x1, x2,K, xn+1) = p1x p1x K pn+1 (подробнее см. [113, с.152]). Учтем, что x1!x2!K, xn+1! xn+1 = k - x1 - x2,K - xn, pn+1 = 1- p1 - p2 -K - pn, где k - число испытаний.

Следовательно, рассматриваемое распределение можно назвать n -мерным мультиномиальным распределением.

Рассмотрим более простой частный случай мультиномиального распределения.

Предположим, что возможны только две альтернативы события: B и B. Этот случай широко распространен на практике, фактически означая просто: будет или не будет реализована необходимая альтернатива (например, произойдет или не произойдет дефолт системы ГКО РФ). Положим, что p - вероятность B, а q - вероятность B, где p + q = [113, с.150]. Будем также считать, что проводимые испытания, в которых чередуются рассматриваемые исходы, независимы. Тогда будем иметь, что вероятность, приписываемая любой из последовательностей, для которой x (случайная величина, характеризующая число исходов B в данной последовательности) будет равна x x некоторому x, составит p qn-x, где n - число испытаний. Всего имеется Cn n! x последовательностей, для которых x = x, где Cn =, следовательно:

(n - x)!x! x x P(x = x ) = Cn p qn-x [113, с.151]. Это распределение называется биномиальным (часто обозначается Bi(n, p) ). Последовательности независимых испытаний, из которых каждое приводит к одному из двух возможных исходов с вероятностями, не зависящими от номера испытания, называются испытаниями Бернулли [113, с.151].

Введем также понятие выборочного среднего, под которым будем понимать n xi i=среднее арифметическое наблюдаемых значений x =. В качестве выборочной n дисперсии возьмем центральный выборочный момент m для случая, когда = 2, т.е.

n m2 = (xi - x). Важным результатом является теорема Чебышева (Закон больших n i=чисел): при достаточно большом числе независимых опытов среднее арифметическое наблюденных значений случайной величины сходится по вероятности к ее математическому ожиданию [20, с.290].

Выборочное среднее является состоятельной оценкой математического ожидания Ex, поскольку сходится к математическому ожиданию по вероятности (по Закону больших чисел). Кроме того, выборочное среднее является также и несмещенной оценкой n Ex nEx i=Ex случайной величины, поскольку: Ex = = = Ex [20, с.313]. Для оценки n n дисперсии Dx рассмотрим величину m2 = D*. Она является состоятельной, но не является несмещенной оценкой дисперсии Dx (подробнее см. [20, с.314-315]). Впрочем, для того, чтобы D* стала несмещенной, достаточно ввести поправку, умножив D* на n [20, с.315].

Pages:     | 1 |   ...   | 6 | 7 | 8 | 9 | 10 |   ...   | 19 |    Книги по разным темам