Темы диссертаций по экономике » Математические и инструментальные методы экономики

Многокритериальная оценка догосрочных проектов развития предприятия тема диссертации по экономике, полный текст автореферата

Автореферат

Ученая степень	кандидат экономических наук
Автор	Воков, Владимир Владимирович
Место защиты	Санкт-Петербург
Год	2010
Шифр ВАК РФ	08.00.13

Диссертация

Автореферат диссертации по теме "Многокритериальная оценка догосрочных проектов развития предприятия"

САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

Воков Владимир Владимирович

МНОГОКРИТЕРИАЛЬНАЯ ОЦЕНКА ДОГОСРОЧНЫХ ПРОЕКТОВ РАЗВИТИЯ ПРЕДПРИЯТИЯ

Специальность 08.00.13 - Математические и инструментальные методы экономики

Автореферат диссертации на соискание учёной степени кандидата экономических наук

2 6 МГ 2010

Санкт-Петербург 2010

Работа выпонена в Федеральном государственном образовательном учреждении высшего профессионального образования Санкт-Петербургский Государственный университет

Ведущая организация:

Научный руководитель:

Официальные оппоненты:

Доктор физико-математических наук, профессор Хованов Николай Васильевич Доктор экономических наук, профессор Власов Марк Павлович Кандидат экономических наук, доцент Смирнов Ростислав Олегович Санкт-Петербургский государственный университет экономики и финансов

Защита состоится л/У сутЯ^рЗ 2010 г. в /СОО на заседании Совета Д 212.232.34

по защите докторских и кандидатских диссертаций при Санкт-Петербургском государственном университете по адресу: 191123, Санкт-Петербург, ул. Чайковского, д. 62, ауд. 415.

С диссертацией можно ознакомиться в научной Библиотеке им. А. М. Горького Санкт-Петербургского Государственного Университета.

Автореферат разослан л // А- /0/1 Л 2010 г.

Учёный секретарь диссертационного Совета

Кандидат экономических наук, доцент

Капустин В.И.

I. ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. Разработка и принятие стратегических решений является одной из важнейших функций управления современным предприятием. Принятие таких решений ориентировано на достижеиие перспективных целей, связано с вложением значительных ресурсов и поэтому, как правило, имеет догосрочные последствия для развития предприятия. Эффективность принятия стратегических решений во многом зависит от того, насколько качественно было осуществлено планирование стратегии на предварительном этапе. При этом процесс планирования стратегии включает в себя, во-первых, прогнозирование условий развития предприятия, во-вторых, разработку и сравнительный анализ догосрочных проектов. Особое значение планирование стратегии приобретает с учетом возрастания сложности и изменчивости внешней среды предприятия, увеличением числа факторов, влияющих на его деятельность. Несмотря на то, что всё больше менеджеров российских предприятий осознают важность стратегического управления в современных условиях, наблюдается дефицит научно обоснованных методов планирования стратегии как в части прогнозирования факторов внешней среды его развития, так и в части проведения сравнительной оценки проектов. Существующие экономико-математические методы не позволяют в поной мере учесть неопределённость и нестабильность окружающей среды реализации проектов предприятия, не могут эффективно использоваться в условиях отсутствия поной и точной информации, что характерно для ситуации принятия стратегических решений. Поэтому разработка нового инструментария, позволяющего предприятиям более точно оценивать проекты их догосрочного развития и адекватно учитывать неопределённость среды их реализации, является актуальной экономико-математической задачей.

Ряд авторов предлагают использовать в качестве методов оценки догосрочных проектов развития предприятия модели эконометрического и байесовского анализа. К работам, соответствующим данной области, относятся труды таких ученых как С. Борлекс, К. Вольшски, Е. Гринберг, X. Джефрис, А. Зельнер, Г. Куп, Д. Порье, Дж. Хойтинг. Среди отечественных авторов следует отметить труды С. А. Айвазяна, Я. Р. Магнуса, Е. П. Чуракова. В то же время процесс оценки догосрочных проектов развития предприятия не может быть поностью формализован посредством применения распространённых методов эконометрического и байесовского анализа. Для решения данной задачи целесообразно использовать также методы экспертных оценок,

учитывающие нечисловую, неточную и непоную информацию. В частности, большим потенциалом для решения задач стратегического планирования обладает теория принятия решений, которая позволяет проводить формальный анализ субъективных представлений лиц, принимающих решения о возможностях реализации рассматриваемых проектов развития фирмы при многих критериях. Теории принятия решений посвящены работы следующих иностранных и отечественных авторов: П. Гартвайта, К. Зопонудиса, Дж. Каданэ, Д. Канемана, К. Кериса, Р. Кини, Я. Колье, О. И. Ларичева, Л. Мэйстре, В. Д. Ногина, С. А. Орловского, А. О'Хогана, В. В. Подиновского, Дж. Помероля, X. Райфы, Т. Ракова, М. Роджерса, Б. Роя, Т. Саати, А. Тиммсрмана, Дж. Фигуэры. В то же время использование методов теории принятия решений в целях стратегического планирования требует дальнейшего развития теории вопроса с учетом специфики области применения и разработки адекватного экономико-математического инструментария.

Цели и задачи исследования. Целью диссертационного исследования является разработка метода оценки догосрочных проектов развития предприятий, учитывающего неопределенность будущего состояния финансово-экономической среды реализации и дефицит числовой информации о значимости показателей предпочтительности этих проектов.

Для достижения выбранной цели необходимо решить следующие задачи:

- провести анализ существующих методов оценки проектов развития предприятия и состояний среды их реализации;

- изучить потенциал применения многокритериальной теории принятия решений для прогнозирования показателей проектов развития предприятия;

разработать метод оценки показателей проектов развития предприятия с учётом факторов их изменения, экспертной и статистической информации; разработать прототип программной реализации предложенного метода оценки показателей проектов развития предприятия;

апробировать предложенный метод на решении задачи оценки догосрочных проектов развития действующего российского предприятия.

Объект исследования - догосрочные проекты развития производственного предприятия, функционирующего в условиях изменчивости рыночных цен на оборудование, сырьевые ресурсы и продукцию.

Предмет исследования - экономико-математические модели и методы оценки догосрочных проектов развития предприятия в условиях неопределенности.

Теоретической и методической основой исследования являются работы отечественных и зарубежных авторов в области теории принятия решений, теории

вероятностей, эконометрики, байесовского анализа, методологии оценки деятельности предприятия. При анализе факторов развития предприятия использовались аналитические исследования и обзоры государственных служб и консатинговых агентств, посвященные проблемам деятельности российских предприятий реального сектора экономики.

Используемые в исследовании эмпирические данные. Для проведения расчетов и сравнительного анализа в рамках поставленных задач использовались материалы инвестиционных проектов действующего предприятия горной промышленности в СевероЗападном регионе РФ, результаты маркетинговых исследований, статистические данные Федеральной службы государственной статистики, информация сети Интернет.

Научная новизна исследования заключается в разработке теоретических и методических основ построения экономико-математических моделей многокритериальной оценки догосрочных проектов развития предприятия в условиях неопределенности.

Практическая значимость диссертационной работы заключается в том, что предложенный метод оценки проектов развития может эффективно использоваться при планировании деятельности предприятия в условиях неопределённости, что позволит повысить качество стратегического управления в российской промышленности.

Результаты работы внедрены на промышленном предприятии ЗЛО Важинский завод, что подтверждается соответствующим актом о внедрении. Отдельные разделы диссертации могут применяться при преподавании таких учебных курсов как Эконометрика, Математические методы принятия решений в условиях неопределённости, Экономика предприятия.

Апробация результатов исследовании. Результаты по теме исследования докладывались и обсуждались на научно-практической конференции Интегрированные модели, мягкие вычисления, вероятностные системы и комплексы программ в искусственном интелекте (Коломна, 2009); на конференции Хозяйственные объединения в инновационной экономике (Санкт-Петербург, 2008); на VI международной научной конференция молодых ученых Молодёжь и экономика (Ярославль, 2009); на пятнадцатой международной конференции Предпринимательство и реформы в России (Санкт-Петербург, 2008).

Публикации по теме исследования. По теме диссертации опубликовано б работ общим объемом в 1,8 авт. л., в том числе 1 - в издании, входящем в перечень ВАК, и 1 - в электронном издании, рекомендованном ВАК.

Структура работы. Диссертационная работа имеет объем 143 стр. и состоит из введения, трёх глав, заключения, списка литературы (165 наименований) и приложений (27 стр.).

II. ОСНОВНЫЕ ПОЛОЖЕНИЯ И РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ

Во Введении обоснована актуальность рассматриваемой темы диссертации, приведены цель исследования, перечень поставленных задач, выделены объект и предмет исследования, указаны источники эмпирических данных. Определена научная новизна, выделена практическая значимость исследования.

Первая глава Методы оценки показателей догосрочных проектов развития предприятия посвящена теоретическим основам и практическим аспектам оценки догосрочных проектов развития предприятия, исследованию развития методов стратегического планирования на предприятии в исторической ретроспективе и современных условиях.

В качестве основных групп методов выделяются модели эконометрического анализа и методы экспертных оценок. На основе изучения современных потребностей практики стратегического планирования показано, что данные группы методов имеют ряд ограничений, препятствующих их применению для оценки догосрочных проектов развития предприятия. Для преодоления данных ограничений в рамках процедуры стратегического планирования и прогнозирования на предприятии целесообразно, во-первых, осуществлять оценку качественных характеристик проекта, во-вторых, учитывать многокритериальный характер целей и задач по проектам, в-третьих, анализировать проекты в тесной взаимосвязи со средой их реализации. Одним из перспективных направлений разработки методов оценки проектов развития предприятия является синтез эконометрических и экспертных методов, однако, для обоснованного применения таких экспертно-статистических методов необходимо учитывать специфику процедуры оценки вышеуказанных проектов.

В качестве основных классов эконометрических моделей прогнозирования показателей развития предприятия рассматриваются структурные и параметрические. В рамках структурных моделей в диссертации исследуются методы экспоненциального и адаптивного экспоненциального сглаживания. В качестве параметрических методов рассматриваются интегрированные модели авторегрессии и скользящего среднего (AJRIM4). В диссертации обосновывается, что потенциал метода экспоненциального сглаживания для догосрочного прогнозирования ограничен, так как он позволяет оценивать лишь линерционные изменения экономических показателей и плохо работает для временных рядов с переменной структурой. Для параметрических моделей показано, что результат прогнозирования временного ряда методом экспоненциального сглаживания на базе полинома i-ой степени эквивалентен результату, полученному с помощью модели ARIMA(0,k,k).

В свою очередь, в байесовской эконометрике предполагается наличие достаточно длинного ряда исторических значений показателя, что нехарактерно для экономических данных деятельности предприятия, однако, при наличии такого длинного ряда значений прогнозы по данному методу практически эквивалентны прогнозам по моделям АЫМА.

Также в диссертации исследуется процедура камановской фильтрации. В качестве основного достоинства данного метода рассматривается возможность совместить процедуру идентификации и прогнозирования. Совмещение процедуры параметрической идентификации и прогнозирования производится путём увеличения размерности вектора состояния. Платой за это совмещение оказывается существенное усложнение агоритма обработки данных.

Ещё одной задачей первой главы является изучение специфики применения рассмотренных методов к прогнозированию конкретных показателей проектов развития предприятия на основе эмпирических данных. Результаты исследования позволяют установить границы применимости данных методов. Изучение рядов на предмет построения прогноза методом экстраполяции детерминированной и стохастической составляющей и наличия причинности по Грсйнджеру дало неадекватные, с экономической точки зрения, результаты. Байесовский подход использовася для расчёта объёма прибыли предприятия. Эмпирическое тестирование схемы камановской фильтрации показало, что прогнозные значения расходятся с выборкой ряда, в то время как тренды оцениваются более точно на основании метода наименьших квадратов.

Вторая глава диссертационного исследования посвящена способам прогнозирования показателей догосрочных проектов. В работе разработаны модификации метода рандомизированных вероятностей (МРВ) и прототип его программной реализации, используемый далее в качестве инструментального метода оценки догосрочных проектов развития предприятия.

Базовая модификация метода рандомизированных вероятностей основывается на возможности представления показателя догосрочного проекта развития предприятия непрерывной случайной величиной х, широко используемой как в моделях байесовского анализа, в регрессионных моделях, так и в теории принятия решений. Предположим, что значение какого-либо экономического показателя может изменяться на г интервалах (л,_,;а,]. Вероятность попадания р, случайной величины в интервал (я, ,;",] задаётся Зс. Объединение данных интервалов даёт единичной интервал при условии, что интервалы (ам;<7,] не пересекаются. Введём функцию плотности следующего вида:

/(*;p) = f(x;p,.....pr) = p,f(x;),a_ <x<an (1)

где p - значения соответствующих вероятностей; p >0,= = 1;

,f Л Ч1Ч,e(o(4;aJ

График данной плотности изображён на рис.1, где h -p/(a -a_). Математическое ожидание непрерывной случайной величины х определяется формулой

S<=L, м

дисперсия - формулой

Ох = Ех7-(Бс)\ (3)

а математическое ожидание квадрата случайной величины х - формулой

Рис.1. График кусочно-постоянной плотности /(х) случайной величины х Таким образом, с учётом соотношений (2), (3), (4) можно получить следующую формулу для дисперсии, выраженную через величины а0,а,,...,аг:

Соотношения (2) - (5) лежат в основе разрабатываемой модификации МРВ, позволяющей оценивать характеристики случайного финансово-экономического показателя, описываемого кусочно-постоянной плотностью распределения с учетом экспертной информации /, налагающей ограничения на компоненты вектора /? = (/;,,...,/7,). Предположим, что информация I может быть представлена в виде соответствующей системы равенств и неравенств для вероятностей р^,...,рг. Под Р(г,1) будем понимать непустое множество всех допустимых векторов вероятностей, т.е. таких векторов, компоненты которых удовлетворяют совокупности условий I.

Неопределённость выбора вектора р = (р.....,рг) из множества Р(г;1) моделируется

случайным вектором /7 = (/7,(/),...,#.(/)), р, (/)<), /?(/)= 1, равномерно

распределённым на множестве Р(г;/) всех допустимых (с точки зрения информации I) векторов вероятностей.

Будем считать также, что известны оценки математических ожиданий д (/) = Кр,(/),

дисперсий <52((/)= Ср,{0 и ковариаций (]) = соу(д (/),(/)), ,/',,/2 =1,...,г, /, ^ 2, случайных величин />,(/),..., Д.(/).

Подстановка вектора /?(/) случайных вероятностей Д (/), / = 1,...,г, в выражения (1), (2), (5) даёт рандомизированные плотность распределения 7(дг ;/) = /(х; /;(/)) = (О). математическое ожидание

М(]) = МШ) = М&{1\->РЛ1)) и дисперсию <?3(/) = аг(р(/)) - гт2 (р, (/),...,/?,(/)) соответственно.

Искомыми оценками значений статистических характеристик /(х;/), /?(/), <?'(/) случайной величины 2 являются их математические ожидания /{х,1)= Е/{х,1),

/(*;/)=Я/М= #(*;(')) = аМ/М. (6)

[4-к,я да,

1-1 4 4 (<<>

Таким образом, на основе информации I, могут быть получены искомые оценки /(*;/), /7(/), ст2(/) ожидаемых значений плотности распределения, математического ожидания и дисперсии скалярной случайной величины х. Соотношения (6) - (8) фактически и задают необходимую модификацию МРВ, позволяющую оценить характеристики непрерывной случайной величины с учётом допонительной информации

/, налагающей 01раничения на компоненты вектора р = (р.....,рг)- На основе данной

модели могут быть вычислены значения показателей дог осрочных проектов развития предприятия. Заметим также, что приведённая модель позволяет эксперту в отличие от дискретного аналога оперировать интервалами изменения рассматриваемого показателя. Это в свою очередь расширяет возможности практического применения МРВ.

В базовой модификации МРВ предполагалось, что эксперт располагает лишь нечисловой априорной информацией о прогнозируемых экономических показателях. Однако, в силу ограничений использования нечисловых экспертных мнений, наиболее перспективно учитывать при прогнозировании также и статистическую числовую информацию. Объединение экспертной и статистической информации лежит в основе известного байесовского подхода. Рассмотрим байесовскую схему учёта априорной ннн-информации I о вероятностях р1,...,рг альтернатив А1,...,АГ. Пусть имеется генеральная совокупность, описываемая неизвестным исследователю вектором вероятностей альтернатив р Ч (р,,...,рг) из которой произведена случайная выборка объёма к, по которой определён вектор частот (,,...,,.), к1 + ... + кг = к осуществления соответствующих альтернатив.

Пусть условная вероятность наблюдения вектора частот (,,...,,.) задаётся полиномиальным распределением

где /?*' = 1 при р, = к, = 0.

В качестве эмпирической оценки /(к,;к) неизвестной вероятности р, альтернативы А, можно взять частоту появления события А1 среди исходов, образующих рассматриваемую выборку:

Мерой точности полученной частотной оценки вероятности альтернативы может служить аппроксимация стандартного отклонения случайной относительной частоты

Допонительно предполагается, что имеется ннн-информация /, задающая непустое множество Р(г,п;1) всех допустимых векторов р^ / = 1,...,Л'(г,л;/),

вероятностей альтернатив. В качестве стохастической модели неопределённости выбора вектора вероятностей из множества р(г,п;1) можно использовать случайный вектор /?(/) = (/5, (/),..., равномерно распределённый на множестве Р(г, п\ /).

= = = Ы".....(12)

Упомянутый рандомизированный вектор можно задать соотношением

Ж/)=(й (1}..,РМ = г{п = (РР,~,РР), (13)

где случайный параметр / равномерно распределён на множестве Т(г,п;1)= Л'(г,л;/)}. Иными словами, имеет место соотношение

Априорной оценкой неизвестной вероятности />, альтернативы /), может служить математическое ожидание

рандомизированной априорной вероятности Д (/). Мерой точности такой оценки может являться стандартное отклонение рандомизированной априорной вероятности р, (/):

*Р,(0-Ш') = V* -л]7?(0 = 'И2 -М Х Щ

При известном векторе = (й (Д--,РГ(^)) можно вычислить безусловное распределение случайного вектора частот (<:,,...,,) по формуле поной вероятности

/,(,.....ю-4, -1,.....I - к}- ...............Р!'1)-

Теперь из соотношения

ир >-. К; а Р, )=(*,.....| А.....рг)/р{рД~>рг)=

совместного распределения векторов (л.....,г), (р,(/),...,/5Г(/)) получаем известную

формулу Байсса

ф......р,К.,к)-Ф......(ло

которая даёт апостериорное распределение

П[Р/(,)]''

(=1 1=1

определяющее апостериорный рандомизированный вектор

р'(1;к^,...,кг;к) = {р' (;к^к\...,р' (г,кг;к^ вероятностей альтернатив.

Можно сказать, что формула Байеса (19) задаёт апостериорное распределение

/;=/г(^Д...дг)=/;и(,,,..,р/,!) (21)

случайного параметра 7' на множестве Т[г,п;1).

Апостериорной оценкой неизвестной вероятности р: альтернативы А, может служить математическое ожидание рандомизированной апостериорной вероятности

Ж/;*,;*)

р] (/;*,;*) = ^"ЧО- (22)

Мерой точности такой оценки является стандартное отклонение

рандомизированной апостериорной вероятности р'(/).

Таким образом, мы можем получить искомые апостериорные оценки вероятностей

исследуемых альтернатив А,.....Аг.

Итак, мы имеем три оценки неизвестной вероятности р, альтернативы А, и три меры точности данных оценок: - априорная оценка р,(/)
яр,(/);

частотная оценка )\(к:;к)
х/1 (к1;к); апостериорная оценка р'(1)
щ'(1).

Апостериорная оценка /;*(/;,;), синтезирующая априорную информацию I и эмпирическую информацию (к,;к), может быть представлена в виде взвешенной суммы априорной />,(/) и эмпирической оценок:

р;{1;к,-,к)= (24)

где 1УГ (к) - степень достоверности соответствующего источника информации; 1Уг(к)> 0; 1У[(к)+И\(к)=\.

При к-++ со имеет место соотношение: [к)->0, 1У2(к)-*\. То есть при достаточно большом объеме выборки апостериорная оценка вероятности альтернативы практически совпадает с частотной, а при малом объёме выборки Ч приближается к априорной оценке этой вероятности.

Вообще говоря, степень достоверности источника информации ]УГ может зависеть и от априорной информации 1. Так, например, рассмотренное соотношение (24) может быть обобщено для II источников информации, г = 1,...,Л, которые могут быть как эмпирическими, так и априорными (экспертными).

В случае отсутствия эмпирической информации о частотах осуществления различных альтернатив развития предприятия мы можем воспользоваться пссвдо-эмпирической информацией.

Так, например, можно опросить к экспертов, каждый из которых дожен указать одну и только одну альтернативу, которая, по его мнению, реализуется. Тогда число экспертов к,, указавших па осуществление альтернативы А,, можно принять за эмпирически наблюдаемое число реализаций этой альтернативы. При этом коэффициенты степени достоверности априорной и эмпирической информации в соотношении (24) могут быть оценены экспертным путём с использованием одной из модификаций МРВ.

Нами был рассмотрен подход, позволяющий в рамках байесовской схемы оценивать вероятности /): альтернатив А, на основе как априорной (экспертной), так и эмпирической (выборочной) информации. Однако как байесовская модификация, так и непрерывный аналог МРВ ориентированы на нахождение только самих показателей развития догосрочных проектов предприятия без внутренних связей, в то время как большинство данных факторов взаимосвязаны между собой. Изменение показателей развития фирмы связано с изменением различных характеристик (курс валют, процентная ставка по привлекаемым кредитам, стоимость топлива, уровень инфляции, и т. д.), каждая из которых может оказывать влияние на любой из показателей развития фирмы. Кроме того, процесс развития предприятия развёрнут во времени, поэтому возникает

необходимость нахождения оценок />Д (7у), < = 1 ,...,г, у = 1 ,...,т, вероятностей альтернатив А^,...,АГ1. V/' = 1,...,Г'. Поэтому для догосрочного прогнозирования показателей развития проектов во взаимосвязи с внешней экономической средой нами предлагается использовать иерархический МРВ.

Идея иерархического (многофакторного) МРВ базируется на том, что учёт факторов изменения среды реализации проектов может моделироваться ориентированным графом с начальной вершиной А10) и последующими вершинами ^"'[Ц,...,^"'^,],...,^о^0'], связанными с дугами г(" (Л'01,/!01^]), г, = 1,где Ат - начальная вершина, Ат\ц] - конечная вершина. Такая структура называется простейшим деревом

Г'0'1'= {Л(0):], = I.....г''1}- Данная структура может иметь следующую

интерпретацию: Аможно рассматривать как начальное событие, а события тогда являются последующими событиями, которые составляют поную группу попарно несовместных событий. С другой стороны, граф Г10'" ={/4(0) = I,можно рассматривать как многоуровневую структуру, в

которой вершина А'"] является начальным уровнем системы в момент /Д, а вершины Л(1)[1],...,Л(1)[г{1)] являются уровнями, которые могут быть достигнуты системой в момент >/Д. При анализе деятельности конкретного предприятия можно рассматривать достижимый объём привлечения заёмных средств в момент /0 в качестве начального состояния системы, тогда на основе дерева могут приниматься решения о финансировании предприятия в последующие моменты времени V >... >1г>1, >/,.

Заметим, что моделирование альтернативных событий ориентированным графом, представляющим дерево, связано со сценарным подходом, используемым как в экономике, так и в теории принятия решений.

Будем считать, что задано к -уровневое дерево с начальной вершиной Ат следующего вида:

В приведённой структуре каждая последующая вершина Ат[г,,...,/",] к -уровневого дерева Г(0'Л'"Л) будет связана с цепочкой где г, =1,...,гп), .....У = 1,...*.

При построении к -уровневого дерева, заданного соотношением (25), для затратных факторов предприятия (совокупные издержки, себестоимость продукции, цены на сырьё и т.д.) в качестве событий, принадлежащих цепочки (у4(0),^<')[/|],...,Л11)[|',,...,1'1]), целесообразно рассматривать уровень инфляции и курсы валют, по которым предприятие закупает сырьё и материалы.

Учтём теперь тот факт, что информация об альтернативах ...../,] может быть

квалифицирована с помощью переходных вероятностей. Тогда вероятность рф-К-п{1Д...,1к) перехода А101 -М"^',]-*Л(2)[/,,/2]Л,5)[г,,)г,13]->...-+ Л(1)[/Д...,1Л]

из состояния Ат в состояние ^''[г,.....(',] для к -уроннсго дерева т{0''" ю рассчитывается

Р<0''.....1)й....,/,) =

Напомним, что весовые коэффициенты, полученные по методу рандомизированных сводных показателей, могут быть интерпретированы как вероятности ри...,рг альтернатив А1,...,АГ. При этом учтём, что вероятности р('"1,-'>(;1,...,/.) перехода Л('~''[/1,...,|>..1]~>Л(/)[из состояния Аи~п[в состояние Л<у)[/,,...,/у], где

= 1,...,г"\ ..., ) = 1 ,...,г0)(г......н), / = 1,...к для к-уровнего дерева р"'- ^ строятся на

основе экспертной информации /. Вместе с этим вероятность рт- 4;/) = />(0,1> (,;/) (|,, /2;/)Х... (/',,...,; 7) можно рассматривать

как случайную оценку вероятности .....*'(/Д.Будем считать также, что известны

оценки математического ожидания дисперсии

с,г(/)=Л5510''' *'(/,...../4;/) и ковариации

имеющей обозначение с(л(/), |,1,,;2 =1.....г, /, # 2, случайных величин />,(/),...,/?,(/).

Тогда математическое ожидание и стандартное отклонение величины ~(о.1. вычисляются на основании следующих соотношений.

= (/,.....= Ж') = ''я') (27)

(0,1,.7)

'ГКм-^'О".ЧЛа + г^а,ЧЧл2

Соотношение (27) позволяет вычислить вероятности р, альтернатив А, при заданном к Ч1 факторе. Напомним, однако, что оценку показателей развития предприятия удобно осуществлять на основании разбиения на отрезки (ом;в,] их области задания. Тогда, в рамках непрерывной модификации МРВ с использованием соотношения (27) может быть построен его иерархический (многофакторный) аналог.

Для этого подставим в соотношения (6) - (8) в качестве оценки р,(1) вероятность, заданную в соотношении (27). В результате чего получим:

|-1 У=1 1-1 у.I

к-1+/]2

СО+Т\рм ' О)Ч 0") с й-.'! 0}, 1)

Соотношения (29) - (31) задают непрерывный иерархический (многофакторный) МРВ. Если необходимо рассматривать комплексные события В,,...,Вп,...,В11, примером которых может служить изменение какого-либо экономического показателя под воздействием к -1 фактора, то можно рассчитать математическое ожидание и дисперсию оценок р!ю (/),...,р(Дю (Г) вероятностей р["]...... В этом случае наша модель будет иметь вид:

Дат; /) = /(х; /) = Я/(х;р(/)) = рД (/)/(*;/),

- Д., К-|+<,,]

Будем говорить, что соотношения (32) - (34) задают непрерывный иерархический

(многофакторный) МРВ для комплексных событий В1,...,Вп.....ВД. На основании

приведенных модификаций метода рандомизированных вероятностей можно оценивать конкретные показатели проектов развития предприятия.

Теперь опишем структуру программной реализации разработанной модификации МРВ, являющейся инструментальным средством для оценки состояния среды реализации догосрочных проектов.

1. Определим границы а0<а1 <...<аг_, <иг интервалов (ам;а,], / = 1 значений х оцениваемого случайного показателя х .

2. Введём нечисловую, непоную и неточную информацию I о вероятностях риЧ,рг, являющуюся объединением 1 = О]и// следующих систем равенств и неравенств. Нечисловая (порядковая) информация о вероятностях:

Неточная (интервальная) информация о вероятностях:

# = {</, й р,. н,,0 < И, < и, < 1,...;< е {1,..^}}. (36)

3. Фиксируется шаг й = 1/и отсчёта вероятностей

р, б{0,1/#,...,(л-1)/п,1}. (37)

4. При помощи комбинаторных агоритмов перебора формируется множество Р(г,п;/)= = = 1,... ^(г,л^)} всех допустимых с точки зрения информации 7 векторов вероятностей.

5. Вычисляются следующие величины:

/;,(/) = ^,(7); (38)

<ад=7Щ7); (39)

<5;1Л(/) = соу(Й1(/)Д!(/)), =1 (40)

6. На основании соотношений (6) - (8) вычисляются искомые оценки /(*;/), /(/), |т(/) = д/стг(/) ожидаемых значений плотности распределения, математического ожидания и дисперсии одномерной случайной величины х .

Заметим, что для наглядности полученных результатов по вычисленной оценке /(*;/) плотности случайной величины х целесообразно строить диаграмму аналогичную рис.1 и пояснительную таблицу (таблица 1). Это является заключительным этапом реализации метода.

Теперь предположим, что помимо ннн-информации / о вероятностях pt,...,pr известна числовая (выборочная) информация об изменении некоторого показателя развития догосрочного проекта. В этом случае для прогнозирования показателей целесообразно использовать байесовский подход. При использовании данного подхода числовая информация может быть представлена в виде ряда, на основании которого может быть рассчитан вектор частот к,+... + кг=к осуществления

соответствующих альтернатив. Посмотрим, как в данной ситуации будет выглядеть программная реализация МРВ.

Таблица 1. Оценки p(l), &{]), р, (/), при реализации непрерывного МРВ

МО value]

value2

Д(/)+<х(/) value3

Probabilitics Pi Pi P, Sum

value 4 valueS values value7 values 1

Limite "a лM flM ar

valutf) value\ 0 value 11 value12 value13 valui 4

При учёте выборочной информации в байесовской модели, программная реализация непрерывного МРВ будет аналогичной приведённому агоритму, за исключением второго и пятого этапов. На втором этапе в качестве исходной информации будет учитываться числовая информация I = 01^11^ которая далее будет учитываться при

расчёте оценок в соотношениях (38) - (40). На пятом этапе помимо оценок р, {!) = (/) и #;(/) = будут рассчитываться оценки /,(к,;к) и /(к/,/с) из соотношений (10) и

(11) соответственно. На основании данных оценок можно получить искомые апостериорные оценки р'(/;к/,к) вероятностей исследуемых альтернатив А,,..., А,,

которые позволят вычислить искомые оценки /(ж;/), /(/), а(/) = ^а2(1). На этом байесовская модификация агоритма завершается.

При рассмотрении программной реализации иерархического (мпогофакторного) МРВ структура агоритма также сохранится за исключением реализации шестого этапа, на котором для расчета оценок р,(1) = Щ(1), St(I) = jDpJT), <?,,,,(/) будут использоваться соотношения (29) - (31). Именно в данных соотношениях учитывается многофакторность реализуемого агоритма.

Третья глава диссертационного исследования посвящена многокритериальной оценке догосрочных проектов развития действующего предприятия горной промышленности (ГП) в Ленинградской области.

Вначале изучается текущая деятельность ГП и выявляется его специфика. Далее рассматриваются проекты догосрочного развития предприятия. В качестве профильных проектов развития ГП в работе анализируются проекты реконструкции дробилыю-сортировочного участка (Reconstruction DSU) и создания гидронамыва (Hydraulicking). Непрофильными проектами развития ГП являются производство пенобетона (Penoconcrete producing) и производство биотоплива (Services in lumber industry). Также в диссертации выделяются факторы внешней среды - экономические, технологические, экологические, - которые способны оказать воздействие на ход и реализацию каждого из проектов.

Далее проводится анализ проектов развития 1TI по следующим показателям: чистая приведённая стоимость, доля на рынке Ленинградской области, стоимость предприятия в результате реализации проекта, экологический фактор. Для данных показателей посредством метода рандомизированных вероятностей строится прогноз ожидаемых значений и стандартных отклонений. Для оценки показателя стоимости предприятия в силу доступности как экспертной, так и выборочной числовой информации используется байесовская модификация МРВ. Для оценки чистой приведённой стоимости и доли рынка используется многофакторный МРВ. В качестве факторов изменения чистой приведённой стоимости выбираются процентная ставка по привлекаемым кредитам и цена на те виды сырья, которые имеют наибольший удельный вес в себестоимости производства продукции. К факторам изменения доли рынка относятся индекс Герфиндаля-Гиршмана (HHI) и количество оферт на реализацию продукции. Для прогнозирования экологического фактора используется непрерывная модификация МРВ. Прогнозные оценки исходных показателей развития проектов представлены в таблице 2.

В заключительной части главы строятся сводные показатели предпочтительности по риску и ожидаемому эффекту проектов развития ГП. Если предположить, что при выборе

проекта заинтересованные лица склонны к риску, т.е. придают большее значение ожидаемому эффекту от реализации проекта, то тогда, приняв за исходные характеристики ()]' и <2

Таблица 2. Оценки математических ожиданий и стандартных отклонений показателей

проектов развития ГП

\ Показатель Проект развития ГП (тыс. $) Доля на рынке (ед. доли) (?
<т) Стоимость предприятия (мн. руб.) (Ес
а) Экологический показатель (тыс. тонн) (.Ес
<т)

Реконструкция дробильно-сортировочного участка 6317
289 0,056
0,015 573
116 57
4

Создание гидронамыва 7397 + 741 0,070
0,017 664
124 74
8

Производство пенобетона 5560 + 452 0,031 + 0,008 606 + 92 42
7

Производство биотоплива 5404 + 352 0,023 + 0,007 632
99 39
5

Тогда можно рассчитать оценки сводных показателей, значения которых

представлены в таблице 3.

Таблица 3. Оценки сводных показателей <21 в случае склонности к риску

Обьейт , л - ' "й МИИ7. Х [макс ; Среднее " [стасдарг |

Ойи " 0.154НЯН 0.255 0.204: С 031

НДОгаиНсМпч , !йй 0.525 1.000 0.762 0.144;

3 Регюсо'п сгйе.: 0.078 0.438 0.258, 0.109

Шк штЬег ' ' ' 0.430 0.701 0.565; 0.082;

Визуализация полученных результатов представлена на рис. 2. Можно заметить, что в данном случае предпочтительным но ожидаемому эффекту является проект создания

гидронамыва. Вторым по предпочтительности проектом по указанному критерию является проект производства биотоплива.

0,160 1

0,120----Ч-------

-ф- Peno

0,100----Ч----------

О Lumber

g 0,060 --------ЧЖ-----

0,080 ------------

0,040 ----------

0,020 -------------

0,000 -----i------,

0,000 0,100 0,200 0.300 0,400 0,500 0,600 0,700 0,800 0,900 Предпочтительность по ожидаемому эффекту

Рис. 2. Сводные показатели предпочтительности по риску и ожидаемому эффекту

проектов развития ГП при ограничении IV" > W

Аналогичным образом в диссертации строятся сводные показатели проектов

развития ГП для случая несклонности к риску, т.е. когда W" < W. В этом случае

значения оценок сводных показателей Q; = WQ+W"Q" представлены в таблице 4.

Таблица 4. Оценки сводных показателей QJ в случае несклонности к риску

№ Сбъект - Мин. Mas с I Среднее (стандарт I

i DSU 0.366 0.316 0.031

2: 1 yflraulisJting 0.000 0.475 0.237 0.144

3 Penocdhcrete 0.476 0.836 0.656 0.1 09 i

-Uiiriber 0.729 1.000 0.865 0.082:

Визуализация полученных результатов представлена на рис. 3. В данном случае проектом, предпочтительным по ожидаемому эффекту, является производство биотоплива. Наименее предпочтительным проектом по данному критерию является создание гидронамыва. Так, по результатам проведённого анализа при несклонности заинтересованных лиц к риску предпочтительным проектом является производство биотоплива, при склонности к риску следует реализовывать проект создания гидронамыва. Учитывая тот факт, что в случае склонности к риску проект создания гидронамыва является предпочтительным по ожидаемому эффекту и наименее предпочтительным по риску, в то время как при несклонности к риску проект производства биотоплива является предпочтительным по ожидаемому эффекту и еторьш по риску, в целом следует выбрать к реализации проект производства биотоплива.

По итогам исследования было установлено, что разработанная модификация МРВ обладает высоким аналитическим потенциалом для оценки догосрочных проектов развития предприятия и может использоваться для создания стратегии бизнеса.

0,160 0,140 -0,120 -0,100 -з 0,080 -0,060 -0,040 -0,020 0,000 -

0,000 0,100 0,200 0ДЮ 0,400 0,500 0,600 0,700 0Щ) 0,900 1,000 Предпочтительность по ожидаемому эффекту Рис. 3. Сводные показатели предпочтительности по риску и ожидаемому эффекту

проектов развития ГП при ограничении IV1' < Ж" В Заключении обобщены основные выводы и результаты проведённого исследования, выносимые на защиту:

на основе анализа наиболее распространенных методов оценки догосрочных проектов развития предприятия обоснована необходимость учета нечисловой экспертной информации о возможных альтернативных состояниях финансово-экономической среды реализации этих проектов;

- для оценки предпочтительности догосрочных проектов и значений факторов среды их реализации предложена модификация метода рандомизированных вероятностей, позволяющая учитывать, как статистическую, так и экспертную информацию о прогнозируемых значениях показателей;

разработан прототип программной реализации метода сводных показателей и метода рандомизированных вероятностей, предназначенный для прогнозирования состояний среды реализации догосрочных проектов развития предприятия и предпочтительности этих проектов в условиях неопределенности;

- разработана экономико-математическая модель хозяйственной деятельности действующего предприятия горной промышленности, на основе которой построены система показателей предпочтительности проектов его догосрочного развития и система финансово-экономических показателей среды реализации этих проектов;

ф

Hydra

Peno

ti

Ф Lumber

оги

- разработанная экономико-математическая модель многокритериального оценивания предпочтительности альтернативных проектов развития предприятия в условиях неопределенности будущих состояний среды реализации апробирована на примере выбора предпочтительного догосрочного проекта развития конкретного предприятия горной промышленности.

1П. ОСНОВНЫЕ НАУЧНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИОННОГО

ИССЛЕДОВАНИЯ

Статьи в изданиях, входящих в перечень ВАК:

1. Воков В.В. Применение метода рандомизированных вероятностей для оценки состояний финансово-экономической среды // Проблемы современной экономики. 2009. № 2(30). С. 431^34.0,4 п. л.

Статьи и материалы докладов па конференциях:

2. Воков В.В. Использование методологии построения дерева событий для анализа финансово-экономических показателей // Российский экономический интернет-журнал. 2009. - 13 с. 0,6 п. л. URL: Ссыка на домен более не работаетArticles/2009/Volkov.pdf (дата обращения: 25.05.2009)

3. Воков В.В. Проблемы прогнозирования нечисловых финансово-экономических показателей // Материалы научно-практической конференции Интегрированные модели, мягкие вычисления, вероятностные системы и комплексы программ в искусственном интелекте. Санкт-Петербург, 26-27 мая 2009. СПб.: СПБНЦ РАН, 2009. С. 23-32.0,5 п. л.

4. Воков В.В. Оценка вероятностей реализации проектов развития хозяйственного объединения // Материалы круглого стола Хозяйственные объединения в инновационной экономике. Санкт-Петербург, 20 ноября 2008. СПб.: ОЦЭИМ, 2009. С. 32-33.0,1 п. п.

5. Воков В.В. Проблемы догосрочного протезирования состояний финансово-экономической среды методами эконометрики // Материалы VI-й международной научной конференции молодых ученых. Ярославль: ВФЭА, 2009. С. 11-13. 0,1 п. л.

6. Воков В.В. Применение метода анализа иерархий для прогнозирования экономических показателей // Материалы XV-й международной конференции Предпринимательство и реформы в России. Санкт-Петербург, 26-27 ноября 2008. СПб.: ОЦЭИМ, 2009. С. 68-69.0,1 п. л.

Подписано и печать с оригинал-макета 25.06.2010. Формат 60x84 '/16. Печать ризографическая. Усл. печ. л. 1,4. Тираж 160 экз. Заказ № 1164.

Издательский центр экономического факультета СПбГУ 191123, Санкт-Петербург ул. Чайковского, д. 62.

Диссертация: содержание автор диссертационного исследования: кандидат экономических наук , Воков, Владимир Владимирович

СОДЕРЖАНИЕ.

ВВЕДЕНИЕ.

ГЛАВА 1. МЕТОДЫ ОЦЕНКИ ПОКАЗАТЕЛЕЙ ДОГОСРОЧНЫХ ПРОЕКТОВ

РАЗВИТИЯ ПРЕДПРИЯТИЯ.

з 1.1. Теоретические основы и практические аспекты оценки догосрочных проектов развития предприятия.

з 1.2. Методы прогнозирования экономических показателей догосрочных проектов развития предприятия.

з 1.3. Специфика применения методов прогнозирования показателей догосрочных проектов развития предприятия.

ГЛАВА 2. МЕТОДЫ ТЕОРИИ ПРИНЯТИЯ РЕШЕНИЙ ДЛЯ ОЦЕНКИ ПОКАЗАТЕЛЕЙ

ДОГОСРОЧНЫХ ПРОЕКТОВ РАЗВИТИЯ ПРЕДПРИЯТИЯ.

з 2.1. Метод сводных показателей как инструмент оценки догосрочных проектов развития предприятия.

з 2.2. Метод рандомизированных вероятностей как инструмент прогнозирования экономических показателей догосрочных проектов развития предприятия.

з 2.3. Программная реализация метода рандомизированных вероятностей как инструмента прогнозирования экономических показателей догосрочных проектов развития предприятия.

ГЛАВА 3. МНОГОКРИТЕРИАЛЬНАЯ ОЦЕНКА ДОГОСРОЧНЫХ ПРОЕКТОВ

РАЗВИТИЯ ПРЕДПРИЯТИЯ ГОРНОЙ ПРОМЫШЛЕННОСТИ.

з 3.1. Описание догосрочных проектов развития предприятия горной промышленности

з 3.2. Оценка показателей догосрочных проектов развития предприятия горной промышленности и среды их реализации.

з 3.3. Оценка сводных показателей догосрочных проектов развития предприятия горной промышленности.

Диссертация: введение по экономике, на тему "Многокритериальная оценка догосрочных проектов развития предприятия"

Актуальность темы исследования. Разработка и принятие стратегических решений является одной из важнейших функций управления современным предприятием. Принятие таких решений ориентировано на достижение перспективных целей, связано с вложением значительных ресурсов и поэтому, как правило, имеет догосрочные последствия для развития предприятия. Эффективность принятия стратегических решений во многом зависит от того, насколько качественно было осуществлено планирование стратегии на предварительном этапе. При этом процесс планирования стратегии включает в себя, во-первых, прогнозирование условий развития предприятия, во-вторых, разработку и сравнительный анализ догосрочных проектов. Особое значение планирование стратегии приобретает с учетом возрастания сложности и изменчивости внешней среды предприятия, увеличением числа факторов, влияющих на его деятельность. Несмотря на то, что всё больше менеджеров российских предприятий осознают важность стратегического управления в современных условиях, наблюдается дефицит научно-обоснованных методов планирования стратегии как в части прогнозирования факторов внешней среды его развития, так и в части проведения сравнительной оценки проектов. Существующие экономико-математические методы не позволяют в поной мере учесть неопределённость и нестабильность окружающей среды реализации проектов предприятия, не могут эффективно использоваться в условиях отсутствия поной и точной информации, что характерно для ситуации принятия стратегических решений. Поэтому разработка нового инструментария, позволяющего предприятиям более точно оценивать проекты их догосрочного развития и адекватно учитывать неопределённость среды их реализации, является актуальной экономико-математической задачей.

Ряд авторов предлагают использовать в качестве методов оценки догосрочных проектов развития предприятия модели эконометрического и байесовского анализа. К работам, соответствующим данной области, относятся труды таких ученых как С. Борлекс, К. Волынски, Е. Гринберг, X. Джефрис, А. Зельнер, Г. Куп, Д. Порье, Дж. Хойтинг. Среди отечественных авторов следует отметить труды С.А. Айвазяна, Я.Р. Магнуса, Е.П. Чуракова. В то же время процесс оценки догосрочных проектов развития предприятия не может быть поностью формализован посредством применения распространённых методов эконометрического и байесовского анализа. Для решения данной задачи целесообразно использовать также методы экспертных оценок, учитывающие нечисловую, неточную и непоную информацию. В частности, большим потенциалом для решения задач стратегического планирования обладает теория принятия решений, которая позволяет проводить формальный анализ субъективных представлений лиц, принимающих решения о возможностях реализации рассматриваемых проектов развития фирмы при многих критериях. Теории принятия решений посвящены работы следующих иностранных и отечественных авторов: П. Гартвайта, А.С. Горшкова, К. Зопонудиса, Дж. Каданэ, Д. Канемана, К. Кернса, Р. Кипи, Г.И. Колесникова, Я. Колье,

A.Н. Крылова, О.И. Ларичева, JL Мэпстре, В.Д. Ногина, С.А. Орловского, А. О'Хогана,

B.В. Подиновского, Дж. Помероля, X. Райфы, Т. Ракова, М. Роджерса, Б. Роя, Т. Саати, А. Тиммермана, Дж. Фигуэры. В то же время использование методов теории принятия решений в целях стратегического планирования требует дальнейшего развития теории вопроса с учетом специфики области применения и разработки адекватного экономико-математического инструментария.

Цели и задачи исследования. Целью диссертационного исследования является разработка метода оценки догосрочных проектов развития предприятий, учитывающего неопределенность будущего состояния финансово-экономической среды реализации и дефицит числовой информации о значимости показателей предпочтительности этих проектов.

Для достижения выбранной цели необходимо решить следующие задачи: провести анализ существующих методов оценки проектов развития предприятия и состояний среды их реализации; изучить потенциал применения многокритериальной теории принятия решений для прогнозирования показателей проектов развития предприятия; разработать метод оценки показателей проектов развития предприятия с учётом факторов их изменения, экспертной и статистической информации; разработать прототип программной реализации предложенного метода оценки показателей проектов развития предприятия; апробировать предложенный метод на решении задачи оценки догосрочных проектов развития действующего российского предприятия.

Объект исследования - догосрочные проекты развития производственного предприятия, функционирующего в условиях рынка.

Предмет исследования - экономико-математические модели и методы оценки догосрочных проектов развития предприятия в условиях неопределенности.

Теоретической и методической основой исследования являются работы отечественных и зарубежных авторов в области теории принятия решений, теории вероятностей, эконометрики, байесовского анализа, методологии оценки деятельности предприятия. При анализе факторов развития предприя тия использовались аналитические исследования и обзоры государственных служб и консатинговых агентств, посвященные проблемам деятельности российских предприятий реального сектора экономики.

Используемые в исследовании эмпирические данные. Для проведения расчётов и сравнительного анализа в рамках поставленных задач использовались материалы инвестиционных проектов действующего предприятия горной промышленности в СевероЗападном регионе РФ, результаты маркетинговых исследований, статистические данные Федеральной службы государственной статистики, информация сети Интернет.

Практическая значимость диссертационной работы заключается в том, что предложенный метод оценки проектов развития может эффективно использоваться при планировании деятельности предприятия в условиях неопределённости, что позволит повысить качество стратегического управления в российской промышленности.

Результаты работы внедрены на промышленном предприятии ЗАО Важинский завод, что подтверждается соответствующим актом о внедрении (см. с. 181-182). Отдельные разделы диссертации могут применяться при преподавании таких учебных курсов как Эконометрика, Математические методы принятия решений в условиях неопределённости, Экономика предприятия.

Структура работы. Работа состоит из введения, трёх глав, заключения, списка литературы и приложений. Список используемой литературы включает 165 наименований. Приложения содержат рисунки, примеры, графики, доказательство теоремы, а также результаты расчётов, используемых в диссертационном исследовании.

Диссертация: заключение по теме "Математические и инструментальные методы экономики", Воков, Владимир Владимирович

Диссертация: библиография по экономике, кандидат экономических наук , Воков, Владимир Владимирович, Санкт-Петербург

1. Айвазян С.А., Бежаева З.И., Староверов О.В. Классификация многомерных наблюдений. М., Статистика, 1974.

2. Анализ экономики и математические методы: сборник научных трудов. М., МГУ ТЕИС, 1998.- 128 с.

3. Андерсен Э. Сфокусированное управление проектом. М., 2006.

4. Белман P.P., Заде Л. Вопросы анализа и процедуры принятия решений. М., Мир, 1976.

5. Брилинеджер Д. Временные ряды. М., Мир, 1980.

6. Воков В.В. Использование методологии построения дерева событий для анализа финансово-экономических показателей // Российский экономический интернет журнал. 2009. 13 с. URL: Ссыка на домен более не работаетArticles/2009/Volkov.pdf (дата обращения: 25.05.2009)

7. Воков В.В. Применение метода рандомизированных вероятностей для оценки состояний финансово-экономической среды // Проблемы современной экономики. 2009. № 2(30) 2009. С. 431-434.

8. Воронцовский А.В. Инвестиции и финансирование: методы оценки и обоснования. СПб., СПБГУ, 2003. 528 с.

9. Воронцовский А.В. Некоторые особенности теории инвестиций на уровне фирмы // Вестник СПБГУ. 1992. Серия 5. Вып. 2. С. 118-122.

10. Горелик Н.А., Френкель А.А. Опыт использования обобщённой модели Бокса-Дженкинса для прогнозирования экономических показателей. Экономика и математические методы. 1975. т. 11. Вып. 4.

11. Горшков А.С., Мясников А.В., Хованов Н.В. Прогнозирование эволюции сложных систем в условиях неопределённости // Материалы 6-й международной конференции Анализ, прогнозирование и управление в сложных системах. Т. 2. СЗАГС, СПб., СПбГУ, 2005. 8 с.

12. Гренджер К., Хатанака М. Спектральный анализ временных рядов в экономике. М., Статистика, 1972.

13. Гришин А.Ф., Кочерова Е.В. Статистические модели: построение, оценка, анализ. М., Финансы и статистика, 2005. 416 с.

14. Дергилева Н.В., Хрисанфова Н.В. Затраты предприятия от А до Я. СПб., 2000. -132 с.

15. Елисеева И.И. Эконометрика. М., Финансы и статистика, 2005.

16. Епифанов С.П., Казаринов В.М., Малолетков Е.К. Справочное пособие по строительным машинам. М., 1972. 137 с.

17. Зельнер А. Байесовские методы в эконометрии. М., Статистика. 1980. 438 с.

18. Зябриков В.В. Общий менеджмент. СПб., СПбГУ, 2007. С. 36-47.

19. Катькало B.C. Эволюция теории стратегического управления. СПб., СПбГУ, 2008.

20. Кини P.JL, Райфа X. Принятие решений при многих критериях: предпочтения и замещения. М., Радио и связь, 1981.

21. Ковалев В.В. Финансовый анализ: Управление капиталом. Выбор инвестиций. Анализ отчетности. М., Финансы и статистика, 2000.

22. Колесников Г.И., Корникова Н.В., Федотов Ю.В., Хованов Н.В. Оценка вероятностей альтернатив развития фондового рынка в условиях дефицита числовой информации // Вестник Санкт-Петербургского университета. 2005. Сер. 10. Вып.2. СПб. СПбГУ. 18 с.

23. Колесов Д.Н., Михайлов М.В., Хованов Н.В. Оценка сложных финансово-экономических объектов с использованием системы поддержки принятия решений АСПИД-3\У. СПб., СПбГУ, 2004. 63 с.

24. Комогоров А.Н. Интерполирование и экстраполирование стационарных случайных последовательностей // 1941. Известия АН СССР. Серия математическая. С. 3 Ч 14.

25. Кофман А. Введение в теорию нечётких множеств. М., Радио и связь, 1982.

26. Крылов А.Н. Собрание трудов в 12 т. М., JI., 1951. т. 1. 303 с.

27. Крылов JI.P., Кузнецов В.И., Одинцов В.К. Стройинформ. СПб., 1995. 272 с.

28. Ларичев О.И. Тезисы докладов 58-й Конференции Европейской рабочей группы Помощь в многокритериальном принятии решений (MCDA-58): Научное издание. М., Едиториал УРСС, 2003. 32 с.

29. Ларичев О.И. Теория и методы принятия решений. М., Логос, 2008.

30. Ларичев О.И., Мошкович Е.М. Качественные методы принятия решений. М., Наука, 1996.

31. Лопухин М.М. ПАТТЕРН метод планирования и прогнозирования научных работ. М., Советское радио, 1971.

32. Лоули Д., Максвел А. Факторный анализ как статистический метод. М., Мир, 1967.

33. Льюис К.Д. Методы прогнозирования экономических показателей. М., Финансы и статистика, 1986. 133 с.

34. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. М., Дело, 1997. -248 с.

35. Медведев А.Г. Экономическое обоснование предпринимательского проекта. 1 // Мировая экономика и международные отношения. 1992. № 6. С. 86 - 95.

36. Мескон М., Альберт М., Хедоури Ф. Основы менеджмента. М., гл. 1-5, 1997. С. 25162.

37. Ногин В.Д. Паретто-оптимальные решения многокритериальных задач. М., Физматлит., 2007.

38. Обзор рынка нерудных строительных материалов. URL: Ссыка на домен более не работаетcontent/view/140/72/ (дата обращения: 17.02.2010)

39. Обзор рынка цемента. URL: Ссыка на домен более не работает?p=news&topicid=5&id=3443 (дата обращения: 04.03.2010)

40. Обзор ФАС рынка нерудных строительных материалов. URL: Ссыка на домен более не работаетfiles/13085/lOBZORRYNKA.NERUDNYHSTROITELQNY HMATERIALOV6.doc (дата обращения: 26.03.2010)

41. Орловский С.А. Проблемы принятия решений при нечёткой исходной информации. М., Наука, 1981.

42. Подиновский В.В. Теория важности критериев в многокритериальных задачах принятия решений. М., Физматлит., 2007.

43. Полищук Л.И. Анализ многокритериальных экономико-математических моделей. Новосибирск, Наука, 1989.

44. Саати Т., Керне К. Аналитическое планирование. Организация систем. М., Радио и связь, 1991.

45. Судариков В. Е., Тищенко И. И. Стройинформ. СПб., 2008. 209 с.

46. Тейл Г. Прогнозирование и экономические решения. М., Статистика, 1972.

47. Терёхина А.Ю. Методы многомерного шкалирования и визуализации данных (обзор) // Автоматика и телемеханика. 1973. №7. С. 80-94.

48. Тис Д.Дж., Пизано Г., Шуен Э. Динамические способности фирмы и стратегическое управление // Вестник Санкт-Петербургского университета. 2003. Серия Менеджмент №4. С.133-183.

49. Хардле В. Прикладная непараметрическая регрессия. М., Мир. 1993.

50. Хеннан Э. Анализ временных рядов. М., Наука, 1964.

51. Хованов Н.В. Анализ и синтез показателей при информационном дефиците. СПб., СПбГУ, 1996.- 196 с.

52. Хованов Н.В. Математические модели риска и неопределенности. СПб., СПбГУ, 1998.-201 с.

53. Хьюбер П. Робастность в статистике. М., Мир, 1984. 304 с.

54. Чураков Е. П. Математические методы обработки экспериментальных данных в экономике. М., Финансы и статистика. 2004.

55. Чураков Е.П. Прогнозирование эконометрических временных рядов. М., Финансы и статистика, 2008. 205 с.

56. Шакин В.В. Уравновешивание матрицы данных. Новосибирск, Наука, 1971.

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

58. Шинчук Б. Управление инвестициями: опыт и проблемы. Саратов, СГСУ, 2001.

59. Яглом A.M. Введение в теорию стационарных случайных функций // Успехи математических наук. 1952. т. 7. вып. 5 (51). С. 3 162.

60. Andrews K.R. The concept of corporate strategy. Homewood, IL., Dow Jones Irwin, 1971.

61. Armstrong J. S. Long-range Forecasting From Crystal Ball to Computer. New York, John Wiley and Sons, 1985.

62. Armstrong J. S. Research on Forecasting: A Quarter-Century Review, 1960-1994 // Interfaces. 1996. № 16:1. -P. 89 103.

63. Armstrong J.S. Research on forecasting: A quarter-century review // Interfaces. 1996. Vol. 16. No. 3. P. 89- 103.

64. Batchelor, R. Aggregate expectation under the stable laws // Journal of Econometrics. 1981. Vol. 16. P. 199-210.

65. Batschelet E. Mathematics for Life Scientists. New York, Springer-Verlag, 1973.

66. Bordley R., Kirkwood C. Multiattribute preference analysis with performance targets. Operations Research, 2004.

67. Bouyssou D., Marchant Т., Pirlot M., Perny P., Tsoukias A., Vincke Ph. Evaluation and Decision Model. A Critical Perspective. Kluwer Academic Publishers, Dordrecht, 2000.

68. Box G.E., Jenkins G.M. Some Recent Advances in Forecasting and Control // Applied Statistics. 1968. vol. 17. No 2. P. 91 109.

69. Box G.E.P., Pierce D.A. Distribution of residual autocorrelations in Autoregressive -Integrated Moving Average Time Series Models // Journal of the American Statistical Association. 1970. vol. 65. No 332. P. 1509-1526.

70. Boyd B.K. Strategic planning and financial performance: A meta-analytical review // Journal of management studies. 1991. №28 (4). P.353-374.

71. Britton E., Fisher P., Whitley J. The Inflation Report projections: understanding the fan chart. 2000. P. 30-37. " URL: Ссыка на домен более не работаетpublications/quarterlybulletin/qb980101.pdf (дата обращения: 04.04.2010)

72. Brown D. M., Warren-Boulton F. R. Testing the Structure-Competition Relationship on Cross-Sectional Firm Data // Discussion paper 88-6. 1988. Economic Analysis Group, U.S.A.

73. Brown R.G. Smoothing, Forecasting and Prediction of Discrete Time Series. N.J., Prentice-Hall, Englewood Cliffs, 1963.

74. Brown R.G. Statistical forecasting for Inventory Control. N. J., McGraw-Hill, 1963. 333 P

75. Carbone R., Corr W. L. Accuracy of judgmental forecasting of time series // Decision Sciences. 1985. Vol. 16. No. 2. P.153-160.

76. Carroll R.J. Adapting for heteroscedasticity in linear models. Annals of Statistics, 1982.

77. Celeux G., Hum M., Robert C.P. Computational and inferential difficulties with mixture posterior distributions // Journal of the American Statistical Association. 2000. № 451. P. 957-970.

78. Cerullo M. J., Avilia A. Sales forecasting practices: A survey // Managerial Planning. 1975. Vol. 24. No. 5. P. 33-39.

79. Collette Y., Siarry P. Multiobjective optimization: principles and case studies. Springer, 2005. 294 p.

80. Congdon P. Applied Bayesian modeling. Wiley, New York, 2003.

81. Dalrymple D. J. Sales forecasting practices-results from a United States survey // International Journal of Forecasting. 1987. Vol. 4. No. 3. P. 51-59.

82. Dawes R.M. The robust beauty of improper linear models in decision making. Cambridge, 1982.

83. Dias L., Mousseau V. Inferring ELECTRE's veto-related parameters from outranking examples // European Journal of Operational Research. 2004.

84. Dimitras A.I., Zopounidis C., Hurson C. Assessing financial risks using a multicriteria sorting procedure: The case of country risk assessment // Foundations of Computing and Decision Sciences. 2001. № 29. P. 97-109.

85. Dyer J.S., Sarin R.A. Measurable multiattribute value functions // Operations Research. 1979. №22.

86. Evans M., Moshonov H. Checking for Prior-Data Conflict // Bayesian Analysis. 2006. Vol. 1. No. 4. P. 893-914.

87. Figueira J., Roy B. Determining the weights of criteria in the ELECTRE type methods with a revised Simos procedure // European Journal of Operational Research. 2002. № 139. P. 317-326.

88. Finetti B. Theory of probability. Wiley, Chichester, 1990.

89. Fishburn P.C. Nonlinear Preference and Utility Theory. Baltimore, Johns Hopkins University Press, 1988.

90. Gal Т., Stewart Т., Hanne T. Advances in MultiCriteria Decision Making MCDM Models, Algorithms, Theory, and Applications. Kluwer Academic Publishers, Boston, 1999.

91. Geweke J. Bayesian Treatment of the Independent Student-t Linear Model // Journal of Applied Econometrics. 1993. Vol. 8. P. S19-S40.

92. Goldberger A.S. Econometric theory. New York, Wiley. 1964.

93. Gosling J. P., Oakley J. E., O'Hagan A. Nonparametric elicitation for heavy-tailed prior distributions // Bayesian Analysis. 2007. Vol. 2. No. 4. P. 693-718.

94. Gourieroux C., Pradel J. Direct tests of the rational expectation hypothesis // European Economic Review. 1986. Vol. 30. P. 265-284.

95. Greenberg E. Introduction to Bayesian econometrics. Cambridge university press, Cambridge, 2008.

96. Hadley G., Kemp M.C. Variational methods in economics. New York, 1971.

97. Hjort N. L., Claeskens G. Frequentist Model Average Estimators // Journal of the American Statistical Association. 2003. Vol. 98. No. 464. P. 879-899.

98. Hoeting J.A., Madigan D., Raftery A.E., Volinsky С. T. Bayesian Model Averaging: A Tutorial // Statistical Science. 1999. Vol. 14. No. 4. P. 382-417.

99. Hovanov N.V., Yudaeva M.S., Kotov N.V. Event tree with randomized transition probabilities as a new tool for alternatives probabilities estimation under uncertainty. СПб., СП6ГУ, 2006. 8 с.

100. Hovanov N., Yudaeva M., Hovanov K. Multicriteria estimation of probabilities on basis of expert non-numeric, non-exact and non-complete knowledge // European Journal of Operational Research. 2009. №195. P.857-863.

101. Isiklar G., Lahiri K., Loungani P. How quickly do forecasters incorporate news? USA, Albany, Department of Economics, 2005.

102. J. von Neumann, O. Morgenstern, Theory of Games and Economic Behavior. NJ., Princeton University Press, 1947.

103. Jacquet-Lagruze E., Siskos Y. Assessing a set of additive utility functions for multicriteria decision making: The UTA method // European Journal of Operational Research. 1982. № 10. P. 151-164.

104. Jeffreys H. Scientific Inference. Cambridge university press, Cambridge, 1957.

105. Jeffreys H. Theory of Probability (3 ed.). Oxford, 1966.

106. Johnson, Kotz, Balakrishnan. Continuous Univariate Distributions. 1994. Vol 1. P. 173.

107. Kadane J. В., Shmueliy G., Minkaz T. P., Borlex S., Boatwright P. Conjugate Analysis of the Conway-Maxwell-Poisson Distribution // Bayesian Analysis. 2006. Vol. 1. No. 2. P. 363-374.

108. Kahneman D., Tversky A. Prospect Theory: An analysis of decision under Risk // Econometrica. 1979. № 47

109. Keeney R.L., Raiffa H. Decision with Multiple Objectives: Preference and Value Tradeoffs. New York, Cambridge University Press, 1993.

110. Kendall M.G. Rank correlation methods, 2 ed. N.Y., 1955.

111. Keynes J.A treatise on probability. London, 1921.

112. Knight F. Risk, Uncertainty and Profit. New York, Houghton, Mifflin & Co, 1921.

113. Koop G. Bayesian econometrics. Wiley, Chichester, 2003.

114. Koop G., Poirier D.J., Tobias J.L. Bayesian econometric methods. Cambridge university press, Cambridge, 2007.

115. Lancaster H.O., Hamdan M.A, Estimation of the correlation coefficient in contingency tables with possibly nonmetrical characters // Psychometrika. 1964. vol. 29.

116. Makridakis S., Wheelwright S.C. Adaptive filtering: an integrated autoregressive Moving average filter for time series forecasting // Oper. Res. Quart. 1977. vol. 28. №2.

117. Malinvaud E. Statistical Methods of Econometrics. Amsterdam Chicago, 1966.

118. Mann H.B., Wald A. On the statistical Treatment of Linear Stochastic Difference Equations // Econometrica. 1943. vol. 11. No 3 4. P. 173-220.

119. Manski C.F. Measuring expectations // Econometrica. 2004. Vol. 72. No 5. P. 13291376.

120. March J. Ambiguity and the engineering of choice // Bell Journal of Economics. 1978. № 9. P. 587- 608.

121. Mentzer J., Cox J. Familiarity, application and perforriance of sales forecasting techniques // Journal of Forecasting. 1984. Vol. 3. No. 1. P. 27-36.

122. Montgomery D.C., Contreras L.E. A note on forecasting with adaptive filtering // Oper. Res. Quart. 1977. vol. 28. № 1.

123. Muth J. Rational expectations and the theory of price movements // Econometrica. 1961. Vol. 29. P. 315-335.

124. Nerlove M. Expectations plans and realizations in theory and practice // Econometrica. 1983. Vol. 51. p. 1251-1279.

125. Nicolas J. Project Management got Business and Engineering: principles and practice. Amsterdam, 2004.

126. O'Hogan A., Buck C.E., Daneshkhah A., Eiser J.R., Garthwaite P.H., Jenkinson D.J., Oakley J.E., Rakow T. Uncertainty judgments: eliciting experts' probabilities. UK., John Wiley, 2006.

127. Patton A., Timmermann A. Testable implications of forecast optimality. London School of Economics, 2004.

128. Pesaran Hashem M., Weale Martin. Survey Expectations // Handbook of Economic Forecasting. North-Holland, 2006. P. 715-776.

129. Peterson R. T. The role of experts' judgment in sales forecasting // The Journal of Business Forecasting. 1990. Vol. 9. No. 2. P. 16-21.

130. Poirier D.J. Intermediate statistics and econometrics: A comparative approach. MIT Press, Cambridge, 1995.

131. Pomerol J., Barba-Romero S. Multicriterion Decision Making in Management. Kluwer Academic Publishers, Dordrecht, 2000.

132. Rao C.R. The use and Interpretation of Principal Component Analysis in Applied Research. Sankhya, ser. A, 1964, v. 26, № 4.

133. Roberts. F. Measurement Theory, with Applications to Decision Making, Utility and the Social Sciences. Addison-Wesley, New York, 1979.

134. Robinson P.M. Nonparametric estimators for time series // Time series analysis. 1983. 4. P. 185-207.

135. Rogers M., Bruen M. A new system for weighting environmental criteria for use within ELECTRE III // European Journal of Operational Research. 1998. № 107. P. 552 563.

136. Rogers M., Bruen M., Maystre L. ELECTRE and Decision Support. Kluwer Academic Publishers, London, 2000.

137. Rogers M., Bruen M., Maystre L. ELECTRE and Decision Support. Kluwer Academic Publishers, London, 2000.

138. Roy B. Multicriteria Methodology for Decision Aiding. Dordrecht, Kluwer Academic Publisher, 1996.

139. Roy В., Mousseau V. A theoretical framework for analysing the notion of relative importance of criteria // Journal of Multi-Criteria Decision Analysis. 1996. № 5. P. 145159.

140. Roy. B. The outranking approach and the foundations of ELECTRE methods. Theory and Decision, 1991.

141. Roy. B. The outranking approach and the foundations of ELECTRE methods // C.A. Bana e Costa, Readings in Multiple Criteria Decision Aid. 1990. P. 155-183.

142. Saaty T.L. Decision making the analytic hierarchy and network processes (AHP/ANP) // Journal of systems science and systems engineering. 2004. Vol. 13. P. 1-35.

143. Saaty T.L. The Analytic Hierarchy Process, Planning, Priority Setting, Resource Allocation. New York, Mc.Graw-Hill, 1980.

144. Saaty T.L. The Analytic Network Process. Pittsburgh, 2001.

145. Saaty T.L., Cho Y. The decision by the US Congress on China's trade status: A multicriteria analysis// Socio-Economic Planning Sciences. 2001. Vol. 35(6). P. 243-252.

146. Saaty T.L., M.S. Ozdemir. Why the magic number seven plus or minus two // Mathematical and Computer Modelling. 2003. Vol.38, p. 233-244.

147. Sala-i-Martin X., Doppelhofer G., Miller R.I. Determinants of Long-Term Growth: A Bayesian Averaging of Classical Estimates (BACE) Approach // The American Economic Review. 2004. Vol. 94. No. 4. P. 813-835.

148. Sawaragi Y., Nakayama H., Tanino T. Theory of multiobjective optimization. Academic Press, 1985.

149. Trigg D.W. Monitoring a forecasting system. Oper. Res. Quart., 1964, vol. 15, № 3.

150. Vansnick J. On the problem of weight in multiple criteria decision making (the noncompensatory approach) // European Journal of Operational Research. 1986. № 24. P. 288 294.

151. Vincke P. Multicriteria decision-aid. John Wiley, New York, 1992.

152. Wheelwright S. C., Clarke D. C. Corporate forecasting: Promise and reality // Harvard Business Review. 1976. Vol. 54. No. 6. P. 40 42.

153. Wheelwright S.C., Makridakis S. An examination of the use of adaptive Filtering in Forecasting // Oper. Res. Quart., 1973, vol. 24, №1.

154. Wiener N. Extrapolation, Interpolation and Smoothing of Stationary Time Series. N.Y., John Wiley, 1949.

155. Wilson J., Daubek H., Hugh C. Marketing managers evaluate forecasting models // The Journal of Business Forecasting. 1989. Vol. 8. No. 1. P. 19-22.

156. Zellner A. An introduction to Bayesian inference in econometrics. Wiley, New York, 1971.

Похожие диссертации

• Интеграция производства и сбыта на текстильных предприятиях: прогнозные модели и методическое обеспечение
• Сбалансированная экономическая оценка эффективности стратегии развития промышленных предприятий
• Система управления устойчивым развитием предприятия в условиях активной инновационной деятельности
• Диверсификация как механизм развития предприятия нефтегазового машиностроения
• Обеспечение устойчивого развития предприятий пищевой промышленности на основе интеграции