авторефераты диссертаций БЕСПЛАТНАЯ РОССИЙСКАЯ БИБЛИОТЕКА - WWW.DISLIB.RU

АВТОРЕФЕРАТЫ, ДИССЕРТАЦИИ, МОНОГРАФИИ, НАУЧНЫЕ СТАТЬИ, КНИГИ

 
<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:   || 2 |

Методология экономико-математического моделирования процесса инвестиционного анализа на основе нечетко- множественного подхода

-- [ Страница 1 ] --

На правах рукописи

Чернов Владимир Георгиевич

Методология экономико-математического моделирования процесса инвестиционного анализа на основе нечетко- множественного подхода

08.00.13 – Математические и инструментальные методы экономики

Автореферат

диссертации на соискание ученой степени

доктора экономических наук

Иваново -2007

Работа выполнена в государственном образовательном учреждении высшего профессионального образования «Ивановский государственный химико-технологический университет».

Научный консультант доктор экономических наук, профессор

Ильченко Ангелина Николаевна

Официальные оппоненты доктор экономических наук, профессор

Мхитарян Владимир Сергеевич

доктор физико-математических наук,

профессор Солон Борис Яковлевич

доктор экономических наук, профессор

Царегородцев Евгений Иванович

Ведущая организация Ярославский государственный

университет имени П.Г. Демидова

Защита состоится « » 2007 г. в часов на заседании Диссертационного совета Д 212.063.04 при ГОУ ВПО «Ивановский государственный химико- технологический университет» по адресу :153000, г. Иваново, пр. Энгельса,7, ауд. Г 101.

С диссертацией можно ознакомиться в библиотеке ГОУ ВПО «Ивановский государственный химико-технологический университет».

Автореферат разослан «_»_______________2007г.

Ученый секретарь

Диссертационного совета

Д212.063.04 С.Е. Дубова

I.Общая характеристика работы

Актуальность темы исследования. Инвестиционная деятельность - важная составляющая развития экономической системы. Именно недостаточные инвестиции – один из самых проблемных вопросов развития российской экономики. Принятие решений на различных стадиях подготовки инвестиционного проекта, и особенно на стратегической, характеризуется неполнотой и нечеткостью исходной информации, обусловленные большой размерностью задач, ненаблюдаемостью ряда переменных процесса, влиянием внешних факторов. Динамика современных экономических процессов такова, что в распоряжении аналитиков остается все меньше времени для сбора данных, а с другой стороны – большой объем ретроспективных данных совсем не гарантирует высокую достоверность предположений о будущем характере анализируемых процессов. Фактически при принятии инвестиционных решений в большинстве случаев используются не столько реальные или оговоренные в контрактах данные, сколько ожидаемые их значения для некоторых более или менее правдоподобных гипотез.

Проблема инвестиционного анализа состоит в принципиальной неустранимости неопределенности, неполноты и нечеткости информации.

Ведь устранить неопределенность это значит устранить сам рынок, разнообразие несовпадающих интересов и действий его субъектов.

Между тем, традиционные методы инвестиционного анализа, реализуемые в виде совокупности расчетных процедур над точечными значениями параметров, используемых при анализе, не рассчитаны на учет неполноты и неопределенности в исходных данных, использование нечетких качественных оценок, субъективных предпочтений участников инвестиционного анализа.

Актуальность темы выполненного исследования обусловлена необходимостью разработки на единой методологической основе экономико-математических моделей процесса инвестиционного анализа, которые позволили бы обеспечить его проведение с учетом неполноты и неопределенности исходных данных, неопределенности рыночного окружения, необходимости использования качественных оценок и учета субъективных предпочтений лиц, принимающих инвестиционные решения, обеспечивая тем самым повышение обоснованности и эффективности инвестиционных решений.

Степень разработанности проблемы. Научно-методологическую основу представленной работы составили фундаментальные исследования как отечественных, так и зарубежных ученых: Колчиной Н.В., Балабанова И.Т., Шеремет А.Д., Ковалева В.В., Грачевой М.В., Виленского П.Л.,

Четыркина Е.М., Смоляк С.А., Москвина В.А., Мыльник В.В., Липсиц И.В., Ситарян С.А., Берлина А.Д, Шапкина А.С, Гитман Л.Дж., Норкотт Д., Шарп У., Ван Хорн Дж.К. и др. В контексте исследуемых проблем существенные результаты представлены в работах Р.Р. Ягера, А. Кофмана (A. Kaufmann), Хил Алухи, Хил Лафуенте, Циммермана, Танаки, Сигэру, Осаи, Сакава А. В. Язенина, И. А. Язенина, В. А. Рыбкина, А. О. Недосекина. Известны также работы и других авторов: А.Н. Аверкина, А.В. Алексеева, И.З. Батыршина, А.Н. Борисова, А.П. Рыжова, А.И. Орлова, С.А. Орловского, А.Ф. Блишуна, Подиновского В.В., Ярушкиной Н.Г.

Однако по нашему мнению еще не создана единая методология экономико-математического моделирования процесса инвестиционного анализа в условиях нестатистической неопределенности.

Цель диссертационной работы. Целью диссертации является разработка методологии экономико-математического моделирования процессов инвестиционного анализа, включающей теоретические положения, модели, методы и алгоритмы решения задач анализа реальных инвестиций в условиях рыночной, нестатистической неопределенности.

Задачи исследования.

Для достижения поставленной цели необходимо решить ряд задач.

1.Провести исследование различных этапов анализа реальных инвестиций, планируемых хозяйствующим субъектом, и установить те из них, где решение приходится принимать в условиях неопределенности. Определить ее характер, а также возможные математические методы, обеспечивающие поддержку процесса инвестиционного анализа, в соответствие с установленным характером неопределенности.

2.Для каждого этапа инвестиционного анализа оценить возможности применения существующих в теории нечетких множеств методов и их соответствие принятым в экономической теории и практике моделям и методам. При необходимости осуществить их взаимную адаптацию или же разработать новые методы, отсутствующие в теории нечетких множеств.

3.Разработать методики расчета экономических показателей, применяемых в инвестиционном анализе, с использованием «мягких вычислений».

4.Разработать методы прогнозирования, способные работать в условиях неполноты временных рядов и ограничениях на возможный объем ретроспективной выборки

5.Провести разработку моделей и методов оценки альтернативных полей бизнеса в рамках инвестиционных проектов на основе многокритериального выбора при нечетких соответствиях и предпочтениях.

6.Разработать методы анализа рисков инвестиционных проектов, учитывающие нестатистический характер неполноты и неопределенности используемых данных.

Объект исследований – экономико-математические модели, используемые в процессе анализа реальных инвестиций на уровне хозяйствующего субъекта.

Предмет диссертационного исследования – теоретические, методологические и практические проблемы создания экономико-математических моделей для процесса инвестиционного анализа в условиях рыночной, нестатистической неопределенности.

Теоретической и методологической базой диссертационного исследования являются теория систем и системного анализа, теория инвестиционного анализа, финансового менеджмента, современная теория неопределенности, нечеткости, обобщенных направлением «мягкие вычисления», теория возможности, теория полезности, имитационное моделирование.

Методической основой диссертационного исследования являются системный подход, методы экономико-математического моделирования. В качестве средств моделирования использовались нечеткая электронная таблица Fuzi Calc, а также программные системы, разработанные под руководством автора.

Информационной базой исследования являются научные результаты, опубликованные в монографиях, научных журналах экономического и математического направлений, а также представленные в сети Интернет.

Научная новизна диссертационного исследования состоит в постановке и решении крупной научной проблемы - развитии теории и методологии экономико-математического моделирования процесса инвестиционного анализа в условиях «системной неопределенности», когда подготовка инвестиционного решения происходит в условиях объективной неполноты и нечеткости исходных данных, наличия субъективных факторов в экспертных оценках и предпочтениях лиц, принимающих решения.

К числу основных результатов, определяющих новизну диссертационного исследования, относятся:

1.Предложена новая методология экономико-математического моделирования процесса инвестиционного анализа, базирующаяся на предположении, что на основе неполной или нечеткой информации может быть принято полезное решение по управлению экономическим объектом. Подход предполагает обработку нечетких, неструктурированных данных, а не повышение точности исходных данных, и позволяет использовать в процессе инвестиционного анализа интервальные оценки в форме нечетких чисел или качественные оценки в виде лингвистических суждений.

2. Для решения задач прогнозирования значений параметров

инвестиционных проектов, относящихся к будущим моментам времени, разработана нечеткая адаптивная модель прогнозирования, а также модель прогнозирования на основе свертки нечетких гипотез, в основу которой положена генерация множеств нечетких гипотез о возможных прогнозных значениях, построение их свертки и формирования множества наиболее ожидаемых прогнозных значений. Решение задачи определяется как координата центра тяжести этого множества, т.к. его инерция относительно этой точки будет минимальной. Предложенный метод позволяет в процессе прогнозирования оперировать не только количественными значениями, но и качественными экспертными оценками тенденций их возможного изменения.

3.Предложена и исследована новая операция над нечеткими множествами – геометрическая проекция нечетких множеств, позволяющая решить проблему пустых пересечений при свертке критериальных условий в задачах многокритериального альтернативного выбора, когда оценки критериального соответствия представлены в лингвистической форме.

4.В рамках системного процесса инвестиционного планирования при оценке инвестиционных проектов для статических методов анализа впервые предложено использовать метод сравнения издержек и результатов не в форме их числовых расчетов, а в виде оценок необходимой и ожидаемой возможности достижения планируемых значений, что позволяет отказаться от традиционно используемых ограничений и условий, трудно реализуемых на практике

5.В рамках методологии «мягких вычислений» впервые разработана методика их применения для расчета барьерных показателей, оценки чувствительности и возможного периода окупаемости новых продуктов.

6.Для динамических методов инвестиционного анализа на основе «мягких вычислений» предложен сценарный подход при расчете чистого приведенного дохода и методики оценки надежности полученных результатов через показатель деформации распределения возможностей в сторону «хорошей» или «плохой» тенденций развития ситуации.

7.Впервые предложена «мягкая» итерационная методика расчета нормы рентабельности, сходимость которой не зависит от количества анализируемых временных периодов, позволяющая преодолеть неоднозначность оценки нормы рентабельности, возникающую при анализе инвестиционных проектов с нестандартным профилем.

8. Разработана методика оценки критического значения нормы рентабельности, основанная на анализе тенденций изменения возможности реализации расчетного значения этого показателя.

9.Предложена методика сравнения альтернативных проектов одинаковой или различной продолжительности, позволяющая учитывать снижение надежности информации с ростом продолжительности проектов, и система коэффициентов, характеризующая уровень надежности принятых решений. На основе методологии «мягких вычислений» предложена методика оценки стоимости компании в условиях неопределенности относительно продолжительности жизни и продленной стоимости компании.

10.Для планирования структуры бизнеса, формирования продуктовых программ разработан набор методов многокритериального альтернативного выбора, общей характеристикой которых является то, что они все предназначены для использования в условиях неопределенности, но в то же время отличаются по наборам исходных данных, их характеристикам и формам представления выходных данных. Для более достоверного разделения близких альтернатив предложено применение матриц нечетких уступок, что позволяет интегрировать как собственные шансы оцениваемых альтернатив, так и шансы, уступленные конкурирующими альтернативами.

11.Разработано несколько методов анализа рисков инвестиционных проектов, позволяющих:

- оценивать возможность развития рисковых ситуаций из-за неблагополучных комбинаций факторов, которые в отдельности не являются явно выраженными факторами риска;

- получать оценки риска в виде ожидаемой необходимости и ожидаемой возможности, первая из этих оценок характеризует минимальный уровень риска, объективно связанный с инвестиционной деятельностью, вторая – уровень риска, характерный для условий конкретного инвестиционного проекта;

- модифицировать балльную систему оценки рисков за счет использования нечетких чисел и лингвистических оценок по различным стадиям инвестиционного проекта, что позволяет повысить качество этой системы оценок риска;

- модифицировать методику SWOT – анализа рисков за счет введения оценок возможности реализации соответствующих сторон проекта. Область применения каждого из методов определяется характером исходных данных, а также формой представления результатов анализа.

12.Разработан подход к формированию инвестиционного портфеля, в основу которого положено понятие «нечеткой игры», матрица которой может представляться либо нечеткими числами, либо лингвистическими оценками. В последнем случае распределение компонент портфеля находится с помощью максиминной свертки лингвистических оценок. Для повышения качества решения предлагается учитывать кратность одноименных оценок по возможным компонентам портфеля.

Научная значимость работы состоит в разработке теоретических положений и экономико-математических моделей процесса инвестиционного анализа, учитывающих неполноту и нечеткость исходной информации, наличие субъективных факторов в экспертных оценках и предпочтениях лиц, принимающих решения, методов расчета аналитических показателей, используемых в инвестиционном анализе на основе мягких вычислений, методики обработки качественных оценок и суждений.

Практическая значимость работы заключается в возможности использования результатов исследований при разработке, планировании и анализе реальных инвестиций хозяйствующих субъектов в условиях нестатистической неопределенности, характерной для рыночной экономики. Отдельные результаты исследований нашли применение и в других направлениях: при разработке информационно-аналитических методов повышения эффективности управления предприятием (ОАО «Владимирский завод «Электроприбор», ООО «Колокшанский агрегатный завод»), анализе и прогнозе поступлений в доходную часть бюджета Владимирской области (Комитет по экономической политике администрации Владимирской области), в банковской практике при оценке целесообразности кредитования предприятий малого и среднего бизнеса, прогнозировании количества вкладов (филиал «Владимирское региональное управление» АКБ «Московский Индустриальный банк»), при проектировании радиоэлектронных устройств, средств защиты информации (концерн «Созвездие», г. Воронеж), при прогнозировании, анализе рисков и оценке ущерба от техногенных чрезвычайных ситуаций, в медицине при оценке риска внезапной остановки сердца.

Научные и практические результаты диссертационной работы внедрены в учебный процесс во Владимирском государственном университете, Владимирском институте бизнеса.

Достоверность результатов диссертационной работы.

Достоверность научных положений, выводов и рекомендаций подтверждена результатами математического моделирования, а также результатами использования материалов.

Апробация работы. Основные положения и результаты диссертации были доложены и получили одобрение на научно-технических конференциях в городах: Ташкент(1993г.), Владимир(1997,2000,2002гг.),

Наб. Челны(1997г.), Суздаль(1997г.), Москва(1998-2000гг.),С-

Петербург(2000г.), Ульяновск(1998г.), В.Новгород(1999г.), Шуя(2000г.), Пенза(2001г.), Воронеж (2005,2006гг.), международных научно-

технических конференциях в городах: Пущино(1997г.), Владимир(1997,

1998,2004гг.), Ульяновск(1999г.), Минск(1998г), Пермь

(2000г.), Иваново(2001г.), Смоленск(2001г.), Тамбов(2002г.), Ростов-на-Дону(2003г.), Кострома(2004г.), Днепропетровск(2005г.), Prague(2005г.), Воронеж(2006г.), Казань(2006г.), Ярославль(2007г.).

Публикации результатов исследований. Основные положения диссертационного исследования опубликованы в 46 печатных работах общим объемом 33.9 печ. листов (на долю автора 28.3 печ. листов), из них 2 монографии, 12 научных статей, из них по списку ВАК- 8, 29 докладов на конференциях, 4 отчета по НИР, имеющих государственную регистрацию.

Личный вклад. Все результаты, составляющие содержание диссертации, получены автором самостоятельно.

Структура и объем работы. Диссертационная работа состоит из введения, семи глав и заключения, содержит 362 стр. текста, 30 таблиц, 180 рисунков, список использованной литературы из 227 наименований, 17 приложений.

II. Основное содержание работы.

Во введении изложено обоснование актуальности темы диссертационного исследования, сформулированы его цель и задачи. Определяются объект и предмет исследований, указаны теоретико-методологическая и информационная основа диссертационной работы, представлена научная новизна и практическая значимость проведенного исследования.

Первая глава «Инвестиционный анализ. Задачи, системные условия и факторы» содержит рассмотрение с системных позиций процесса инвестиционного анализа в условиях неопределенности, когда исходные данные не могут быть получены в необходимом объеме, отсутствуют возможности для оценки их точности, когда в связи с указанными обстоятельствами приходится использовать экспертные оценки, которым принципиально свойственна неопределенность.

На основе анализа различных исследований по инвестиционному анализу делается вывод о важности и масштабе проблемы создания моделей, методов и алгоритмов поддержки процесса инвестиционного анализа, способных работать в условиях неполноты и нечеткости исходной информации.

Доказывается, что в силу принципиальной неопределенности рынка, уникальности инвестиционных проектов, невоспроизводимости условий хозяйствования, необходимости использовать экспертные оценки и заключения при осуществлении процедур инвестиционного анализа, традиционные подходы к процессу инвестиционного анализа, реализуемые в виде некоторой совокупности четких расчетных процедур, не позволяют обеспечить необходимый уровень обоснованности инвестиционных решений. При этом неопределенность, которая должна быть учтена в процессе инвестиционного анализа, не подчиняется аксиоматике классической теории вероятностей. Использование экспертных заключений, необходимость учета субъективных предпочтений лиц, принимающих решения, переводит задачу инвестиционного анализа из разряда структурированных в слабоструктурированные. В настоящее время очень мало исследований, в которых процесс инвестиционного анализа рассматривался именно с этих позиций.

Наличие факта слабой структурированности и нестатистической неопределенности в условиях реализации инвестиционного проекта требует выбора адекватного математического аппарата. Сформулированы основные требования к математическим методам, учитывающие специфику инвестиционного анализа, и показано, что наиболее полно удовлетворить эти требования позволяет аппарат теории нечетких множеств. В то же время отмечается, что в настоящее время отсутствует единая методология его применения для разработки моделей процесса инвестиционного анализа. Разработка этой методологии - это важная научно-практическая задача, которая и является целью диссертационного исследования.

Вторая глава «Методы прогнозирования параметров инвестиционных проектов на основе нечетких моделей и мягких вычислений» содержит рассмотрение различных вариантов решения задач прогнозирования при осуществлении реальных инвестиций. Особенностью рыночных экономических процессов является их нерегулярность и невоспроизводимость, заметное влияние факторов, находящихся за пределами компетенции менеджеров конкретных фирм и компаний. Уникальность и нетиражируемость инвестиционных проектов определяют отсутствие достаточной предыстории, невозможность надежно использовать метод аналогий, приводит к тому, что числовые параметры, на основе которых в последствии принимаются решения, имеют весьма неопределенный характер. Традиционные методы прогнозирования рассчитаны на использование только числовых данных, что в условиях их недостаточной определенности не позволяет надеяться на обоснованность и достоверность прогнозных оценок. Кроме того, в них отсутствуют возможности оперировать с качественными оценками. В определенных условиях они могут оказаться более информативными, чем числовые. Можно ожидать, что именно комбинация количественных и качественных оценок даст возможность получить более надежные прогнозные значения. Для прогнозирования будущих значений параметров инвестиционных проектов предложена модель нечеткого адаптивного прогнозирования, в которой процедуры подбора коэффициентов адаптивных моделей реализованы в базисе мягких вычислений, что позволяет выбирать величины коэффициентов модели прогнозирования с учетом распределения возможностей на множестве их допустимых значений. В основе модели прогнозирования на основе свертки нечетких гипотез лежит генерация множества нечетких гипотез о возможных прогнозных значениях и построение их свертки, координата центра тяжести которой и будет решением задачи, т.к. инерция относительно этой точки будет минимальной. Предложенный метод позволяет в процессе прогнозирования оперировать не только количественными значениями, но и качественными экспертными оценками тенденций их возможного изменения.

Кроме этих задач рассматривается моделирование динамики инвестиционного процесса, когда средства, ожидаемые на будущих этапах осуществления инвестиционного проекта, будут распределяться между фондом потребления, связанным, например, с текущей деятельностью компании, и фондом накопления, предназначенным для последующего инвестирования.

Третья глава «Геометрическая проекция нечетких множеств - новый формализм для построения свертки оценок критериального соответствия в задачах многоальтернативного выбора» содержит исследования предлагаемой в диссертации новой операции над нечеткими множествами – геометрической проекции нечетких множеств. Необходимость этой операции обусловлена следующим. В задачах многокритериального альтернативного выбора, которые приходится решать в процессе инвестиционного анализа, в качестве одного из вариантов используются правила нечеткого условного вывода. В процессе их обработки выполняется процедура свертки оценок критериального соответствия, находящихся в условной части правил вывода. Для этого используется операция нахождения минимума по множеству оценок критериального соответствия. Основной недостаток этого подхода состоит в том, что задача многокритериального выбора, по сути, сводится к однокритериальной, что, очевидно, ухудшает качество принимаемого решения. Кроме того, при использовании лингвистических оценок в задачах многокритериального альтернативного выбора свертка критериальных оценок на основе операции пересечения может привести к получению пустого множества. Последнее делает принятие решений невозможным. Использование для свертки критериальных оценок геометрической проекции нечетких множеств позволяет разрешить это затруднение. Исследованы основные свойства этой операции, а также особенности ее применения при обработке правил нечеткого условного вывода. Рассмотрены также возможности применения операции геометрической проекции нечетких множеств для построения композиции нечетких отношений. Существенной особенностью геометрической проекции является также и то, что она позволяет обрабатывать критериальные оценки, представленные как в количественной форме, так и в качественной, в виде лингвистических утверждений. Операция геометрической проекции кроме задач, связанных с инвестиционным анализом, нашла применение в оценке целесообразности кредитования малого и среднего бизнеса, а также в ряде технических задач.

Четвертая глава «Оценка инвестиционных объектов на основе статических расчетов в условиях неопределенности» содержит результаты исследований по разработке нечетко-множественных моделей для оценки инвестиционных объектов на основе статических расчетов, которые характеризуются тем, что они не учитывают в явном виде фактор времени и его влияние.

Традиционные методы, используемые в статическом анализе инвестиционных проектов, реализуются как некоторая совокупность четких расчетных процедур, базирующихся на предположении о том, что все необходимые параметры имеют числовое представление, а их значения точно известны. Кроме того, предполагается, что в случае анализа альтернативных инвестиционных проектов все они находятся в равных условиях. Представляется, что все это достаточно сильная идеализация реальных условий, поскольку каждый инвестиционный проект по- своему уникален, параметры для расчетов имеют оценочный, ожидаемый характер. В связи с этим актуальной является разработка методов статической оценки инвестиционных проектов, которые не нуждались бы в отмеченных выше предположениях, а, наоборот, были бы направлены на обеспечение процесса инвестиционного анализа при нечетко определенных оценках с различными условиями реализации инвестиционных проектов. Для статического анализа инвестиционных проектов предлагается использовать метод нечетких условных свидетельств. Основная особенность этого метода состоит в том, что для анализа используются не точечные значения, которыми традиционно представляются ожидаемые, предполагаемые параметры инвестиционных проектов, а интервальные с оценкой распределения возможностей на соответствующих интервалах. При этом в качестве итоговой оценки выступают не средние, по сути, фиктивные значения, а лингвистическая оценка целесообразности инвестирования в проект, которая выводится на основе обработки нечетких условных свидетельств, представляющих оценки параметров инвестиционного проекта , при этом лингвистическая переменная ADV может иметь, например, значения: «малая целесообразность инвестирования»; «средняя целесообразность инвестирования»;

«достаточная целесообразность»; «высокая целесообразность инвестирования».

Для принятия конкретного решения по каждому потенциальному объекту инвестирования используется понятие ожидаемой необходимости и ожидаемой возможности

, которые в какой-то степени являются аналогами условий “необходимости” и “достаточности” в математике.

Если в результате расчетов для некоторого множества инвестиционных объектов Q = {Q m: m = },по некоторому объекту для оценки = «достаточная целесообразность инвестирования» получены значения , и , а для объекта ,, и при этом >, >,то предпочтение следует отдать объекту. На рис. 1-12, , и при этом >, >,то предпочтение следует отдать объекту. На рис. 1-13, и при этом >, >,то предпочтение следует отдать объекту. На рис. 1-14и при этом >, >,то предпочтение следует отдать объекту. На рис. 1 представлены-15>, >,то предпочтение следует отдать объекту. На рис. 1 представлены-16, >,то предпочтение следует отдать объекту. На рис. 1 представлены результаты-17>,то предпочтение следует отдать объекту. На рис. 1 представлены результаты-18,то предпочтение следует отдать объекту. На рис. 1 представлены результаты анализа нескольких объектов. Поскольку-19. На рис. 1 представлены результаты анализа нескольких объектов. Поскольку объект 2 ( ОБ2 ) имеет более высокий уровень оценки целесообразности инвестирования ( достаточный) и при этом большие значения WN и WP, то этот объект имеет явные преимущества перед другими.

На рис. 2 для всех объектов инвестирования получена одна и та же оценка целесообразности инвестирования – “средняя”, но объект 1 ( ОБ1 ) имеет большие значения WP и WN, что свидетельствует в пользу первого объекта. Аналогичным образом могут быть реализованы и другие варианты статического анализа инвестиционных проектов.

В статическом анализе инвестиционных проектов достаточно большое место занимают процедуры, связанные с суммированием различных показателей. Это оценки инвестиций методом сравнения издержек, анализ

потоков платежей (КФ - анализ), анализ поступлений и т.п. Поскольку в

 ценки ожидаемой ценка ожидаемой необходимости необходимости-20 ценки ожидаемой ценка ожидаемой необходимости необходимости-21

Рис. 1 Оценки ожидаемой Рис.2 Оценка ожидаемой необходимости

необходимости (WN) и ожидаемой (WN) и ожидаемой возможности (WP)

возможности (WP) для различных для одинаковых значений вывода о

значений вывода о целесообразности целесообразности инвестирования

инвестирования

этих процедурах используется значительный объем данных, относящихся к будущим периодам, то представление соответствующих значений в виде нечетких чисел и переход к “мягким” вычислениям представляется достаточно оправданным. Следует отметить, что для различных задач, связанных с подготовкой инвестиционных предложений, необходимо иметь методы расчета, которые позволяли бы одновременно учитывать как качественные, так и количественные оценки, поскольку достоверные выводы по какой – то ситуации не могут быть получены на основе только количественного или качественного анализа. Кроме того, в ряде задач при выполнении количественных расчетов оказывается необходимым учет экспертных оценок, в общем случае нечетких, отражающих степень уверенности эксперта в этих оценках, либо тенденции изменения анализируемых количественных параметров. Известные методы выполнения арифметических операций над нечеткими числами не позволяют одновременно использовать в расчетах числовые и качественные значения. Предлагается модификация вычислительных процедур над нечеткими числами, которая позволяет вести расчеты, в том числе и для инвестиционного анализа, когда исходные переменные имеют количественную или качественную форму представления

В практике финансово-экономического анализа большое значение имеет определение барьерного (критического, порогового, предельно-допустимого) значения некоторого параметра. Под барьерным значением параметра понимается такая его величина, превышение которой приводит к положительному или отрицательному конечному экономическому результату в рамках некой производственной или финансовой системы.

В рассматриваемой задаче речь может идти об определении критического объема производства некоторого продукта, при котором полученная прибыль будет равна нулю. Подобная и многие другие, сходные по общей постановке задачи, решаются с помощью метода барьерной точки (break – even analysis).

Традиционно задача нахождения барьерной точки сводится к обеспечению тождества:

, , , ( 1 )

где P – цена единицы продукции ; F – постоянные производственные затраты; Q – объем производства; С – пропорциональные затраты (в расчете на единицу продукции); S – общая сумма затрат; V – стоимость выпущенной продукции; – известные функционалы.

Расчет барьерной точки производится, вообще говоря, исходя из ожидаемой цены продукции, т.е. параметр P целесообразно рассматривать как нечеткое число , где формальная переменная z определена на числовой оси. В такой постановке значения объема производства Q так же будет нечетким числом с соответствующей функцией принадлежности и соотношения (1) преобразуются в нечеткие

,,. Предложена графо-аналитическая процедура определения барьерной точки, основанная на экспертных оценках принадлежности величин к определенным лингвистическим значениям. В результате для каждой барьерной точки Qi получаем не только ее значение, но и значение возможности ее реализации.

Значение периода окупаемости может быть также отнесено к разряду барьерных показателей, т.к. превышение планируемого значения указывает на возможность неблагоприятного результата инвестиций. В расчете периода окупаемости также используется ряд параметров, значения которых относятся к будущим моментам времени и, следовательно, точно определены быть не могут. Предлагается итерационная процедура расчета периода окупаемости, основанная на нечеткой интерпретации системы уравнений

Pva[i]=Pro[i] – Ss[i]; Pro[i]=V[i] – S[i];

Pro[i]=(1+ Kpr){(1+Kft)F0+[i]+Mz[i]+Am[i]}; Mz[i]=Zr[i]+Zs[i], где Pva – валовая прибыль;Pro – стоимость продаж; Ss – себестоимость производства;Kpr – коэффициент прочих расходов; Kft – коэффициент отчислений от фонда оплаты труда; Am – амортизационные отчисления;

S – стоимость готовых изделий; Fot – фонд оплаты труда; Zr – стоимость ресурсов; Zs – стоимость сырья; i – шаг анализа.

Параметры V[i], S[i], Fot[i], Zr[i], Zs[i] рассматриваются как нечеткие с соответствующими функциями принадлежности. В результате итерационной процедуры находится номер итерации , для которого и который будет определять период окупаемости. Важной особенностью предложенного решения является то, что период окупаемости представляется не точечным значением, а интервалом с распределением возможностей, по которому ЛПР может определить пессимистическое значение, наиболее реализуемое, и оптимистическое значение и выбрать одно из них в соответствии со своими предпочтениями.

В экономических задачах большое значение имеет анализ отзывчивости (чувствительности), под которой понимается уровень реакции показателей эффективности проекта на изменение условий в базовом варианте. Одним из этапов анализа отзывчивости является определение ожидаемых диапазонов ключевых параметров. Использование на этом этапе нечетких оценок представляется вполне естественным.

В общем виде анализируемые параметры инвестиционного проекта могут быть представлены многофакторными моделями

, (2)

где – факторы, влияющие на j – ый параметр инвестиционного проекта; – функционал, определяющий характер зависимости (2), в которой часть факторов, например , могут изменяться в процессе реализации инвестиционного проекта, вообще говоря, непредсказуемым образом, а остальные остаются неизменными. Аналитическая форма зависимости (2) может быть найдена, например методами многофакторной регрессии или эволюционного программирования. Если параметры, входящие в (2), рассматриваются как нечеткие множества, то должны быть определены соответствующие функции принадлежности, которые описывают отклонения базовых переменных от их номинального уровня. При известном виде функционала и функциях принадлежности может быть найдена функция принадлежности. По аналогии с чувствительностью во временной области нечеткую чувствительность параметра определим как

/, (3)

где – весовые коэффициенты, с помощью которых можно акцентировать важность какого-то параметра; При равнозначных параметрах. Нечеткая чувствительность определяет отклонения возможности реализации параметра эффективности от номинала относительно изменения возможностей соответствующих отклонений ключевых параметров. В соотношении (3) для исключения неопределенной ситуации предполагается, что, по крайней мере, некоторые из.Принципиальной особенностью нечеткой чувствительности является то, что она определяется сразу по всему множеству влияющих параметров.

Пятая глава «Динамические нечеткие модели оценки инвестиционных проектов» содержит основные результаты исследований по применению нечетко-множественных моделей в динамическом анализе инвестиционных проектов. Динамические методы анализа инвестиционных проектов основаны на концепции дисконтированных денежных потоков (ДДП ). В этих методах используются ожидаемые значения денежного потока C и ставки дисконтирования для будущих этапов реализации инвестиционного проекта, т. е. имеет место неопределенность в их оценке. При этом уровень неопределенности будет отличаться для различных временных периодов, для наиболее близких он будет меньше, для более отдаленных – больше. Естественно, что это обстоятельство должно найти соответствующее отражение в предлагаемых моделях. Использование нечетко-множественного подхода требует решения задачи идентификации, т.е. как в этом случае может быть формализовано изменение неопределенности во времени. Анализ инвестиционных проектов полезно вести по сценарному варианту: пессимистическому, наиболее реальному и оптимистическому. Ещё лучше иметь распределение возможностей получения того или иного значения NPV на некотором множестве допустимых вариантов. Значения С и r для будущих этапов развития инвестиционных проектов могут быть определены либо методами прогнозирования, рассмотренными во второй главе настоящей работы, либо экспертными методами. В этом случае происходит замена точных только по предложению, а не по сути значений Си r на нечёткие и ={(z)/z}, где и – функции принадлежности нечетких чисел, ;z – формальная переменная, а переход к мягким вычислениям позволяет учесть неопределённости, отмеченные выше. Описывается последовательность вычислений для определения NPV, которое будет нечетким числом, представляющим весь спектр возможных значений NPV, включающий пессимистическую оценку, наиболее реальную и оптимистическую. Представлена методика нечеткого имитационного моделирования, позволяющая исследовать влияние на результат вида функций принадлежности, их возможных деформаций. Показано, что на основе их анализа могут быть найдены оценки надежности полученных результатов, а также возможных тенденций изменения NPV при вариации условий инвестирования. Предложенный в работе подход к расчету NPV может быть распространен и на случай, когда проект предполагает многократные инвестиции. В практике инвестиционного анализа часто используют расчет нормы рентабельности (расчет внутренней нормы прибыли или внутреннего коэффициента окупаемости инвестиций)IRR. Формально IRR определяется как коэффициент дисконтирования, при котором NPV = 0, т. е. при котором инвестиционный проект не обеспечивает роста ценности фирмы, но и не ведет к её снижению. Процедура определения IRR заключается в решении относительно r уравнения для расчета NPV, что даже в традиционной форме представляет определенные трудности. В нечетком варианте, из – за особенностей нечеткой математики, появляются дополнительные осложнения. Предлагается итерационный алгоритм определения значения IRR, скорость сходимости которого практически не зависит от длительности инвестиционного проекта. При использовании нечетких чисел найденное значение нормы рентабельности инвестиций также будет нечетким числом. В зависимости от формы полученной функции принадлежности могут быть и различные интерпретации полученных результатов. Анализ формы функции принадлежности позволяет выявить возможные тенденции изменения значения IRR. Эта информация может оказаться полезной как при анализе отдельных инвестиционных проектов, так и при оценке альтернативных. Кроме того, предложенный вариант расчета IRR позволяет разрешить проблему неоднозначности выбора значения IRR при анализе проектов с так называемым нестандартным профилем, для которых вычисляется модифицированное значение IRR (MIRR). В динамическом инвестиционном анализе для оценки стоимости бизнеса могут использоваться различные модели, среди которых наиболее часто используются модели Гордона и Ольсена. Предложен алгоритм расчета стоимости бизнеса по этим моделям на основе мягких вычислений. В практике инвестиционного анализа достаточно часто приходится сравнивать альтернативные проекты с различной продолжительностью. Традиционные методы сопоставления таких проектов основаны на вычислении наименьшего кратного из сроков действия проектов и предположение, что на этом отрезке времени проекты периодически повторяются. При этом также предполагается, что сохраняются неизменными все параметры, независимо от числа повторений. Все эти допущения весьма далеки от реальных условий. Использование мягких вычислений позволяет, во-первых, отказаться от указанных выше условий, во- вторых, за счет разработанных методов модификации функций принадлежности вести моделирование изменений условий реализации альтернативных инвестиционных проектов различной длительности. Отсутствие искусственных ограничений позволяет считать, что полученные результаты имеют более близкий к реальным условиям характер. В последнее время в экономической литературе появились работы, в которых рассматриваются недостатки использования критерия NPV при оценке инвестиционных проектов и предлагается для углубления инвестиционного анализа использовать этот критерий в сочетании с методом оценки реальных опционов. В диссертационной работе показывается, что последний достаточно легко реализуется с помощью разработанных в ней методов, которые, кроме этого, позволяют на единой основе реализовывать и комплексный анализ, использующий расчет NPV и оценку реальных опционов.

Шестая глава «Нечеткие модели многокритериального выбора альтернативных продуктовых программ в инвестиционном планировании» содержит различные варианты решения задач многокритериального альтернативного выбора при нечетких оценках критериальных соответствий.

Одним из основных принципов инвестиционного анализа является принцип альтернативности. Его реализация может осуществляться в два этапа. На первом могут рассматриваться альтернативные проекты, относящиеся к различным направлениям экономической деятельности. В этом случае, чтобы иметь возможность сравнивать альтернативные инвестиционные проекты, потоки продукции моделируются денежными потоками. На втором этапе принцип альтернативности реализуется внутри инвестиционного проекта, когда в его рамках целесообразно исследование возможностей осуществления нескольких альтернативных вариантов

( продуктовых программ). В этом случае возникают задачи выбора

наилучшей среди возможных продуктовых программ и их ранжирования, что позволит в случае неудачи с основной перейти на какую-то резервную программу распределения инвестиций по продуктовым программам.

В зависимости от конкретных условий, вида данных, доступных для анализа, возможно несколько вариантов решения данного класса задач. В то же время общим моментом является следующее: при разработке новых проектов речь идет об альтернативном выборе новых продуктов. В этом случае данные, доступные для анализа, имеют нечеткий характер, т.к. нет окончательной ясности, как воспримет рынок новый продукт, насколько выбранная система критериев оценки новых продуктов будет отвечать пользовательским предпочтениям и т.д. Соответственно, задача многокритериального альтернативного выбора должна рассматриваться как задача выбора альтернатив с нечеткими критериями и нечеткими оценками критериального соответствия. Предлагаются методы решения этой задачи для различных вариантов представления оценок критериального соответствия. Одним из широко применяемых является профиль метод, который в графическом виде представляется продуктовым профилем, либо же представляется матрицей оценок критериального соответствия. Предлагаются методы решения этой задачи, когда оценки представлены либо в форме нечетких чисел, либо в лингвистической, в виде нечетких утверждений. Для упорядочивания близких альтернатив предлагается использование нечетких матриц уступок и матриц собственных шансов. Кроме того, впервые предложены методы учета кратности одинаковых альтернативных оценок, что повышает обоснованность принимаемого решения.

Неопределенность в выборе критериев может привести к тому, что при реализации выбранной альтернативы, возможно, придется столкнуться либо с избыточностью требований и соответственно с излишними затратами при реализации конкретной продуктовой программы, либо наоборот, заниженные требования приведут к выбору неудачной альтернативы. Поэтому полезно рассмотрение ситуации, когда допускается некоторая вариабельность оценок, т.е. допускается «люфт» в оценках критериального соответствия. В этом смысле представляется целесообразным решение задач многокритериального выбора альтернатив, основываясь на оценках необходимого и возможного уровня соответствия альтернатив требованиям критериев. Оценки возможных отклонений задаются вектором , , определяющим вариабельность значений соответствия критериям при реализации выбранной альтернативы.

Сопоставление альтернатив предлагается осуществлять с помощью усредненных по всему множеству критериев оценок:

где - усредненная мера различия оценок и ; - усредненная мера минимально необходимого соответствия, при котором можно начинать проведение следующих этапов анализа;- усредненная субъективная уверенность в том, что при реализации i-й альтернативы соответствие по всему множеству критериев будет не хуже, чем это определяется вектором ; - усредненная мера возможного соответствия i-й альтернативы условиям всего множества критериев, при которой может быть принято решение по i-й альтернативной продуктовой программе. По существу, это тот уровень, достижение которого позволяет считать принятое решение обоснованным; – усредненный уровень идентичности необходимого соответствия.

Решением задачи будет альтернативная программа, для которой имеют место максимальные значения и минимальные значения , т. е. оценки, характеризующие выигрышные стороны ситуации, должны быть максимальны и, наоборот, оценки, отражающие слабые стороны, должны быть минимальными. Рассмотренная задача решалась для оценок критериального соответствия, заданных в виде нечетких чисел, либо лингвистических нечетких утверждений.



Pages:   || 2 |
 





 
© 2013 www.dislib.ru - «Авторефераты диссертаций - бесплатно»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.