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

Моделирование риска в финансовом менеджменте тема диссертации по экономике, полный текст автореферата

Ученая степень кандидат экономических наук
Автор Касаев, Анзор Дахатович
Место защиты Кисловодск
Год 1999
Шифр ВАК РФ 08.00.13
Диссертация

Диссертация: содержание автор диссертационного исследования: кандидат экономических наук , Касаев, Анзор Дахатович

ВВЕДЕНИЕ.

Глава 1. СОСТОЯНИЕ ТЕОРИИ ЭКОНОМИЧЕСКОГО РИСКА.

ОДНОКРИТЕРИАЛЬНЫЙ ПОДХОД.

1.1 .Классификация рисков в менеджменте.

1.2.Исторический обзор моделирования риска инвестиционной деятельности.

1.2.1 .Теория портфеля Марковича.

1.2.2.Базовые меры риска.

1.3.Статистическая оптимизация портфеля ценных бумаг.

1 .3.1.Статистическая задача оптимального распоряжения свободными средствами.

1.3.2.4 исленный метод решения задачи ОРСС.

1.3.3. Пример решения статистической задачи управления портфелем.

Глава2. ДВЕ ВЕРОЯТНОСТНЫЕ МОДЕЛИ "РИСК-ДОХОД".

2.1 .Прямая и обратная задачи.

2.2.Исследование прямой задачи.

2.3.Исследование обратной задачи.

2.4.Пример решения обратной задачи.

ГлаваЗ.МНОГОКРИТЕРИАЛЬНЫЙ ПОДХОД К МОДЕЛИРОВАНИЮ

ЗАДАЧ "РИСК-ДОХОД".

3.1.Основные понятия многокритериальной оптимизации.

3.2.Случай упорядочения критериев по их относительной важности.

Л ексико-графи ческая оптимизация.

3.3.Многокритериальная модель статистической инвестиционной задачи вложения различных видов капитала.

Глава4.ИСПОЛЬЗОВАНИЕ ПРЯМЫХ МЕТОДОВ ДЛЯ ПРИНЯТИЯ

РЕШЕНИЙ В УСЛОВИЯХ МНОГОКРИТЕРИАЛЬНОСТИ.

4.1 .Основные понятия теории принятия решений.

4.2.Прямые методы оценки альтернатив в условиях многокритериальности.

4.2.1 .Идеология прямых методов и решающих правил.

4.2.2.Решающее правило взвешенной суммы.

4.2.3.Решающее правило вида MINMAX иМАХМШ.

4.2.4.Решающее правило вида "расстояние до идеальной точки".

4.2.5.Мультипликативное решающее правило.

4.3. Нормирование критериев.

4.4. Обобщенное решающее правило(ОРП).

4.4.1 .Исходные посыки и принципы построения ОРП.

1 I 4.4.2лгоритм применения ОРП.

4.5.Пример использования ОРП.

ГЛАВА5. РАСЧЕТНАЯ ЧАСТЬ.

5.1 .Принятие решений применительно к лизингу.

I . 5.1.1 .Понятие "Лизинг".

V 5.1.2.0сновные элементы лизинговых операций. jjC' 5.1 ^-Преимущества лизинга.

I = 5.1.4Лизинговые операции в деятельности коммерческих банков.

5.1.5.Пример принятия решений применительно к лизингу.

5.2. Организация банковских инвестиций. Основные понятия.

5.2.1.Портфельные инвестиции.

I 5.2.2 Альтернативные инвестиции.Г

15.2.3.Последовательные инвестиции. г 5.3.Пример принятия решений применительно к инвестициям. v ! ЧЩ--------------------------------------------------Ч

Диссертация: введение по экономике, на тему "Моделирование риска в финансовом менеджменте"

Математическому моделированию экономических задач посвящено много работ, незначительная их часть приводится в приложенной к этой работе библиографии. Актуальность математического моделирования экономических задач подтверждается и тем фактом, что почти все нобелевские премии были присуждены работам, посвященным этой проблеме (например в 1969 г. Я.Тинберген, Р.Фриш "'Математические методы анализа экономики", в 1980 г. Л.Клейн "Экономические модели, политика и циклы", в 1994 г. Д.Нет, Д-Харсани, Р.Сеген "Теория игр в экономике"). Моделированию экономических задач посвящены книги Л.В.Канторовича [22], [23], М.Е. Салуквадзе [49], PI. Бирмана [6], Э.М.Бравермана [7], КЛанкастера [29), Дж.Бигеля [5], Н.И.Щедрина, А.Н.Кархова [56], А.А. Первозвансхого, Т.Н.Первозванской [42] и многие другие. В качестве учебных пособий по применению математического аппарата и использова

V' * нию методов исследования качественных свойств решения оптимизационных задач экономической реальности можно назвать книги СААшманова [1], Е.С.Веятель J31, Е.Г.Гольштейна, Б.Д.Юдина [13], С.Карлина [26], В.Г.Карманова [25], Р.Штойера [55], и ряд других авторов. В качестве популярных изданий по экономико-математическим методам можно назвать работы [52], [58].

И сегодня новые экономические отношения, финансовые операции в 4 *

России, создание эффективной системы налогообложения требуют тщательного математического анализа и исследования. Развивающееся частное предпринимательство, коммерческие банки, акционерные общества, которым необходимо уметь лавировать и эффективно работать в новых экономических отношениях, дают интереснейший материал для прикладного математического исследования. В частности, следует отметить вышедшую недавно книгу С.В. Жака [19], в которой изложены основные подходы к построению экономико-математических моделей, проведены вычислительные эксперименты, а также имеется аннотация на комплекс прикладных программ, реализующих основные математические модели принятия решений предпринимателем.

Создание адекватных экономико-математических моделей позволяет прогнозировать деятельность различных экономических структур и тем самым более эффективней планировать, принимать оптимальные решения. Опытная апробация модельных примеров может сэкономить время, трудовые и материальные ресурсы. Здесь нельзя не согласиться с Бирманом И., что "итоги работы в этой области - в осознании возможности и абсолютной необходимости все большего расширения сферы использования в экономя ке задачи надо решать не рассуждениями, а расчетом" [6]. Подтверждением тому является Постановление Правительства Российской Федерации "О финансировании прикладных экономических исследований" [41J.

Развитие математического моделирования экономических задач, несомненно, вызвано и развитием компьютерной техники. Задачи оптимизации, как правило, имеют большую размерность (несмотря на то, что математическая модель всегда "беднее" реальной экономической системы), и поэтому требуют проведения огромного объема вычислений. Это сильно затрудняет вычисления вручную, и практически делает невозможным апробацию с различными данными. Решение многомерных задач на'современных быстродействующих компьютерах хотя и вызывает трудности, однако позволяет, не затрачивая допонительного времени и трудовых затрат, проводить неограниченное число экспериментов с различными данными, и тем самым дает возможность проанализировать различные решения, сделать прогноз и так далее.

С другой стороны расчет экономических задач на компьютере способствует психологическим изменениям в сознании экономистов и хозяйственных руководителей, оценивших по достоинству возможности этих методов. Научная обоснованность и эффективность управления во многом зависит от степени использования экономико-математических моделей и методов их решении , а также от степени использования в исследованиях вычислительной техники. Поэтому все последние публикации, посвященные проблемам экономико-математического моделирования, допоняются аннотациями на соответствующие комплексы программ (см. [19] или включают в себя тексты программ [28], включающую в себя не только описание математических моделей рыночной экономики, но и содержащую пакет из 54 программ). Недавновыпущен учебник "Экономическая информатика" [57], где рассматриваются основы компьютерных технологий, построения информационных систем, методы автоматизации экономических задач.

В существующем многообразии экономических процессов трудно подобрать даже два каких-либо экономических процесса, которые можно было бы поностью описать одной моделью,* каждый процесс неповторим. И для того, чтобы компенсировать возникающую непоноту описания, и классифицировать задачи, в науке "исследование операций" в разделе "математическое программирование" разработано несколько типов моделей, каждый из которых отражает какую-то одну определенную сторону экономической деятельности, с тем чтобы при решении конкретной задачи можно было бы подобрать лучшую для нее модель. По характеру используемых математических соотношений модели делятся на линейные, нелинейные, динамические, стохастические и др. Соответственно каждый класс моделей имеет свой метод решения.

Наиболее популярным (в силу большой размерности экономических задач)-и* широко проверенным на практике является линейное программирование. Практическое использование методов линейного программирования дало неплохие результаты в решении многих задач экономики. Следует отменить, что методы линейного программирования (П) начали широко развиваться и применяться после опубликования работы Л JB.Канторовича [22]. В его работе [23] сформулирована общая задача производственного планирования, которая была фактически первой линейной моделью экономического процесса. В качестве целевой функции рассматривалось составление оптимального производственного плана, а в ограничениях - учет требуемого ассортимента продукции, при определенной интенсивности применения соответствующих технологических способов. Эта задача и по сей день вызывает интерес исследователей. Также в терминах этой концепции может представляться общая задача производственного планирования, где в качестве целевой функции рассматривается прибыль, а ограничения вводятся по ресурсам и по выпуску продукции. В работе [33] приводится ряд задач, к которым применяется линейное программирование и его модификации.

Но все вышеуказанные задачи являются однокритериальными (нахождение экстремума функции на множестве допустимых решений) задачами линейного программирования. Выбор стратегий деятельности экономических систем (фирм, отраслей, акционерных обществ и т.п.), как правило, сводится к решению задач линейного программирования. Однако, очевидно, что в этих задачах нельзя ограничиться одним критерием (целевой функцией), а необходимо учитывать несколько критериев, требования которых - противоположны или, по крайней мере - разнонаправлены. Проблема оптимизации по нескольким критериям возникла в сзязи с решением задач из сферы планирования и организации производства. Впервые это также было связано с работами Л.В.Канторовича, где выяснилось, что в общей задаче производственного планирования наряду с максимизацией прибыли (или минимизацией издержек) за счет выбора ийнггенсивности используемых

Технологий (или способов производства) необходимо рассматривать мака симизацию количества согласованных ассортиментных наборов производимых изделий.

С середины 50-х годов нынешнего столетия получила развитие теория оптимального управления (история развития этой теории подробно освещается у М.Е. Салуквадзе [49]). Одним из важнейших направлений в теории управления является развитие методов анализа качества процессов управления. Чтобы учесть все требования, необходимо исследовать некоторый вектор критериев качества. И здесь возникает проблема одновременной оптимизации совокупности критериев, каждый из которых оценивает определенное качество системы. Такие задачи называются многокритериальными или задачами векторной оптимизации. Первоначально исследовались такие многокритериальные задачи, как оптимальное управление реактивным движением летательных аппаратов. Например, исследован режим расходования реактивной массы, при котором те или иные характеристики движения становятся экстремальными. Естественно, что и в экономике возникают подобные многокритериальные задачи, которые заслуживают не менее пристального внимания.

В работе [49] рассматривается задача планирования в металургическом производстве. Это двукритернальная задача. Первый критерий -максимизация прибыли от продажи сплава, второй - минимизация пробега транспортных средств при доставке руды из расположенных в разных местах рудников. При ограничениях: 1) выплавка запланированного количества сплава; 2) заданная возможность завода в переработке руды: 3) расход электроэнергии в допустимых пределах: 4) требуемое процентное содержание необходимого компонента в сплаве.

Решение задачи заключалось в расчете каждого критерия отдельно на области допустимых решений. Затем составляется некоторая функция, связывающая значения обоих критериев в оптимальных для каждого критерия точках. Находились значения переменных, минимизирующих эту функцию, что по.суги и являлось оптимальным решением. Этот способ, конечно, недоа статочно эффективен, не всегда составленная линейная свертка критериев может определять искомое оптимальное решение. В данной диссертационной работе осуществлена попытка системного (и, следовательно, многокритериального) осмысливания существующих определений экономического риска и дальнейшего развития и обобщения математического представления этой категории на базе идей многокритериальной оптимизации.

Первая глава посвящена систематическому изложению состояния теории экономического риска в ее классическом, т.е. однокритериальном представлении. Предлагаемые автором в последующих главах математические модели и методы в конечном счете базируются на основных положениях теории портфеля Марковица. Эти положения изложены автором диссертации в параграфе 1.2. Как известно, базовую модель Марковица образуют два показателя: F} - ожидаемый доход (Fj max), F2 - мера ожидаемого риска (F2 -*пйп). Описание этой базовой модели сопровождаются комментариями и уточнениями, которые потребовались для того, чтобы устранить некоторые неточности и неопределенности, встречающиеся в известных публикациях на эту тему. Параграф 1.3 первой главы посвящен наиболее простому случаю статической оптимизации портфеля ценных бумаг (ЦБ). Этот случай можно рассматривать как типичный для производственной ситуации. Здесь предлагается, как представляется автору, достаточно легко реализуемый на ПЭВМ численный метод решения задачи оптимального распоряжения свободными средствами. Новизна предложенного подхода заключается в том, что указанные выше показатели Fj и F2 объединены в единую целевую функцию (ЦФ). Эта максимизируемая ЦФ есть отношение доходности и рисковости. В контексте методов оптимизации этот дробный критерий является более сложным по сравнению с линейными критериями Fj и F2 . Вместе с тем этот "критерий-свертка" скорее всего более адекватно отражает глобальную цель задачи управления портфеля ЦБ. При этом, предложенный здесь численный метод позволяет решать задачи достаточно большой размерности благодаря использованию целого ряда упрощающих преобразований исходной математической модели.

В заключение главы 1 представлен конкретный пример решения статистической задачи управления портфелем. Назначение этого примера состоит в том, чтобы существенно облегчить реальное применение на практике предлагаемого численного метода решения задачи управления портфелем ЦБ.

Во второй главе "Две вероятностные модели "риск-доход " рассматривается общая задача "риск-доход", которая по своей сути является двойственной задачей. Суть этой двойственности состоит в том, что предполагается паралельное существование прямой задачи и обратной задачи. Термин "прямая задача" означает максимизацию ожидаемого дохода при фиксированном риске. Термин "обратная задача" означает минимизацию риска при фиксированном ожидаемом доходе. Новизна представ-дленного в главе 2 исследования состоит в следующем. Во-первых, в рассматриваемой автором модели прямой задачи в качестве целевой функции рассматривается доходность (а не ожидаемый доход). При этом риск опре

I деляется как вероятность недополученная этой доходности. В обратной задаче в качестве максимизируемой целевой функции рассматривается вероятность превышения доходности некоторой заданной величины. Заметим что в классических постановках риск определяется в виде дисперсии или стандартного отклонения, т.е. корня этой дисперсии. Во-вторых, осуществлено паралельное и взаимоувязанное исследование математических моделей прямой и обратной задачи. Использование такого "паралельного" подхода позволяет существенно увеличить объем задания о свойствах и особенностях исследуемой задачи "риск-доход".

Следует отметить, что исходные математические постановки как прямой задачи, так и обратной задачи, представляют собой экономико-математические модели , которые весьма затруднительно использовать в реальных практических расчетах. Основная цель проведенного в главе 2 исследования состоит в том, что в результате корректных формальных преобразований модели обеих задач приведены к виду, существенно более удобному для реального использования. Эффективность полученного метода-численных расчетов показана в завершении главы 2 на конкретных исходных данных.

Третья глава "Многокритериальный подход к моделированию задач "риск-доход" посвящена систематическому изложению предлагаемого автором многокритериального подхода к рассматриваемой задаче "риск-доход". Представленно е в начале главы изложение основных понятий многокритериальной оптимизации обусловлено целесообразностью приблизить определение этих понятий к финансово-экономической природе объекта диссертационного исследования. Основной теоретический результат главы 3 состоит в том, что в процессе экономико-математического моделиования статистической инвестиционной задачи показано* что само понятие риск в самой своей содержательной сути имеет многокритериальную природу. Причем, различные критерии характеризующие риск, являются принципиально разнородными, т.е. они не допускают в общем случае адекватной и корректной замены их одним показателем. Представленная в главе 3 экономико-математическое исследование естественным образом базируется на рассмотренной выше математической модели задачи "риск-доход". На множестве допустимых решений (МДР) впоне естественным образом определяется векторная целевая функция F(x) = (F1(x), F2(x)), состоящяя из максимизируемого критерия Fi(x), представляющего ожидаемый доход, и минимизируемого критерия F2(x), представляющего риск. Здесь математическое определение этих критериев представляет первый из них как математическое ожидание, а второй как стандартное отклонение, т.е. корень из дисперсии ожидаемого дохода (VZ^Х Тогда в терминах понятии теории вероятностей и математической статистики [12] критерий Fj(x) представляет собой первый центральный момент /xt(F0 (*)) , а критерий F2 (х)-второй центральный момент для случайной величины F0 (х) - ожидаемый доход, рассматриваемый как случайная величина. Тоща впоне логичным представляется рассмотреть третий и четвертый центральные моменты [12], а именно vjF0(л))- асимметрия, и fi4(F0 (*)) - эксцесс.

В главе 3 осуществлено обоснование объективного введения допонительных критериев (асимметрия и эксцесс) для более точного адекватного измерения риска. Действительно, эти допонительные критерии можем использовать по крайней мере в случае, когда по основным критериям (ожидаемый доход и риск) сравниваемые варианты не различаются (в пределах ошибки измерения или точности задания параметров задачи), т.е. когда на этих сравниваемых вариантах двукритериальная векторная целевая функция (ВЦФ) F{x) = (Fj (х), F2 (х)) принимает одинаковое значение.

Таким образом существенное обобщение двукритериаяьной задачи "риск-доход" состоит в том, что на прежнем МДР X определяется 4 критериальная ВЦФ п*)={?,(*) ?<(*!) о где третий критерий представляет собой нормированный показатель асимметрии А а четвертый критерий представляет собой нормированный показатель эксцесса it Как видно из (2) и (3) , нормирование осуществляется путем деления рачений асимметрии и эксцесса на значение дисперсий. В результате указа-:ной процедуры нормирования достигается весьма желательное положение, когда критерии ожидаемого дохода f.(x) -5- max, риска F} (х) т/л, асимметрии Fs{x}-$max и эксцесса min имеют одну и ту же единицу измерения. Иными словами рассматриваемая е предлагаемой модели' ВЦФ (1) состоит из соизмеримых между собой показателей эффективности.

В пользу 4 - критериальной модели задачи "риск-доход" с ВЦФ (1) -(3) свидетельствует следующее наглядное рассужцение. Рассмотрим две пары допустимых решений х2 s х2 и х3 , х4, на которых критерии ожидаемого дохода и риска принимают одинаковые значения:

При этом, однако, предполагаем, что указанная четверка решений существенным образом различается значениями третьего критерия (2) и четвертого критерия (3). Используя для наглядности визуализацию, это различие представим графическим изображением функции распределения такой случайной величины как ожидаемый доход F0(x). а) б)

Рис. 1

FoM а) б)

На рис. 1 а, б и 2 а, б изображено распределение вероятностей случайной величины ожидаемого дохода F0(x) для первой пары вариантов х}, х2 и второй пары выриантов х3 , х4. Здесь достаточно лишь одной визуализации для следующих утверждений : 1) асимметрия fi3(F0(x) принимает положительное значение для варианта Xj и отрицательное значение для х2 ; 2) эксцесс fi4(F9(x) принимает близкое к нулю значение для варианта х3 и положительное значение для варианта х4. Вместе с тем является очевидным тот факт, что при выпонении условия (4) вариант х} явно предпочтительнее варианта х2 , а вариант х3 явно предпочтительнее варианта х4 . Таким образом, представляется впоне целесообразным использовать новоявленные критерии асимметрии (2) и эксцесса (3) по крайней мере в случае, когда по основньш критериям (ожидаемый доход и риск) сравниваемые варианты не различается в пределах ошибки измерения или точности задания параметров задачи.

Резюмируя целесообразность введения в рассмотрение допонительных критериев (2) и (3) , можно утверждать, что тем самым предлагается многокритериальное отражение риска, которое является более информативным по сравнению с его однокритериальным представлением в виде дисперсии или стандартного отклонения. При этом критерий (2) можно рассматривать в качестве меры такого количественного понятия, как "смещение риска в позитивную сторону": чем большее значение принимает асимметрия (2), тем лучше для инвестора . Критерий (3) можно рассматривать в качестве такого количественного понятия ,как "мера концентрации возможных доходов в окрестности математического ожидания дохода" : чем меньшее значение приобретает эта мера, тем меньше вероятность (риск) уклонения полученного от запланированного.

В завершение главы 3 исследуется такой аспект экономико- математического моделирования, как неопределенность задания исходных данных. Сначала необходимо заметить, что в классическом представлении критерий ожидаемого дохода F,[x) вычисляется в предположении, что явпяется известным распределение вероятностей этой случайной величины (см. рис.! и 2). Однако сколь угодно частыми являются ситуации, когда от-4 сутствует какая либо информация относительно распределения вероятностей значений ожидаемого дохода. Известны лишь интервалы этих значений , т.е. крайние пессимистические и оптимистические исходы. В этом случае критерий ожидаемого дохода вида (4) представляет собой интервальную целевую функцию (ИЦФ) или, в другой терминологии, целевую функцию с интервальными параметрами. [60]. В этом случае на основании строгих математических утверждений работ [60] авторами предлагается интервальный "монокритерий" заменять на векторный критерий, на впоне определенную ВЦФ. Основной результат такого предложения состоит в том, что проблема неопределенности (интервальности) исходных данных фактически снимается тем, что интервальная задача замешается многокритериальной задачей, которая, в свою очередь, в существенной степени лучше обеспечена соответствующими методами и агоритмами.

Глава 4 посвящена разработке и обоснованию подходящих математических методов принятия решений в условиях многокритериальности. Суть этой проблемы достоит в следующем. Если сформулирована задача, допустимое решение которой оценивается N >2 критериями, то практически всегда в этом случае отсутствует безусловно наилучшее т.е. оптимальное решение. Иными словами заданная ВЦФ выделяет из МДР X множество * ' * альтернатив (МА),.например, паретовсхое множество л или поное множество альтернатив Элементы этого МА векторно несравнимы между собой, т.е. сравнивая любую пару вариантов их', х" е обнаруживаем, что х' лучше х" по некоторому одному критерию и в то же время х' хуже х" по некоторому другому критерию. Возникает нетревиальная проблема принятия решения т.е. проблема определения в наиболее целесообразного или, другими словами, компромиссно оптимального варианта х

В настоящей диссертационной работе основное внимание уделено так называемым прямым методом принятия решений. Суть этих методов в том, чтобы предложить лицу, принимающему решение (ПР), определенный формализованный математический метод вычисления суммарной (по всем критериям v = l,N) полезности всякого варианта х е- . В специальной литературе такие методы иногда называют решающими правилами

Поскольку многокритериальная оптимизация естественным образом обобщает классическую (т.е. однокритериальнуто) оптимизацию, то впоне естественно строить РП на базе целевых функций, наработанных в процессе развития теории классической оптимизации. Например, если ВЦФ (1) состоит из критериев, каждый из которых определяет в каком то смысле самостоятельный вклад в общую полезность, то наиболее подходящим является РП взвешенной суммы где Л- (А; . Я>, . , % ) - вектор коэффициентов относительной важности критериев FT(x), v = J,N. Это решающее правило называют РП вида

MINSUM, если extr = min, и говорят об РП вида MAXSUM, если е xtr Ч max.

- Возможны случаи, когда для ПР наиболее важной является необходимость улучшить значение критерия, по которому достигается наихудший результат. В этих случаях можно рекомендовать для ПР использовать РП вида MINMAX f2 (л, х) = max л, Fy (х) - min, когда ВЦФ состоит из максимизируемых критериев. Суть этих РП характеризуется рекомендацией: "достигай" наилучшего значения по наихудшему показателю.

К числу наиболее часто употребляемых решающих правил также относятся РП вида " расстояние до идеальной точки" и мультипликатив-ноеРП, которые обозначаются соответственно, через f}(А,и Содержательному и формально математическому анализу выше указанных

РП посвящено начало главы Далее в этой главе представлено систематизированное изложение вопросов соизмеримости и однородности критериев составляющих ту или другую ВЦФ.

Основной новый результат главы 4 состоит в построении обобщенного решающего правила (ОРП). Содержательная и математическая суть ОРП заключается в том, чтобы "заставить работать" одновременно и взаимоувязано все приемлемые для ПР решающие правила js fx). s = 7,2, . . Предложенное в настоящей работе ОРП итеративно осуществляет упорядочение вариантов из Xе по предпочтительности. Мера предпочтительности отражается вектором значений решающих правил, упорядоченных в порядке убывания их информативности для ПР. Иными словами, предлагаемое ОРП использует те или другие РП с учетом их относительной важности с точки зрения информативности для ПР.

Можно высказать ряд доводов в пользу того, что ОРП является более эффективным инструментом выбора и принятия решения по сравнению с любым отдельно взятым РП. Один из этих доводов можно сформулировать по аналогии со следующим утверждением: оценка всякого объекта по совокупности всех существенных показателей качества всегда лучше или по меньшей мере не хуже оценки этого объекта по какому- либо единственному показателю из той же совокупности. В заключение главы 4 отметим что трудоемкость реализации ОРП ограничена сверху полиномом от мощности

ПМА /Х

Завершающая глаЕа 5 носит в основном илюстративный и методический характер. Цель этой главы - продемонстрировать рабочие приемы, используемые е процессе математического формулирования и моделирования, начиная от формулировки задачи и заканчивая принятием решения. Различная природа тех или иных конкретных задач не позволяет предложить абсолютно единого и универсального метода их практического решения. Для убедительного обоснования этого тезиса в главе 5 рассмотрены две задачи, экономическая природа которых достаточно сильно различается. Суть этих задач характеризуется их наименованием: принятие решений применительно к лизингу и принятие решений применительно к инвестициям.

Для большинства задач представленных в главах 1,2 и 5 численных расчетов исходные статистические данные взяты из следующих источников : приложение газеты "Известия", Финансовые известия" 1997 г. , а также открытые данные по городской налоговой инспекции 1997 - 1998 гт.

Диссертация: заключение по теме "Математические и инструментальные методы экономики", Касаев, Анзор Дахатович

ЗАКЛЮЧЕНИЕ

В диссертационной работе получены следующие новые результаты: осуществлен аналитический обзор экономических рисков на основании которого получена систематизированная классификация рисков в менеджменте; осуществлен исторический обзор моделирования риска инвестиционной деятельности, на основании чего представлено краткое изложение теории портфеля Марковича, с которой по существу начала свое развитие современная теория экономического риска; в качестве базовой задачи диссертационного исследования представлено изложение математической модели относящейся к статистической оптимизации портфеля ценных бумаг; для этой задачи построен численный метод удобный для реализации на ПЭВМ; осуществлено математическое исследование такой математической модели задачи "риск-доход", в которой риск определяется как вероятность недополучения ожидаемого дохода; для этой вероятностной модели проанализирована как прямая задача, в которой целевой функцией является максимизируемая ожидаемая доходность, а риск учитывается в ограничениях, так и обратная задача, в которой целевой функцией является максимизируемая вероятность превышения доходности заданной величины; в результате аналитических преобразований математическая модель, как пря -мой так и обратной задачи приведена к виду удобному для проведения практических расчетов; разработан многокритериальный подход к математическому моделированию риска; представлено достаточно подробное обоснование того факта, что собственно "риск" имеет принципиально многокритериальную природу! предложена 4 - критериальная векторная целевая функция (ВЦФ) геля оценки риска: наряду с традиционным минимизируемым критерием стандартного отклонения предложены два новых критерия, означающие соответственно меру "смещения риска в позитивную сторону" и меру "концентрации возможных доходов в окрестности математического ожидания дохода";

- задача "риск-доход" исследована для случая, когда исходные данные являются неопределенными, т.е. каждый параметр задачи представляется не фиксированным числом, а интервалом, которому предположительно принадлежит это число; для этого случая предлагается такое адекватное преобразование математической модели, которое адекватно сводит интервальную задачу к обычной многокритериальной задаче, значение пара -метров которой есть действительные числа;

- для реализации этапа выбора и принятия решения, рассмотренные пря -мые методы или решающие правила теории принятия решения в условиях многокритериальносги; проанализированы наиболее известные решающие правила и на этой базе построено обобщенное решающее правило, которое упорядочивает по предпочтительности полученное множество альтернатив, с учетом взаимовлияния всех подходящих решающих пра вил.

Диссертация: библиография по экономике, кандидат экономических наук , Касаев, Анзор Дахатович, Кисловодск

1. Введение в математическую экономику.- М.: Наука, 1984.- 294 с.

2. Банковский портфель-1. Под редакцией Ю.И.Коробова.М.: Соминтек, 1994.746 с.

3. Банковский портфель-2. Под редакцией Ю.И.Коробова.М.: Соминтек, 1994.748 с.

4. Банковский портфель-3. Под редакцией Ю.И.Коробова.М.: Соминтек, 1994.4 750 с

5. Бигель Дж. Управление производством. Количественный подход.-М.:Мир, 1973.-304 с.

6. Бирман Н. Оптимальное программирование.-М.Экономика, 1968.-232с.

7. Браверман Э.М. Математические модели планирования и управления в в экономических системах.-М.: Наука, 1976.-366 с.

8. Веншель Е.С. Исследование операций.-М.: Советское радио, 1972.-552с.

9. Викас Э.И., Майминас Е.З. Решения : теория, информация, моделирование.

10. Емеличев В.А.,Мельников О.И.,Сарванов В.И.,Тышкевич Р.И. Лекции по теории графов.-М.: Наука, 1990.-384 с.

11. Емеличев В А., Перепелица В А. Сложность дискретных многокритериальных задач// Дискретная математика.-1994.-Т.6, №1.- С.3-33.

12. Емельянов С.В.Д1аричев О.И. Многокритериальные методы принятия решений.-М.: Знание, 1985.-32 с.

13. Жак С.В. Математические модели менеджмента и маркетинга .-Ростов- нар ДонуЛаПО, 1997.-320 с.

14. Инвестиционно-финансовый портфель. Книга инвестиционного менеджера.

15. Под редакцией Петракова- М.: Соминтек, 1993.-235 с. 21 .Ирниязов Б.С. Финансовая оценка инвестиций на расширение производства и и замену оборудования в условиях рынка // Бизнес и банки.-1995.-Вып. 169(234).-^ С. 41-59.

16. Карманов В.Г. Математическое программирование.- М.: Наука, 1980.- 256 с.

17. Липсиц И.В., Коссов В.В. Инвестиционный проект. Методы подготовки и анализа. Учебно-справочное пособие.-М.: Изд. БЕК, 1996.-304 с.

18. Масланченков Ю. Некоторые аспекты анализа при принятии инвестиционных решений // Рынок ценных бумаг.- 1994.- Вып. 17.- С.21-36.

19. Методы оптимизации в организации и нормировании труда // Научно-исслеХ довательский институт труда Государственного комитета Совета Министров СССР по вопросам труда и заработной платы. М.НИИ труда, 1971.

20. Мескон М.Х., Альберт М., Хедуори Ф. Основы менеджмента.- М.: Дело 1993. 394 с.

21. Михалевич B.C., Вокович ВЛ. Вычислительные методы исследования и проектирования сложных систем.- М.: Наука, 1982.-287 с.

22. Многокритериальные задачи принятия решений.-М.: Машиностроение, 1978.312 с.

23. Перепелица ВА. Многокритериальные задачи теории графов. Агоритмический подход. Киев.:УМК ВО, 1989.-52 с.

24. Подиновский В.В., Гаврилов В.М. Оптимизация по последовательно применяемым критериям.-М.: Сов. радио, 1975.-192 с.

25. Подиновский В.В., Ногин В Д. Парето-оптимальные решения многокритериальных задач.-М.:Наука, 1982.

26. Поспелов Г.С., Ириков ВА., Курилов А.Е. Процедуры и агоритмы формиро вания комплексных программ.-М.Наука,1985.-424 с.

27. Приварникова А.О. Чисельний метод побудови оптимально! стуктури портфеля щнних nanepiB при некорельованих прибугках // Bichhk Державного ун-ту "Льв1вска поггехника." Прикл. математика.-1998.-№337.- С.380.-383.

28. Прохоров Ю.В., Розанов ЮА. Теория вероятностей.-М.: Наука, 1973.-495 с.

29. Салуквадзе М.Е. Задачи векторной оптимизации в теории управления.Тбили-си: Менциерба,1975г.-202 с.

30. ТрофимовВ.П. Логическая структура статистических моделей.-М.: Финансы и статистика, 1985.-192 с.

31. Указания по определению экономической эффективности капитальных вложений в строительство и реконструкцию автомобильных дорог. ВСН 21-83.-Минавтодор РСФСР.

32. Чернов Г., Мозес Л. Элементарная теория статистических решений.-М.:Сов. радио, 1962.-407 с.

33. Хубаев Г.Н. Сложные системы : экспертные методы сравнения // Известия выс ших учебных заведений. Кисловодск.- 1999.- № 3.- С.7-25.

34. Щедрин Н.И., Кархов А.Н. Математические методы программирования в экономике.-М.: Статистика, 1974.-142 с. 57Экономическая информатика / Под ред. В.В.Евдокимова.-Санкт-Петербург,

35. Спб.: Питер, 1997.-592 с. 58Экономико-математические методы и модели для руководителя/ Авдулов П.В., Гойзман Э.И., Кутузов В.А.- М.: Экономика, 1984.-232 с. f 59.Kozina G.L., Perepelitsa V A. Interval Spenning Trees Problem: Solvability and

36. Computational Complexity // Interval Computations -1994-№ 1 .-pp.42-50.i

37. Касаев АД., Перепелица В. А. Новые подходы к анализу временных рядов. Материалы II научно практической конференци преподавателей и студентов11.15 ноября 1997 г.- Черкесск: К-ЧГТИ, 1997.- С. 49-52.

38. Козин И.В., Перепелица В А., Приварникова А.О., Касаев АД. Вероятностная модель "риск доход". - Нижний Архыэ : РАН С АО , 1999.Ч 11 с.

39. Касаев АД. Классификация рисков в менеджменте."Региональная экономика, управление и право".- Том III. Труды II научной конференции факультета

40. Бизнеса и права". Черкесск: К-ЧГТИ, 1999 - С.7-14.

Похожие диссертации