Экономико-математические методы прогнозирования и управления рисками в растениеводстве тема диссертации по экономике, полный текст автореферата
Автореферат
| Ученая степень | кандидат экономических наук |
| Автор | Касаева, Мариям Дахатовна |
| Место защиты | Черкесск |
| Год | 2004 |
| Шифр ВАК РФ | 08.00.13 |
Диссертация
Автореферат диссертации по теме "Экономико-математические методы прогнозирования и управления рисками в растениеводстве"
На правах рукописи
Касаева Мариям Дахатовна
ЭКОНОМИКО- МАТЕМАТИЧЕСКИЕ МЕТОДЫ ПРОГНОЗИРОВАНИЯ И УПРАВЛЕНИЯ РИСКАМИ В РАСТЕНИЕВОДСТВЕ
08.00.13- математические и инструментальные методы экономики
АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата экономических наук
Кисловодск - 2004
Работа выпонена в Карачаево-Черкесской государственной технологической академии
Научный руководитель:
Ч доктор физико-математических наук,
профессор Перепелица Виталий Афанасьевич
Официальные оппоненты:
Ведущая организация
Ч доктор экономических наук, профессор Кардаш Виктор Алексеевич
Ч кандидат экономических наук, доцент Тахтамышева Зарема Шахамбиевна
Ч Ставропольский государственный университет
Защита состоится л30 л-ЫСиЯ 2004 г. в /) часов на-заседании диссертационного совета ДМ 521.002.01 при Кисловодском институте экономики и права по адресу: 357700, Россия, Ставропольский край, г.Кисловодск, ул.Р.Люксембург, 42, КИЭП.
С диссертацией можно ознакомиться в научной библиотеке Кисловодского института экономики и права
Автореферат разослан СНуиВъСЯ 2004 года.
ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ
Актуальность темы исследования; Российская экономика переживает этап структурной перестройки. На этом этапе традиционные методы менеджмента не дают реального эффекта, поскольку ориентированны на нормально функционирующий рынок. Большинство малых, средних и даже крупных компаний не просто испытывают затруднения, но постоянно находятся на самом краю пропасти. Экономический риск является неотъемлемой чертой реальных хозяйственных решений. Основная особенность современного риска заключается в его тотальном и всеобъемлющем характере. Даже наиболее перспективные инвестиции могут привести к созданию мощностей по производству неконкурентоспособной продукции.
Особенно остро встает вопрос управления рисками в регионах, относящихся к зонам рискового земледелия. Особенности и апробированные методы управления рисками в экономике изучены недостаточно. Это происходит из-за низкого уровня развития рыночных отношений, из-за слабой специальной подготовки значительной части кадров, из-за того, что не хватает статистических данных, позволяющих строить экономико-математические модели. И, наконец, из-за того, что современная теория' оценки меры экономических рисков, прогнозирования и управления. ими еще далеко не адекватна реальным потребностям практического менеджмента.
Риск, т.е. неопределенность и непредсказуемость результатов растениеводческой деятельности в зонах рискового земледелия значительно выше, чем в других отраслях. АПК. Актуальность темы рисков в АПК в настоящее время осознана не. только в научных кругах, но и в среде предпринимателей, а также государственных структур. Вопреки расхожему мнению, что главное - достать средства для затрат с длительным, циклом освоения, отечественный и зарубежный опыт свидетельствует, что самое важное - наиболее эффективное их применение на базе надежного прогнозирования.
Повышенный уровень неопределенности в отрасли растениеводства требует особых управленческих решений по анализу рисков и разработке мероприятий по их снижению. В зонах рискового земледелия важнейшим фактором, воздействующим на принятие управленческих решений в сфере растениеводства, снижающих их субъективность и обеспечивающим контроль уровня риска, становиться качество управления на базе надежного прогнозирования. Данные обстоятельства обуславливают актуальность углубленных исследований экономико-математических методов
прогнозирования и управления рисками в растениеводстве.
Степень разработанности проблемы. Общие проблемы рискологии и управления рисками, а также вопросы систематизации, структурирования и методологии анализа экономических рисков предпринимательской
НАЦИОНАЛЫ*л 1 БИБЛИОТЕКА СПтИгг Х м ля/
ОТЕКА I
деятельности активно исследуются в научной литературе, в том числе в работах
A.П.Альгина, И.Т.Балабанова, В.П.Буянова, С.В.Вайданцева, П.Г. Грабового,
B.М.Гранатурова, В.А.Кардаша, К.А.Кирсанова, М.ГЛапусты, В.И Лившица, Л.А.Михайлова, БАРайсберга, В.Т.Севрук, В.Л.Тамбовцева, В.В.Хохлова,
B.В.Христиановского, В.А.Чернова, Л.Г.Шаршукова и других.
Последнее десятилетие начали активно изучаться вопросы математического моделирования экономических рисков. Систематическое изложение различных подходов в разработке рисковых экономико-математических моделей представлено в монографиях и статьях отечественных и зарубежных авторов: Е.Д.Вогана, П.Т.Верченко, В.В.Витлинского, А.М.Дуброва, Л.Г.Дугласа, М.Дж.Грубера, А.М.Дубова, Р.М.Качалова, ИЛукасевича, Б-.АЛагошина, Ю.ПЛукашина, СИ. С.И.Наконечного,
C.АСмоляк, А.Н. Первозванского, К.Рэдхэда, С.Хыоса, В.Ф.Шарпа, Е.Дж.Этона, О.И стремского и других.
Методологические основы настоящего исследования сформировались, в первую' очередь, на трудах отечественных и зарубежных ученных ИААлександрова, В.В. Алиничева, Г.А. Бабкова, Т.Бачкаи, М.И.Баканова, А.Гатаулина, В.Ы.Дегтяренко, О.В.Завгородневой, В.М.Зеляковской,
A.ПЗадкова, В.-Б.Занга, В.В.Ковалева, Э.В. Крылатых, М.Х. Мескона, RA-Перепелицы, Е.В.Поповой, М.В.Романовой, С.АСмоляка, М.А.Федотова,
B.Д.Шапиро, В.П.Щербины, M.Greene, F.Knight, E.Vaughan, C.Williams и др. Большой: вклад в науку и практику моделирования, прогнозирования и прикладной информатики экономических систем, внесли АЕ.Атунин, Е.В.Бережная ,В.И.Бережной, В.И.Векленко, В.А Долятовский, Е.Н.Ефимов, А.НЗКирабок, Л.В.Канторович, Дж.Фон Нейман, Э-Л.Нейман, Э.Петерс, А.Ф.Рогачев, Г.Н.Хубаев, Л.П.Яновский и другие.
В то же время методология изучения рисков в сфере АПК в основном сосредотачивает внимание более всего на макроэкономических рисках, связанные с неопределенностью внешней экономической среды, структурными сдвигами в производстве, бюджетным дефицитом и др., тогда как нет достаточно обоснованных исследований рисков в области принятия решений в условиях, связанных с потенциально возможным появлением неблагоприятных ситуаций и последствий, которые могут ухудшить показатели эффективности хозяйственной деятельности.
К настоящему времени в публикациях Э. Петерса, В.-Б. Занга, B.C. Сафонова и других авторов вызрела идея допонительного измерения по отношению к установившейся хрестоматийной теории экономического риска. Допонительное измерение предполагает, что в реальных ситуациях математический инструментарий оценки меры экономического риска так или иначе теряет свою прогностическую способность и, соответственно, требуется допонить или заменить его на другой инструментарий, более эффективный в конкретной рыночной ситуации. Проблемным становится вопрос, как определить те моменты, когда одни факторы становятся определяющими, а значимость других ослабевает? В качестве одного из продуктивных подходов к решению этого вопроса в научных публикациях появилась идея так
называемого многокритериального подхода к оценке меры риска. На идеях многокритериальго подхода и фрактального анализа базируются исследования, реализованные в настоящей диссертационной работе.
Цель и задачи исследования. Целью настоящей работы является разработка математических и инструментальных методов оценки и управления рисками и прогнозирования для принятия экономических управленческих решений в отрасли растениеводства агропромышленного комплекса с учетом специфики зон рискового земледелия. В соответствии с целью работы решались следующие задачи:
Х уточнить сущность экономических рисков в сфере агропромышленного комплекса;
Х исследовать характерные типы рисков, причины их возникновения и формы проявления;
Х выявить специфику природно-климатических факторов риска сельскохозяйственной деятельности растениеводческих предприятий АПК региона;
Х обосновать методы анализа и прогнозирования урожайностей сельскохозяйственных культур;
Х разработать и обосновать экономико-математические модели для прогнозирования оценки меры экономического риска в растениеводстве.
Предмет и объект исследования. Предметом исследования являются экономико-математические модели и методы прогнозирования и управления рисками в растениеводстве. Объект исследования - отрасль растениеводства агропромышленного комплекса региона.
Методология и методы исследования. Теоретической и методологической основой исследования послужили фундаментальные концепции и прикладные исследования, содержащиеся в работах отечественных и зарубежных ученных, посвященные проблемам прогнозирования и экономической теории рисков, их моделированию и практической оценке. Использовались теоретические и практические разработки ведущих специалистов по управлению рисками, а также законодательные акты РФ, постановления Правительства РФ и Администраций Вогоградской области и Ставропольского края.
Информационную базу исследования составили аналитические и статистические материалы Госкомстата России, Вогоградской области и Ставропольского края, органов региональной власти и управления, научно-практические публикации по экономическим проблемам перерабатывающей области АПК, сведения, предоставленные предприятиями растениеводческой отрасли агропромышленного комплекса.
Диссертационная работа выпонена в рамках п. 1.1. Разработка и развитие математического аппарата экономических систем: .... , оптимизации теории
принятия решений, дискретной математики и других методов, используемых в экономико-математическом моделировании; п. 1.4. Разработка и исследование моделей и математических методов анализа микроэкономических процессов и систем: фирм и предприятий, ....способов количественной оценки предпринимательских рисков и обоснования инвестиционных решений; п. 1.8.
Математическое моделирование конъюнктуры, ....определение трендов, циклов и тенденций развития паспорта специальности 08.00.13 - Математические и инструментальные методы в экономике.
Научная новизна. Научную новизну диссертационного исследования содержат следующие положения:
1. Развита концепция управления риском существенного снижения экономических результатов функционирования растениеводческой
отрасли агропромышленного производства как системное проявление качественных (мера неопределенности) и количественных (не достижения оптимального решения) показателей хозяйственной деятельности вследствие случайного изменения внешних и внутренних условий производства.
2. На базе идей фрактального анализа осуществлено совершенствование методов выявления и численной оценки таких фундаментальных свойств эволюционных экономических систем и процессов, как трен-доустойчивость, наличие и глубина памяти, что дает возможность построить более эффективный метод прогноза экономических процессов.
3. Впервые предложены методы нечетких множеств и линейных клеточных автоматов для прогнозирования урожайностей основных сельскохозяйственных культур.
4. Разработан и апробирован метод преобразования временных рядов урожайности в лингвистический временной ряд урожайности, что позволяет построить двухэтапный агоритм прогнозирования урожайности.
5. Разработана новая математическая модель для прогнозирования урожайности на базе линейных клеточных автоматов, математического аппарата нечетких множеств; предложены и апробированы методы вали-дации и верификации прогнозной модели.
6. Осуществлено дальнейшее развитие методов использования R/S - анализа и фазовых портретов для получения необходимой информации о глубине договременной памяти и циклической компоненте прогнозируемых временных рядов урожайности.
Практическая значимость полученных результатов определяется актуальностью поставленных задач и достигнутым уровнем разработки проблемы. Положения, развиваемые в работе, могут оказать практическую помощь при разработке мероприятий по оптимальному планированию растениеводческой деятельности в АПК, а также при разработке региональных программ развития предприятий аграрного производства. Практическое значение данная работа может иметь для дальнейших исследований в области совершенствования математических и инструментальных методов принимаемых решений с учетом факторов риска в целях стимулирования повышения эффективности их хозяйственной деятельности.
Апробация и внедрение результатов исследования. Результаты исследования и основные его положения докладывались и получили положительную оценку на следующих конференциях и симпозиумах, проводимых различными академическими учреждениями и высшими учебными заведениями России:
- на IV Всероссийском симпозиуме Математическое моделирование и компътерные технологии (Кисловодск, 2000);
- на Северо-Кавказской региональной научной конференции молодых ученных, аспирантов и студентов Перспектива-2001 (Нальчик,2001);
- на IV научно-практической конференции аспирантов и студентов Региональная экономика управления и права(Черкесск, 2001);
- на VII Международной научно-технической конференции "Математические методы и информационные технологии в экономике" (Пенза, Привожский Дом знаний, 2001);
- на Международной научно-практической конференции (Нальчик,2001);
- на II конференции молодых ученых (Российская Академия наук. Кабардино-бакарский научный центр, Нальчик, 2001);
- на IV научно-практической конференции Решение научно-технических и социально-экономических проблем современности (Чер-кесск,2002);
- на V Всероссийском симпозиуме Математическое моделирование и компьютерные технологии (Кисловодск,2002);
- на Межрегиональной научно-практической конференции Перспективы развития маркетинговой и коммерческой деятельности в регионе- (Ростов-на-Дону, Черкесск, 2002 г.);
- на III Международной конференции Новые технологии в управлении, бизнесе и праве (Невинномысск, 2003 г.);
- на VIII Международной конференции серии Нелинейный мир. Образование. Экология. Экономика. Информатика. (Астрахань, 2003);.
- на III Международной научно-практической конференции Проблемы регионального управления, экономики, права и инновационных процессов в образовании (Таганрог, 2003 г.)
Результаты исследования, отдельные положения и рекомендации получили принципиальное одобрение Министерства сельского хозяйства Ставропольского края.
Публикации. Основные результаты диссертации изложены в опубликованных работах общим объемом 4,85 п.л.
Объем и структура работы. Диссертация состоит из введения, четырех глав, заключения, списка использованной литературы, приложений. Текст диссертации изложен на 176 страницах, включает 8 таблиц, 35 рисунков. Список использованной литературы состоит из 143 источников.
ОСНОВНЫЕ НАУЧНЫЕ ПОЛОЖЕНИЯ, РЕЗУЛЬТАТЫ И ВЫВОДЫ, ВЫНОСИМЫЕ НА ЗАЩИТУ
Во введении обосновывается актуальность темы исследования; сформулированы его цель и задачи, предмет и объект исследования; определены его теоретические и методологические основы, раскрыта новизна и практическая значимость полученных результатов.
В первой главе Теоретические основы оценки рисков и управления ими в сфере агропромышленного производства проводиться краткий анализ существующих подходов и методик определения сущности и функции риска.
В контексте экономико-математического моделирования эволюционных процессов и систем особое значение приобретают методы оценки меры риска. Большинство современных подходов к оценке меры экономического риска опирается на классическую теорию оценки рисков, которая приобрела наиболее завершенный вид для портфельных инвестиций, благодаря удачно предложенной лауреатом Нобелевской премии Г. Марковицем постановке задачи риск-доход. В течении почти четырех десятилетий эта задача интенсивно исследовалась и в последние годы доведена до уже методологически сложившегося многокритериального подхода. Последнее предполагает использование не одного рискового критерия, а множества критериев, включающего в себя достаточно обширный ряд показателей, том числе таких, как стандартное отклонение, коэффициенты вариации, ассиметриии,- эксцесса и др.
В трудах отечественных ученных термином луправление риском, назван -процесс выявления неопределенности и отклонений в прогнозируемом результате, а также принятие решений, позволяющих предотвращать или уменьшать неблагоприятное воздействие от случайных факторов. Принципиальная особенность проблемы управления рисками, заключается в том, что в момент принятия решений практически не возможно получить точное и поное знание всех действующих или потенциальных внутренних и внешних факторов. В настоящей работе в качестве одного из основных выводов формулируется предложение: наиболее эффективным элементом в управлении риском можно считать возможно более точное прогнозирование ожидаемых значений определяющих факторов.
В рамках отрасли растениеводства, относящегося к зонам рискового земледелия, основную суть комплекса мероприятий по снижению агроэкономиче-ского риска, обусловленного погодно-климатическими колебаниями, представляют следующие мероприятия, реализуемые на базе прогнозных данных:
- варьирование различных культур и их сортов с учетом ожидаемых в следующем году климатических условий, имея в виду использование в неблагоприятном году наиболее устойчивых, неприхотливых сортов;
- использование так называемой асинхронности урожаев различных культур, имея в виду возможность расширять посевы культуры, для которой прогноз благоприятный, за счет уменьшения площади посева культуры с неблагоприятным прогнозом урожая;
- планирование форвардных и фьючерсных операций межрегионального сотрудничества, заключение торговых соглашений с учетом прогноза урожайности и ожидаемой конъюнктуры рынка.
Перечень этих мероприятий по существу определяет собой ситуационный базис для управления агроэкономическим риском. Вместе с тем очевидным является то, что это управление базируется в первую очередь на результатах
прогнозной модели.
Краткий обзор подходов и экономико-математических методов прогнозирования эволюционирующих процессов и соответствующих им временных рядов позволяет сделать следующий вывод: одного универсального, удовлетворяющего всем требованиям, не обладающего недостатками метода прогнозирования не существует. Каждый подход и каждый метод имеют свои достоинства, недостатки, границы применения. В мировой экономической литературе количество таких методов исчисляется многими десятками. Важно отметить, что эти методы базируются либо на корреляционно-регрессионных моделях, либо на трендах, для представления которых выбирается наиболее подходящие экстрополяционные зависимости. Глубокий анализ временных рядов урожайности сельскохозяйственных культур показывает слабую адекватность этих моделей указанным рядам. Причиной тому является скрытая квазипериодичность, наличие договременной памяти и дробной фрактальной размерности, присущей временным рядам урожайности основных культур, выращиваемых в зоне рискового земледелия. В силу этого обстоятельства в настоящей работе для построения прогнозной модели урожайности предлагается новый подход, который базируется на использовании клеточных автоматов и математического аппарата нечетких множеств..
Во шорой главе Математическое моделирование временных рядов урожайностей, выявление трендов, циклов и тенденций развития предлагаются инструментальные и математические методы моделирования временных рядов, которые обладают договременной памятью, и вместе с тем в характере их поведения появляется хаотичность. Реальное моделирование таких рядов потребовало новых инструментальных и математических методов, в частности метода фрактального анализа, базирующегося на агоритме R/S -анализа временных рядов. Приведем описание этого агоритма. Обозначим через Z данный временной ряд (ВР)
в котором последовательно выделяем его начальные отрезки Zr = zДz1....,zt, г = 3,4,..., п, для каждого из которых вычисляем текущее среднее *r=Чz,.
Далее для каждого фиксированного Z,, г = 3,4,...,п вычисляем накопленное
отклонение для его отрезков длины После чего
вычисляем разность между максимальным и минимальным накопленными отклонениями R= maxi.V,.)Ч mini А',,), которую принято называть
' 1й<Г 4 ' ljir *
термином "размах R". Этот размах нормируется, т.е. представляется в виде дроби , где - стандартное отклонение для отрезка ВР
Показатель Херста Я = Я(г), характеризующий фрактальную размерность рассматриваемого ВР и соответствующий ему цвет шума, получаем из соотношения R/S = (a- г)", И~Н(т). Логарифмируя обе части этого равенства и полагая а-1/2, получаем декартовы координаты (х,,уг) Н-
траектории ординаты которых уг = Н(г)~ и абсциссы хг=т,
Требуемая для фрактального анализа ряда (1) R/S- траектория представляется в логарифмических координатах последовательностью точек, абсциссы которых jer = Jog(r/2), а ординаты ут = log(/?(r)/6"(r)). Соединяя отрезком соседние точки и , получаем
графическое представление R/S- траектории (Я-траектории) в логарифмических координатах (в обычных декартовых координатах).
Одной из основных фрактальных характеристик ВР является цвет шума, который соответствует этому ряду на том или другом временном отрезке. Значения И >2/3 определяют собой черный цвет шума. Чем больше значение
Не [2/3,l], тем большая тренд оустойчивость присуща соответствующему отрезку ВР. Значения Н в окрестности -0,5 0,1 определяют собой область белого шума, который соответствует " хаотичному поведению ВР" и, следовательно, наименьшей надежности прогноза. Рассматриваемым в настоящей работе рядам, за редким исключением, присущи черный и белый шумы, а также, нестрого говоря, "серый шум", соответствующий области нечеткого разграничения между областями черного и белого шумов.
Основанием для утверждения о том, что ВР(1) обладает договременной памятью, является выпонение следующих условий1.
Х Его Я-траектория через несколько своих начальных точек оказывается в области черного шума, а для его траектории указанные точки вхождения в черный шум демонстрируют собой наличие тренда. Глубину этой памяти определяет такой номер г = /, для которого выпоняется следующее условие
: в точке I Н -траектория получает отрицательное приращение, а R/S-траектория в этой точке демонстрирует так называемый срыв с тренда, т.е. резкое изменение тренда.
Х Факт наличия договременной памяти в рассматриваемом ВР можно обосновать также с помощью процедуры перемешивания элементов этого В Р. Если в данном ВР случайным образом перетасовать его элементы и полученный ряд представить на вход атгоритма Л^-анализа, то на выходе этого агоритма максимальное значение показателя Херста и Я-траектории окажется явно меньше по сравнению со значениями Я для исходного ВР в случае, если этот ВР обладает договременной памятью.
1 Петере Э. Хаос и порядок на рынках капктала. Новый аналитический взгляд на циклы, иены и изменчивость рынка. -М.: Мир, 2000 - 333 с.
В настоящей работе осуществлен массовый фрактальный анализ, построены Н- и R/S-траектории для временного ряда урожайности зерновы озимой пшеницы по Вогоградкой области и Ставропольскому краю. основании полученных результатов можно утверждать, что рассматриваем ВР обладают договременной памятью, они состоят из квазициклов переводе с греческого квази-это как бы). При этом указанные выше то1 смены тренда чаще всего представляют собой окончание этих квазициклов.
В качестве илюстративного примера использования инструментарного фрактального анализа ВР рассмотрим на рис.1 R/S- траекторию и траекторию для отрезка Z10 ВР (1), представляющего собой ВР урожайности озимой пшеницы по Ставропольскому краю z10: z., i = 10,11,...,и, где п-обозначает собой число, которым занумерован 2002-й год.
(log количеств наблюдений)
Рис.1. К/Я-чраекторяя и Н-траектория отрезка 210 временного ряда урожайности озимси
пшеницы по Ставропольскому краю
На основании визуализации представленных на рис.1 траекторий можно сформулировать следующее заключение:
Х Для первых 7 точек г = 1,7 //-траектория отрезка 2а находится в зоне белого шума, из которого она уходит в область черного шума (значение Я(г)^0,8 для г = 10), что говорит о наличиидоговременной памяти в отрезке 210 рассматриваемого ВР;
Х Смена тренда Л/-траектории в точке г = 10 , сопровождаемая уход //-траектории в зону белого шума, позволяет оценить глубину договременной памяти числом 10.
Важнейший вывод, вытекающий из установленного факта наличия договременной памяти во временных рядах урожайностей, состоит в том, что появляются основания для разработки системы кратко-и среднесрочного прогноза этих урожайностей. Предложенные в настоящей работе
инструментальные методы для этой системы базируются на математическом аппарате теории клеточных автоматов и теории нечетких множеств.
Объем памяти используемого клеточного автомата и, в конечном счете, трудоемкость вычислительной схемы прогнозирования существенным образом зависят от глубины памяти прогнозируемых ВР. Поэтому в настоящей работе с достаточной понотой реализованы численные расчеты с целью обосновать верхнюю оценку глубины памяти рассматриваемых ВР.
Пусть дан временной ряд ВР(1) имеющий договременную память. Агоритм оценки глубины договременной памяти и представления ее в виде нечеткого множества состоит из двух этапов:
Этап 1. Формирование на базе BP (1) семейства s(z) = {Zr}t г = 1,2,...,m, состоящего из т временных рядов Z, :z', i = l,2,...,/jr, nr=n-r , где Zr получается из BP Z,., путем удаления его первого элемента гр'
Этап 2. осуществляет RIS - анализ временных рядов из семейства S(z) и формирование нечеткого множества (НМ) M(Z) значений глубины памяти для начального ряда (1).
Пусть для каждого из временных рядов Zr :z', i = ],nr в результате его R / S - анализа построены R / S - траектория и Н- траектория, определяющие собой номер /,- ой точки, в которой произошла смена тренда, т.е. /г- это номер первой по порядку точки, в которой НЧ траектория получила отрицательное приращение, а -траектория сменила тренд.
Введем следующие обозначения: N(/) -количество всех рядов из семейства , у каждого из которых номер точки смены
тренда равен числу -доля или частость таких рядов в , у
каждого из которых потеря памяти произошла на глубине /; I(Z) = {/}Ч множество значений номеров элементов смены тренда в рядах из семейства
глубины памяти для начального
Таблица 1
Глубина / 4 5 6 7 8 9 10 II 1?.
Количество N(1) 13 9 9 4 2 2 1 0 2
Частость d(l) 0,31 0,2! 0,21 0,10 0,05 0,05 0,02 0 0,05
Значения фуиммн 0,93 0,63 0.63 0,30 0,15 0,15 0,06 0 0,15
принадлежности /i(/)
Значения функции принадлежности для (НМ)Л/^)
пропорциональны числам с!{1), I е Щ.) и получаются путем нормирования значений долей с!(/) так, что' //(/) < 1 для всякого 1&Ц2). Результат работы этапа 2 для ВР (1) урожайности озимой пшеницы по Ставропольскому краю представлены в табл.1. Для наглядности на рис.2, представлено геометрическое изображение этого НМ.
М{2) = {(4,0,93), (5;0>63)1(6;0,63),(7;0,30)1(8;0,15),(9;0,15),(10;0,06),(11,0) (12,0,15)}.
Рис.2. Геометрическое представление нечеткого множества глубины памяти для временного ряда (1) урожайности озимой пшеницы по Ставропольскому краю.
Выводы, вытекающие из результатов выпоненных расчетов по оценке глубины памяти ВР Ъ состоят в следующем.
1. Глубина памяти конкретного ВР не является фиксированным числом; ее величина меняется вдоль рассматриваемого ВР, т.е. для различных его отрезков она является различной, например, как видно из табл.1, для ВР урожайности озимой пшеницы (Ставропольский край) численное значение глубины памяти колеблется в отрезке натурального ряда интервале ;
2. Для численного представления глубины памяти рассматриваемого ВР Ъ наиболее целесообразным является математический аппарат теории нечетких множеств, т.е. оцениваемая глубина представляет собой нечеткое множество Л/(2) Ч {(/, (/,)}, / е {^.Л1,...,!0}, где I - численное значение встречающейся глубины памяти, - значение функции принадлежности для этой глубины.
Обнаружение договременной памяти в рядах урожайности является не самоцелью, а представляется объективным обоснованием принципиальной возможности построения прогнозной модели, в процессе работы которой учитываются существенные факторы, которыми обусловлено наличие этой памяти. В контексте проблемы прогнозирования уместно отметить уже сложившееся, т.е. ставшее классическим основное положение декомпозиционного анализа2 временных рядов. Согласно этому положению в общем случае ВР может быть поделен на 4 составляющие части: а) тренд, б) циклическая компонента, в) сезонное колебание, г) нерегулярный или остаточный компонент. При этом, циклический компонент, если он существует, может нести весьма существенную информацию для составления прогноза. В арсенале современных методов прогнозирования ВР возрастающее значение приобретает такой подход, как визуализация их фазовых портретов2 ,получаемых в интерактивном режиме использования ПЭВМ. Для ВР (1) в
3 Holden,K., Peel,D. A. and Thompson J.L. Economic forecasting: an introduction/- Press Syndicate of the University of Cambridge, 1990. - 231 p.
качестве его фазового портрета размерности р используем простейший вариант вида /^,(2') = {(г,,г,Д,,...,г,^,.,)}, л = 1,2,...,и-р +1. При этом для целей нашего исследования можно ограничиться размерностью р = 2 в силу того, что фрактальная размерность рассматриваемых ВР не превосходит 2.
15 г.. 1
8 ; с. 4 : Ч * ! г. I
0...... . . :
0 4 8 12 16 20
цикл 1 (длина квазицикла 7,точки(1-7))
24 V 20 ' 16 Х 12 ! 8 ! А '
цикл 3 (длима квазицикла 6 точки(15-20))
2В т Ч......
.____Ч (
цикл 5 (длина квазицикла 6, точки(27-32))
цикл 7 (длина кезгицихз 5, то':ки(33-42))
20 18 12 8 4 0
О 4 8 12 16 20
цикл 2 (длина квазицикла 7,точки(8-14))
20 16 12 8 4
0 4 В 12 16 20 24
цикл 4 (длина квазицикла 5, точки (21-26))
28 24 20 16 12 8 4 0
О 4 8 12 16 20 24 28 цикл 6 (длина квазицикла 5,точки(33-37))
ая-------
24.л ! г-
24 I 23.2
21,6 -I
20.8 -I-
О 4 8 12 16 23 24-28 32 36 цикл 8 (длина квазицикла 4, точки(43-46))
Рис. 3. Разложение на квазициклы фазового портрета на рис. 4
Рис.4. Фазовый портрет временного ряда урожайности озимой пшеницы по
Ставропольскому краю в фазовом пространстве размерности 2 Этатраектория состоит из 9 квазициклов С,г = 1,2...9, представленных на рисунке размерности Ьк этих квазициклов представленных в табл. 2
С, с, Х Сг С, С, С5 С6 С, С, С,
7 7 6 5 6 5 5 4 4
Рис. 5. Частота .М(Ь)появления квазициклов размерности I для временного ряда (1 урожайности озимой пшеницы по Ставропольскому краю.
Для наглядности на рис. 5. как и на рис.2 дано геометрическое представление (гистограмма), отражающая частоту появления квазициклов в наблюдаемом ВР Сравним глубину памяти рассматриваемого ВР, представленную нечетким множесгвом (3) и рис.2, с размерностями квазициклов, которые представлены во второй строке табл. 2 и рис 5. Из этого сравнения вытекает, что наличие договременной памяти в рассматриваемом наряду с другими факторами обусловлено также циклической компонентностью этого ВР. Квазициклы, составляющие эту компоненту относятся к объекту
макроэкономики. Важно отметить, что учитываемая в 3 циклическая компонента в известных публикациях, относящихся к прогнозированию, рассматриваются только в тех случаях, когда речь идет о макроэкономических прогнозах. Например, цикл жизни товара (длительного пользования), цикл деловой активности фирмы и т.д. В настоящей диссертации выявленные в процессе экономико-математического исследования квазициклы такого вида, как представлено на рис.3, относятся к микроэкономическим категориям. Эти квазициклы можно использовать в качестве допонительного инструментария к основной прогнозной модели, представленной в главе 3.
В главе 3 Экономико-математическая модель прогнозирования урожайности на базе клеточных автоматов и нечетких множеств представлена принципиально новая математическая модель прогнозирования временных рядов, обладающих договременной памятью. Новизна предлагаемого подхода основана на использовании инструментария клеточных автоматов для того, чтобы отразить в его памяти по возможности все существенные закономерности в поведении ВР. К числу таких закономерностей и характеристик, которые являются составными частями базы формируемого прогноза, относятся: цикличность и взаимообусловленное наличие у ВР договременной памяти, размерность квазициклов в данном ВР и глубина его памяти.
Для построения памяти прогнозной модели на базе линейного клеточного автомата исходный ВР (1) с помощью специального агоритма а, переводится в лингвистический временной ряд (ВР)
элементы которого принимают значения из терм-множества Д = {д,} = {Н,С,в}, где означает низкую (среднюю, высокую) урожайность,
t = 1,2,...,Г, Г = |д|, здесь Т = 3. Комбинаторной базой этой памяти являются всевозможные /-конфигурации вида и, и,л,.i - 1,2...гс-/ + 1, / - 1,2,...,L.. Эти /-конфигурации выбираются из ВР (2) где, величина / ограничена глубиной памяти L данного BP (1). Например, для рассмотренного выше ВР множество М всех /-конфигураций ограничено глубиной памяти = 7. С целью визуализации этого множества приведем множество М, т.е. список всех /-консЬигупаций. относящихся к BP dt ля Вогегоаской области.
Х Н,С,В-для 1=\;
Х HH, HC, HB, СИ, CC, СБ, ВН, ВС, В В - для I = 2;.
Х И HB, HB В, НСН, СНН, НС В, С НС, НВС, С HB, ссн, внн, ссс, вне, ссв,
В HB, С В Н, ВСН, С В В, вес, ВСВ, ВВН.ВВС, В В В, С ВС, НСС, ННС, НВН-для I = з
Х ННСВ, HHBII, IICIIC, IICHH, НС ВС, НВСН, НВСС, НВС В, ННСС, СНН В, СНСН, С НВС, С HB В, ССНВ, ССНС, ССВС, ССВН, ССВВ, с вне, евве, еввв, вннв, в нсн, в нве, в нсс, венн, вссв, весе, ввев, вевв, в вен, вене, ВС ВС, в ННС, В НС В, ВС HB, вевн, свсс, с ВСВ, снес, нсс В, НС в в, с вен, CHBH, НССН, HB НС, СННС-для 1 = 4;
Х ННВНС, НВВНВ, НСС ВС. НСС ВН. НССН В. НВС ВН. С НССН. ссвнс.
СВН( Хв, свнсн, сссвн; ссвнв, сввсн, свнвс.ввснс, ВВНВС, ВС вне,
ВВВ( В, ВНВСН, ВСНВН, ВВ( 'ЯД ВСВНВ, ВНВСВ, ВСНВВ. ВВНВС, ВННВН-для 1 = 5;
Х ВНВСВС, СВВСНС, С ВНВСВ, ВНВСВН, ВНВСВН, СВВСНН, СВНВСН-для / = 6.
Все /-конфигурации из множества м перенумеруем индексом _/ = 1,2..ц = 'ГК{\\ обозначаем j-ю /-конфигурацию через впредь условимся назьшать ее термином конфигурация.
Память клеточного автомата, формируемого для рассматриваемого ВР, представляет собой массив данных или кортеж вида
{(*Д 7=1^, Г = |Д| = 3 (3)
где л.означает частость перехода конфигурации ^ , в состояние Д( е Д. Для данного ВР (2) с глубиной памяти Ь вычислительная схема предлагаемого агоритма прогнозирования будущего значения элемента состоит го следующих этапов.
ЬПоследовательно для , = п, п-1,...,п-Ь+1 выделяются из (2) в отдельный список отрезки ВР вида (/ = (ц>ы,,Д...,О, = п-Ь+Ьл, составляющие подмножество /-конфигураций к1 <=М, К1 = {Д\ I = п,п-Ь + \, где для ] = у(/) конфигурация X) является /-конфигурацией при значении / = /() = п -1 +1, т.е. хт = V. II. Вычисление для конфигураций Хт е К\ численных значений их частостей переходов в событие ДД г = у, а также сумм этих частостей (СЧ)
= , = и суммы- СЧ о-(пД) = , где слагаемые
(<Х-+1 г-1
и>,(1), выбираются га массива данных (3).
Ш.Формирование прогнозного значения элемента и,+|в виде лингвистического нечеткого множества (НМ)
где для элементов Д, е Д их значения функции принадлежности д, / = определяется путем нормирования значений СЧ, вычисленных на этапе II. IV. Преобразование НМ к численному представлению прогнозного значения элемента исходного ВР 2 = 2Х,21,...,1, представлено в главе 4.Результатом этого преобразования является числовое, т.е. обычное нечеткое множество (НМ) = {[г/,//,)}I = Гг. Числовые значения г< этого КМ получаются путем замены в НМ (4) лингвистических термов А, на подходящие числовые значения, выбранные из исходного ВР 2 Завершающей операцией прогнозирования
является операция дефазификации, с помощью которой прогнозное НМ
преобразуется в обычное числовое значение = , где ^ а =1-
Составными частями представленной в диссертации прогнозной модели являются разработанные автором следующие агоритмы (методы):
а, - агоритм преобразования исходного числового ВР 2 в ВР вида (2); агоритм а,- состоящий ш описанных выше этапов 1-1У, т.е. агоритм получения искомого прогноза, представляемого в трех видах (НМ йл1 , НМ ~2Д и числовое значение );
а, - метод верификации и валидации прогнозного агоритма аг, включая оценку его погрешности как для лингвистического прогнозирования, так и для числового прогнозирования.
В главе 4 Комбинированная прогнозная модель для временных рядов урожайности представлена поная реализация работы комбинированной прогнозной модели (клеточный автомат +фазовый портрет) на статистических данных в виде ВР (1) урожайности озимой пшеницы по Ставропольскому краю за п=52 года. (Данные представлены Министерством сельского ххозяйства Ставропольского края) в виде табл.3. Гистограмма этого ВР представлена на рис.6.Начальный этап построения прогнозной модели представляется в виде специального метода, т.е. агоритма а, перевода данного ВР (1) в ВР (2). Результат работы этого агоритма представляется гистограммой ВР(1) на рис.6.
Таблица 3
Годы 1950 1951 1952 1953 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963
Факт. УРОЖ. 6,6 12,0 17,4 9,9 11,5 7.7 13,0 10,4 15,0 10,4 17,3 12,2 17,7 17,2
Годы 1964 1965 1966 1967 1968 169 1970 1971 1972 1973 1974 1975 1976 1977
Факт. И*. V 4,0 17,7 13,5 16,0 9,1 20,3 21,5 13,9 21,7 15,4 10,4 12,8 21,1
Годы 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991
Факт, дюж. 26,3 11,4 22,3 26,6 19,2 20,4 21,0 13,1 25,7 20,1 26,0 30,2 35,2 30,9
Годы 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002
Факт. УРОЖ. 28,7 32,9 25,3 24,6 21,7 23,2 22,8 22,4 23,3 29,0 33,7
Рис.6. Гистограмма временного ряда урожайности озимой пшеницы по Ставропольскому краю с 1950 по 2002 гг.
В результате применения агоритма а( к ВР (таб.3) получен ВР, представленный в таб.4.
Таблица 4
В результате R/S - анализа BP (1), заданного табл.4 получена оценка глубины памяти = 7. Полученный в пределах этой глубины список всех /конфигураций, 1<1, представлен выше на стр.19.
В результате применения названных выше этапов I-IV агоритма прогнозирования к ВР из табл.4 и к ВР из табл.3 получено прогнозное значение иД., элемента uДtl в виде JIHM, которой представляется в виде следующего выражения
= {(ДДмКД2.М(Л>>-"з)}= |я1,0,27)(Сг,0Д4^^Д59)}.
Качественная интерпретация полученного прогноза состоит в том, что на следующий год (занумерованный индексом л + 1 = 54) ожидается высокая урожайность &3=В- Более точно, ожидаемая урожайность Mn+j прогнозируется как высокая, но вместе с тем она близка к границе, которая разделяет высокую и среднюю урожайность.
Примечание 1. Заключительная интерпретация прогноза /-иполучена на основании разложения представленного рисунка 2 фазового портрета на квазициклы. Полученный результата этого разложения не завершенный последний квазицикл, демонстрирует направлением своего вращения (по часовой стреке) тенденцию к снижению численного значения прогнозируемого элемента по сравнению с известным значением элемента и, .Предлагаемая диссертационная работе модель прогнозирования на базе разложения фазового портрета на квазициклы и применение клеточно-автоматной модели, можно классифицировать как комбинированный метод прогнозирования.
В процессе преобразования JIHM в численное (классическое) НМ 2*i = t = i,T,T = 2 в качестве подходящих числовых значений эле-
ментов z, выбираются в ВР(1) ближайшие к г, низкие, средние и высокие урожайности zl = 2M= 13,1;
г =^(z43 + zл....+r31) = ^(25,3 + 24,6 + 21,7 + 23,2 + 22,8 + 22,4 + 23,3) = = 23,3',
Отсюда, с учетом представленных в
НМ значений функции принадлежности получаем искомый про-
гноз в виде НМ: = {(13,1;0,27),(23,3;0,14)(31,35;0,59) }. Применяя к НМ Z-л операцию дефазификации, получаем прогнозное значение урожайности в обычном
числовом виде
Примечание2.
Урожайность озимой пшеницы в 2003 г. по Ставропольскому краю оказалась близкой к 25 ц/га в интервале (24; 25) ц/га. Отсюда верхняя оценка ошибки прогноза оказалась меньшей 4%.
Напомним, что термин валидация означает проверку соответствия данных, полученных на основе модели, реальному процессу. В диссертационной работе валидация выносимой на защиту прогнозной модели
гз = -(2Д + z53) = ^(29,0 + 33,7) = Ц- = 31,35
осуществлена на реальных данных ВР урожайности озимой пшеницы по Ставропольскому краю.
Согласно своему определению на выходе прогнозной модели можно получить ВР 2
этим же индексом значений урожайности в ВР (1). Тогда относительная погрешность прогнозирования для каждого наблюдения е {. + 1,...,я}
вычисляется по формуле е1 = Ч--Ч. В качестве оценки точности
прогнозирования принимаем среднее значение
Примечание3. На основании валидации результатов прогнозирования ВР урожайности озимой пшеницы по Ставропольскому краю получена оценка средней погрешности прогноза
В заключении сформулированы основные результаты и теоретические положения как составные части авторских экономико-математических решений:
1. Сформулированная авторская трактовка проблемы управления рисками и представлена концепция решения этой проблемы в отрасли растениеводства через прогнозирование.
2. Представлено систематическое изложение таких случаев эволюционных экономических процессов, для которых математический инструментарий эконометрики оказывается не адекватным; сформулирована целесообразность, используя фрактальный инструментарий для анализа временных рядов; представлена содержательная и качественная трактовка получаемых с ею помощью численных и графических результатов, используемых при прогнозировании временных рядов с договременной памятью.
3. На конкретных данных временного ряда урожайности зерновых культур по Вогоградской области и озимой пшеницы по Ставропольскому краю, представлено описание практической реализации основных этапов работы вынесенной на защиту клеточно-автоматной прогнозной модели:
- преобразование числового временного ряда в лингвистический временной ряд;
- частотный анализ памяти лингвистического временного ряда;
- агоритм прогнозирования лингвистических значений элементов временного ряда;
- верификация и валидация прогнозной модели.
4. С целью повышения надежности прогнозирования предложен инструментарий фазовых портретов для выявления циклов временного ряда и коррекции прогноза.
5. Предложена комбинированная прогнозная модель включая метод получения числовых значений прогноза на конкретном примере временного. ряда урожайности озимой пшеницы по Ставропольскому краю.
6. Представлено описание и практическая реализация агоритма валидации клеточно-автоматной прогнозной модели, включая метод вычисления оценок погрешности прогнозирования.
Результаты и выводы диссертации отражены в следующих работах:
1. Касаева М.Д Многокритериальный подход к количественному анализу рисков / Труды III научной конференции аспирантов и студентов факультета Бизнеса- и права КЧГТИ Региональная экономика, управление и право, Черкесск,19 апреля 2000г.-Черкесск:РИО КЧГТИ, 2000. - С.37. ( авт.0,1 п.л)
2. Касаев А.Д., Касаева М.Д. Многокритериальный подход к моделированию задачи риск-доход / Материалы IV Всероссийского симпозиума Математическое моделирование и компьютерные технологии,т. 1, Кисловодск, 2000 г.- Кисловодск: КИЕП, 2000. - С.48-50 (авт.0,05 п.л.)
3. Касаева МД., Попова Е.В. Структурный анализ рисков финансовых операций / Перспектива - 2001. Материалы Северо-Кавказской региональной научной конференции молодых ученых. Том II. - Нальчик: КБГУ, 2001. - С. 175 - 180. (авт. 0,35 пл.)
4. Перепелица В.А. Попова Е.В., Касаева М.Д. О математическом моделировании экономических рисков в случае асимметричных распределений / Математические методы и информационные технологии в экономике. Сб. материалов VII международной научно-технической конференции. Ч.Н.23-25 мая 2001г. - Пенза: 2001. - С.34-36. (авт.0,2 п.л.)
5. Касаева М.Д, Перепелица В.А. О природных временных рядах с памятью / Груды IV научно-практической конференции решение научно-технических и социально-экономических проблем современности, Часть II, г.Черкесск, 20-22 мая 2002, - Черкесск: РИО КЧГТИ, 2002. - С. 19-21. (авт.0,2 п.л.)
6. Бабков Г.А., Касаева М.Д., Перепелица В.А. Фрактальный анализ одного временного ряда урожайностей / Материалы V Всероссийского симпозиума Математическое моделирование и компьютерные технологии, т.2, г. Кисловодск, 17-19 октября 2002г. - Кисловодск: КИЭП, 2002.- С. 16-17. (авт.0,05 п.л.)
7. Касаева М.Д, Перепелица В.А. Прогнозирование природного временного ряда на базе модели клеточного автомата // Современные аспекты экономики - 2002. -№9(22). - С.201-207. (авт.0,4 пл.)
8. Касаева МД, Перепелица В А, Темирова Л.Г. Прогнозная модель урожайности на базе линейного клеточного автомата // Современные аспекты экономики -2003. -№4(32). - С. 190-206. (авт.0,85 пл.)
9. Перепелица В.А.,Тебуева Ф.Б., Темирова Л.Г., Касаева М.Д. Прогнозная модель урожайности на базе клеточных автоматов и нечетких множеств / Труды III Международной конференции Новые технологии в управлении,
бизнесе и праве. НТ+УБП 2003, 30 мая.2003 г., г. Невинномысск. -Невинномысск: ИУБиП,2003.-С. 163-167. (авт.0,45 п.л.)
10.Перепелица В.А.,Тебуева Ф.Б., Темирова Л.Г., Касаева М.Д. Прогнозная модель урожайностей на базе нечетких множеств и клеточных автоматов / Тезисы докладов VIII Международной конференции серии Нелинейный мир, 15-20 сентября 2003г.,г. Астрахань. - Астрахань: ГУП Издательско-полиграфический комплекс, Вога, 2003.-С.240. (авт.0,1 п.л.)
11.ПерепелицаВ.А., ТемироваГ. ,ТебуеваФ.Б., Касаева М.Д. Построение прогнозной модели урожайности на базе клеточных автоматов и нечетких множеств / Менеджмент экономика. и финансы региональное у правление.Труды III международной научно-практической конференции Проблемы регионального управления, экономики, права и инновационных процессов в образовании, 10-13 сентября 2003 г., г. Таганрог.-Таганрог: Изд-во Таганрогского института управления и экономики,2003. - С.182-185. (авт.0,4 п.л.)
12.Перепелица В.А., Касаева М.Д.,Тебуева Ф.Б., Темирова Л.Г. Использование инструментария клеточных автоматов для формирования прогнозных нечетких значений урожайностей на базе. временного ряда // Известия ВУЗов. Северо-Кавказский регион. Естественные науки. -2003. - №4.- С. 5-П..(авт.0,7пл.)
13.Перепелица-В.А., Зеляковская В.М., Завгороднева О.В, Зеляковскип Е.В., Касаева М.Д. Управление рисками и прогнозирование в АПК // Экономика развития региона. Проблемы, поиски, перспективы. Ежегодник Южной секции содействия развитию экономической науки. ООН РАН. Вып.4.-Вогоград: Изд-во ВоГУ, 2004-С.350-364. 462 с. (авт.1 п.л.)
Р-8 5 9 3
Диссертация: содержание автор диссертационного исследования: кандидат экономических наук , Касаева, Мариям Дахатовна
ВВЕДЕНИЕ.
ГЛАВА 1 ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ОЦЕНК МЕРЫ РИСКОВ И УПРАВЛЕНИЯ ИМИ В СФЕРЕ АГРОПРОМЫШЛЕННОГО ПРОИЗВОДСТВА.
1.1 Сущность и функции риска.
1-2. Классические методы оценки меры риска.
1.3. Управления рисками и способы снижения рисков.
1.4. Специфика управленческих решений на базе прогнозирования результатов деятельности растениеводства в зонах рискового земледелия.
МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ВРЕМЕННЫХ РЯДОВ УРОЖАЙНОСТИ, ВЫЯВЛЕНИЕ ТРЕНДОВ, ЦИКЛОВ И ТЕНДЕНЦИЙ РАЗВИТИЯ.
2.1 Инструментарий фрактального анализа временных рядов урожайности для выявления договременной памяти трендов, циклов и тенденций развития.:.
2.1.1. Теоретические основы методологии и инструментария анализа эволюционных систем и процессов, не подчиняющихся известным законам распределения.
2.1.2. Методические основы R/S - анализа.
2.1.2.1. Агоритм R/S - анализа временного ряда.
2.1.2.2. Содержательная и качественная интерпретация результатов R/S -анализа.
2.2. Предпосыки управления риском на базе прогнозирования и
R/S - анализа временных рядов урожайности.
3.6 3.7.
ГЛАВА4. 4.3.1.
Инструментарий фазовых портретов для выявления циклов временного ряда.
ЭКОНОМИКС) - МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ПРОГНОЗИРОВАНИЯ УРОЖАЙНОСТИ НА БАЗЕ КЛЕТОЧНЫХ АВТОМАТОВ И НЕЧЕТКИХ МНОЖЕСТВ.72 Прогнозирование, как эффективное управления рисками72 Математический инструментарий нечетких множеств и линейных клеточных автоматов.
Преоброзование числового временного ряда урожайностей в лингвистический временной ряд.
Частотный анализ памяти лингвистического временного ряда.
Инструментарий прогнозирования лингвистических значений урожайности.
Верификация и валидация прогнозной модели.
КОМБИНИРОВАННАЯ ПРОГНОЗНАЯ МОДЕЛЬ ДЛЯ ВРЕМЕННЫХ РЯДОВ УРОЖАЙНОСТИ.
Инструментарий фазовых портретов для выявления циклов временного ряда и коррекции прогноза.
Математический инструментарий линейных клеточных автоматов.
Прогнозная модель урожайности на базе клеточных автоматов и нечетких множеств (на примере анализа и прогнозирования урожайности озимой пшеницы по Ставропольскому краю).
Преобразование числового временного ряда в лингвистиfe ческий временной ряд.
Частотный анализ памяти лингвистического временного
4.3.3. ряда.
Получение лингвистических прогнозных значений урожай
4.3.4. ности, верификация и валидация.
4.4 Получение числового прогноза и оценка его точности. 127 Выводы.
Диссертация: введение по экономике, на тему "Экономико-математические методы прогнозирования и управления рисками в растениеводстве"
Растениеводство в зонах рискового земледелия относится к системам стохастических категорий, развитие которых связано с неопределенностью объективного и субъективного характера, что обуславливает риски в их различных формах, как макроэкономического, так и микроэкономического уровня.
Актуальность темы исследования. Российская экономика переживает этап структурной перестройки. На этом этапе традиционные методы менеджмента зачастую не дают реального эффекта, поскольку ориентированны на нормально функционирующий рынок. Большинство малых, средних и даже крупных компаний не просто испытывают затруднения, но постоянно находятся на самом краю пропасти. Экономический риск является неотъемлемой чертой реальных хозяйственных решений. Основная особенность современного риска заключается в его тотальном и всеобъемлющем характере. Даже наиболее перспективные инвестиции могут привести к созданию мощностей по производству неконкурентоспособной продукции.
Особенно остро встает вопрос управления рисками в регионах, относящихся к зонам рискового земледелия. Особенности и апробированные методы управления рисками в экономике изучены недостаточно. Это происходит из-за низкого уровня развития рыночных отношений, из-за слабой специальной подготовки значительной части кадров, из-за того, что не хватает статистических данных, позволяющих строить экономико-математические модели. И, наконец, из-за того, что современная теория оценки меры экономических рисков, прогнозирования и управления ими еще далеко неадекватна реальным потребностям практического менеджмента.
Риск, т.е. неопределенность и непредсказуемость результатов растениеводческой деятельности в зонах рискового земледелия значительно выше, чем в других отраслях АПК. Актуальность темы рисков в АПК в настоящее время осознана не только в научных кругах, но и в среде предпринимателей, а также государственных структур. Вопреки расхожему мнению, что главное достать средства для затрат с длительным циклом освоения, отечественный и зарубежный опыт свидетельствует, что самое важное - наиболее эффективное их применение на базе надежного прогнозирования.
Повышенный уровень неопределенности в отрасли растениеводства требует особых управленческих решений по анализу рисков и разработке мероприятий по их снижению. В зонах рискового земледелия важнейшим фактором, воздействующим на принятие управленческих решений в сфере растениеводства, снижающих их субъективность и обеспечивающим контроль уровня риска, становиться качество управления на базе надежного прогнозирования. Данные обстоятельства обуславливают актуальность углубленных исследований экономико-математических методов прогнозирования и управления рисками в растениеводстве.
Степень разработанности проблемы. Общие проблемы рискологии и управления рисками, а также вопросы систематизации, структурирования и методологии анализа экономических рисков предпринимательской деятельности активно исследуются в научной литературе, в том числе в работах
A.П.Альгина, И.Т.Балабанова, В.П.Буянова, С.В.Вайданцева, П.Г. Грабового,
B.М.Гранатурова, В.А.Кардаша, К.А.Кирсанова, М.Г.Лапусты, В.Н.Лившица, Л.А.Михайлова, Б.А.Райсберга, В.Т.Севрук, В.Л.Тамбовцева, В.В.Хохлова, В.В.Христиановского, В.А.Чернова, Л.Г.Шаршукова и других.
Последнее десятилетие начали активно изучаться вопросы математического моделирования экономических рисков. Систематическое изложение различных подходов в разработке рисковых экономико-математических моделей представлено в монографиях и статьях отечественных и зарубежных авторов: Е.Д.Вогана, П.Т.Верченко, В.В.Витлинского, A.M. Дуброва, Л.Г.Дугласа, М.Дж.Грубера, А.М.Дубова, Р.М.Качалова, И.Я.Лукасевича, Б.А.Лагошина, Ю.П.Лукашина, С.И. С.И.Наконечного, С.А.Смоляк, А.Н. Первозванского, К.Рэдхэда, С.Хьюса, В.Ф.Шарпа, Е.Дж.Этона, О.И.Ястремского и других.
Методологические основы настоящего исследования сфоримировались, в первую очередь, на трудах отечественных и зарубежных ученных И.А.Александрова, В.В. Алиничева, Г.А. Бабкова, Т.Бачкаи, М.И.Баканова, А.Гатаулина, В.Н.Дегтяренко, О.В.Завгородневой, В.М.Зеляковской,
A.П.Задкова, В.-Б.Занга, В.В.Ковалева, Э.В. Крылатых, М.Х. Мескона,
B.А Перепелицы, Е.В.Поповой, М.В.Романовой, С.А.Смоляка, М.А.Федотова, В.Д.Шапиро, В.П.Щербины, M.Greene, F.Knight, E.Vaughan, C.Williams и др. Большой вклад в науку и практику моделирования, прогнозирования и прикладной информатики экономических систем внесли А.Е.Атунин, Е.В.Бережная,В.И.Бережной,ВИ.Векленко, В.А. Долятовский, Е.Н.Ефимов, А.Н.Жирабок, Л.В.Канторович, Дж.Фон Нейман, Э-Л.Нейман, Э.Петерс, А.Ф.Рогачев, Г.Н.Хубаев, Л.П.Яновский и другие.
В то же время методология изучения рисков в сфере АПК в основном сосредотачивает внимание более всего на макроэкономических рисках, связанные с неопределенностью внешней экономической среды, структурными сдвигами в производстве, бюджетным дефицитом и др., тогда как нет достаточно обоснованных исследований рисков в области принятия решений в условиях, связанных с потенциально возможным появлением неблагоприятных ситуаций и последствий, которые могут ухудшить показатели эффективности хозяйственной деятельности.
К настоящему времени в публикациях Э. Петерса, В.-Б. Занга, B.C. Сафонова и других авторов вызрела идея допонительного измерения по отношению к установившейся хрестоматийной теории экономического риска. До-пол штельное измерение предполагает, что в реальных ситуациях математический инструментарий оценки меры экономического риска так или иначе теряет свою прогностическую способность и, соответственно, требуется допонить или заменить его на другой инструментарий, более эффективный в конкретной рыночной ситуации. Проблемным становится вопрос, как определить те моменты, когда одни факторы становятся определяющими, а значимость других ослабевает? В качестве одного из продуктивных подходов к решению этого вопроса в научных публикациях появилась идея так называемого многокритериального подхода к оценке меры риска. На идеях многокритериальго подхода и фрактального анализа базируются исследования, реализованные в настоящей диссертационной работе.
Цель и задачи исследования. Целью настоящей работы является разработка математических и инструментальных методов оценки и управления рисками и прогнозирования для принятия экономических управленческих решений в отрасли растениеводства агропромышленного комплекса с учетом специфики зон рискового земледелия. В соответствии с целью работы решались следующие задачи:
Х уточнить сущность экономических рисков в сфере агропромышленного комплекса;
Х исследовать характерные типы рисков, причины их возникновения и формы проявления;
Х выявить специфику природно-климатичеких факторов риска сельскохозяйственной деятельности растениеводческих предприятий АПК региона;
Х обосновать методы анализа и прогнозирования урожайностей сельскохозяйственных культур с целью создания информационной базы для эффективного управления риском.
Предмет и объект исследования. Предметом исследования являются экономико-математические модели и методы прогнозирования и управления рисками в растениеводстве. Объект исследования - отрасль растениеводства агропромышленного комплекса региона.
Методология и методы исследования. Теоретической и методологической основой исследования послужили фундаментальные концепции и прикладные исследования, содержащиеся в работах отечественных и зарубежных ученных, посвященные проблемам прогнозирования и экономической теории рисков, их моделированию и практической оценке. Использовались теоретические и практические разработки ведущих специалистов по прогнозированию и управлению рисками, а также законодательные акты РФ, постановления Правительства РФ и Администраций Вогоградской области и Ставропольского края.
Информационную базу исследования составили аналитические и статистические материалы Госкомстата России, Вогоградской области и Ставропольского края, органов региональной власти и управления, научно-практические публикации по экономическим проблемам перерабатывающей области АПК, сведения, предоставленные предприятиями растениеводческой отрасли агропромышленного комплекса.
Диссертационная работа выпонена в рамках п. 1.1. Разработка и развитие математического аппарата экономических систем: .,оптимизации, теории принятия решений, дискретной математики и других методов, используемых в экономико-математическом моделировании; п.1.4. Разработка и исследование моделей и математических методов анализа микроэкономических процессов и систем: фирм и предприятий, .,способов количественной оценки предпринимательских рисков и обоснования инвестиционных решений; п. 1.8. Математическое моделирование конъюнктуры, .,определение трендов, циклов и тенденций развития паспорта специальности 08.00.13 - Математические и инструментальные методы в экономике.
Научная новизна. Научную новизну диссертационного исследования содержат следующие положения.
1. Развита концепция управления риском существенного снижения экономических результатов функционирования растениеводческой отрасли агропромышленного производства как системное проявление качественных (мера неопределенности) и количественных (не достижения оптимального решения) показателей хозяйственной деятельности вследствие случайного изменения внешних и внутренних условий производства.
2. На базе идей фрактального анализа осуществлено совершенствование методов выявления и численной оценки таких фундаментальных свойств эволюционных экономических систем и процессов, как трендоустойчивость, наличие и глубина памяти, что дает возможность построить более эффективный метод прогноза экономических процессов.
3. Впервые предложены методы нечетких множеств и линейных клеточных автоматов для прогнозирования урожайностей основных сельскохозяйственных культур.
4. Разработан и апробирован метод преобразования временных рядов урожайности в лингвистический временной ряд урожайности, что позволяет построить двухэтапный агоритм прогнозирования урожайности.
5. Разработана новая математическая модель для прогнозирования урожайности на базе линейных клеточных автоматов, математического аппарата нечетких множеств, предложены и апробированы методы валидации и верификации прогнозной модели.
6. Осуществлено дальнейшее развитие методов использования R/S - анализа и фазовых портретов для получения необходимой информации о глубине договременной памяти и циклической компоненте прогнозируемых временных рядов урожайности.
Практическая значимость полученных результатов определяется актуальностью поставленных задач и достигнутым уровнем разработки проблемы. Положения, развиваемые в работе, могут оказать практическую помощь при разработке мероприятий по оптимальному планированию растениеводческой деятельности в АПК, а также при разработке региональных программ развития предприятий аграрного производства. Практическое значение данная работа может иметь для дальнейших исследований в области совершенствования математических и инструментальных методов принимаемых решений с учетом факторов риска в целях стимулирования повышения эффективности их хозяйственной деятельности.
Апробация и внедрение результатов исследования. Результаты исследования и основные его положения докладывались и получили положительную оценку на следующих конференциях и симпозиумах, проводимых различными академическими учреждениями и высшими учебными заведениями России:
- на IV Всероссийском симпозиуме Математическое моделирование и компътерные технологии (Кисловодск, 2000);
- на Северо-Кавказской региональной научной конференции молодых ученных, аспирантов и студентов Перспектива-2001 (Нальчик,2001);
- на IV научно-практической конференции аспирантов и студентов Региональная экономика управления и права(Черкесск,2001);
- на VII Международной научно-технической конференции "Математические методы и информационные технологии в экономике" (Пенза, Привожский Дом знаний, 2001);
- на Международной научно-практической конференции (Нальчик,2001);
- на II конференции молодых ученых (Российская Академия наук. Кабардино-бакарский научный центр, Нальчик, 2001);
- на IV научно-практической конференции Решение научно-технических и социально-экономических проблем современности (Черкесск,2002);
- на V Всероссийском симпозиуме Математическое моделирование и компьютерные технологии (Кисловодск,2002);
- на Межрегиональной научно-практической конференции Перспекти вы развития маркетинговой и коммерческой деятельности в регионе (Ростов-на -Дону,Черкесск, 2002 г.);
- на III Международной конференции Новые технологии в управлении, бизнесе и праве (Невиномысск, 2003г.);
- на VIII Международной конференции серии Нелинейный мир. Образование. Экология. Экономика. Информатика. (Астрахань, 2003);
- на III Международной научно-практической конференции Проблемы регионального управления, экономики, права и инновационных процессов в образовании (Таганрог, 2003 г.)
Результаты исследования, отдельные положения и рекомендации получили принципиальное одобрение Министерства сельского хозяйства Ставропольского края.
Публикации. Основные результаты диссертации изложены в опубликованных работах общим объемом 4,85 п.л.
Объем и структура работы. Диссертация состоит из введения, четырех глав, заключения, списка использованной литературы, приложений. Текст диссертации изложен на 176 страницах, включает 8 таблиц, 35 рисунков. Список использованной литературы состоит из 143 источников.
Диссертация: заключение по теме "Математические и инструментальные методы экономики", Касаева, Мариям Дахатовна
4.4 Выводы
1 .В своей совокупности результаты главы 4 представляют собой логически завершенный комплекс математических и инструментальных методов для прогнозирования урожайности основных сельскохозяйственных культур, выращиваемых в зоне рискового земледелия.
2.С целью повышения надежности прогнозирования предложен инструментарий фазовых портретов для выявления циклов временного ряда и коррекции прогноза.
3. Осуществлена поная апробация комбинированной прогнозной модели фазовый портрет + клеточный автомат на конкретном примере временного ряда урожайности озимой пшеницы по Ставропольскому краю.
4.Дано описание и практическая реализация агоритма валидации клеточно-агатоматной прогнозной модели, включая метод вычисления оценок погрешности прогнозирования. ческого прогнозирования определяется как среднее значе
ЗАКЛЮЧЕНИЕ
1. Сформулированная авторская трактовка проблемы управления рисками и представлена концепция решения этой проблемы в отрасли растениеводства через прогнозирование.
2. Представлено систематическое изложение таких случаев эволюционных экономических процессов, для которых математический инструментарий эконометрики оказывается не адекватным; сформулирована целесообразность, используя фрактальный инструментарий для анализа временных ря-I ов; представлена содержательная и качественная трактовка получаемых с его помощью численных и графических результатов, используемых при прогнозировании временных рядов с договременной памятью.
3. На конкретных данных временного ряда урожайности зерновых культур по Вогоградской области и озимой пшеницы по Ставропольскому краю, представлено описание практической реализации основных этапов работы вынесенной на защиту клеточно-автоматной прогнозной модели:
- преобразование числового временного ряда в лингвистический временной ряд;
- частотный анализ памяти лингвистического временного ряда;
- агоритм прогнозирования лингвистических значений элементов временного ряда;
- верификация и валидация прогнозной модели.
4. С целью повышения надежности прогнозирования предложен инструментарий фазовых портретов для выявления циклов временного ряда и коррекции прогноза.
5. Предложена комбинированная прогнозная модель включая метод получения числовых значений прогноза на конкретном примере временного ряда урожайности озимой пшеницы по Ставропольскому краю.
Представлено описание и практическая реализация агоритма валидации клеточно-автоматной прогнозной модели, включая метод вычисления оценок погрешности прогнозирования.
Диссертация: библиография по экономике, кандидат экономических наук , Касаева, Мариям Дахатовна, Черкесск
1. Айвазян С.А., Мхитарян B.C. Т.1: Теория вероятностей и прикладная статистика.- М.: ЮНИТИ-ДАНА, 2001. -656 с.
2. Айвазян С.А.Т.2: Основы эконометрики.-М.: ЮНИТИ-ДАНА, 2001.- 432с.
3. Атунин А.Е., Семухин М.В. Модели и агоритмы принятия решений в нечетких условиях. Тюмень: Изд-во ТюмГУ, 2000. - 352 с.
4. Альгин А.П. Грани экономического риска. М.: Знание, 1994. - 64 с. - (Новое в жизни, науке, технике. Сер. Практика хозяйствования м управления; №1).
5. Аргибаев К.М, Принятие решений в условиях неопределенности и риска.-Препринт. Новосибирск, 1993.-17 с.
6. Арнхейм Рудольф. Новые очерки по психологии искусства. М.: Прометей, 1994.- 278 с.
7. Бабков Г.А., Касаева М.Д., Перепелица В.А. Фрактальный анализ одного временного ряда урожайностей / Материалы V Всероссийского симпозиума Математическое моделирование и компьютерные технологии, т.2. Кисловодск: КИЭП, 2002.-С. 16-17.
8. Баззел Р., Кокс Д.,Браун Р. Информация и риск в маркетинге. М.: Финста-тинформ, 1993. - 96 с.
9. Баканов М.И., Чернов В.А. Анализ коммерческого риска. Бухгатерский учет. - 1993. - №Ю. - С. 9-15.
10. Ю.Балабанова И.Т. Основы финансового менеджмента. Как управлять капиталом? М.: Финансы и статистика, 1994.- 34 с.
11. Балабанов И.Т. Финансовый менеджмент: Учебник. М.: Финансы и статистика, 1994.-224 с.
12. Батова В.М. Агроклиматические ресурсы Северного Кавказа. Ленинград: Гидрометеорологическое изд-во, 1996. - 151 с.
13. Бережная Е.В., Бережной В.И. Математические методы моделирования экономических систем: Учебное пособие. М.: Финансы и статистика, 2001. -368 с.
14. Бернстай JI.A. Анализ финансовой отчетности: теория, практика и интерпретация. М.: Финансы т статистика, 1996.-624 с.
15. Бинатов Ю.Г., Коробейников М.А. Экономика, организация и управление АПК. М.: Агропромиздат, 1989. - 192 с.
16. Биржевая деятельность: Учебник / Под ред. проф. А.Г.Грязновой, проф. Р.В.Корнеевой, проф. В.А.Галанова. М.: Финансы и статистика, 1995. - 240 с.
17. Буклемишев О.В., Поманский А.Б. Премия за риск и временная структура процентных ставок. Экономика и экономические риски. - 1992- Т.28, вып.2.-С. 252-260.
18. Вадайцев С.В. Оценка бизнеса и инновации. М.: Информационно-издательский дом Филинъ, 1997. - 336 с.
19. Винтизенко Г.И., Колосников И.М., Шадуев М.Г. Прогнозирование в моделях экономических систем. Кисловодск: Издательство кисловодского института экономики и права, 2001. -100 с.
20. Винтизенко Г.И. Детерминированное прогнозирование в экономических системах. Новые технологии в управлении бизнеса и права. Труды III Международной конференции (г. Невинномысск,30 мая 2003 г.) .- Невинно-мысск: Изд-во ИУБП,2003.- С.30-37.
21. Виханский О.С. Стратегическое управление: Учебник. М.: Гардарика, 1998.- 296 с.
22. Векленко В.И. Экономические проблемы устойчивости и повышения эффективности земледелия. Курск: Изд-во Курской сельско-хозяйственной академии, 1999.-352 с.
23. Гирусов Э.В. Экология и экономика природопользования. М.: ЮНИТИ. 2000.-455 с.
24. Гмурман В.Е. Теория вероятностей и математическая статистика. М.: Статистика, 1979.-312 с.
25. Деловое планирование (Методы, Организация. Современная практика): Учеб. пособие / Под ред. В.М. Попова. М.: Финансы и статистика, 1997. -369 с.
26. Долятовский В.А., Касаков А.И., Коханенко И.К. Методы эволюционной и синергетической экономики в управлении. Отрадная: РГЭУ- ИУБиП-ОГИ, 2001.-577 с.
27. Дудов А.С., Щадуев М.Г. О новых показателях в прогнозировании экономических процессов // Приложение к журналу Известия высших учебных заведений. Северо-Кавказский регион. Общественные науки. 2001.-1- С.12-17.
28. Емельянов С.В., Ларичев О.И. Многокритериальные методы принятия решений. М.: Знание, 1985. - 32 с.
29. Ефимов Е.Н. Распределенные экономические информационные системы: оценка и прогнозирование характеристик качества. Автореферат диссертации на соискание уч. степени доктора экономических наук. Ростов-на-Дону ,2001.-39 с.
30. Зеленская Т.В. Основы организации и прогнозирования предпринимательской деятельности. Автореферат диссертации, на соискание ученой степени кандидата эконом, наук: 08.00.05. М.: 1993. - 32 с.
31. ЗЗ.Зеляковская В.М., Завгороднева О.В. Управление рисками в агропромышленном комплексе. Вогоград: РПК Политехник, ВГТУ, 2002 - 43 с.
32. Зозулюк А.В. Хозяйственный риск в предпринимательской деятельности. Автореферат диссертации, на соискание ученой степени кандидата эконом, наук: 08.00.05. М., 1996.-34 с.
33. Кардаш В.А. Экономика оптимального погодного риска в АПК(теория и методы). -М.: Агропромиздат, 1989.-167 с.
34. Касаева М.Д., Перепелица В.А. Прогнозирование природного временного ряда на базе модели клеточного автомата // Современные аспекты экономики. 2002. - №9(22). - С. 201-207.
35. Касаев А.Д., Касаева М.Д. Многокритериальный подход к моделированию задачи риск-доход / Материалы IV Всероссийского симпозиума математическое моделирование и компьютерные технологии,^, Кисловодск, 2000 г.-Кисловодск: КИЭП, 2000. С.48-50.
36. Касаева М.Д., Попова Е.В. Структурный анализ рисков финансовых операций / Перспектива 2001. Материалы Северо-Кавказской региональной научной конференции молодых ученых. Том II. - Нальчик: КБГУ, 2001.-С. 175-180.
37. Касаева М.Д., Перепелица В.А., Темирова Л.Г. Прогнозная модель урожайности на базе линейного клеточного автомата // Современные аспекты экономики 2003. - №4(32). - С.190-206.
38. Как преуспеть в бизнесе. М.: ИВЦ Маркетинг, 1993.-136 с.
39. Кирсанов К.А., Малявина А.Б., Попова С.А. Инвестиции и антикризисное управление. М.: МАЭП; ИИК; Калита, 2000. - 180 с.
40. Концепции самоорганизации: становление нового образа научного мышления. М.: Наука, 1994.
41. Кремер Н.Ш. Теория вероятностей и математическая статистика: Учебник для ВУЗов. М.: ЮНИТИ, 2000.-300 с.
42. Курдюмов С.П., Малинецкий Г.Г., Потапов А.Б. Нестационарные структуры, динамический хаос, клеточные автоматы. В сб. Новое в синергетике. Загадки мира неравновесных структур. М.: Наука, 1996. - С. 95-164.
43. Ларичев О.И. Наука и искусство принятия решений. М.: Наука, 1979. -200 с.
44. Личко К.Ш. Прогнозирование и планирование АПК: Учебник для вузов. -М.: Гардарика, 1999. 261 с.
45. Лопатников Л.И. Экономико-математический словарь. М.: Наука, 1987. -510с.
46. Лоскутов А.Ю., Михайлов А.С. Введение в синергетику: Учеб. руководство. -М.: Наука, 1990.-324 с.
47. Льюис Р.Д., РайфаГ. Игры и решения. -М.: ИЛ, 1961.-418 с.
48. Малинецкий Г.Г., Потапов А.Б. Нелинейность. Новые проблемы, новые возможности. В кн. Новое в синергетике. Загадки мира неравновесных структур. М.: Наука, 1996. - С. 165-190.
49. Минеев В.Г., Дебрецени Б., Мазур Т. Биологическое земледелие и минеральные удобрения. -М.: Колос, 1993. -415 с.
50. Нейман Дж. Теория самовоспроизводящихся автоматов. М.: Мир, 1971. Ч 378 с.
51. Нейман Дж. Фон, Моргенштерн О. Теория игр и экономическое поведение. -М.: Наука, 1970.-578 с.
52. Нейман Э.-JI. Малая Энциклопедия Трейдера.- Киев: Альфа-Капитал: Логос, 1997.-236 с.
53. Норкотт Д. Принятие инвестиционных решений. М.: Банки и биржи, ЮНИТИ, 1997.-247 с.59,Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. М.: Наука, 1981. - 203 с.
54. Пасов В.М. Синоптико-статистический метод прогнозирования зерновых культур // Методология и гидрология. 1992. - №10. - С.77-84.
55. Первозванский А.А., Первозванская Т.Н. Финансовый рынок: расчет и риск. М.: ИНФРА-М, 1994. - 192 с.
56. Перепелица В.А., Попова Е.В. Математическое моделирование экономических и социально- экологических рисков. Ростов н/Д : Изд-во Рост, ун-та, 2001.-126 с.
57. Перепелица В.А., Попова Е.В. Фрактальный анализ поведения природных временных рядов // Современные аспекты экономики. 2002. - № 9 (22). - С. 185-200.
58. Перепелица В.А., Тебуева Ф.Б. Агроэкономическая задача покрытия графа звездами / Тезисы докладов Седьмой международной конференции Математика. Компьютер. Образование. Дубна, 2002. - С. 163.
59. Перепелица В.А., Касаева М.Д.Дебуева Ф.Б., Темирова Л.Г. Использования инструментария клеточных автоматов для формирования прогнозных нечетких значений урожайностей на базе временного ряда //
60. Известия ВУЗов. Северо-Кавказский регион. Естественные науки. Ч 2003,- №4. С. 5-11.
61. Петере Э. Хаос и порядок на рынках капитала. Новый аналитический взгляд на циклы, цены и изменчивость рынка. М.: Мир, 2000. - 333 с.
62. Попов Н.А. Экономика сельскохозяйственного производства с основами рыночной агроэкономики и сельского предпринимательства: Учебник для вузов. М.: ЭКМОС, 1999. - 351 с.
63. Постановление Главы Администрации Вогоградской области от 13 июля 2000 года № 516 Об утверждении Положения об инвестиционном конкурсе в Вогоградской области. Положения о конкурсе Инвестиционных проектов в Вогоградской области,..
64. Постюшков А.В. Об оценке финансового риска // Бухгатерский учет. -1993. -№ 1.-С. 56-59.
65. Пригожин И., Стингере И. Порядок из хаоса. Новый диалог человека с природой. -М.: Прогресс, 1986.-278 с.
66. Прогнозирование и планирование в условиях рынка: Учеб. пособие для студентов вузов / Под ред. Т.Г. Морозовой, А.В. Пикулькина. М.: ЮНИТИ-Дана, 1999.-318 с.
67. Радугин Н., Любимов В. Государственное регулирование агропродовольст-венного комплекса // АПК: экономика и управление. 1999. 7. - С. 1524.
68. Райзберг Б.А. Предпринимательство и риск. М.: Знание, 1992. - 64 с. -(Новое в жизни, науке и технике. - сер. Экономика. - № 4).
69. Райфа Г. Анализ решений. Введение в проблему выбора в условиях неопределенности. М.: Наука, 1977 - 408 с.
70. Риис Ричард П. Основы оценки бизнеса // Финансовая газета Информационный выпуск. 1994. - № 36. - С. 32.
71. Риски в современном бизнесе / П.Г. Грабовый, С.Н, Петрова, С.И. Потавцев, К.Г. Романова, Б.Б.Хрусталев, С.М. Яровенко. М.: Изд-во Алане, 1994. - 200 с.
72. Русак Н.А. Экономический анализ деятельности перерабатывающих предприятий АПК. Справочное пособие. М.: Агропромиздат, 1990. - 271 с.
73. Рюэль Д., Такенс Ф. О природе турбулентности // Странные аттракторы. -1991.-С. 117-151.
74. Севрук В.Т. Банковские риски. М.: Дело ТД, 1994. - 72 с.
75. Смоляк С.А. Учет риска при установлении нормы дисконта // Экономика и математические методы. 1992 - Т. 28. - Вып. 5-6.
76. Снивко В. Экономические риски. Экономист. - 1995. Ч № 12.
77. Соколинская Н.Э. Стратегия управления банковскими рисками. бухгатерский учет. - 1994. -№ 12.-С. 13-19.
78. Соколинская Н.Э. Экономический риск в деятельности коммерческого банка. М.: Общество Знание РСФСР, 1991. - 80 с.
79. Соловьева С.А. Стратегическая методология оценки страхового риска: Ав-тореф. дис. на соискание ученой степени кандидата эконом, наук: 08.00.05. Ч С.-Пб, 1994.-20 с.
80. Стрельченко Б.А. Безопасность предприятия. Маркетинг. - 1993. -№ 1. Ч С. 46-54.
81. Управление риском: Риск. Устойчивое развитие. Синергетика. М.: Наука, 7001.-431 с.
82. Федер Е. Фракталы М.: Мир, 1991.-260 с.
83. Федосеев А.П. Агротехника и погода Ленинград: Гидрометеоиздат, 1979Ч 240 с.
84. Финансовый менеджмент / Под ред. Е.С. Стояновой. М.: Перспектива,1993. 268 с.
85. Финансовое управление компанией / Под общ. Ред. Кузнецовой Е.В.- М.: Фонд Правовая культура, 1996. 384 с.
86. Фишберн П.С. Теория полезности для принятия решения. М.: Наука, 1978.- 298 с.
87. Фридман Д., Ордуэй Н. Анализ и оценка приносящей доход недвижимости.- М.: Дело ТД. 1995, - 462 с.
88. Хубаев Г.Н. Качество подготовки специалистов: модели и агоритмы анализа и прогнозирования / Материалы IV международной научно-практической конференции. Ростов-на-Дону, 2000-С. 180-186.
89. Хозяйственный риск и методы его измерения: / Бачкаи Т., Месена Д., Мико Д. и др . М.: Экономика, 1979. - 184 с.
90. Шапиро В.Д. и др. Управление проектами. СПб.: ДваТри,1993. - 443 с.
91. Шаршукова Л.Г. Предпринимательский риск и критерии его оценки: автореферат диссертации, на соискание ученой степени кандидата эконом, наук: 08.00.05. М., 1995. - 32 с.
92. Шахова В.В. Введение в страхование: Экономический аспект. М.: Финансы и статистика, 1992. - 192 с.
93. Шустер Г. Детерминированный хаос: Введение. М.: Мир, 1988.- 240 с.
94. Экономика: Учебник / Под ред. Доц. А.С.Булатова. М.: Изд-во БЕК,1994.-632 с.
95. Экономика и бизнес / Под ред. В.Д.Камаева. М.: Изд-во МГТУ, 1993. -464 с.
96. Экономика предприятия: Учебник. /Под ред. О.И.Вокова. М.: ИНФРА-М, 1997.-378 с.
97. Яновский Л.П. Принципы, методология и научное обоснование урожая го технологии Зонт. Воронеж: ВГАУ, 2000.-379 с.
98. Andrews,J. How to Take the Sting out of Business Risk. Business Books, 1987.
99. Arrow K.J. The Theory of Risk-Bearing. Small and Great Risks. Journal of Risk and Uncertainty. № 12 (2-3), May 1996. - pp. 103-111.
100. Athearn, J.L. Risk and Insurance by. J.L.Athearn. 2d Ed. New York: Appleton Century Crofts, 1969.-648 p.
101. Bak, P. and Chen, K. "Self-Organized Criticality," Scientific American, January 1991.
102. Barton S.L. Diversification Strategy and Systematic Risk: Another Look. -Academy of Management Journal. -№ 31,1988. pp. 166-174
103. Boyadjian, H.J. Risks: Reading Corporate Signals / H.J. Boyadjian and J.F. Warren. -Chichester: John Wiley & Sons, 1987.-392 p.
104. Chorafas, D.N. Risk Management in Financial Institutions / Corafas, D.N. -I xmdon: Butterworths, 1990. 387 p.
105. Collins J.M. and Ruefli T.W. Strategic Risk: An Ordinal Approach. Management Scieence. - Providence. - 1992. - Vol. 38. - №12. - pp. 1707-1731.
106. Cootner, P. "Comments on the Variation of Certain Speculative Prices," in P. Cootner, ed., The Random Character of Stock Market Prices. Cambridge: MIT Press, 1964a
107. Cootner, P., ed. The Random Character of Stock Market Prices. Cambridge: MIT Press, 1964b
108. Engele, R."Autoregressive Conditional Heteroskedasticity with Estimates of t'le Variance of U.K. Inflation," Econometrica 55,1987
109. Fama, E.F. "Portfolio Analysis in a Stable Paretian Market," Management Science 11,1965a
110. Feder, J. Fractals. New York: Plenum Press, 1988.
111. Financial Decision Making Under Uncertainty / Ed. by Haim Levy and Marhall Sarnat. New York: Academic Press, 1977. - 301 p
112. Greene, M.R. Risk and Insurance / M.R. Greene, J. S. Trieschmann. Cincinnati: South-Western Pub., - 785/
113. Holden, K., Peel, D.A. and Thompson J.L. Press Syndicate of the University of Cambridge, 1990.-231 p.
114. Hurst, H.E. "Long-term Storage of reservoirs," Transactions of the American Society of Civil Engineers 116,1951.
115. Kami, E, Decision Making Under Uncertainty: tne Case of State Dependent Preferences / E.Karni. - Cambridge: Harvard U.P., 1985. - 147 p.
116. Konrad, K.A., Skaperdas, S. Self-Insurance and self-protection: A Nonex-pected Utility Analysis / Geneva Papers on Risk and Insurance Theory. № 18, December 1993. - pp. 131-146.
117. Mandelbrot, B. "The Variation of Certain Speculative Prices" in P. Cootner, ed., The Random Character of Stock Prices. Cambridge: MIT Press, 1964.
118. Mandelbrot, B. "Statistical Methodology for Non-Periodic Cycles: From the Covariance to R/S Analysis, "Annals of Economic Social measurement 1,1972.
119. Mandelbrot, B. The Fractal Geometry of Nature. New York: W.H. Freeman, 1982.
120. Miko, G.A New Concept for Modelling Risk Taring / Chikan, Attila, Ed. Progress in Decision, Utility and Risk Theory. Series B: Mathematical and Statistical Methods, vol.13, Norwell, Mass. and Dordrecht: Klumer Academic, 1999. pp. 337-345.
121. Osborne, M.F.M. " Brownian Motion in the Stock Market," in P. Cootner, ed., The Random Character of Stock Prices. Cambridge: MIT Press, 1964.
122. Quiggin, J.C. Increasing Risk: Another Definition / Chikan, Attila, Ed. Progress in Decision, Utility and Risk Theory. Series B: Mathematical and Statistical Methods, vol. 13, Norwell, Mass. and Dordrecht: Klumer Academmic, 1991. -pp. 239-248.
123. Roumasset, J.A. Rise and Risk Decision Making Among Low-Income Farmers / J.A. Roumasset. Amsterdam: North-Holland, 1976. - 251 p.
124. Scheikman, J.A. and LeBaron, B. "Nonlinear Dynamics and Stock Returns," Journal of Business 62, 1989/
125. Shackle, G. Decision, Orden, and Time in Human Affairs, by G.Shackle. 2d Ed. Cambridge, Cambridge University Press, 1969. -330 p.
126. Sharpe, W.F. Portfolio Theory and Capital Markets. New York: MgGraw-Hill, 1970.
127. Shiller, R. J. Market Volatility. Cambridge: MIT Press, 1989.
128. Snowden, P.N. Emerging Risk in International Banking: Origins of Financial Vulnerability in the 1980s / P.N. Snowden. London: George Allen, 1985. - 146 P
129. Turner, A.L. and Weigel, E,J, "An Analysis of Stock Market Volatility," Russell Research Commentaries, Frank Russell Company, Tacoma, WA, 1990.
130. Vaughan, E.J. Fundamentals Risk and Insurance / E.J. Vaughan, C.M.Elliott. 2 nd Ed. S. Barbara: John Wiley, 1978. - 642 p.
131. Vaughan, E.J. Fundamentals Risk and Insurance / E.J. Vaughan, 4 th Ed. -New York: John Wiley & Sons, 1986. -723 p.
132. Williams, C.A. Risk Management and Insurance / C.A. Williams, R.M.Heins.-5 th Ed. New York: MgGraw - Hill Book Co., 1985. - 755 p.
133. Zeckhauser, R. Insurance and Catastrophes / Geneva Papers on Risk and Insurance Theory. № 20, December 1995, pp. 157-175.
Похожие диссертации
- Экономический механизм минимизации производственных рисков в растениеводстве
- Управление рисками предпринимательской деятельности в региональном АПК
- Формирование системы управления рисками сельскохозяйственных предприятий
- Управление рисками на предприятиях АПК
- Математические методы оценки затрат на производство продукции растениеводства (на примере сельскохозяйственных предприятий Республики Беларусь)