Geum.ru
Темы диссертаций по экономике » Математические и инструментальные методы экономики

Интелектуальные информационные системы поддержки принятия решений при оценке эффективности инвестиционных проектов тема диссертации по экономике, полный текст автореферата



Автореферат



Ученая степень кандидат экономических наук
Автор Березовская, Елена Александровна
Место защиты Ростов-на-Дону
Год 2004
Шифр ВАК РФ 08.00.13
Диссертация

Автореферат диссертации по теме "Интелектуальные информационные системы поддержки принятия решений при оценке эффективности инвестиционных проектов"

На правах рукописи

Березовская Елена Александровна

ИНТЕЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ ОЦЕНКЕ ЭФФЕКТИВНОСТИ ИНВЕСТИЦИОННЫХ ПРОЕКТОВ

Специальность 08.00.13 - математические и инструментальные методы экономики

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата экономических наук

Ростов-на-Дону - 2004

Работа выпонена в ГОУВПО Ростовский государственный экономический университет РИНХ

Научный руководитель: доктор экономических наук, профессор

Долятовский Валерий Анастасиевич

Официальные оппоненты: доктор технических наук, профессор

Целых Александр Николаевич

доктор экономических наук, доцент Ефимов Евгений Николаевич

Ведущая организация: Ростовский государственный

университет

Защита состоится л19 апреля 2004 г. в 11.00 часов на заседании диссертационного совета ДМ 212.209.03 в Ростовском государственном экономическом университете РИНХ по адресу: 344002, г.Ростов-на-Дону, ул.Б.Садовая, 69, ауд. 231.

С диссертацией можно ознакомиться в научной библиотеке Ростовского государственного университета РИНХ.

Автореферат разослан л18 марта 2004 г.

Ученый секретарь диссертационного совета

Шполянская И.Ю.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. Развитие экономики и бизнеса в последние годы происходит на фоне быстрых изменений в окружающей среде и высоких темпов увеличения объемов информации. В этих условиях ключевое значение для выживания организации имеют стратегическое управление и поддержка принятия управленческих решений, в том числе инвестиционного характера.

Выделим основные причины, заставляющие ученых, исследователей и практиков все больше обращать внимание на новые информационные технологии, поддерживающие принятие управленческих решений.

Во-первых, кумулятивный рост важной информации делает необходимым применение новых технологий для поиска новых тенденций, потенциально угрожающих существованию организации либо открывающих новые перспективы для бизнеса.

Во-вторых, динамизм внешней среды повышает вероятность принятия неоптимальных управленческих решений из-за недостатка времени. Поскольку процесс принятия стратегических решений, в том числе инвестиционного характера, является в большой степени творческим процессом, то на разных его этапах менеджеру необходимо опираться на аналитически обработанную информацию и имитационные модели, уменьшающие вероятность управленческих ошибок.

В-третьих, неопределенность в процессах принятия решений повышает роль прогнозных моделей. Моделирование бизнес-процессов открывает возможности анализа их последствий на стадии проектирования и предварительного выяснения и, тем самым, снижает риск необоснованных затрат. Кроме того, в некоторых ситуациях вообще невозможно обойтись без моделирования, поскольку эксперименты в экономике в познавательных целях могут оказаться очень дорогостоящими.

РОСНАЦИОНАЛЬКЛЯ БИБЛИОТЕКА

598//-1

Создание и использование в повседневной практике менеджмента систем поддержки принятия решений является одним из важнейших условий успешного функционирования организации. Подобные системы называют интелектуальными, благодаря их способности получать результаты, которые сочли бы разумными, если бы их произвел человек.

Степень разработанности проблемы. Большой вклад в развитие теории и практики искусственного интелекта, интелектуальных информационных систем внесли ученые отечественной школы: В.АДолятовский, А.П.Ершов, ММинский, Э.В.Попов, ДА.Поспелов, В.П.Романов, Ю.Ф.Тельнов, И.Б.Фоминых, Ю.В.Фролов и др. Среди иностранных исследователей отметим Р.Бенерджи, Л.Заде, А.Йенсена, Д.Коза, Дж.МакКарти, Т.Митчела, Р.Ныоэла, Х.Саймона, А. Тьюринга, Дж.Форрестера, АШоу и др.

Большой вклад в развитие теории, и практики оценки эффективности инвестиционных проектов внесли ученые отечественной школы: ИАБланк, Ю.В.Богатин, В.Н.Бурков, ПЛ.Виленский, А.В.Воронцовский, М.В.Грачева, В.А.Долятовский, В.ВСовалев, В.В.Коссов, В.НЛившиц, И.ВЛипсиц, Д.С.Львов, С.А.Смоляк, Е.Стоянова, В.Д.Шапиро, А.Г.Шахназаров и др.

Из иностранных ученых отметим тех, чьи работы определили современное состояние теории и практики оценки эффективности инвестиционных проектов в странах с рыночной экономикой: Г.Александер, Дж.Бейли, Г.Бирман, Ф.Блэк, Р.Брейли, М.Бреннан, Ю.Бригхем, Дж.Ван Хорн, Хапенски, А.Диксит, Дж.Кокс, Н.Кулатилака, С.Майерс, Г.Марковиц, Р.Мертон, С.Мэйсон., В.Мэргрэйб, М.Рубинштейн, Л.Тригеоргис, Е.Шварц, У.Шарп, С.Шмидт и др.

Применение интелектуальных информационных систем для- поддержки принятия решений при оценке эффективности инвестиционных проектов позволит избежать многих недостатков традиционного подхода к оценке инвестиционных проектов и принимать более обоснованные и эффективные решения.

Цель и задачи исследования. Целью диссертационного исследования является разработка интелектуальных информационных систем для поддержки принятия решений при оценке эффективности инвестиционных проектов.

Для достижения цели, в диссертационном исследовании поставлены и решены следующие задачи:

Х проведен Х анализ традиционного подхода к оценке эффективности инвестиционных проектов, отраженного в Методических рекомендациях по оценке эффективности инвестиционных проектов;

Х определены условия применения различных методов учета неопределенности при оценке инвестиционных проектов;

Х проведен сравнительный анализ компьютерных систем, применяемых в России для оценки эффективности инвестиционных проектов;

Х дана классификация основных видов интелектуальных информационных систем, определены их преимущества, недостатки, области применения;

Х выявлены преимущества и условия применения интелектуальных информационных систем для поддержки принятия решений при оценке эффективности инвестиционных проектов;

Х разработана модель оценки инвестиционных проектов, основанная на принципах системной динамики, которая является основой системы поддержки принятия решений при оценке эффективности инвестиционных проектов;

Х разработана модель оценки инвестиционных проектов с применением Байесовых сетей и диаграмм влияния, которая является основой системы поддержки принятия инвестиционных решений в условиях неопределенности;

Х построена модель оценки эффективности инвестиционных проектов в условиях неопределенности на основе комплексного использования имитационного моделирования и нейронной сети.

Объект и предмет исследования. Объектом исследования являются промышленные предприятия Ростовской области, предметом Ч интелектуальные

информационные системы поддержки принятия решений при оценке эффективности инвестиционных проектов.

Теоретико-методологическую основа исследования. Теоретическую основу диссертационной работы составили фундаментальные исследования отечественных и зарубежных авторов в области искусственного интелекта, интелектуальных информационных систем, а также оценки эффективности инвестиционных проектов. Методологической основой исследования является системный подход к решению задачи оценки эффективности инвестиционных проектов, экономико-математическое моделирование, методы экономического анализа, теории принятия решений, теории искусственного интелекта.

Инструментарий исследования составили метод групповых экспертных оценок, модель системной динамики, модель Байесовой сети, модель нейронной сети, методы оценки эффективности инвестиционных проектов.

Информационно-эмпирическая база исследования. При проведении диссертационного исследования автором использованы сведения и данные из монографий и статей отечественных и зарубежных исследователей, материалов научно-практических конференций по проблемам искусственного интелекта и оценки реальных инвестиций, сборников Госкомстата России, документации ряда предприятий Ростовской области, сети Internet.

Работа выпонена в рамках паспорта специальности 08.00.13 -Математические и инструментальные методы экономики п. 1.4. Разработка и исследование моделей и математических методов анализа микроэкономических процессов и систем: ... , способов обоснования инвестиционных решений и п.2.8. Развитие методов и средств ... и использование искусственного интелекта при выработке управленческих решений.

Положения, выносимые на защиту. На защиту автором выносятся следующие основные результаты исследования:

Х модель системной динамики, позволяющая проводить анализ поведения фирмы на рынке и на этой основе оценивать эффективность инвестиционного

проекта с учетом динамических взаимосвязей всех элементов его денежных потоков;

Х система поддержки принятия решений при оценке эффективности инвестиционных проектов, основанная на модели системной динамики;

Х модель оценки эффективности инвестиционных проектов в условиях неопределенности, основанная на идеологии Байесовых сетей и диаграмм влияния;

Х экспертная система поддержки принятия инвестиционным решений в условиях неопределенности, основанная на модели Байесовой сети;

Х модель оценки эффективности инвестиционнвж проектов в условиях неопределенности, основанная на комплексном использовании имитационного моделирования методом Монте-Карло и нейронной сети.

Научная новизна диссертационного исследования.

1. Разработана модель оценки инвестиционным проектов, которая позволяет формировать и анализировать сценарии реализации инвестиционного проекта с учетом динамических взаимосвязей всех элементов денежных потоков проекта. Модель реализована с помощью языка структурного динамического моделирования и является лучшей альтернативой специализированным программам оценки инвестиционный проектов (COMFAR, PROPSPIN, Project Expert, Альт-Инвест).

2. На основе модели системной динамики разработана система поддержки принятия решений при оценке эффективности инвестиционных проектов, позволяющая лицу, принимающему решения, в режиме реального времени анализировать различные варианты реализации инвестиционного проекта и вносить коррективы как на стадии предварительной оценки, так и на стадии реализации проекта.

3. Разработана модель, основанная на идеологии Байесовык сетей и диаграмм влияния, позволяющая учесть высокий уровень неопределенности при проведении оценки эффективности инвестиционных проектов и обладающая рядом преимуществ по сравнению с такими методами учета неопределенности, как деревья решений, сценарный метод, метод Монте-

Карло. Модель настраивается в соответствии с требованиями конкретного инвестиционного проекта, позволяет рассматривать непрерывные сценарии, легка для понимания, делает более эффективным процесс коммуникации между разработчиками модели, экспертами и лицами, принимающими решение.

4. На основе модели Байесовой сети разработана система поддержки принятия решений при оценке эффективности инвестиционных проектов в условиях неопределенности, с помощью которой лицо, принимающее решения, может в режиме реального времени проверить различные сценарии будущего развития событий и принять взвешенное решение.

5. Разработана модель оценки инвестиционных проектов в условиях неопределенности на основе нейронной сети, позволяющая использовать преимущества имитационного моделирования без запуска требующего допонительных затрат имитационного эксперимента.

Теоретическая и практическая значимость исследования. Научные положения, выдвинутые в работе, развивают теоретические основы и методологию оценки эффективности инвестиционных проектов в условиях неопределенности и риска.

Применение результатов диссертационного исследования способствует решению важной народнохозяйственной задачи: выживанию и развитию предприятий и организаций за счет выбора и реализации наиболее выгодных инвестиционных проектов. Разработанные в диссертации новые модели и системы поддержки принятия решений позволяют выбрать наиболее эффективный инвестиционный проект в условиях неопределенности и риска, с учетом динамических взаимосвязей всех элементов его денежных потоков, обеспечивая эффективную коммуникацию между разработчиками проекта, экспертами и лицами, принимающими решения.

Положения и результаты диссертационного исследования также могут быть использованы:

- при организации системы отбора инвестиционных проектов для целевого финансирования из бюджетов различных уровней: от федерального до местного;

- для разработки методических рекомендаций по оценке эффективности и отбору инвестиционных проектов;

- для организации и проведения консультационной деятельности в области оценки и отбора инвестиционных проектов;

- в научных исследованиях по проблемам инвестиционного проектирования и принятия инвестиционных решений;

- в учебном процессе при чтении курсов и подготовке учебно-методических пособий по проблемам искусственного интелекта и инвестиционного проектирования для студентов и аспирантов экономических и экономико-математических специальностей вузов.

Апробация работы. Диссертационное исследование выпонено в соответствии с научным направлением РГЭУ Теории, методы и средства управления социально-экономическими объектами на кафедре менеджмента РГЭУ в 1998-2003 гг.

Научно-методические разработки автора по теме диссертационного исследования прошли апробацию на научных, научно-практических конференциях и семинарах международного, федерального и регионального уровней. Автор участвовал в пяти международных, региональных и межвузовских конференциях и семинарах с докладами и выступлениями по теме диссертационного исследования.

Результаты диссертационного исследования внедрены в рамках Российско-Британского консатингового центра (г.Ростов-на-Дону), оказывающего консультационные услуги промышленным предприятиям по оценке эффективности и отбору инвестиционных проектов, Центра исследований и инноваций (г.Ростов-на-Дону), а также используются в учебном процессе в Ростовском государственном экономическом университете РИНХ и Институте управления, бизнеса и права (г.Ростов-на-Дону). Основные положения диссертации опубликованы в 14 работах общим объемом 5,2 пл. (авторских 3,2 пл.).

Структура и объем диссертации. Диссертация состоит из введения, четырех глав (134 с), заключения, списка использованных источников (147 назв.) и трех приложений, содержит 38 таблиц и 68 рисунков.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертационного исследования, сформулированы цель и задачи исследования, определены объект, предмет и методы исследования, сформулированы положения и результаты, выносимые на защиту.

В первой главе Применение интелектуальных информационных систем при оценке эффективности инвестиционных проектов раскрыты основные проблемы, с которыми стакиваются исследователи и практики при проведении оценки эффективности инвестиционных проектов, и обосновывается возможность и необходимость применения интелектуальных информационных систем для их решения.

Принятие инвестиционных решений включает процесс выявления, оценки и отбора проектов, которые могут оказать большое влияние на сохранение имеющихся или создание новых конкурентных преимуществ организации и ее выживание в догосрочном периоде. Традиционный подход к принятию инвестиционных решений уже давно подвергается серьезной критике по следующим причинам.

Во-первых, в основе традиционного подхода лежит предположение, что руководство организации может достаточно точно предсказать будущее развитие ситуации, чтобы выбрать единственно верный путь. Однако в современной быстро меняющейся среде уровень неопределенности настолько велик, что применение традиционных методов приводит к ошибочным решениям.

Другой недостаток традиционного подхода заключается в отрицании активной роли руководства уже после принятия инвестиционного проекта. На практике уже после начала реализации проекта у руководства есть возможность изменить первоначальный план, например, изменить масштаб проекта, поменять

структуру входов и выходов, временно приостановить реализацию проекта, отказаться от дальнейшей реализации проекта в обмен на его остаточную стоимость. Учесть стоимость подобных инвестиционных возможностей позволяет анализ реальных опционов.

Еще один недостаток традиционного подхода связан с тем, что часто рассматриваются только прямые выгоды от принятия инвестиционного решения, как правило, имеющие финансовый характер, а косвенное влияние на другие сферы деятельности организации остается без внимания. Традиционные методы не способны количественно отразить те, нефинансовые выгоды, которые часто сопровождают стратегические решения, например, достижение большей производственной гибкости или доступ к новой информации.

Следующий недостаток связан с ориентацией традиционных методов на краткосрочную перспективу. Большинство инвестиционных проектов требуют нескольких лет для своей реализации. Менеджеры, применяющие методы, основанные на данных бухгатерского учета (учетная норма доходности, доходность инвестиций, срок окупаемости), стараются не инвестировать в проекты с длительным сроком жизни. Методы, основанные на учете дисконтированных денежных потоков, также способствуют принятию проектов с более коротким сроком реализации.

В табл.1 суммировано наше представление о методах и моделях оценки инвестиционных проектов, которые наиболее эффективно использовать при соответствующем уровне неопределенности.

Таблица I

Методы и модели оценки инвестиционных проектов_

Уровень неопределенности Методы и модели оценки

Высокая определенность (один сценарий) Методы, основанные на учете днеконтировашшх денежных потоков, анализ чувствительности

Неопределенность (несколько сценариев) Критерий максимина и критерий Гурвица, планирование сценариев, деревья решений

Высокая неопределенность (диапазон будущего) Метод Монте-Карло, нейронные сети, Байесовы сети и диаграммы влияния, модели системной динамики

Также традиционный подход, имеющий статический характер, не учитывает взаимосвязь важных элементов денежных потоков инвестиционного проекта во времени. Решить эту проблему можно, применяя модели системной динамики, позволяющие строить сценарии будущего развития событий с учетом всех взаимосвязей и динамики процесса внедрения и реализации инвестиционного проекта.

Интелектуальные информационные системы (ИИС) способны выдавать результаты, которые сочли бы разумными, если бы их получил человек. Все больше появляется областей, где интелектуальные информационные системы увеличивают возможности человека при решении различных проблем. Автором рассмотрены преимущества и недостатки основных видов ИИС - традиционных экспертных систем (ТЭС); нечетких экспертных систем (НЭС); систем, основанных на нейронной сети (НС); систем, основанных на генетических агоритмах (ГА); систем структурного динамического моделирования (СД) и систем, основанных на Байесовой сети (БС).

Системы поддержки принятия решений (СППР) помогают человеку принимать решения, объединив лучшие качества людей и компьютеров. Человек способен улавливать существенные взаимосвязи среди множества факторов, вовлеченных в процесс принятия решений, на основе интуиции или ассоциаций. Компьютер более быстро и точно обрабатывает большие массивы данных, представляет возможности для графического представления информации.

Выделяют шесть основных Областей, где СППР могут помочь лицу, принимающему решения: прогнозирование сложных процессов; выбор среди нескольких альтернатив; поиск, хранение и организация данных, информации и знаний, необходимых для принятия решений; учет неопределенности и риска; учет мнений экспертов; эвристические оценки.

Проведенный автором анализ позволяет сделать вывод о том, что в области оценки эффективности инвестиционных проектов применение интелектуальных информационных систем, основанных на системной динамике, Байесовой и нейронной сети, позволяет повысить качество принимаемых решений за счет:

более адекватного учета неопределенности и риска; учета динамических взаимосвязей всех элементов денежных потоков проекта; обеспечения более эффективной коммуникации между разработчиками проекта, экспертами и лицами, принимающими решения.

Во второй главе Система, поддержки принятия решений при оценке инвестиционных проектов, основанная на принципах системной динамики представлена разработанная автором модель, с помощью которой можно учитывать динамический характер взаимосвязей между элементами денежных потоков инвестиционного проекта..

Адекватная оценка эффективности инвестиционного проекта не может быть получена без достоверного прогноза формирования денежных потоков проекта. Наиболее достоверные прогнозы будущих событий позволяет получить структурное динамическое моделирование, основанное на идеологии системной динамики.

Структурная схема разработанной автором модели системной динамики представлена на рис. 1.

Рис. 1. Структурная схема модели системной динамики.

Модель состоит из двух групп блоков. Первая группа, включающая блоки Формирование цены, Рынок, Производство-доставка и Операционная деятельность, позволяет провести анализ поведения фирмы на рынке, а также определить денежные потоки инвестиционного проекта от операционной деятельности. Вторая группа, включающая блоки Операционная деятельность,

Финансовая деятельность, Инвестиционная деятельность и Оценка проекта, позволяет провести оценку экономической эффективности инвестиционного проекта.

На рис.2 представлен блок лоперационная деятельность, где моделируются денежные потоки, связанные с производством, хранением и продажей продукции. Ниже представлены уравнения системной динамики для данного блока.

Кум.чистый доход^) = Кум.чистый доход^ - &) + (Чистый доход) * Л

Чистый доход - ДоходыВсего - ИздержкиВсего.

Ш1Т Уд.пост.издержки = (ДоходыВсего-ИздержкиТрудВсего-

-Перем.Издержки-ИздержкиХранения)/Произ8.Мощность

ИздержкиХранения = Склад* Уд.ИздержкиХранения Прибыльность = РСТ((ДоходыВсего-ИздержкиВсего)/Доходы Всего) ТрудИздержкиНорма = ЧасыНорма* ОдинЧасНорма.

ТрудИздержкиСверх = Персонал*ОдинЧасСверх*ЧасыСверх ИздержкиВсего = Пост.Издержки+Перем.Издержки+ТрудИздержкиВсего+

ТрудИздержкиВсего = ТрудИздержкиНорма+ТрудИздержкиСверх

Перем.издержки = Производство*Уд.Перем.Издержки

Результаты работы с первой группой блоков модели позволили выбрать наилучший сценарий (№4) поведения фирмы на рынке (табл.2). Сценарии отличаются различным сочетанием циклов обратной связи, включающих такие элементы, как доля рынка, уровень прибыльности, срок поставки продукции и цена единицы продукции.

Таблица2

Сценарии поведения фирмы на рынке__

Сценарий №1 Сценарий №2 Сценарий №3 Сценарий №4

Цена (руб) 2343 1862 2546 3481

Доля рынка (%) 40,03 43,24 39,0 42,38

Уровень прибыльности (%) 12,03 -11,68 19,84 33,37

Время поставки (дни) 6,6 7,26 6,26 4,14

Накопленный чистый доход (тыс руб ) 16995 12,481 19779 33362

На основе выбранного сценария проведена оценка эффективности инвестиционного проекта, предусматривающего выпуск деревянных стеклопакетов на Ростовском механическом заводе.

С помощью программы ЙЫ^ 5.0 создана управляющая панель (рис.3), которая позволяет использовать разработанную автором модель в качестве основы системы поддержки принятия решений при оценке инвестиционных проектов.

Лицо, принимающее решение, может в режиме реального времени менять параметры проекта, формируя различные сценарии, и тут же анализировать полученные результаты, используя графические или табличные данные.

Рис.3. Схема управляющей панели для СППР на основе модели системной динамики.

На рис.4 представлены результаты обработки мнений экспертов при проведении сравнительного анализа разработанной автором системы поддержки принятия решений при оценке эффективности инвестиционных проектов на основе модели системной динамики (МСД) и наиболее популярных в России компьютерных систем, используемых при оценке эффективности инвестиционных проектов (COMFAR, Project Expert, Альт-Инвест). В качестве экспертов выступили специалисты Российско-Британского консатингового центра (г.Роств-на-Дону) и Центра информационных технологий Гэндальф (г. Ростов-на-Дону).

Сравнительная оценка проводилась по шести критериям: возможность внесения изменений (1); наглядность представления (2); легкость понимания (3); процесс коммуникации (4); среднее время моделирования (5); среднее время настройки модели (6).

Рис.4. Результаты обработки мнений экспертов при сравнении компьютерных систем, предназначенных для оценки инвестиционных проектов.

Значения коэффициента конкордации (р) для всех шести критериев, представленные в табл.3, свидетельствуют о достаточном уровне согласованности мнений экспертов (для шести объектов и семи экспертов пороговое значение р* = 0,691).

Таблица 3

Результаты обработки мнений экспертов показывают, что система поддержки принятия решений на основе модели системной динамики по всем важным критериям превосходит наиболее популярные в России компьютерные системы, предназначенные для оценки эффективности инвестиционных проектов.

В третьей главе Система поддержки принятия решений при оценке инвестиционных проектов в условиях неопределенности (на основе Байесовой сети) представлена разработанная автором модель Байесовой сети, позволяющая учитывать высокий уровень неопределенности (диапазон будущего) при оценке эффективности инвестиционных проектов.

Байесова сеть (БС) позволяет моделировать наступление неопределенных событий и анализировать их последствия. Интуитивно понятное визуальное представление полезно для отражения мнений и аргументации разных экспертов. С помощью БС можно явно выразить мнение эксперта по поводу наличия зависимости между отдельными переменными. Однако главное достоинство БС состоит в том, что с ее помощью можно строить прогнозы влияния различных предположений на вероятности наступления неопределенных событий.

Диаграммы влияния представляют собой разновидность Байесовых сетей. Их используют для выбора такой альтернативы, которая принесет наибольший ожидаемый выигрыш (полезность). Подобно Байесовой сети, диаграммы влияния полезны для отражения структуры проблемной области. Диаграммы влияния позволяют количественно определить возможности и предпочтения лица, принимающего решение, для выбора оптимальной политики принятия решений.

На рис.5 представлена структурная схема модели оценки эффективности инвестиционных проектов в условиях неопределенности, разработанной автором на основе диаграмм влияния.

В центре диаграммы находятся три блока, предназначенные для моделирования денежных потоков от операционной, инвестиционной и финансовой деятельности. В блоках Доходы от продаж и Общие издержки содержатся диаграммы влияния, моделирующие притоки и оттоки от операционной деятельности. В блоке Займы моделируются притоки и оттоки заемных средств, используемых для финансирования инвестиционного проекта. В блоке Оценка эффективности проекта для организации рассчитываются показатели чистого дисконтированного дохода (NPV) и внутренней нормы доходности (IRR) для организации, а в блоке Оценка эффективности проекта для акционеров - показатели чистого дисконтированного дохода (NPVa) и внутренней нормы доходности (IRRa) соответственно для акционеров проекта.

На рис.6 представлена Байесова сеть (диаграмма влияния) для блока Доходы от продаж.

Рис.6. Диаграмма влияния блока Доходы от продаж:

Данный блок позволяет проверить влияние прогнозов изменения величины спроса на продукцию и цены единицы продукции на вероятность успешной реализации проекта.

В табл.4 представлены три варианта изменения спроса на алюминиевые плиты, выпуск которых предполагается наладить в Бело-Калитвинском металургическом производственном объединении.

Начальная цена

Коэффициент изменения цены

Таблица 4

Прогноз спроса (шт )_

Сценарий Год

0 1 2 3 4 5 6 7 8

1 (пессим) 0 22,5 36 36 45 54 54 45 0

2 (наиб вер) 0 25 40 40 50 60 60 50 0

3 (оптим) 0 27,5 44 44 55 66 66 55 0

Для перехода к непрерывной случайной величине использована функция треугольного распределения - tri (10%, 50%, 90%), где в качестве 10%-го, 50%-го и 90% - го квантиля выступают соответствующие значения из пессимистического, наиболее вероятного и оптимистического сценариев. После выбора вида распределения неопределенная переменная представляет собой одно из значений, выбранное из соответствующего распределения методом Монте-Карло.

С помощью программы лAnalytica 2.0 автором разработана луправляющая панель (рис.7), которая позволяет использовать данную модель в качестве основы системы поддержки принятия решений при оценке эффективности инвестиционных проектов в условиях неопределенности.

Переменные решения

Спрос ^ ICan вложения ^ |

Постоянные кадчрхки Продажа активов

Оплата труда | Стоимость капитала

Уд перем издержки Кредиты ^^^

Начальная цена Процентная ставка

Изменение цены Акционерный капитал

Налог на прибыль Дивиденды Г-)

Целевые переменные

NPV | j NPVa | |

.RR | | 1 |

Кумул сальдо 2 | ] Кумул сальдо 3 | |

Рис.7. Управляющая панель СППР на основе Байесовой сети,

В режиме реального времени ПР может анализировать различные сценарии реализации инвестиционного проекта, вводя в рассмотрение прогнозы: изменения спроса на выпускаемую продукцию, изменения уровня издержек, изменения условий получения и возврата кредита, возможности привлечения акционерного капитала и выбора оптимальной политики выплаты дивидендов по акциям и др.

Возможности разработанной системы поддержки принятия решений показаны на примере оценки инвестиционного проекта, предусматривающего внедрение новой производственной линии для выпуска алюминиевых плит в Бело-Калитвинском металургическом производственном объединении. Результаты расчетов по одному из сценариев реализации проекта представлены в табл.5.

Таблица5

Результаты оценки эффективности инвестиционного проекта

Показатель ЫРУ (тыс руб) 11Ш (Х/.)

Мт -46,75 18,1

Меап 212,5 25,7

Мах 482,6 32,4

Бгаеу. 87,07 2,6

Модель может быть адаптирована для работы с любой программой, позволяющей использовать идеологию Байесовых сетей и диаграмм влияния. Блочный характер модели позволяет легко настроить ее с учетом специфики конкретного инвестиционного проекта. Удобный интерфейс и прозрачность модели позволяют работать с ней практически любому специалисту и ПР.

Для сравнения разработанной на основе диаграмм влияния модели учета неопределенности при оценке инвестиционных проектов и таких методов, как минимаксный подход (ММ), анализ сценариев (АС), метод Монте-Карло (МК) и деревья решений (ДР) были привлечены специалисты из Российско-Британского консатингового центра (г.Ростов-на-Дону) и Центра информационных технологий Гэндальф (г.Ростов-на-Дону).

Сравнительная оценка проводилась по шести критериям: разработка сценариев реализации проекта; учет взаимозависимости переменных; использование непрерывных переменных; процесс коммуникации между экспертами и лицами, принимающими решения; применение адекватной ставки дисконтирования; учет реальных опционов. Результаты обработки мнений экспертов представлены на рис.8.

Рис.8. Результаты обработки мнений- экспертов при проведении сравнительной оценки методов и моделей учета неопределенности.

Чтобы проверить уровень согласованности мнений экспертов по каждому критерию был рассчитан коэффициент конкордации Результаты расчетов (табл.6) позволяют сделать вывод, что оценки экспертов достаточно согласованы, и им можно доверять ^ > 0,691).

Таблица 6

В четвертой главе Модель оценки инвестиционных проектов на основе нейронной сети рассмотрена возможность получения допонительных преимуществ при оценке эффективности инвестиционных проектов в условиях неопределенности путем совместного использования имитационного моделирования методом Монте-Карло и нейронной сети.

Проведенный. автором анализ показал, что объединение имитационного моделирования с другими инструментами поддержки принятия решений, а именно, с нейронными сетями, приводит к повышению эффективности процесса принятия решений при проведении оценки инвестиционных проектов.

В данном случае нейронная сеть использована для предсказания будущих результатов реализации инвестиционного проекта без того, чтобы каждый раз заново запускать процесс имитации. После обучения нейронная сеть стала способна предсказывать результаты имитации на основе новых исходных данных с высоким уровнем точности.

Автором рассмотрен инвестиционный проект, основные параметры которого имеют стохастический характер (начальные инвестиции, денежные потоки, ставка дисконтирования). С помощью программы лBackpack 2.0 создана и обучена нейронная есть, позволяющая проводить оценку эффективности инвестиционного проекта в условиях неопределенности. Разработанная автором нейронная сеть состоит из шести вершин-входов (параметры проекта), шести вершин скрытого уровня и одной вершины-выхода (чистый дисконтированный доход проекта). Для обучения нейронной сети использованы результаты имитационного эксперимента методом Монте-Карло (1000 итераций) и логистическая функция активации.

Весовые коэффициенты, характеризующие преобразования между входами и скрытым уровнем, представлены в табл.7.

Таблипа7

Весовые коэффициенты (входы - скрытый уровень) _

Скрытая вершина I D1 D2 D3 D4 R

1 -1,352 0,341 -0,373 0,648 -0,242 -0,680

2 0,694 -0,267 -0,058 0,108 0,054 0,104

3 1,189 0,193 -0,494 0,237 -0,505 0,344

4 -1,604 0,389 0,524 -0,002 0,084 0,293

5 -0,676 0,206 -0,356 -0,277 0,241 -0,388

6 1,062 -0,031 -0,076 -0,438 0,030 0,115

I - начальные инвестиции; Di - денежные потоки в году i; R - ставка дисконтирования

Весовые коэффициенты, характеризующие преобразования между скрытым уровнем и выходом, представлены в табл.8.

По данным таблиц 7 и 8 видно, что все переменные на входе являются значимыми и дожны быть оставлены для дальнейшего анализа (нет строк только с отрицательными значениями).

Таблица 8

Весовые коэффициенты (скрытый уровень - выход)_

Скрытая вершина 1 2 3 4 5 6

NPV 2,137 -0,866 -1,874 2,494 0,928 -1,713

Результаты обучения нейронной сети, представленные в табл.9, свидетельствуют о высокой предсказательной точности разработанной нейронной сети. В таком виде она была использована для предсказания значения КРУ проекта для любого набора входных параметров (начальные инвестиции, денежные потоки, ставка дисконтирования) без проведения требующего допонительных затрат имитационного эксперимента.

Таблица 9

Результаты обучения нейронной сети_

Показатель Значение

Коэффициент корреляции (г) 0,9962

Среднеквадратичное отклонение (СКО) 0,0096

Средний абсолютный процент отклонений (СПО) 2,08

Средняя абсолютная ошибка (отклонение) (CAO) 358,3

Дальнейшие исследования по теме диссертации целесообразно вести в направлении создания интегрированной интелектуальной информационной системы, позволяющей комплексно использовать преимущества системной динамики, Байесовых и нейронных сетей, а также генетических агоритмов для поддержки принятия решений при оценке эффективности инвестиционных проектов.

В заключении приведены основные выводы и практические результаты исследования.

Основные положения диссертационной работы нашли отражение в

следующих публикациях:

1. Березовская Е.А. Интелектуальные системы поддержки принятия управленческих решений // Научная мысль Кавказа. - 2003. Ч №4. - С.24-28. -0,3 пл.

2. Березовская Е.А., Крюков СВ. Применение структурного динамического моделирования для анализа поведения фирмы на рынке и оценки инвестиционных проектов // Вестник академии. - 2003. - № 1-2. - С.141-151.

- 0,8 п л. (лично автора 03 пл.)

3. Березовская Е.А., Крюков СВ. Оценка эффективности инвестиционного проекта с помощью структурного динамического моделирования // Вопросы экономики и права: Сборник статей аспирантов и соискателей РГЭУ РИНХ.

- Ростов н/Д.: Изд-во РГЭУ, 2003. - С. 106-110. - 0,3 пл. (лично автора 0,2 пл.)

4. Березовская Е А., Крюков СВ. Сценарный подход к оценке и отбору инвестиционных проектов // Информационные системы, экономика, управление трудом и производством: Ученые записки. Выпуск 7. Ч Ростов н/Д.: Изд-во РГЭУ, 2002. - С.87-90. - 0,3 пл. (лично автора 0,1 пл.)

5. Березовская Е.А., Крюков СВ. Использование метода анализа иерархий для отбора инвестиционных проектов // Рынок труда в России: состояние, трансформация, прогноз. - Ростов н/Д.: Изд-во РГЭУ, 2001. - С.78-80. - ОД пл. (лично автора 0,1 пл.)

6. Березовская Е.А., Крюков СВ. Биномиальная модель оценки реальных опционов // Информационные системы, экономика, управление трудом и производством: Ученые записки. Выпуск 6. Ч Ростов н/Д.: Изд-во РГЭУ, 2001.

- С.123-132. - 0,6 пл. (лично автора 0,3 пл.)

7. Березовская Е.А., Крюков СВ. Применение метода анализа иерархий для оценки стратегических инвестиционных решений // Нормативные технологии диагностики и управления в современной экономике. Ч Отрадная: Изд-во ОГИ, 2001. - С.6-10. - 0,2 пл. (лично автора 0,1 пл.)

8. Березовская Е.А., Крюков СВ. Оценка эффективности инвестиционного проекта в условиях инфляции // Вестник Академии. Ч 2000. - № 1. - С.70-73. Ч 0,4 пл. (лично автора 0,2 пл.)

9. Березовская Е.А. Оценка инвестиционных проектов с неравными сроками действия // Информационные системы, экономика, управление трудом и производством: Ученые записки. Ввтуск 4. - Ростов н/Д.: Изд-во РГЭА, 1999. -С.168-172.-0,Зпл.

Ю.Березовская ЕА Оценка инвестиционный проектов с учетом инфляции // Сборник трудов молодых ученый. - Ростов н/Д.: Изд-во НИИРиМЭ РГЭА, 1999.-С.45-48.-0,Зпл.

П.Березовская ЕА, Крюков СВ. Методическое обеспечение оценки инвестиционной привлекательности проектов // Диагностика, контролинг и бизнес-инжиниринг в современный технологиях управления фирмой. -Отрадная: Изд-во ОГИ, 1999. - С.49-50. - 0,15 пл. (лично автора 0,1 пл.)

12.Березовская Е.А. Методы формирования портфеля реальных инвестиций предприятия // Информационные системы, экономика, управление трудом и производством: Ученые записки. Вытуск 3. - Ростов н/Д.: Изд-во РГЭА, 1998. - СА8-59. - 0,5пл.

П.Березовская Е.А., Крюков СВ. Сравнительный анализ методов оценки эффективности реальных инвестиций // Информационные системы, экономика, управление трудом и производством: Ученые записки. Выпуск 3. -Ростов н/Д.: Изд-во РГЭА, 1998. - С144-154. - 0,6 пл. (лично автора 0,3 пл.)

14.Березовская Е.А., Крюков СВ. Выбор метода оценки эффективности инвестиционного проекта // Проблемы проектирования и управления экономическими системами: инвестиционный аспект. - Ростов н/Д.: Изд-во РГЭА, 1998.-С.15-16.-0,15 пл. (лично автора0,1 пл.)

Изд.№ 53/6154. Подписано к печати 16.03.04. Объем 1,0 уч.-изд.л. Печать офсетная. Бумага офсетная. Гарнитура Тайме. Формат 60x84/16. Тираж 100 экз. Заказ № 12. "С" 53 344002 Ростов-на-Дону, Б.Садовая, 69. РГЭУ РИНХ. Издательство. Отпечатано на множительной технике ф-та Информатизации и управления РГЭУ РИНХ

Диссертация: содержание автор диссертационного исследования: кандидат экономических наук , Березовская, Елена Александровна

ВВЕДЕНИЕ.

1. Применение интелектуальных информационных систем при оценке эффективности инвестиционных проектов.

1.1. Оценка эффективности инвестиционных проектов: проблемы и решения.

1.2. Учет неопределенности и риска при оценке эффективности инвестиционных проектов в России.

1.3. Сравнительный анализ компьютерных систем, используемых при оценке инвестиционных проектов.

1.4. Основные подходы к построению интелектуальных информационных систем.

1.5. Интелектуальные информационные системы и системы поддержки принятия решений.

2. Система поддержки принятия решений при оценке инвестиционных проектов, основанная на принципах системной динамики.

2.1. Применение структурного динамического моделирования при разработке интелектуальных информационных систем.

2.2. Язык структурного динамического моделирования кЫпк

2.3. Применение системы поддержки принятия решений, основанной на принципах системной динамики, при оценке инвестиционных проектов

3. Система поддержки принятия решений при оценке инвестиционных проектов в условиях неопределенности (на основе Байесовой сети).

3.1. Учет неопределенности с помощью Байесовой сети.

3.2. Разработка и применение диаграмм влияния. ЮЗ

3.3. Система поддержки принятия решений при оценке инвестиционных проектов в условиях неопределенности, основанная на Байесовой сети.

4. Модель оценки инвестиционных проектов на основе нейронной сети

4.1. Разработка и применение нейронных сетей.

4.2. Модель оценки инвестиционных проектов в условиях неопределенности на основе имитационного моделирования и нейронной сети

Диссертация: введение по экономике, на тему "Интелектуальные информационные системы поддержки принятия решений при оценке эффективности инвестиционных проектов"

Развитие экономики и бизнеса в последние годы происходит на фоне быстрых изменений в окружающей среде и высоких темпов увеличения объемов информации. В этих условиях ключевое значение для выживания организации имеют стратегическое управление и поддержка принятия управленческих решений, в том числе инвестиционного характера.

Выделим основные причины, заставляющие исследователей и практиков все больше обращать внимание на новые информационные технологии, поддерживающие принятие управленческих решений.

Во-первых, кумулятивный рост важной информации делает необходимым применение новых технологий для поиска новых тенденций, потенциально угрожающих существованию организации либо открывающих новые перспективы для бизнеса.

Во-вторых, динамизм внешней среды повышает вероятность принятия неоптимальных управленческих решений из-за недостатка времени. Поскольку процесс принятия стратегических решений, в том числе инвестиционного характера, является в большой степени творческим процессом, то на разных его этапах менеджеру необходимо опираться на аналитически обработанную информацию и имитационные модели, уменьшающие вероятность управленческих ошибок.

В-третьих, неопределенность в процессах принятия решений повышает роль прогнозных моделей. Моделирование бизнес-процессов открывает возможности анализа их последствий на стадии проектирования и, тем самым, снижает риск необоснованных затрат. В некоторых ситуациях вообще невозможно обойтись без моделирования, поскольку эксперименты в экономике в познавательных целях оказываются очень дорогостоящими.

Создание и использование в повседневной практике менеджмента систем поддержки принятия решений является одним из важнейших условий успешного функционирования организации. Подобные системы называют интелектуальными, благодаря их способности получать результаты, которые сочли бы разумными, если бы их произвел человек.

Большой вклад в развитие теории и практики искусственного интелекта, интелектуальных информационных систем внесли ученые отечественной школы: В.А.Долятовский, А.П.Ершов, М.Минский, Э.В.Попов, Д.А.Поспелов, В.П.Романов, Ю.Ф.Тельнов, И.Б.Фоминых, Ю.В.Фролов и др. Среди иностранных исследователей отметим: А.Тьюринга, Л.Заде, Д.Коза, Р.Ньюэла, Х.Саймона, А.Шоу, Р.Бенерджи, Дж.МакКарти, А.Йенсена, Т.Митчела, Дж.Форрестера и др.

Большой вклад в развитие теории и практики оценки эффективности инвестиционных проектов внесли ученые отечественной школы: И.А.Бланк, Ю.В.Богатин, В.Н.Бурков, П.Л.Виленский, А.В.Воронцовский, М.В.Грачева, В.А.Долятовский, В.В.Ковалев, В.В.Коссов, В.Н.Лившиц, И.В.Липсиц, Д.С.Львов, С.А.Смоляк, Е.Стоянова, В.Д.Шапиро, А.Г.Шахназаров и др.

Из иностранных ученых отметим тех, чьи работы определили современное состояние теории и практики оценки эффективности инвестиционных проектов в странах с рыночной экономикой: Г.Александер, Дж.Бейли, Г.Бирман, Ф.Блэк, Р.Брейли, М.Бреннан, Ю.Бригхем, Дж.Ван Хорн, Л.Гапенски, А.Диксит, Дж.Кокс, Н.Кулатилака, С.Майерс, Г.Марковиц, Р.Мертон, С.Мэйсон., В.Мэргрэйб, М.Рубинштейн, Л.Тригеоргис, Е.Шварц, У.Шарп, С.Шмидт и др.

Цель и задачи исследования. Целью диссертационного исследования является разработка интелектуальных информационных систем поддержки принятия решений при оценке эффективности инвестиционных проектов.

Для достижения цели в диссертационном исследовании поставлены и решены следующие задачи:

Х проведен анализ традиционного подхода к оценке эффективности инвестиционных проектов, отраженного в Методических рекомендациях по оценке эффективности инвестиционных проектов;

Х определены условия применения различных методов учета неопределенности при оценке инвестиционных проектов;

Х проведен сравнительный анализ компьютерных систем, применяемых в России для оценки эффективности инвестиционных проектов;

Х дана классификация основных видов интелектуальных информационных систем, определены их преимущества, недостатки, области применения;

Х выявлены преимущества и условия применения интелектуальных информационных систем для поддержки принятия решений при оценке эффективности инвестиционных проектов;

Х разработана модель оценки инвестиционных проектов, основанная на принципах системной динамики, которая является основой системы поддержки принятия решений при оценке эффективности инвестиционных проектов;

Х разработана модель оценки инвестиционных проектов с применением Байе-совых сетей и диаграмм влияния, которая является основой системы поддержки принятия инвестиционных решений в условиях неопределенности;

Х построена модель оценки эффективности инвестиционных проектов в условиях неопределенности на основе комплексного использования имитационного моделирования и нейронной сети.

Объект и предмет исследования. Объектом исследования являются промышленные предприятия Ростовской области, предметом - использование интелектуальных информационных систем поддержки принятия решений при оценке эффективности инвестиционных проектов.

Теоретическая и методологическая основа исследования. Теоретическую основу диссертационной работы составили фундаментальные исследования отечественных и зарубежных авторов в области искусственного интелекта, интелектуальных информационных систем, а также оценки эффективности инвестиционных проектов. Методологической основой исследования является системный подход к решению задачи оценки эффективности инвестиционных проектов, экономико-математическое моделирование, методы экономического анализа, теории принятия решений, теории искусственного интелекта.

При проведении диссертационного исследования автором использованы сведения и данные из монографий и статей отечественных и зарубежных исследователей, материалов научно-практических конференций по проблемам искусственного интелекта и оценки реальных инвестиций, сборников Госкомстата России, документации предприятий Ростовской области, сети Internet.

На защиту автором выносятся следующие основные результаты исследования:

Х модель системной динамики, позволяющая проводить анализ поведения фирмы на рынке и на этой основе оценивать эффективность инвестиционного проекта с учетом динамических взаимосвязей всех элементов его денежных потоков;

Х система поддержки принятия решений при оценке эффективности инвестиционных проектов, основанная на модели системной динамики;

Х модель оценки эффективности инвестиционных проектов в условиях неопределенности, основанная на идеологии Байесовых сетей и диаграмм влияния;

Х экспертная система поддержки принятия инвестиционных решений в условиях неопределенности, основанная на модели Байесовой сети;

Х модель оценки эффективности инвестиционных проектов в условиях неопределенности, основанная на комплексном использовании имитационного моделирования методом Монте-Карло и нейронной сети.

Диссертация состоит из введения, четырех глав (134 е.), заключения, списка использованных источников (147 назв.) и трех приложений, содержит 38 таблиц и 68 рисунков.

Диссертация: заключение по теме "Математические и инструментальные методы экономики", Березовская, Елена Александровна

1. Имитационное моделирование - это один из методов, который широко применяется для решения многих практических задач в области экономического анализа, планирования, разработки новых продуктов и др. Имитационная модель может быть использована для изучения взаимосвязей между количественными и качественными переменными. Объединение имитации с другими инструментами поддержки принятия решений, в частности, такими как нейронные сети, приводит в целом к повышению эффективности процесса принятия решений.

2. Нейронную сеть, обученную с помощью имитационной модели, можно использовать для предсказания будущих результатов без того, чтобы каждый раз заново запускать процесс имитации. Анализ выходов нейронной сети показывает, что большая предсказательная точность достигается путем объединения имитационной модели с нейронной сетью. После обучения нейронная сеть оказалась способна предсказывать результаты имитации на основе исходных данных с высоким уровнем точности.

3. Разработанная автором модель оценки инвестиционных проектов на основе нейронной сети, позволят использовать преимущества имитационного моделирования без запуска требующего допонительных затрат имитационного эксперимента. Модель целесообразно использовать на предварительном этапе оценки эффективности инвестиционных проектов в условиях неопределенности.

ЗАКЛЮЧЕНИЕ

По результатам диссертационного исследования можно сделать следующие выводы:

1. Традиционный подход к оценке инвестиционных проектов не учитывает дожным образом: высокий уровень неопределенности; возникновение новых инвестиционных возможностей помимо прямых экономических выгод; необходимость учета одновременно количественных и качественных критериев; необходимость формирования сценариев реализации инвестиционного проекта с учетом динамических взаимных связей всех элементов денежных потоков проекта. Применение интелектуальных информационных систем позволяет преодолеть недостатки традиционного подхода и получить более достоверные оценки эффективности инвестиционных проектов.

2. Создание и использование в повседневной практике менеджмента систем поддержки принятия решений является одним из важнейших условий успешного функционирования организации. Подобные системы называют интелектуальными, благодаря их способности получать результаты, которые сочли бы разумными, если бы их произвел человек. Выделяют четыре основных подхода к построению интелектуальных информационных систем: логический, структурный, эволюционный и имитационный.

3. Основные виды интелектуальных информационных систем - это традиционные экспертные системы (основанные на правилах); нечеткие экспертные системы; системы, основанные на нейронной сети; системы, основанные на генетических агоритмах; системы структурного динамического моделирования и системы, основанные на Байесовой сети. Ключевыми характеристиками интелектуальных информационных систем являются: способность к обучению, способность к адаптации, гибкость, прозрачность токования, способность открывать новое.

4. В последние годы в России получили распространение несколько программных продуктов, предназначенных для проведения оценки эффективности инвестиционных проектов. Наиболее популярными из них являются отечественные разработки: пакеты "Project Expert" и Альт-Инвест, а также пакеты COMFAR и PROPSPIN, разработанные в UNIDO. Один из главных недостатков этих инструментов инвестиционного анализа - это их статический характер, с их помощью нельзя отследить, как в динамике меняется поведение системы, а, значит, нельзя сделать реалистичные прогнозы будущего развития ситуации.

5. В качестве альтернативы указанным программным продуктам в диссертации представлена разработанная автором модель оценки инвестиционных проектов, основанная на принципах системной динамики. Она позволяет анализировать поведение фирмы на рынке и на основе сформированной оптимальной стратегии отбирать наиболее выгодные инвестиционные проекты с учетом динамических взаимосвязей всех элементов их денежных потоков. Модель является основой системы поддержки принятия решений при оценке эффективности инвестиционных проектов. Она является открытой и понятной даже для неспециалиста, легка в использовании, обеспечивает хорошую коммуникацию между разработчиками, экспертами и ПР.

6. Существует несколько методов, позволяющих учитывать неопределенность при оценке инвестиционных проектов: минимаксный подход, разработка и анализ сценариев, деревья решений, имитационное моделирование методом Монте-Карло, анализ среднее-дисперсия, нечеткая логика. Каждый из методов имеет свои преимущества и недостатки. Преимущества метода становятся заметны тогда, когда он применяется для учета соответствующего уровня неопределенности. В ситуации с высоким уровнем неопределенности, по нашему мнению, наиболее адекватным является подход, основанный на применении Байесовых сетей и диаграмм влияния.

7. Разработанная автором модель учета неопределенности при оценке эффективности инвестиционных проектов, основанная на идеологии Байесовых сетей, позволяет учитывать взаимосвязь случайных переменных; пересчитывать вероятности случайных событий при поступлении новой информации; формировать сценарии будущего в условиях неопределенности; выбирать оптимальную стратегию с учетом фактора неопределенности. Модель является основой экспертной системы поддержки принятия инвестиционных решений в условиях неопределенности.

8. Объединение имитации с другими инструментами поддержки принятия решений, такими как нейронные сети, приводит в целом к повышению эффективности процесса принятия решений. Нейронная сеть используется для предсказания будущих результатов, полученных с помощью имитационной модели, без того, чтобы каждый раз заново запускать процесс имитации. Анализ выходов нейронной сети показывает, что большая предсказательная точность достигается путем объединения имитационной модели с нейронной сетью. После обучения НС стала способна предсказывать результаты имитации на основе исходных данных с высоким уровнем точности.

9. Дальнейшие исследования по теме диссертации целесообразно вести в направлении создания интегрированной интелектуальной информационной системы, позволяющей комплексно использовать преимущества системной динамики, Байесовых и нейронных сетей, а также генетических агоритмов для поддержке принятия решений при оценке эффективности инвестиционных проектов.

Реализация и апробация. Диссертационное исследование выпонено в соответствии с научным направлением РГЭУ Теории, методы и средства управления социально-экономическими объектами на кафедре менеджмента РГЭУ в 1998-2003 гг.

Научно-методические разработки автора по теме диссертационного исследования прошли апробацию на научных, научно-практических конференциях и семинарах международного, федерального и регионального уровней. Автор участвовал в пяти международных, региональных и межвузовских конференциях и семинарах с докладами и выступлениями по теме диссертационного исследования.

Результаты диссертационного исследования внедрены в рамках Российско-Британского консатингового центра (г.Ростов-на-Дону), оказывающего консультационные услуги промышленным предприятиям по оценке эффективности и отбору инвестиционных проектов, Центра исследований и инноваций (г.Ростов-на-Дону), а также используются в учебном процессе в РГЭУ РИНХ и Институте управления, бизнеса и права (г.Ростов-на-Дону). Основные положения диссертации опубликованы в 14 работах общим объемом 5,2 п.л. (авторских 3,4 п.л.).

Диссертация: библиография по экономике, кандидат экономических наук , Березовская, Елена Александровна, Ростов-на-Дону

1. Абрамов С.И. Инвестирование. М.: Центр экономики и маркетинга, 2000. -440 с.

2. Алексеев А. Промышленное оборудование в России: надежда сквозь разочарования // Инвестиции в России. 1997. - № 5-6. - С.49-54.

3. Алиев P.A., Абдикеев Н.М., Шахназаров М.М. Производственные системы с искусственным интелектом. М.: Радио и связь, 1990. - 264 с.

4. Арсланова 3., Лившиц В. Оценка эффективности инвестиционных проектов в разных системах хозяйствования // Инвестиции в России. 1995. - №№ 1, 2, 4, 5.

5. Бахрамов Ю., Сахаров А. Методы оценки рисков при составлении плана финансирования инвестиционного проекта // Инвестиции в России. 1997. - № 7-8.-С.41-44.

6. Беренс В., Хавранек П. Руководство по оценке эффективности инвестиций: Пер с англ. М.: Интерэксперт, Инфра-М, 1995. Ч 528 с.

7. Бирман Г. Шмидт С. Экономический анализ инвестиционных проектов: Пер с англ. М.: Банки и биржи, ЮНИТИ, 1997. - 631 с.

8. Бланк И.А. Инвестиционный менеджмент. Киев: МП Итем ТД, 1995. -448 с.

9. Бланк И.А. Управление использованием капитала. Ч Киев: Эльга, 2000. -656 с.

10. Ю.Богатин Ю.В., Швандар В.А. Оценка эффективности бизнеса и инвестиций. М.: ЮНИТИ, 1999. - 254 с.

11. П.Богатин Ю.В., Швандар В.А. Инвестиционный анализ. М.: ЮНИТИ-ДАНА, 2000.-286 с.

12. Бочаров В.В. Инвестиционный менеджмент. СПб.: ПИТЕР, 2000. - 160 с.

13. Брейли Р., Майерс С. Принципы корпоративных финансов. М., 1997.

14. Бригхем Ю., Гапенски Л. Финансовый менеджмент: полный курс: В 2-х т. -СПб.: Экономическая школа, 1997. Т.1. 497 е.; т.2. - 669 с.

15. Бугаян И.Р. Макроэкономика. Ростов-на-Дону: Феникс, 2000.

16. Бузырев В.В., Васильев В.Д., Зубарев A.A. Выбор инвестиционных решений и проектов: оптимизационный подход. СПб.: Изд-во С.-Петерб.гос.ун-та экономики и финансов, 1999. - 224 с.

17. Буренин А.Н. Рынки производных финансовых инструментов. М.: Инфра-М, 1996.-368 с.

18. Быльцов С.Ф. Настольная книга российского инвестора: Учеб.-практ.пособие. СПб.: Издат.дом "Бизнес-Пресса", 2000. - 506 с.

19. Ващенко Т. Математика финансового менеджмента. М.: Перспектива,1996.-82 с.

20. Ван Хорн Дж. К. Основы управления финансами: Пер с англ. М.: Финансы и статистика, 1996. - 800 с.

21. Вендров A.M. CASE технологии. Современные методы и средства проектирования информационных систем. -М.: Финансы и статистика, 1998.

22. Виленский П.Л., Лившиц В.Н., Орлова Е.Р., Смоляк С.А. Методы оценки эффективности инвестиционных проектов. М.: Дело, 1998.

23. Виленский П.Л., Смоляк С.А. Как рассчитать эффективность инвестиционного проекта. Расчет с комментариями М.: Институт промышленного развития, 1996.- 148 с.

24. Воков И.М., Грачева М.В. Проектный анализ. М.: Биржи и банки, ЮНИТИ, 1998.-423 с.

25. Воронцовский A.B. Инвестиции и финансирование: Методы оценки и обоснования. СПб.: Издательство С.-Петербургского университета, 1998. -528 с.

26. Гитман Л. Основы инвестирования. М., 1997.

27. Глазунов В.Н. Финансовый анализ и оценка риска реальных инвестиций. -М.: Финстатинформ, 1997. 135 с.

28. Горбунов А. Управление финансовыми потоками и реинжиниринг. М.,1997.

29. Горенбургов М.А. Бизнес-планирование инвестиционных проектов: Учеб.пособие. СПб.: С.-Петерб.гос.инж.-экон.акад., 1999. - 58 с.

30. Горчаков A.A., Половников В.А. Финансовая математика. М.: ВЗФЭИ, 1995.

31. Грачева М.В. Анализ проектных рисков. М.: ФИНСТАТИНФОРМ, 1999. -216 с.

32. Дебок Г., Кохонен Т. Анализ финансовых данных с помощью самоорганизующихся карт / Пер. с англ. М.: АЛЫТИНА, 2001.

33. Долятовский В.А., Сергеенко Г.С. Введение в активные интелектуальные системы для менеджеров. Ростов-на-Дону: МИРТ, 2001. - 120 с.

34. Ежов A.A., Шумский С.А. Нейрокомпьютинг и его приложения в экономике и бизнесе. М.: МИФИ, 1998.

35. Ендовицкий Д.А. Комплексный анализ и контроль инвестиционной деятельности. М.: ФиС, 2001. - 400 с.

36. Заде Л. Понятие лингвистической переменной и ее применение к принятию приближенных решений. М.: Мир, 1976.

37. Зимин И.А. Реальные инвестиции: Учеб.пособие. М.: "Тандем", 2000. -271с.40.3митрович А.И. Интелектуальные информационные системы. -Мн.:НТООО Тетра-система, 1997. 368 с.

38. Игошин Н.В. Инвестиции: организация управления и финансирование. М.: ЮНИТИ, 2000,-413 с.

39. Инвестиционная активность предприятий // Экономист. 1996. - №5. -С.51-62.

40. Инвестиционная деятельность: теория и практика. М., 1998.

41. Инвестиционное проектирование: Практическое руководство по экономическому обоснованию инвестиционных проектов / Под.ред. Шумилина С.И. -М.: АО Финстатинформ, 1995. 240 с.

42. Инвестиционное проектирование: Учеб.пособие/ Комаров А.Г., Смирнов

43. B.А., Ткаченко Е.А., Усиенко Н.Г. 2-е изд., перераб. и доп. - СПб.: Изд-во

44. C.-Петерб.гос.ун-та экономики и финансов, 1999. 88 с.

45. Информационные системы в экономике / Под ред. В.В.Дика. М.: Финансы и статистика, 1997.

46. Искусственный интелект: применение в интегрированных производственных системах / Под ред. Кьюсиака Э. М.: Машиностроение, 1991. - 544 с.

47. Итоги науки и техники: физические и математические модели нейронных сетей, том 1. М.: изд. ВИНИТИ, 1990.

48. Калянов Г.Н. Консатинг при автоматизации предприятий. Подходы, методы, средства. -М.: СИНТЕГ, 1997.

49. Кандрашина Е.Ю., Литвинцева Л.В., Поспелов Д.А. Представление знаний о времени и пространстве в интелектуальных системах. М.: Наука, 1989. -328 с.

50. Капитоненко В.В. Инвестиции и хеджирование. М.: Изд-во Приор, 2001. - 240 с.

51. Карминский A.M., Нестеров П.В. Информатизация бизнеса. М.: Финансы и статистика, 1997.

52. Кирсанов К.А., Малявина A.B., Попов С.А. Инвестиции и антикризисное управление: Учеб. пособие. М.: МАЭП, 2000. -184 с.

53. Ковалев В.В. Финансовый анализ: Управление капиталом. Выбор инвестиций. Анализ отчетности. М.: Финансы и статистика, 1998. - 432 с.

54. Ковалев В.В. Методы оценки инвестиционных проектов. М., 1998.

55. Ковалев В.В. Введение в финансовый менеджмент. М.: Финансы и статистика, 2000. - 768 с.

56. Коб Р.У. Финансовые деривативы (опционы, фьючерсы.). М., 1997.

57. Котынюк Б.А. Инвестиционные проекты. СПб.: Изд-во Михайлова, 2000. -422 с.

58. Кравец A.C. Природа вероятности. Ч М.: Мысль, 1976.

59. Крылов Э.И., Журавкова И.В. Анализ эффективности инвестиционной и инновационной деятельности предприятия. М.: ФиС, 2001. - 384 с.

60. Крушвиц JI. Инвестиционные расчеты. Пер с нем. СПб.: Питер, - 2001. -432 с.

61. Крушвиц J1. Финансирование и инвестиции. Пер с нем. СПб.: Питер, -2000.-400 с.

62. Крюков C.B. Методы и модели оценки и выбора инвестиционных проектов. Монография. Ростов н/Д: изд-во РГЭУ, 2001. - 252 с.

63. Крюков C.B. Оценка стратегических инвестиционных проектов в реальном секторе экономики. Монография. Ростов н/Д: изд-во РГУ, 2002. Ч 204 с.

64. Кугаенко A.A. Основы теории и практики динамического моделирования социально-экономических объектов и прогнозирования их развития. М.: Вузовская книга, 1998.

65. Ларичев О.И., Мошкович Е.М. Качественные методы принятия решений. -М.: Наука, 1996.

66. Ли Ченг Ф., Финнерти Дж.И. Финансы корпораций: теория, методы и практика. Пер с англ. М., ИНФРА-М, 2000. - 686 с.

67. Лившиц В.Н. Оптимизация при перспективном планировании и проектировании. М.: Экономика, 1984. - 223 с.

68. Лившиц В.Н., Лившиц C.B. Когда же и на нашей улице будет инвестиционный праздник? // Инвестиции в России. 1998. - № 9-12.

69. Лимитовский М. Основы оценки инвестиционных и финансовых решений. Ч М., 1998.

70. Липсиц И.В., Коссов В.В. Инвестиционный проект: Методы подготовки и анализа. М.: Изд-во БЕК, 1996. - 304 с.

71. Логический подход к искусственному интелекту / Под ред. Гаврилова Г.П. -М.: Мир, 1990.

72. Лорьер Ж.-Л. Системы искусственного интелекта М.: Мир, 1991. - 568 с.

73. Львов Д.С., Медницкий В.Г., Овсиенко В.В. и др. Методологические проблемы оценивания эффективности инвестиционных проектов // Экономика и математические методы. 1995. - Вып.2. - С. 5-19.

74. Малыхин В.И. Финансовая математика. М.: Изд-во ЮНИТИ-ДАНА, 1999.-248 с.

75. Марголин А.М., Семенов С.А. Инвестиционный анализ: Учеб.пособие. М.: РАГС, 1999.-136 с.

76. Маршал Д.Ф., Бажал В.К. Финансовая инженерия. М.: ИНФРА-М, 1998, -784 с.

77. Мекумов Я.С. Экономическая оценка эффективности инвестиций. М., 1997.

78. Методические рекомендации по оценке эффективности инвестиционных проектов и их отбору для финансирования. М.: Институт промышленного развития, 1994.-81 с.

79. Методические рекомендации по оценке эффективности инвестиционных проектов: (Вторая редакция). М.: Изд-во Экономика, 2000. - 421 с.

80. Мишенин А.И. Теория экономических информационных систем: Учебник. -М.: Финансы и статистика, 1999.

81. Монахова Е. Нейрохирурги с Ордынки // PC Week/RE 1995. - №9.

82. Никольский A.A., Васильева Н.Э., Афанасьев В.А. Технология принятия управленческих решений. М.: Финансы и статистика, 1998.84.0йхман Е.Г., Попов Э.В. Реинжиниринг бизнеса: Реинжиниринг организаций и информационные технологии. -М.: ФиС, 1997.

83. Осипов Г.С. Приобретение знаний интелектуальными системами: основы теории и технологии. М.: Наука, 1997.

84. Пелих A.C. Бизнес-план, или как организовать собственный бизнес. Анализ. Методика. Практикум. М.: Ось-89, 1999. - 96 с.

85. Перспективы развития вычислительной техники. Кн.2. Интелектуализация ЭВМ.-М., 1989.

86. Платов В.Я. Рынок инвестиций: мифы и стереотипы российского менеджмента // ЭКО. 1996. - №5. - С. 16-29.

87. Плещинский A.C. Оптимизация инвестиционных проектов предприятия в условиях рыночной экономики // Экономика и математические методы.1995. Вып.2. - С.81-90.

88. Подшиваленко Г.П., Клепальская C.B. Оценка эффективности реальных инвестиций: Учеб. пособие. М.: Изд-во Финанс. акад. при Правительстве РФ, 1998.-59 с.

89. Попов В. Бизнес-план инвестиционного проекта. Отечественный и зарубежный опыт. М., 1997.

90. Портфель конкуренции и управления финансами. Отв. ред. Рубин Ю. М.,1996.

91. Прикладные нечеткие системы / Асаи К. и др. М.: Мир, 1993. - 368 с.

92. Радионов Н.В., Радионова С.П. Основы финансового анализа. Математические методы. Системный подход. М.: Изд-во Альфа, 1999. - 592 с.

93. Решецкий В.И. Финансовая математика, анализ и расчет инвестиционных проектов: Учеб.пособие. Калининград, 1999. - 345с.

94. Риски в современном бизнесе. М.: Изд-во Алане. 1994. - 200 с.

95. Романов А.Н., Одинцов Б.Е. Советующие информационные системы в экономике. М.: ЮНИТИ-ДАНА, 2000.

96. Романов В.П. Интелектуальные информационные системы в экономике: Учебное пособие. М.: Издательство Экзамен, 2003.

97. Росс С., Вестерфид Р., Джордан Б. Основы корпоративных финансов. Пер с англ. М.: Лаборатория базовых знаний, 2000. - 720 с.

98. Рудигер А. Прямые иностранные инвестиции в российскую экономику -стоит ли овчинка выдеки? Данные опроса иностранных инвесторов. Доклад Российско-европейского центра экономической политики (РЕЦЭП) // Обзор российской экономики. 2000. - Апрель.

99. Рэдхед К., Хьюс С. Управление финансовыми рисками: Пер с англ. М.: Инфра-М, 1996.-288 с.

100. Сахарнов Ю. Инвестиции в России: тревога и надежда. М., 1996.

101. Сергеев И.В. Веретенникова И.И. Организация и финансирование инвестиций. М.: Финансы и статистика, 2001. - 272 с.

102. Слейгл Д. Искусственный интелект. М.: Мир, 1973.

103. Смирнов A.JI. Организация финансирования инвестиционных проектов. -М.: Изд-во АО Консатбанкир, 1993. 103 с.

104. Смоляк С.А. Учет специфики инвестиционных проектов при оценке их эффективности // Аудит и финансовый анализ. 1999. - №3.

105. Сосо P.JI. Когнитивная психология. М.: Тривола, 1996. - 600 с.

106. Старик Д.Э. Расчеты экономической эффективности инвестиций: Учеб.пособие. М.: Изд-во МАИ, 1994. -74 с.

107. Статические и динамические экспертные системы. М.: ФиС, 1996.

108. Стоянова Е.С. Финансовый менеджмент. М.: Перспектива, 1993.

109. Татевосян Г.М. Обоснование экономической эффективности капитальных вложений с использованием методов оптимизации // Экономика и математические методы. 1997. - Том 33. Выпуск 1. - С.26-37.

110. Тельнов Ю.Ф. Интелектуальные информационные системы в экономике. -М.: СИНТЕГ, 1999.

111. Теплова Т.В. Финансовый менеджмент: управление капиталом и инвестициями. М.: TACIS, 2000. - 502 с.

112. Томсетт М. Торговля опционами: спекулятивные стратегии, хеджирование, управление рисками / Пер с англ. -М.: Изд. дом Альпина, 2001.-360 с.

113. Трахтенгерц Э.А. Компьютерная поддержка принятия решений. М.: СИНТЕГ, 1998.

114. Уинстон П. Искусственный интелект. М.: Мир, 1980. - 519 с.

115. Уоссерман Ф. Нейрокомпыотерная техника. М.: Мир, 1992. - 237 с.

116. Уотшем Т.Дж., Паррамоу К. Количественные методы в финансах. М.: ЮНИТИ, 1999.-528 с.

117. Уткин Э. Новые финансовые инструменты рынка. М., 1997.

118. Управление инвестициями: В 2-х т. / В.В.Шеремет, В.М.Павлюченко, В.Д.Шапиро и др. М.: Высшая школа, 1998. - Т1. - 416 е.; т.2. - 512 с.

119. Фабоцци Ф.Дж. Управление инвестициями. М.: ИНФРА-М, 2000.-932 с.

120. Фальцман В.К. Оценка инвестиционных проектов и предприятий. М.: ТЕИС, 1999.-56 с.

121. Форрестер Дж. Основы кибернетики предприятия (индустриальная динамика). М.: Прогресс, 1971.

122. Фролов Ю.В. Интелектуальные системы и управленческие решения. -М.: МГПУ, 2000.-294 с.

123. Целых А.Н. Моделирование процессов принятия решений в нечетких условиях. Монография. Ростов-на-Дону: Изд-во СКНЦ ВШ, 1999. - 104с.

124. Целых А.Н., Берштейн JI.C., Карелин В.П. Модели и методы принятия решений в интегрированных интелектуальных системах. Монография. -Ростов-на-Дону: Изд-во РГУ, 1999. 268с.

125. Чекулаев М. Загадки и тайны опционной торговли. М.: ИК Аналитика, 2001.-432 с.

126. Черняк В. Управление инвестиционным проектом в строительстве. М., 1998.

127. Честноков A.C. Инвестиционная стратегия, опционы и фьючерсы. М.: ПАИМС, 1995.-112 с.

128. Четыркин Е.М. Методы финансовых и коммерческих расчетов. М.: Дело тд, 1995.-320 с.

129. Шалютин С. Искусственный интелект. М.: Мир, 1981.

130. Шарп У., Александер Г. Бейли Дж. Инвестиции: Пер с англ. М.: Инфра-М, 1997.- 1024 с.

131. Экспертные системы. Принципы работы и примеры: Пер с англ./ Под ред. Р.Форсайта. М.: Радио и связь, 1987. - 224 с.

132. Эти Дж., Кумбс М. Экспертные системы: концепции и примеры. М.: Финансы и статистика, 1987. Ч 191 с.

133. Эндрю А. Искусственный интелект. М.: Мир, 1985.

134. Эрнест Д. Деловые финансы. -М.: Олимп-Бизнес, 1998. 416 с.

135. An Introduction to Systems Thinking HPS, Inc., 1997.

136. Artificial Neural Networks: Concepts and Theory. IEEE Computer Society Press, 1992.

137. Cowell R., Dawid P.A., Lauritzen S., Spiegelhalter D. Probabilistic Networks and Expert Systems. Springer, New York, 1999.

138. Howson C., Urbach, P. Scientific reasoning : the Bayesian approach. Open Court, Chigago, 1993.

139. Jensen F. An Introduction to Bayesian Networks. UCL Press, London, 1996.

140. Morgan M., Henrion M. Uncertainty: A Guide to Dealing with Uncertainty in Quantitative Risk and Policy Analysis New York, 1998.

141. Neapolitan R.E. Probabilistic Reasoning in Expert Systems: Theory and Algorithms John Wiley & Sons, New York, 1990.

142. Pearl J. Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference. Morgan Kaufmann Publishers, San Mateo, CA, 1988.

143. Richard P. Lippmann, An Introduction to Computing withNeural Nets, IEEE Acoustics, Speech, and Signal ProcessingMagazine, April 1987.

144. Robert C. The Bayesian choice. A Decision-Theoretic Motivation. Springer, New York, 1994.

145. Trigeorgis L., Real Options: Managerial Flexibility and Strategy in Resource Allocation Cambridge, MA, MIT, 1996.

Похожие диссертации