Адаптивно-рациональное моделирование в задачах прогнозирования социально-экономических процессов тема диссертации по экономике, полный текст автореферата
- Ученая степень
- кандидата экономических наук
- Автор
- Тинякова, Виктория Ивановна
- Место защиты
- Воронеж
- Год
- 2003
- Шифр ВАК РФ
- 08.00.13
ДиссертацияДиссертация: содержание автор диссертационного исследования: кандидата экономических наук, Тинякова, Виктория Ивановна
Введение
Глава 1. Теоретические основы адаптивно-рационального моделирования
§1.1. Неопределенность как источник проблем в прогнозировании социально-экономических процессов
§ 1.2. Современный аппарат социально-экономического прогнозирования в условиях неопределенности
§ 1.3. Генезис и основные принципы адаптивно-рационального моделирования будущего состояния социально-экономических объектов
Глава 2. Модельное обеспечение адаптивно-рационального прогнозирования
§ 2.1. Адаптивные модели переходных процессов для прогнозирования одномерных временных рядов
§ 2.2. Адаптивные модели переходных процессов для прогнозирования многомерных временных рядов
§ 2.3. Адаптивно-рациональная модель прогнозирования одномерных процессов
§ 2.4. Адаптивно-рациональная модель прогнозирования многомерных процессов
Глава 3. Прикладные аспекты адаптивно-рационального прогнозирования на региональном уровне
§3.1. Общие положения разработки региональных прогнозов
§3.2. Сценарные условия функционирования экономики Воронежской области в 2003-2005гг.
§ 3.3. Применение адаптивно-рационального моделирования в прогнозных расчетах основных показателей социально-экономического развития Воронежской области на 20032005гг. 170 Заключение 190 Литература
Диссертация: введение по экономике, на тему "Адаптивно-рациональное моделирование в задачах прогнозирования социально-экономических процессов"
Актуальность темы исследования. Особое внимание к проблемам прогнозирования российская экономическая наука проявила после некоторого переосмысления новых условий хозяйствования. Пришло понимание того, что только прогноз как вероятностное представление о перспективах изучаемого объекта в будущем позволяет менеджерам разных уровней увидеть основные ориентиры происходящих перемен. Это дает им возможность принимать обоснованные решения, поскольку любое управленческое решение, в конечном счете, является своеобразной реакцией на прогнозное представление о будущем управляемого объекта. Кроме того, благодаря прогнозам менеджеры получают возможность своевременно оценить опасность рисков и угроз, а, следовательно, принять упреждающие меры для избежания «шока будущего».
В настоящее время круг задач прогнозирования существенно расширился как на макро-, так и микроуровне. На макроуровне прогноз стал средством определения основных характеристик, приоритетов и направлений государственной экономической и социальной политики. Более того, в современных условиях на государственном и региональном уровнях прогнозные разработки стали доминировать над плановыми. Об этом, в частности, свидетельствует Федеральный Закон «О государственном прогнозировании и программах социально-экономического развития Российской Федерации» от 20 июля 1995 года, в котором конституционно закрепляется необходимость в научной разработке прогнозов. Фактически, он ориентирует на усиление прогностической направленности всех аналитических документов, разрабатываемых властными структурами.
Логическим следствием усиления роли прогнозирования в решении задач современного управления явилось повышение требований к обоснованности и надежности прогнозных оценок. Применение традиционных методов прогнозирования не обеспечивает необходимого уровня надежности. Барьером для его достижения является неопределенность и отсутствие стабильности в социально-экономическом развитии России. В подобной ситуации адекватность в описании процессов достигается с помощью моделей, построение которых основано на адаптивных принципах. В отличие от традиционных, эти модели при отражении текущего состояния изучаемого объекта способны учитывать медленное, «в темпе дрейфа», изменение его динамических характеристик. Это превращает их в эффективный инструмент для прогнозирования и анализа процессов, характеризующих современную экономику.
Развитие адаптивного подхода происходит по трем направлениям. Первое из них ориентировано, главным образом, на структурные усложнения прогнозных моделей. Наряду с моделями в виде адаптивных полиномов были построены многофакторные адаптивные регрессии, которые стали использоваться в практике перспективного анализа. В последнее время появились работы, посвященные созданию квазиадаптивных моделей, представляющих собой комбинацию обычной регрессии с адаптивной многофакторной моделью.
Идея второго направления состоит в совершенствовании адаптивного механизма моделей прогнозирования. Сначала появились модели, в которых предусматривалась перманентная перенастройка параметра адаптации в зависимости от величины трекинг-сигнала. Дальнейшее совершенствование адаптивного механизма нашло отражение в появлении «переключателей» режимов его чувствительности к происходящим изменениям внешней среды. Особый интерес для прогнозирования представляют модели с настраиваемой структурой адаптивного механизма. В них не только настраиваются параметры адаптации, но и определяется в некотором смысле оптимальная структура адаптивного механизма, что значительно повышает прогностические возможности таких моделей.
В третьем направлении реализуется подход совместного применения адаптивных принципов и имитационного моделирования. Такая идея комбинирования, на наш взгляд, наиболее продуктивна, значительно расширяет круг задач перспективного анализа и, главное - открыта для дальнейшего своего развития. А развитие этого направления необходимо, поскольку прогнозирование социально-экономических процессов сталкивается не только с проблемой неопределенности.
Теоретическим фундаментом для построения методов адаптивного управления стали исследования Я.З. Цыпкина, Р. Калмана, В.Г. Сраговича, Дж. Са-ридиса, В.Н. Фомина, A.JI. Фрадкова, В.А. Якубовича, П.В. Куропаткина и других. Предназначенные в основном для решения технических задач эти методы не могли корректно применяться в социально-экономическом прогнозировании. Создание аппарата адаптивного моделирования социально-экономических процессов было начато Р. Брауном, Р.Майером, И.И. Перельманом и продолжено Н.С. Райбманом, В.М. Чадеевым, В.П. Бородюком, Э.К. Лецким, Ю.П. Лукашиным, Е.М. Левицким, П.А. Иващенко, А.С. Корхиным, И.Б. Гур-ковым, В.В. Давнисом, Г.Б. Шишкиным, В.В. Цыгановым и другими.
Модели, наделенные адаптивными свойствами, решают вопросы надежности лишь в краткосрочных прогнозах. В оценках же долгосрочной перспективы должна присутствовать информация о тех тенденциях, которые динамика моделируемых процессов еще не успела отразить, но проявление этих тенденций ожидается. Информация подобного рода, как правило, качественная, а ее носителем является человек, обладающий способностью генерировать свои рациональные ожидания относительно будущего.
Опыт свидетельствует, что субъективные ожидания достаточно тесно коррелируют с реальностью будущего. Поэтому требуемый уровень надежности можно обеспечить только с помощью тех адаптивных моделей, в которые инкорпорирована информация экспертного характера. Таким образом, основой развиваемого подхода должна стать идея инкорпорирования рациональных ожиданий в расчетные траектории адаптивно-имитационных моделей прогнозирования.
Однако аппарат, реализующий идею построения прогнозных моделей на основе комбинирования адаптивного принципов и рациональных ожиданий, до настоящего времени не разработан. Поэтому разработка модельного обеспечение такого подхода представляется актуальной научной задачей.
Цель и задачи исследования. Целью диссертационного исследования является совершенствование современного аппарата прогнозирования социально-экономических процессов путем разработки комбинированных моделей на основе интерференции адаптивного подхода, имитационного моделирования и рациональных ожиданий.
Цель исследования предопределила необходимость решения следующих основных задач: исследование роли прогнозирования социально-экономических процессов в современных условиях; изучение проблем моделирования прогнозных оценок будущего состояния экономических объектов в ситуациях нестабильного функционирования хозяйственного механизма России; анализ отечественных и зарубежных исследований, посвященных вопросам прогнозирования в условиях неопределенности; теоретическое обоснование адаптивно-рационального подхода к моделированию социально-экономических процессов; формулировка основополагающих идей построения адаптивно-рациональных моделей для решений различных задач прогнозирования; разработка адаптивных моделей переходных процессов для прогнозирования одномерных и многомерных временных рядов; построение вычислительных схем адаптивно-рациональных моделей и экспериментальная проверка их практической реализуемости; сравнительный анализ современных методов прогнозирования с целью определения степени их применимости на региональном уровне; создание и апробация методики проведения многоуровневых прогнозных расчетов показателей социально-экономического развития региона.
Объектом исследования являются социально-экономические процессы, протекающие как на микро-, так и макроуровне в современных условиях нестабильного функционирования экономики России.
Предметом исследования является модельное обеспечение прогнозирования социально-экономических процессов, основанное на комбинировании адаптивных принципов и рациональных ожиданий.
Теоретической и методологической основой исследования являются современные достижения экономической и математической науки (труды отечественных и зарубежных ученых по вопросам математического моделирования, прогнозирования социально-экономических процессов, экономической теории, адаптивного управления социально-экономическими объектами). Была использована статистическая информация, справочная и методическая литература, материалы периодической печати, а также нормативные и законодательные акты.
При выполнении диссертационной работы применялись эконометриче-ские методы адаптивного прогнозирования социально-экономических процессов,* математическое моделирование, теория матриц, методы обработки экспертной информации, математический анализ, методы визуализации данных, современное программное обеспечение.
Эмпирическую базу исследования составили официальные данные, полученные от Воронежского областного комитета государственной статистики и Главного управления экономического развития Администрации Воронежской области.
Научная новизна исследования состоит в разработке прогнозных моделей на основе принципиально нового подхода, заключающегося в реализации идеи комбинирования с распределенным во времени доминированием адаптивных принципов и рациональных ожиданий и позволяющего повысить надежность прогнозных расчетов по коротким и нестабильным временным рядам за счет использования максимально возможного объема информации.
Научная новизна подтверждена следующими, наиболее существенными, выносимыми на защиту научными результатами, полученными автором в ходе диссертационного исследования: проведена классификация неопределенности в зависимости от факторов, ее порождающих; теоретически обоснован адаптивно-рациональный подход к моделированию социально-экономических процессов; сформулированы основные принципы построения комбинированных моделей прогнозирования социально-экономических процессов и определены составляющие таких моделей; разработаны адаптивные модели прогнозирования переходных одномерных и многомерных процессов социально-экономической динамики; построены вычислительные схемы адаптивно-рационального моделирования прогнозных оценок будущего состояния социально-экономических объектов и показаны преимущества подобного моделирования; создана методика проведения многоуровневых прогнозных расчетов основных показателей социально-экономического развития региона.
Апробация результатов работы. Основные результаты работы докладывались и обсуждались на: семинарах и научных сессиях в Воронежском государственном университете; 24-й международной школе-семинаре им. С.С. Шаталина «Предпринимательский потенциал российской экономики: актуальные проблемы, концепции, методы управления» (Воронеж, 2001); Третьем всероссийском симпозиуме «Стратегическое планирование и развитие предприятий» (Москва, 2002); XXV юбилейной международной школе-семинаре им. С.С. Шаталина (Королев, 2002); II Международной научно-практической конференции «Моделирование. Теория, методы и средства» (Новочеркасск, 2002); Международной научно-практической конференции «Проблемы развития предприятий: теория и практика» (Самара, 2002); Международной школе молодых ученых «Методы кибернетики в технологиях, экономике и управлении производством» (Иваново, 2002); III Международной научно-практической конференции «Методы и алгоритмы прикладной математики в технике, медицине и экономике» (Новочеркасск, 2003), а также на общероссийских и региональных конференциях.
Практическая значимость диссертации выражается в создании на основе разработанных адаптивно-рациональных моделей методики многоуровневого прогнозирования показателей социально-экономического развития региона, характеризующихся «короткой» и нестабильной динамикой. Эта методика была использована Главным управлением экономического развития Администрации Воронежской области при прогнозировании развития области на 2003г., что подтверждается актом о внедрении.
Отдельные результаты диссертационного исследования используются при подготовке экономистов и менеджеров на экономическом факультете Воронежского госуниверситета в курсах: «Прогнозирование экономических процессов» и «Эконометрика», о чем имеется акт о внедрении.
Публикации. По теме диссертационного исследования опубликовано 19 печатных работ, в которых автору в совокупности принадлежит 3,95 п.л. В совместных публикациях автору принадлежат результаты разработки и анализа адаптивно-рациональных моделей прогнозирования социально-экономических процессов.
Структура и объем работы. Диссертация состоит из введения, трех глав, заключения, списка использованной литературы и приложений. Основной текст изложен на 188 страницах машинописного текста, содержит 22 таблицы, 8 рисунков.
Диссертация: заключение по теме "Математические и инструментальные методы экономики", Тинякова, Виктория Ивановна
Основные выводы и результаты диссертационного исследования заключаются в следующем:
Показана возросшая роль прогнозирования в современных условиях нестабильного функционирования экономики. Недооценка руководителями любого уровня важности прогнозного обоснования принимаемых решений приводит к последствиям, оказывающимися нередко губительными для их организаций.
Проанализирован современный аппарат прогнозирования социально-экономических процессов в условиях неопределенности. Адаптивный подход, лежащий в основе этого аппарата, обеспечивает требуемый уровень надежности только для краткосрочных периодов. Чтобы иметь возможность разрабатывать надежные прогнозы на более длительный срок, в адаптивные модели необходимо включать дополнительную информацию в виде рациональных ожиданий.
Проведено теоретическое обоснование адаптивно-рационального подхода к моделированию и сформулированы основные принципы построения прогнозных моделей, реализующих этот подход. Эти модели обеспечивают получение прогнозных оценок на основе максимально возможного использования доступной информации, повышая тем самым надежность прогноза.
Разработаны модели с адаптивным механизмом специального вида, который обеспечивает получение прогнозных оценок с учетом изменяющейся во времени степени влияния на них инерционных тенденций и рациональных ожиданий относительно будущего развития социально-экономического объекта. Модели с подобным механизмом являются эффективным инструментом многовариантных прогнозных расчетов в условиях неопределенности.
Построена вычислительная схема адаптивно-рационального прогнозирования многомерных процессов и проведена ее модификация для многоуровневых расчетов в задачах регионального прогнозирования. Использование этой схемы на практике обеспечивает в некотором смысле «сбалансированность» прогнозной динамики моделируемых показателей.
ЗАКЛЮЧЕНИЕ
В диссертационной работе подробно исследован специальный подход к построению прогнозных моделей, обеспечивающих достаточно точное отражение опережающей социально-экономической действительности. Этот подход основан на идеи комбинирования адаптивных принципов и рациональных ожиданий. Его теоретическое обоснование опирается на те знания, которые лежат в основе наших представлений о природе процессов, определяющих будущее состояние социально-экономических объектов.
Для практической реализации идеи построения адаптивно-рациональных моделей были проведены исследования по всему комплексу проблем, возникающих при комбинировании адаптивного подхода, имитационного моделирования и рациональных ожиданий. Основные усилия в ходе этих исследований были направлены на построение адаптивных моделей переходных одномерных и многомерных процессов, а также решение вопросов по созданию механизма перераспределения во времени степени доминирования экстрапо-ляционных оценок и рациональных ожиданий.
Полученные результаты легли в основу разработки адаптивно-рациональных моделей прогнозирования одномерных и многомерных процессов. Свойства этих моделей очевидным образом расширяют границы применения принципов адаптации и адаптивно-имитационного моделирования в прогнозировании. Построенные вычислительные схемы разработанных моделей представляют собой эффективный инструмент для проведения комплексных прогнозных расчетов. Их верификация на региональном уровне подтвердила универсальность, гибкость и надежность этого инструмента. Результаты проверки показали, что именно гибкость обеспечивает главное преимущество матричных адаптивно-рациональных моделей, поскольку позволяет их достаточно легко модифицировать в зависимости от сферы приложения. Так, в диссертационной работе для разработки регионального прогноза был использован многоуровневый вариант этой модели.
Диссертация: библиография по экономике, кандидата экономических наук, Тинякова, Виктория Ивановна, Воронеж
1. Аведъян Э.Д. Модифицированный алгоритм Качмажа для оценки параметров линейных объектов // Автоматика и телемеханика. - 1978. - №5.
2. Адаптивное управление фирмой / B.C. Кудин, М.В. Лычагин, В.П. Ферапонтова и др. Новосибирск: Изд-во НГАЭиУ, 1995. - 152с.
3. Багриновский К.А. О методах имитационного моделирования экономических процессов // Имитационное моделирование экономических систем. -М.: Наука, 1978.
4. Багриновский К.А., Тренев Н.Н. Моделирование процессов адаптации экономических систем // Экономика и математические методы. 1999. - т. 35.-№2. - С.138-150.
5. Бакаев А.А., Костин Н.И., Яровицкий Н.В. Имитационные модели в экономике. Киев: Наукова Думка, 1978.
6. Басовский JI.E. Прогнозирование и планирование в условиях рынка. -М.: ИНФРА-М, 2001. 260с.
7. Бережная Е.В., Бережной В.И. Математические методы моделирования экономических систем: Учеб. пособие. М.: Финансы и статистика, 2001.-368с.
8. Бешелев С.Д., Гурвич Ф.Г. Математико-статистические методы экспертных оценок. М.: Статистика, 1980. - 263с.
9. Бир С. Кибернетика и управление производством / Пер. с англ. В.Я. Алтаева. М.: Физматгиз, 1963. - 275с.
10. Большой экономический словарь / Под ред. А.Н. Азрилияна. М.: Фонд «Правовая культура», 1994. - 528с.
11. Бородюк В.П., Лецкий Э.К. Статистическое описание промышленных объектов. М.: Энергия, 1971. - 112с.
12. Бусленко В.Н. Автоматизация имитационного моделирования сложных систем. М.: Наука, 1977.
13. Буянов В.П., Кирсанов К.А., Михайлов Л.А. Управление рисками (рис-кология). М.: Экзамен, 2002. - 384с.
14. Владимирова Л.П. Прогнозирование и планирование в условиях рынка. Уч. пособ. М.: Изд. дом «Дашков и К», 2001. - 308с.
15. Глазьев С.Ю. Проблемы прогнозирования макроэкономической динамики // Экономика и математические методы. 1999. - т.35. - №3. - С.122-136.
16. Глухое В.В. Менеджмент: Учебник. СПб.: СпецЛит, 2000. - 700с.
17. Глухое В.В., Медников М.Д., Коробко С.Б. Математические методы и модели для менеджмента. СПб.: Издательство «Лань», 2000. - 480с.
18. Глущенко В.В., Глущенко И.И. Разработка управленческого решения. Прогнозирование. Планирование. Теория проектирования экспериментов. -г.Железнодорожный, Моск. обл.: ТОО НПЦ «Крылья», 1997. 400с.
19. Горелик Н.А., Френкель А.А. Адаптация при прогнозировании экономических показателей методом экспоненциального сглаживания // Экономика и мат. методы, 1981. Т. XVII. Вып. 6.
20. Горелик Н.А., Френкель А.А. Новые направления в анализе и прогнозировании временных рядов // Методологические проблемы анализа и прогнозирования краткосрочных процессов. М.: Наука, 1979.
21. Горстко А.В. К вопросу о содержании понятия «имитационное моделирование» // Имитационное моделирование экономических систем. М.: Наука, 1978.
22. Гохман О.Г. Экспертное оценивание: Учеб. пособие. Воронеж: Изд-во ВГУ, 1991.- 152с.
23. Гурков И.Б. Адаптация промышленной фирмы: теория и практика. -М.-.ВШЭ, 1997.-234с.
24. Гусаков Б. Решение под прессом неопределенности // РИСК.- 1998. -№2-3. С.60-64.
25. Давние В.В. Адаптивное прогнозирование: Модели и методы. Воронеж: Изд-во Воронежского госуниверситета, 1997. - 196с.
26. Давние В.В., Тинякова В.И. Системы адаптивно-рационального управления: генезис и принципы функционирования // Энергия XXI век (научно-практический вестник). - Воронеж. - 2002. - №1(47). - С. 72-81.
27. Данилов АД., Сигов Б.А. О выборе показателя в методе экспоненциального сглаживания // Автоматика. Киев, 1981. - № 2.
28. Евланов Л.Г. Принятие решений в условиях неопределенности. М.: ИУНХ, 1976.
29. Евланов Л.Г., Кутузов В.А. Экспертные оценки в управлении. М.: Экономика, 1978. - 133с.
30. Егоров В.В., Парсаданов Г.А. Прогнозирование национальной экономики: Учеб. пособие. М.: ИНФРА-М, 2001. - 184с.
31. Егорова Н.Е., Мудунов А.С. Система моделей прогнозирования спроса на продукцию сферы услуг // Экономика и математические методы. 2002. -т. 38. - №2. - С.66-83.
32. Ермаков С М. Метод Монте-Карло и смежные вопросы. М.: Наука, 1971.
33. Жак С.В. Математические модели менеджмента и маркетинга. Ростов-на-Дону: ЛаПо, 1997. - 320с.
34. Ивантер В.В., О. Дж. Говтанъ, Ксенофонтов М.Ю., Панфилов B.C., Узяков М.Н. Экономика роста. (Концепция развития России в среднесрочной перспективе). // Проблемы прогнозирования. 2000. - №1. - С.3-21.
35. Ивахненко А.Г. Долгосрочное прогнозирование и управление сложными системами. Киев: «Техника», 1975. - 312с.
36. Иващенко П.А. Адаптация в экономике. X.: Вища шк. Изд-во при Харьк. ун-те, 1986. - 144с.
37. Корхин А. С. Исследование адаптивных алгоритмов идентификации экономических систем: Сходимость и свойства оценок // Алгоритмическое и программное обеспечение прикладного статистического анализа. М.: Наука, 1980.
38. Корхин А. С. Многошаговые адаптивные алгоритмы идентификации экономических систем по временным рядам // Методологические проблемы анализа и прогноза краткосрочных процессов. М.: Наука, 1979.
39. Куропаткин П.В. Оптимальные и адаптивные системы: Учеб. пособие для вузов. М.: Высш. школа, 1980. - 287с.
40. Лабскер Л.Г., Бабешко Л.О. Игровые методы в управлении экономикой и бизнесом: Учеб. пособие. М.: Дело, 2001. - 464с.
41. Ларичев О.И. Теория и методы принятия решений, а также Хроника событий в Волшебных странах: Учебник М.: Логос, 2002. - 392с.
42. Левицкий Е.М. Адаптация и моделирование экономических систем. -Новосибирск: Наука, 1978. 208с.
43. Ли Р. Оптимальные оценки, определение характеристик и управление. М.: Наука, 1966.
44. Лисичкин В.А. Теория и практика прогностики: Методологические аспекты. М.: Наука, 1972. - 224с.
45. Литвак Б.Г. Экспертная информация: Методы получения и анализа. М.: Радио и связь, 1982. - 184с.
46. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования. М.: Статистика, 1979. - 253с.
47. Льюис К.Д. Методы прогнозирования экономических показателей. -М.: Финансы и статистика, 1986.
48. Любушин Н.П., Лещева В.Б., Сучков Е.А. Теория экономического анализа: Учебно-методический комплекс / Под ред. Проф. Н.П. Любушина. М.: Юристь, 2002. - 480с.
49. Мазманова Б.Г. Методические вопросы прогнозирования сбыта // Маркетинг в России и за рубежом. 2001. - №1.
50. Макарова Е.А. Моделирование и прогнозирование экономических процессов: Уч.-метод. пособие. Волгоград: Изд-во Волгогр. гос. ун-та, 2002. - 245с.
51. Менеджмент: Учеб. пособие для вузов / Под ред. Ю.В. Кузнецова, В.И. Подлесных. СПб.: Изд. дом «Бизнес-пресса», 2001. - 422с.
52. Мескон М., Альберт М., Хедоури Ф. Основы менеджмента: Пер. с англ. М.: «Дело ЛТД». 1995. - 704с.
53. Миркин Б.Г. Проблема группового выбора. М.: Наука, 1974. - 256с.
54. Найбороденко Н.М. Прогнозирование и стратегия социального развития России. М.: Издательско-книготорговый центр «Маркетинг», 2003. -352с.
55. Нейман Дж., Моргенштерн О. Теория игр и экономическое поведение. М.: Наука, 1970. 708с.
56. Ортега Дж., Рейнболдт В. Итерационные методы решения нелинейных систем уравнений со многими неизвестными. М.: Мир, 1975.
57. Панков А.Р., Скуридин A.M. Рекуррентное оценивание параметров линейной модели по нескольким группам измерений // Автоматика и телемеханика, 1979.
58. Парсаданов Г.А., Егоров В.В. Прогнозирование национальной экономики: Учебник. М.: Высш. шк., 2002. - 304с.
59. Перепилица В.А., Попова Е.В. Математические модели и методы оценки рисков экономических, социальных и аграрных процессов. Ростов н/Д: Изд-во Рост, ун-та, 2002. - 208с.
60. Перминов С.Б. Имитационное моделирование процессов управления в экономике. Новосибирск: Наука, 1981. - 214с.
61. Петраков Н.Я., Ротарь В.И. Факторы неопределенности и управления экономическими системами. -М.: Наука, 1985.
62. Прогнозирование и планирование в условиях рынка. Уч. пособ. / Под ред. Морозовой Т.Г., Пикулькина А.В. М.: Юнити-Дана, 2000. - 318с.
63. Прогнозирование и планирование экономики: Учеб. пособие / Под общ. ред. В.И. Борисевича, Г.А. Кандауровой. Мн.: Интерпрессервис; Эко-перспектива, 2001. - 380с.
64. Прогнозирование социально-экономического развития региона: вопросы теории и методики / А.Г. Гранберг, В.Я. Феодорйтов, Т.А. Федорова и др.; отв. ред. А.В. Кольцов, Т.А. Федорова. М.: Наука, 1981. - 178с.
65. Рабочая книга по прогнозированию / Под ред. Бестужева-Лада. М.: мысль, 1982.-430с.
66. Райбман Н.С., Чадеев В.М. Адаптивные модели в системах управления. М.: Советское радио, 1966. - 157с.
67. Райфа Г. Анализ решений. Введение в проблему выбора в условиях неопределенности. М.: Наука, 1977. — 408с.
68. Риски в современном бизнесе / П.Г. Грабовый, С.Н. Петрова, С.И. Полтавцева, К.Г. Романова, Б.Б. Хрусталева, С.М. Яровенко. М.: Изд-во «Алане», 1994.-200с.
69. Розанов Г.В., Казакевич Г.Д. Использование имитационных моделей для прогнозирования основных показателей развития народного хозяйства союзной республики // Модели и методы исследования экономических систем. Новосибирск: Наука, 1979.
70. Ромашова И.Б. Прогнозирование в системе управления современным предприятием: Монография. Н.Новгород: Изд-во Нижегородского университета, 2000. - 328с.
71. Савина О.А. Управление промышленными предприятиями с использованием система поддержки решений. М.: Изд-во МАИ, 2000. - 256с.
72. Саридис Дж. Самоорганизующиеся стохастические системы управления. Пер. с англ. -М.: Наука, 1980. 400с.
73. Седелев Б.В. Надежность прогнозирования временных рядов и вопросы «разладки» их регрессионных моделей // Экономика и математические методы.- 2000. т. 36. - №1. - С.145-147.
74. Сидельншов Ю.В. Теория и организация экспертного прогнозирования. -М.: Наука, 1990.
75. Смирнов Н.Н. Прогнозирование национальной экономики: Учеб. пособие. СПб.: Изд-во С.-Петерб. ун-та экономики и финансов, 1996. - 120с.
76. Соболь И.М. Метод Монте-Карло. М.: Наука, 1968. - 64с.
77. Срагович В.Г. Теория адаптивных систем. М.: Наука, 1976. - 320с.
78. Статистическое моделирование и прогнозирование / Учеб. пособие для экон. спец. вузов. Г.М. Гамбаров и др.; Под ред. А.Г. Гранберга. -М.: Финансы и статистика, 1990. 382с.
79. Тейл Г. Экономические прогнозы и принятие решений. М.: Статистика, 1971. - 488с.
80. Теория прогнозирования и принятия решений: Учеб. пособие. Под ред. С.А. Саркисяна. М.: «Высш. школа», 1977. - 351с.
81. Трухаев Р.И. Модели принятия решений в условиях неопределенности. М.: Наука, 1981. - 258с.
82. Управление современной компанией: Учебник / Под ред. проф. Б. Мильнера и проф. Ф. Лииса. М.: ИНФРА-М, 2001. - XVIII, 586с.
83. Фактор неопределенности в межотраслевых моделях / С.А. Березин, Б.Л. Лавровский, Г.А. Рыбакова и др. Новосибирск: Наука, 1983. - 126с.
84. Фомин В.Н., Фрадков А.Л., Якубович В.А. Адаптивное управление динамическими объектами. М.: Наука, 1981. - 448с.
85. Фридмен М. Количественная теория денег: Пер. с англ. М.: Эльф-пресс, 1996.- 131с.
86. Хеше П. Экономический образ мышления: Пер. с англ. М.: Ката-лаксия, 1997.-704с.
87. Цигичко В.Н. Прогнозирование социально-экономических процессов. М.: Финансы и статистика, 1986.
88. Цыганов В.В. Адаптивные механизмы формирования промышленных объединений. М., 2000. - 97с. (Препринт/Институт проблем управления им. В.А. Трапезникова РАН).
89. Цыпкин ЯЗ. Адаптация и обучение в автоматических системах. М.: Наука, 1968.-400с.
90. Цыпкин Я.З. Основы теории обучающихся систем. М.: Наука, 1970. -252с.
91. Чавкин A.M. Методы и модели рационального управления в рыночной экономике: разработка управленческих решений: Учеб. пособие. М.: Финансы и статистика, 2001. - 320с.
92. Черник Д.Г. Введение в экономико-математические модели налогообложения: Учебное пособие. М.: Финансы и статистика, 2000. - 256с.
93. Шапот Д.В., Осипов А.В. Двухсекторная имитационная модель прогнозирования развития экономики // Проблемы прогнозирования. 2001. -№4.-С. 74-83.
94. Шелобаев С.И. Математические методы и модели в экономике, финансах, бизнесе: Учеб. пособие для вузов. М.: ЮНИТИ-ДАНА, 2000. -367с.
95. Шенон Р. Имитационное моделирование систем искусство и наука. - М.: Мир, 1978.
96. Шишкин Г.Б., Цыганов В.В. Механизмы адаптации предприятия на рынке. М., 2000. - 58с. (Препринт/Институт проблем управления им. В.А. Трапезникова РАН).
97. Эконометрика: Учебник / Под ред. И.И. Елисеевой. М.: Финансы и статистика, 2002. - 344с.
98. Эшби У.Р. Введение в кибернетику / Пер. с англ. Д.Г. Лахути. М.: Изд-во иностр. лит., 1959. - 432с.
99. Beladi И., Choudhary М., Parai A. Rational and Adaptive Expectations in the Present Value Model of Hyperinflation I I The Review of Economics and Statistics, Vol. 75, No. 3. (Aug., 1993), pp. 511-514.
100. Brown R.G. Smoothing, Forecasting and Prediction of Discrete Time series // Englewood Cliffs, New Jersy: Prentice Hall, 1963.
101. Brown R.G., Meyer R.F. The Fundamental Theorem of Exponential Smoothing // Operation Research, 1961. Vol. 5, № 5.
102. Burmeister Е., Turnovsky S.J. The Specification о f Adaptive В xpecta-tions in Continuous Time Dynamic Economic Models // Econometrica, Vol. 44, No. 5. (Sep., 1976), pp. 879-905.
103. Cesarno F. The Rational Expectations Hypothesis in Retrospect //The American Economic Review, Vol. 73, No. 1. (Mar., 1983), pp. 198-203.
104. ChakravarthyB.S. Adaptation: a Promising Metaphor for Strategic Management I I Academy of Management Review, Vol. 7, 1982, pp. 35-44.
105. Chavas J.-P., Holt M.T. Economic Behavior Under Uncertainty: A Joint Analysis о f R isk P references a nd T echnology // T he R eview о f E conomics a nd Statistics, Vol. 78, No. 2. (May, 1996), pp. 329-335.
106. Chow G.C. Rational Versus Adaptive Expectations in Present Value Models // The Review of Economics and Statistics, Vol. 71, No. 3. (Aug., 1989), pp. 376-384.
107. Eeckhoudt L., Gollier C., Schlesinger H. Changes in Background Risk and Risk Taking Behavior // Econometrica, Vol. 64, No. 3. (May, 1996), pp. 683689.
108. Feuer B.A. Forecasting with adaptive gradient exponential smoothing // The Bell system technical Journal, 1983. V. 62, № 8.
109. Fourgeaud C., Gourieroux C., Pradel J. Rational Expectations and Bounded Memory //Econometrica, Vol. 53, No. 4. (Jul., 1985), pp. 977-986.
110. Garling Т., Axhausen K., Brydsten M. Travel Choice and the Goal Process Utility Distinction // Applied Cognitive Psychology. 1996. №10.
111. Green W.H. Econometric Analysis, 4 ed. Macmillian Publishing Company, 2000. 1004p.
112. Haeckel S.H. Adaptive Enterprise: Creating and Leading Sense-and-Respond Organizations. Boston, Massachusetts: Harvard Business School Press, 1999.-295p.
113. Holly S., Hallett A.H. Optimal Control, Expectations and Uncertainty. Cambridge: Cambridge University Press, 1989. -244p.
114. Holt С. С. Forecasting trends and seasonal by exponentially weighted moving averages // O.N.R. Memorandum, Carnegie of Technology, 1957. № 52.
115. Hoschka P. Requisite research on methods and tools for microanalytic simulation models // Microanalytic Simulation Models to Support Social and Policy, 1986.
116. I valdi M. Survey Evidence on the Rationality of Expectations // Journal of Applied Econometrics, Vol. 7, No. 3. (Jul.-Sep., 1992), pp.225-241.
117. Kahneman D., Slovic P., Tversky A. (Eds). Judgement under Uncertainty: Heuristic and Biases. Cambridge: Cambridge University Press, 1982.
118. Kahneman D., Tversky A. Prospect Theory: An Analysis of Decisions under Risk // Econometrica, №47, 1979, pp. 1124-1131.
119. Kimball M.S. Standard Risk Aversion // Econometrica, Vol. 61, No. 3. (May, 1993), pp. 589-611.
120. Knight F. Risk, Uncertainty, and Profit. Boston, Houghton Miffm Co. -1921. - p. 210-235. (Русский перевод: Thesis. - 1994. - №5. - с. 12-28).
121. Lahiri S.B. Modified approach to Trigg and Leach'e adaptive response rate model // Computer and Operation Researches, 1979. V. 6, № 1.
122. Lawson T. Adaptive Expectations and Uncertainty // The Review of Economic Studies, Vol. 47, No. 2. (Jan., 1980), pp. 305-320.
123. LeRoy S.F., Singell L .D., Jr. К night оn R isk and Uncertainty / / The Journal of Political Economy, Vol. 95, No. 2. (Apr., 1987), pp. 394-406.
124. Maddala G.S. Introduction to Econometrics. Third Edition. New York: John Wiley & Sons Ltd., 2001. -636p.
125. Marquez J. The Dynamics of Uncertainty or the Uncertainty of Dynamics: Stochastic J-curves // The Review of Economics and Statistics, Vol. 73, No.l. (Feb., 1991), pp. 125-133.
126. McDonald J. В., White S. B. A comparison of some robust, adaptive and partially adaptive estimators of regression models // Economic Review. 1993. -12,№1.
127. McFadden D., Ruud P. A. Estimation by Simulation // The review of Economics and Statistics, Vol. 76, No 4 (Nov., 1994), pp. 591-608.
128. Merz J. Structural adjustment in static and dynamic microsimulation models // Microanalytic Simulation Models to Support Social and Policy, 1986.
129. Muth J.F. Rational Expectations and the Theory of Price Movements // Econometrica, Vol.29, No. 6. (July, 1961), pp. 315-335.
130. Pagan A., Ullah A. The Econometric Analysis of Models With Risk Terms //Journal of Applied Econometrics, Vol. 3, No. 2. (Apr., 1988), pp. 87-105.
131. Pegels C.C. Exponential forecasting: some new variations // Management Science, 1969. V. 15, № 15.
132. Skaperdas S., Gan L. Risk Aversion in Contests 11 The Economic Journal, Vol. 105, No. 431. (Jul., 1995), pp. 951-962.
133. S tern S. Simulation-based Estimation // Journal of Economic Literature, Vol. 35, No 4 (Dec. 1997), pp.2006-2039.
134. Tanizaki H., Mariano R.S. Prediction, Filtering and Smoothing in NonLinear and Non-Normal Cases Using Monte Carlo Integration // Journal of Applied Econometrics, Vol.9, No 2, (Apr.-Jun. 1994), pp. 163-179.
135. Toffler A. Future Shock. New York: Bantam Book, 1985.
136. Trigg D. W. Monitoring a forecasting system // Oper. Res. Quart., 1964. -V. 15, №3.
137. Trigg D.W., Leach A.G. Exponential Smoothing with an adaptive response rate // Oper. Res. Quart., 1967. V. 18, № 1.
138. Wallis K.F. Econometric Implications of the Rational Expectations Hypothesis //Econometrica, Vol. 48, No. 1. (Jan., 1980), pp. 49-74.
139. Winters P.R. Forecasting Sales by Exponentially Weighted Moving Averages // Management Sciences, 1960. V. 6, № 3.
140. Zagonary F. D ecision M aking P rocess under U ncertainty: An E cono-metric Analysis 11 The Economic Journal, Vol. 105, No. 433 (Nov., 1995), pp. 1403-1414.