Разработка моделей прогнозирования развития многоотраслевой корпорации тема диссертации по экономике, полный текст автореферата

Автореферат диссертации по теме "Разработка моделей прогнозирования развития многоотраслевой корпорации"

На правах рукописи

Макаревич Лилия Олеговна

РАЗРАБОТКА МОДЕЛЕЙ ПРОГНОЗИРОВАНИЯ РАЗВИТИЯ МНОГООТРАСЛЕВОЙ КОРПОРАЦИИ

Специальность 08.00.13 - Математические и инструментальные методы

экономики

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата экономических наук

1 о моя 2013

Москва-2013

005540335

005540335

Работа выполнена на кафедре Прикладной математики федерального государственного бюджетного образовательного учреждения высшего профессионального образования «Московский государственный университет экономики, статистики и информатики (МЭСИ)».

Научный руководитель: Барановская Татьяна Петровна

доктор экономических наук, профессор

Официальные оппоненты:

Ведущая организация:

Хрусталев Евгений Юрьевич.

доктор экономических наук, профессор, ведущий научный сотрудник ФГБУН «Центральный экономико-математический институт РАН»

Росс Геннадий Викторович,

доктор экономических наук, профессор, заместитель директора по учебно-методической работе ФГУП «Всероссийский научно-исследовательский институт проблем вычислительной техники и информатизации»

Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Волгоградский государственный технический университет»

Защита состоится 20 декабря в 12:00 часов на заседании диссертационного совета Д.212.151.01 в МЭСИ по адресу: 119501, г. Москва, ул. Нежинская, д.7.

С диссертацией можно ознакомиться в библиотеке МЭСИ.

Автореферат разослан 19 ноября 2013 года.

Ученый секретарь -

диссертационного совета

кандидат технических наук, доцент / И.Н. Мастяева

I. ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования.

Современные тенденции глобализации, интеграции и усиления конкуренции привели к возрастанию роли корпорации как объединения предприятий, функционирующих с общими экономическими целями. Корпорации играют определяющую и ведущую роль в экономике современной России. Достаточно сказать, что 400 крупнейших российских корпораций создают более половины ВВП страны: лишь на первую десятку из них приходится 22% ВВП, 31% налоговых поступлений и 32% экспорта.

По своей экономической природе корпорации являются сложными многофункциональными системами, характеризующимися большим количеством входных и выходных параметров и наличием сложных нелинейных связей между ними. Особенно сложной структурой обладают многоотраслевые корпорации, в состав которых входят предприятия различных видов экономической деятельности и сфер народного хозяйства. Управление такими системами невозможно без применения адекватных методов планирования и прогнозирования.

Применение классических методов прогнозирования применительно к многоотраслевой корпорации наталкивается на ряд определенных сложностей, обусловленных ее экономической природой. В отличие от других хозяйствующих субъектов, многоотраслевые корпорации характеризуются многомерными массивами данных с высокой долей искажения и фрагментированности информации, что обусловлено кумулятивным эффектом неполноты и искажения отчетной информации, поступающей от входящих в нее предприятий. В этих условиях применяемые методы и инструментарий должны обладать высокой разрешающей способностью и эффективно работать с большими базами данных в условиях неполноты информации, обеспечивать корректную совместную сопоставимую количественную обработку разнородных по своей природе факторов, измеряемых в различных единицах измерения. Поэтому необходимо выбрать или разработать методы, способные работать со

сложными слабо формализуемыми задачами. Данное обстоятельство обосновывает актуальность проблемы разработки моделей, методик и инструментария для решения задачи прогнозирования развития многоотраслевой корпорации. Этим вопросам посвящена данная работа, что и делает ее актуальной.

Степень научной проработанности темы.

Теоретическим и методологическим основам прогнозирования посвящены труды таких ученых как Б.М. Бестужева-Лада, А.И. Гладышевского, A.A. Френкеля, Г.Д. Хаупггейна, Г. Тейла, В.М. Ланцова,

A.И. Глаголева, С.С. Демина, Ю.Н. Орлова, Л.П. Владимировой, Н.М. Найбороденко и других.

Традиционные методы прогнозирования, разработанные в трудах К. Гаусса, Бокса-Дженкинса, Ч. Спирмена, Д. Смита, Л. Терстоуна, К. Льюса и других, однако они применимы лишь для достаточно простых систем.

Методы прогнозирование сложных систем, в частности, такие как имитационный и зволюционно-симулятивный методы, получили развитие в работах И. Н. Коваленко, Р. Калмана, П. Фалба, М. Арбиба, В. В. Калашникова, Р. Рорера, В. Е.Лихтенштейна, Г.В. Росса, но и их проблематично применить для прогнозирования столь сложного и динамичного объекта, как корпорация. Для этого больше подходят методы искусственного интеллекта, которые представлены в трудах В. М. Глушкова, Г. С. Осипова, Э. В. Попова, Д. А. Попелова, Т. А. Гаврилова, A.B. Андрейчикова, Г. С. Поспелова, Г.В. Рыбина, В.Б.Тарасова, Ю.Ф. Тельнова,

B.В. Дика, А.И. Уринцова, В.К.Финна, Л.Заде, Р. Стэнфилда, М. Мински, Дж. Маккарти, Фр. Розенблатта, А. Ньюэлла, Г. Саймона и др.

Особенно перспективными для прогнозирования представляются методы и системы когнитивного моделирования искусственного интеллекта, развиваемые в трудах таких ученых как: А.Н.Аверкина, Н.М.Абдикеева, О.П.Кузнецова, А.А.Кулинича, Н.В Титовой, В.И. Максимова, И.В. Прангишвили, А.Н. Райкова, Е.К.Корноушенко, С.В.Качаева, А.К.Григоряна, Е.А.Гребенюк, Ю.П.Адлер, Б. М.Лапидус, Е.В. Луценко, Е. Ю.Хрусталева.

В доступных для анализа источниках в недостаточной мере освещаются возможности адаптации методов искусственного интеллекта для решения задач прогнозирования на уровне корпорации, а также не рассматривается вопрос о наличии поддерживающего эти методы программного инструментария. Эти недостатки в определенной мере преодолеваются в методе системно-когнитивного анализа (Е.В. Луиенко1), имеющем глубокую теоретическую проработку и развитый программный инструментарий, который обеспечивает создание когнитивных моделей моделируемых систем непосредственно на основе неполных и искаженных эмпирических данных о них. Эти особенности метода системно-когнитивного анализа и обусловили его выбор в качестве метода прогнозирования развития корпорации. Однако его использование для прогнозирования развития многоотраслевой корпорации требует функционально-ориентированной доработки методологии и программного инструментария системно-когнитивного анализа.

Целью диссертации является разработка методов и моделей прогнозирования развития многоотраслевой корпорации с использованием системно-когнитивного анализа (СКА), направленных на повышение качества принимаемых управленческих решений.

Для достижения поставленной цели в диссертационной работе были сформулированы следующие задачи:

1. Провести анализ методов прогнозирования, обосновать выбор системно-когнитивного анализа как одного из эффективных методов прогнозирования слабоструктурированных задач.

2. Адаптировать и развить метод системно-когнитивного анализа для прогнозирования динамики развития корпорации с учетом сценарного подхода.

' Луценко Е.В. Автоматизированный системно-когнитивный анализ в управлении активными объектами (системная теория информации и ее применение в исследовании экономических, социально-психологических, технологических и организационно-технических систем):

Монография (научное издание). - Краснодар: КубГАУ. 2002. - 605 с.

3. Разработать модели прогнозирования сценариев изменения основных экономических показателей развития корпорации и оценить их достоверность.

4. Определить в аналитическом виде зависимости между прошлыми и будущими сценариями различных экономических показателей.

4. Разработать аналитические модели взвешивания прогнозируемых сценариев, с учетом всех результатов прогнозирования с положительными уровнями сходства, для повышения уровня достоверности прогнозов.

5. Разработать процедуру вычисления оценки силы влияния на корпорацию (чувствительность) входящих в нее предприятий.

6. Доработать программный инструментарий СКА до уровня информационной технологии с учетом его адаптации и развития для прогнозирования многоотраслевой корпорации.

Объектом исследования являются многоотраслевые корпорации.

Предметом исследования являются модели и методы прогнозирования развития многоотраслевой корпорации.

Область исследования. Содержание работы соответствует области исследования, определенной пунктами 1.8. «Разработка и исследование моделей и математических методов анализа микроэкономических процессов и систем: отраслей народного хозяйства, фирм и предприятий, домашних хозяйств, рынков, механизмов формирования спроса и потребления, способов количественной оценки предпринимательских рисков и обоснования инвестиционных решений» и 2.8. «Развитие методов и средств аккумуляции знаний о развитии экономической системы и использование искусственного интеллекта при выработке управленческих решений» паспорта ВАК по специальности 08.00.13 - «Математические и инструментальные методы экономики».

Теоретическую и методологическую основу исследования составили теоретические положения и методологические разработки, представленные в трудах отечественных и зарубежных авторов в области экспертных систем и интеллектуальных технологий для прогнозирования в социально-экономических системах. Методы исследования базируются на теории и

практике применения системного и системно-когнитивного анализа для исследования производственных систем, теории прогнозирования, концептуальных положениях экономической теории. В ходе проведения исследований в качестве инструментальных средств использовалась интеллектуальная система «Эйдос», являющаяся программным инструментарием системно-когнитивного анализа.

В процессе проводимого исследования применялись методы математической статистики, теории вероятностей, экономико-математического моделирования.

Информационная база исследования представлена научными источниками в виде данных и сведений из нормативно-правовых актов Российской Федерации, монографий, книг, справочно-статистических, аналитических и бухгалтерских материалов ОАО «Южная многоотраслевая корпорация», Федеральной службы государственной статистики, отчетов, публикаций в периодической печати, ресурсов сети Интернет.

Обоснованность и достоверность выносимых на защиту результатов работы обеспечены строгим соблюдением логики проведения научных исследований, обоснованностью исходных гипотез, надежностью подходов и методов решения поставленных задач, корректным применением известных методик, инструментов исследования и процедур обработки данных, проверкой адекватности априорных предложений и конструируемых моделей, а также непосредственным сопоставлением полученных результатов с фактическими данными.

Научная новизна исследования заключается в разработке моделей и аналитических процедур оценки сценариев при прогнозировании развития многоотраслевой корпорации и их программная реализация, которые направлены на совершенствование метода системно-когнитивного анализа.

Наиболее существенные результаты исследования, полученные лично автором, и содержащие элементы научной новизны заключаются в следующем.

1. Обоснован выбор метода системно-когнитивного анализа с целью его применения для прогнозирования развития корпорации и проведено его

усовершенствование для решения задач исследования при использовании сценарного подхода.

2. Предложено 16 видов сценариев изменения основных экономических показателей развития корпорации, которые используются в качестве входной и выходной информации при прогнозировании вместо дискретных рядов, что обеспечивает более высокую информативность моделей.

3. Введен новый частный критерий (нормированный вариант коэффициента взаимосвязи) для оценки достоверности моделей прогнозирования, способствующий увеличению их достоверности.

4. Определены в аналитической форме зависимости между прошлыми и будущими сценариями различных экономических показателей, используя которые, можно принимать решения и повышать адекватность прогноза.

5. Разработаны модели и методика взвешивания прогнозируемых сценариев, отличительной особенностью которых является возможность учета всех результатов прогнозирования с положительными уровнями сходства, что повышает их уровень достоверности.

6. Предложена аналитическая процедура вычисления оценки силы влияния на корпорацию (чувствительность), входящих в нее предприятий, в основе которой лежат данные измерения количества информации о предприятиях корпорации.

7. Разработана функционально - ориентированная информационная технология прогнозирования развития многоотраслевой корпорации на основе предложенных в диссертации моделей и методик, реализованных на алгоритмическом и программном уровне в инструментальной среде СК анализа - системе «Эйдос».

Теоретическая значимость результатов состоит в развитии методологии системно-когнитивного анализа, заключающемся в использовании сценарного подхода при прогнозировании развития многоотраслевой корпорации, а также разработке моделей, методик и процедур, повышающих достоверность прогнозов.

Практическая значимость полученных научных результатов заключается в возможности применения разработанных в диссертации технологии и методики совместного использования системно-когнитивного анализа и сценарного подхода для прогнозирования развития различных корпораций. Разработанный в диссертации подход был использован для развития и совершенствования программной системы «Эйдос».

Самостоятельное практическое значение имеют:

- функционально - ориентированная информационная технология прогнозирования развития многоотраслевой корпорации;

- процедуры: определения зависимостей между прошлыми и будущими сценариями различных экономических показателей; взвешивания прогнозируемых сценариев с учетом всех результатов прогнозирования с положительными уровнями сходства; вычисления оценки силы влияния на корпорацию входящих в нее предприятий.

Апробация и внедрение результатов исследования. Результаты диссертации докладывались и обсуждались на международной НПК «Стратегия ускоренной динамики российского общества: экономика, политика, право» (Сочи, 3-7 октября 2012г.); 1-й Международной НПК молодых ученых «Актуальные проблемы современной науки» (Краснодар, 14 марта 2013г., Российский университет кооперации).

Результаты исследований прошли апробацию в ОАО «Южная Многоотраслевая Корпорация» при прогнозировании ее развития и принятии на основе прогнозов управленских решений. Отдельные положения были использованы в учебном процессе Кубанского госагроуннверситета в рамках дисциплин «Интеллектуальные информационные системы» и «Интеллектуальные информационные системы и технологии» при подготовке бакалавров и магистров по направлениям 230700 «Прикладная информатика в экономике» и 230700 «Информационные системы и технологии».

Публикации. По теме диссертации опубликовано 10 научных работах общим объёмом 10,17 п.л. (из них авторских 6,43 п. л.), в том числе в 8-х статьях в журналах, рекомендованных ВАК Минобрнауки России объемом 8,75 п.л. (из них авторских 5,13 п. л.).

Структура и объем работы. Диссертация, объемом 133 страницы основного текста, состоит из введения, трех глав, заканчивающихся выводами, заключения, списка использованной литературы, содержащего 133 наименования, и содержит 40 таблиц, 28 рисунков, 2 приложения.

II. ОСНОВНЫЕ ПОЛОЖЕНИЯ ДИССЕРТАЦИИ Выполненное исследование позволило достичь поставленной цели. На защиту выносятся следующие научные положения и результаты.

1. Обоснование выбора метода системно-когнитивного анализа с целью его применения для прогнозирования развития корпорации

Требования к методу прогнозирования определяются характеристиками корпорации как сложной многопараметрнческой системы, обладающей высокой степенью неопределенности функционирования, информация о которой фрагментирована и зашумлена. Поэтому задача прогнозирования ее развития является слабоструктурированной. Для решения подобных задач все чаще применяются методы и системы искусственного интеллекта, которые базируются на эвристическом анализе и прогнозировании. Эти методы в основном используют обобщенный опыт решения задач экспертами или могут выявлять зависимости в данных на основе методов мягких вычислений. Однако они не обеспечивают корректной совместной сопоставимой количественной обработки разнородных по своей природе факторов, измеряемых в различных единицах измерения.

Предлагаемый метод системно-когнитивного анализа обеспечивает решение этой задачи за счет того, что факторы в нем рассматриваются только с той точки зрения, какое в них содержится количество информации о

переходе объекта, на который они действуют, в определенное состояние, и при этом сила и направление влияния всех значений факторов на объект измеряется в одних общих для всех факторов единицах измерения: единицах количества информации2.

Кроме того, метод СКА обеспечивает построение многомерных моделей объекта моделирования непосредственно на основе неполных и искаженных эмпирических данных о нем.

Модель СК-анализа имеет хорошее теоретическое обоснование содержательной интерпретации, т.к. основана на семантической теории информации А. Харкевича; высокую точность и независимость результатов расчетов от единиц измерения и обеспечивает выявление смысловой информации в одних событий о других событиях, независимо от их природы, единиц измерения и того, описываются ли они в числовых или лингвистических переменных. Существенно, что модель СК-анализа имеет развитую и доступную программную реализацию в виде универсальной когнитивной аналитической системы «Эйдос».

Эти особенности СКА и обусловили его выбор в качестве метода прогнозирования развития корпорации.

Вместе с тем метод СК-анализа требует своего развития и адаптации применительно к решению задач исследования.

Методика СКА состоит из следующих этапов: Этап I. Структуризация и формализация предметной области: 1. Разработка массивов будущих и прошлых параметров корпорации, п их значений.

2 Орлов А.И., Луценко Е.В. О развитии системном нечеткой интервальной математики // Философия математики: актуальные проблемы. Математика и реальность. Тезисы Третьей всероссийской научной конференции; 27-28 сентября 2013 г. / Редкол.: Бажанов В.А. и др. - Москва: Центр стратегической конъюнктуры, 2013. -с. 190-193.

2. Разработка обучающей выборки, т.е. описание состояний прошлых и будущих корпорации, соответствующих различным моментам времени, в форме, удобной для обработки на компьютере.

Этап II. Формирование базы данных как основы для расчета матриц информативности.

Этап III. Формирование моделей (матриц информативности) с разными частными критериями, основанными на теории информации.

Этап IV. Выбор наиболее достоверной модели и решение в ней задач прогнозирования.

В результате применения этого метода для решения поставленных задач в диссертации были доработаны все этапы методики СК-анализа, наиболее полно раскрытые в положениях 2-6 автореферата.

2. Сценарный подход к прогнозированию развития корпорации, отличающийся тем, что в качестве исходных данных и результатов прогнозирования вместо точечных значений основных экономических показателей корпорации используются сценарии их изменения

Данный пункт научной новизны развивает 1-й этап методики СКА: «Структуризация и формализация предметной области». Основополагающим элементом прогнозирования являются экономические показатели корпорации и входящих в нее предприятий.

Дискретные значения показателей отражают состояния объекта в определенные моменты времени. Сценарии же, в отличие от дискретных значений, дают существенно большую информативность для экономического анализа, поскольку показывают поведение экономического показателя в динамике.

При прогнозировании развития исследуемой корпорации в качестве исследуемых сценариев экономических показателей и единиц структурирования информации выделено 5 из них (выручка от реализации, себестоимость, коммерческие расходы, валовая прибыль и чистая прибыль).

Нами предложена классификация, включающая 16 видов сценариев изменения значении экономических показателей (таблица 1).

Таблица 1 - Классификация сценариев экономических показателен

Предложенные сценарии позволяют использовать периоды предыстории и прогнозирования равные I году. Сами же исходные данные по корпорации охватывают период 12 лет.

С использованием данной классификации временные ряды, отражающие динамику основных показателей корпорации, представляются в форме обучающей выборки, с помощью которой реализуется 2-й этап методики СКА: «Формирование базы данных как основы для расчета матриц информативности».

3. Введение дополнительного частного критерия для оценки достоверности моделей прогнозирования

Численные эксперименты по синтезу моделей корпорации, проведенные в период исследований, показали, что достоверность моделей, основанных на различных частных критериях оценки достоверности (таблица 2), может отличаться.

Таблица 2 - Система частных критериев оценки достоверности моделей

Наименование частных критериев Выражение для частного критерия

через относительные частоты через абсолютные частоты

1 .Количество семантической информации по А.Харкевнчу 1 „^vLog^ N -N I. = Ч' х Log, '' N,Nt

2.Хн-квадрат ... N.N /.. = АЛ.--'—L " '' N

3.Абсолютное количество информации в значениях прошлых параметров о значениях будущих параметров (коэффициент взаимосвязи) h=pv-p> j N; " N. N J

4.0тш>ситс.1м1ос количество пнформйкмп п зинчешшх щппнлцк ■шрамеIрок о знлчешш.х 5у/1Л'1Ц(1 V нпрлмс!рои

Обозначения: i - значение прошлого параметра; j - значение будущего параметра; N;, - количество наблюдений j-го значения будущего параметра при i-м значении прошлого параметра; N-, - количество встреч i-м значения прошлого параметра по всей выборке; Nj - количество встреч j-го значения будущего параметра по всей выборке; N - количество встреч j-го значения будущего параметра при i-м значении прошлого параметра по всей выборке.

- частный критерий: количество информации в факте наблюдения i-го значения прошлого параметра о том, что объект перейдет в состояние, соответствующее j-му значению будущего параметра; 4J ~ нормировочный коэффициент Е.Луцснко, преобразующий количество информации в формуле А.Харкевича и биты; Р, - безусловная относительная частота встречи i-го значения прошлого параметра в обучающей выборке; Рц - условная относительная частота встречи i-го значения прошлого параметра при j-M значении будущего параметра.

Это привело к идее исследовать другие формы, встречающиеся в научной литературе, но ранее не применявшиеся в качестве критериев оценки достоверности моделей в СКА. Так был найден нормированный (относительный) вариант коэффициента взаимосвязи прошлых и будущих и сценариев.

Возникло предположение, сформулированное в виде гипотезы, что модели, основанные на данном частном критерии знаний, могут иметь более высокую достоверность в исследуемой предметной области, чем другие модели. Поэтому было предложено включить данный критерий в СКА и его инструментарий - систему «Эйдос». С учетом этого предложения дополнен 3-й этап СКА, который теперь предполагает расчет и верификацию моделей с четырьмя частными критериями знаний, вместо трех (таблица 2).

На основе матрицы абсолютных частот с использованием частных критериев оценки достоверности моделей из таблицы 2 рассчитываются матрицы информативности (таблица 3):

Таблица 3 - Матрица информативности

.......1....... Значения будущи параметров ТТЛ........1.......Г7ГГ х, | Ценность значения прошлого параметра .......и.........| для прогнозирования

1. н ® § § г о, <У ГС V а « й 1 "м "и |

X М 1п 1м1 Ч 'м) | ' МУУ

1 | «

С"! 11 га <3

сформиро-ванноети значения будущего параметра н^^рк-п

При описании матриц информативности использовались следующие обозначения; - частный критерий: количество информации в факте наблюдения ¡-го прошлого значения параметра о том, что объект перейдет в состояние, соответствующее ]-му будущему значению параметра; и,- -среднеквадратичное отклонение количества информации //,• в ¡-м значении прошлого параметра; - среднеквадратичное отклонение количества информации Ц еу'-л/ значении будущего параметра; Н - среднеквадратичное отклонение количества информации 1Ц во всех значениях прошлых параметров о всех значениях будущих параметров; 1] - среднее количество количества информации в ¡-м значении прошлого параметра, М- суммарное число значений всех прошлых параметров; IV - суммарное число значений всех будущих параметров.

При оценке достоверности наивысшую среднюю достоверность 0,92 показала модель, основанная на предложенном частном критерии: «Относительное количество информации в значениях прошлых параметров о значениях будущих параметров» и, таким образом, сформулированная гипотеза подтвердилась.

4. Аналитические модели представления причинно-следственных зависимостей между прошлыми и будущими сценариями каждого из показателей.

В системе «Эйдос» реализована возможность выборки из матриц информативности для прошлого сценария каждого из показателей одного будущего для любого другого показателя, на осуществление которого он оказывает наибольшее влияние. В качестве примера рассмотрим влияние прошлого сценария выручки от реализации на будущий сценарий коммерческих расходов (таблица 4).

Таблица 4 - Влияние прошлых сценариев выручки от реализации на будущие сценарии коммерческих расходов

В соответствии с принципом Парето выделяем из всего объема информации, содержащейся в матрицах информативностей, наиболее

17

существенную и представляем ее в наглядной и аналитической формах с использованием MS Excel (рисунок 1).

о------------------------

о 1 2 3 4 S С 7 8 9 10 И 12 13 3d IS 16 Прошлъш сценарии выручки от реализации

Рисунок 1 - Модель влияния прошлых сценариев выручки от реализации на будущие сценарии коммерческих расходов

В качестве уравнения регрессии выбран степенной полином, так как он позволяет аппроксимировать функцию с перегибами: у = 0,001хй - 0,0493х5 + 0,9508х4 - 8,8622х3 + 41,078х3 - 87,078х + 68,993, где Х-номер прошлого сценария; У — номер будущего сценария. Данная аппроксимация имеет качество К2 = 0,9833.

Разработанные модели могут быть использованы для разработки прогноза развития корпорации, поскольку в количественной форме показывают зависимость между прошлыми и будущими сценариями различных показателей, что увеличивает гибкость и адекватность управления корпорацией.

5. Модели и методика взвешивания прогнозируемых сценариев, отличающиеся учетом всех результатов прогнозирования с положительными уровнями сходства

При прогнозировании в системе «Эйдос» определяется уровень сходства предыстории динамики показателей корпорации с различными

вариантами прогноза будущих сценариев. Например, для выручки с положительными уровнями сходства (в %) прогнозируются 1-1, 15-й и 9-й сценарии (рисунок 2).

Поэтому возникает задача обобщения различных вариантов прогноза сценариев изменения показателей, с учетом уровня сходства каждого из них. Для решения этой задачи предлагаются модели взвешивания сценариев, обеспечивающие их преобразование из безразмерного представления в стоимостное,

Ш1ШШ ¡1181111

3; ПГ-йГ11Л1ГИЛ?И{!И«.Й».8 |ИМЩ( МУ<МлМ КЛЛЙЭМИМ, . 57.14..! и шт

2; .....* Уо 6! з; ПРОГН.СЦЕНАРИЯ НАСЛ.К8: ВС ПО ХОЛЛ'. ВЫРУЧКА 01 РЕАЛНЗАЦИИ-15... 28.60...-ПРОГН.СЦЕНАРИЯ НА СЛ.КВ: 8С.П0 ХОЛЛ. 8ЫРУЧКА0Т РЕАЛИЗАЦИИ-Эз ...... яяяшт н дани»

ПРОГН.СЦЕНАРИЯ НА СП КВ. ВС ПО ХОЛЛ' ВЫРУЧКА ОТ РЕАЛИЗАЦИИ-^ ПРОГН СЦЕНАРИЯ НА СЛ КВ: ВС,ПО ХОЛЛ : ВЫРУЧКА ОТ РЕАЛИЗАЦИИ 8? .. ■7.444...] ■ Й.381 . и ! М

Г 11 1 * ПРОГН.СЦЕНАРИЯ НА СЛ.КВ: ВС ПО ХОЛЛ.: ВЫРУЧКА ОТ РЕАЛИЗАЦИИП.. ПРОГН.СЦЕНАРИЯ НА СЛ КВ. В Г ПО ХОЛЛ.: ВЫРУЧКА 01 РЕАЛИЗАЦИИ-! -ПРОГН.СЦЕНАРИЯ ЧА СЛ.КВ: ВС ПО ХОЛЛ: ВЫРУЧКА 01 РЕАЛИЗАЦИИ-6'.... 8.723... ! -9.030... \ -11.31.. ..........: т ви ш

4; ПРОГН.СЦЕНАРИЯ НАСЛКВ:8С.П0ХОЛЛ: ВЫРУЧКА01 РЕАЛИЗАЦИИ^...! .15.03... , .....- .. ------.. г...,.......^..'.... - V ....... .... .. . ' —................................ ... ..... . жгя вши

Рисунок 2 - Фрагмент экранной формы системы «Эйдос» с различными вариантами прогноза будущих сценариев Значения сценариев в безразмерном представлении: - суммарное значение прогнозируемых сценариев в к-м квартале с учетом уровня сходства в безразмерном представлении:

/=1

(1)

- средневзвешенное значение прогнозируемого сценария в к-м квартале в безразмерном представлении:

С,

А

АД

Коэффициенты перевода сценариев из безразмерного представления в стоимостное:

- для базовых сценариев:

D,k = 1 + ЕАЛВ: ; (3)

- для средневзвешенного сценария:

Â=i + £Q. (4)

Сценарии в стоимостном выражении:

- прогнозируемое значение i-го базового сценария в к-м квартале в стоимостном представлении:

^ = = + + (5)

- прогнозируемое значение i-го средневзвешенного сценария в к-м квартале в стоимостном представлении:

Sk=DkG = G(\ + ECk) + Hp. {6)

где i — номер сценария в 4-битной классификации; к - номер квартала {1,2,3,4}; N — количество сценариев с положительным сходством по результатам прогнозирования; Bi — уровень сходства с i-м сценарием (рисунок 2); An - значение i-го сценария в k-м в безразмерном представлении; At — безразмерное значение i-го сценария в к-м квартале с учетом уровня сходства; С,- средневзвешенное значение прогнозируемого сценария в к-м квартале в безразмерном представлении; Sk - стоимостное значение средневзвешенного сценария для к-го квартала с учетом всех результатов прогнозирования; G - фактическое значение прогнозируемого показателя в конце периода, предшествующего прогнозу; £=0.3359 - эвристическая константа, полученная путем подбора для получения наибольшей

20

достоверности модели; Нр — эвристическая константа, полученная аналогичным способом и зависящая от прогнозируемого показателя Р={ 1,2,3,4,5}.

На основе этих моделей предложена методика взвешивания прогнозируемых сценариев:

На 1-м этапе прогнозируемые сценарии, приведенные на рисунке 1, записываются в Ехсе1-таблицу с прогнозируемыми уровнями сходства в безразмерном представлении, взятом из их предложенной классификации.

На 2-м этапе в соответствии с выражением (1) рассчитываются базовые сценарии, которые представляют собой сценарии из 4-битной классификации сценариев умноженные на их прогнозируемые уровни сходства. На этом же шаге по формуле (2) рассчитывается средневзвешенный сценарий в безразмерном представлении.

На 3-м этапе в соответствии с выражениями (3-6) сценарии переводятся из безразмерного представления в стоимостное, формируется прогнозируемый средневзвешенный сценарий в стоимостном представлении и рассчитывается относительная погрешность прогнозирования. На рисунке 3 показано применение этой методики на примере показателя «Выручка».

10000 1.......——■ 219301х* - 4?ЙДх + 5Ё+06......................................-Ф-г"-й сценарий

1-й квартал 2-й квартал 3-й квартал 4-й квартал средневзвешенны й сценарий)

Рисунок 3 - Результат взвешивания прогнозов сценариев

Из рисунка 3 видно, что если бы методика взвешивания прогнозируемых сценариев с их уровнями сходства не применялась, и за прогноз был бы принят 1 -й сценарий, то его график прошел бы значительно выше средневзвешенного. Эту погрешность уменьшает 9-й сценарий, который проходит ниже средневзвешенного, а нелинейность ему сообщает 15-й сценарий, проходящий еще ниже 9-го.

На рисунке 4 приведены средневзвешенные прогнозы на 2013 год по 5 экономическим показателям в целом по корпорации.

Кварталы 2012 и 2013 годов

Рисунок 4 — Факт за 2012 год и средневзвешенный прогноз значений параметров корпорации на 2013 год в разрезе но кварталам

6. Способ определения силы влияния отдельных предприятий, входящих в корпорацию на ее развитие, отличающийся тем, что в качестве меры силы влияния используется количество информации, содержащееся в их исходных данных и позволяющий определить важность каждого предприятия в функционировании корпорации.

При прогнозировании развития корпорации исследовалась не только корпорация в целом, но и входящие в нее предприятия.

Для определения силы влияния отдельных предприятий на корпорацию была поставлена задача количественно определить ее, через измерение количества информации в исходных данных о предприятиях корпорации.

Для решения этой задачи в качестве исходной информации были использованы результаты обработки системой «Эйдос» матрицы информативности (таблица 3).

Предложено рассчитывать силу влияния предприятий на корпорацию как среднее количество информации, описывающих эти предприятия.

При этом большое влияние предприятия на корпорацию не обязательно связано с большими объемами его деятельности в стоимостном выражении, а отражает именно важность роли данного предприятия в функционировании корпорации.

Применение данного способа дало следующие результаты. Из рисунка 5 видно, что наибольшее влияние на корпорацию оказывают результаты деятельности предприятий Россингридгрупп, Стройтрубосталь и Южгаз, т.е. именно в результатах деятельности этих предприятий содержится наибольшее количество информации о будущем корпорации, т.е. они являются своего рода индикаторами, предвестниками результатов деятельности корпорации. Предприятия Бакалея, Фрукты.ги и Кондитерская фабрика, напротив, оказывают минимальное влияние на корпорацию в целом и по ним судить о будущих результатах деятельности корпорации нет оснований.

Предприятия корпорации

Рисунок 5 - Сила влияния предприятий на корпорацию (в битах) В результате научного исследования метод системно-когнитивного анализа и система «Эйдос» адаптированы и доработаны с применением выше изложенных моделей и методик. Разработанный инструментарий успешно апробирован для прогнозирования развития ОАО «Южная многоотраслеваяй корпорация» на 2013 год. Действенность и эффективность доработанного СКА подтверждается низкой погрешностью прогноза на 2013 год, которая для прошедшего периода не превысила 5%. Прогнозы позволили руководству корпорации принять обоснованные решения, в частности, по использованию стабилизационного фонда с целью увеличения оборотных средств компании, за счет чего получена дополнительная прибыль 7,5 млн. рублей, которая на 1,3%; увеличила валовую прибыль корпорации и на 5,3% стабилизационный фонд.

Перспективы дальнейшего развития данной работы состоят в разработке и применении моделей прогнозирования динамики корпорации на регулярной основе, приспосабливающихся к текущей ситуации.

В результате апробации доказана возможность применения разработанного инструментария для прогнозирования в других корпорациях, для чего необходима адаптация на их конкретных исходных данных.

¡».ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ:

В изданиях, рекомендованных Высшей аттестационной комиссией Министерства образования и науки Российской Федерации:

1. Макаревич JI.O. Оперативное прогнозирование значений экономических показателей многоотраслевой корпорации с применением технологий искусственного интеллекта (часть 1-я: постановка задачи и формализация предметной области) / Е.В. Луценко, В.И. Лойко, O.A. Макаревич, Л.О. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2011. - № 071. Режим доступа: http://ej.kubaero.ru С. 692 - 705. - 0,875 п.л. (авторские - 0,4).

2. Макаревич Л.О. Оперативное прогнозирование значений экономических показателей многоотраслевой корпорации с применением технологий искусственного интеллекта (часть 2-я: синтез и верификация модели) / Е.В. Луценко, В.И. Лойко, O.A. Макаревич, Л.О. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2011. - № 071. Режим доступа: http://ei.kubagro.ru.С. 706 - 719. - 0,875 п.л. (авторские - 0,3).

3. Макаревич Л.О. Оперативное прогнозирование трендов экономических показателей многоотраслевой корпорации с применением технологий искусственного интеллекта (часть 1-я: постановка задачи и формализация предметной области) / Е.В. Луценко, В.И. Лойко, Л.О. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2011. - Na 073. Режим доступа: http://ei.kubagro.in. С. 466 - 477. - 0, 75.п.л (авторские - 0,3).

4. Макаревич Л.О. Оперативное прогнозирование трендов экономических показателей многоотраслевой корпорации с применением технологий искусственного интеллекта (часть 2-я: синтез и верификация модели) / Е.В. Луценко, В.И. Лойко, Л.О. Макаревич // Политемагический сетевой электронный научный журнал Кубанского государственного аграрного университета 2011. - №073. Режим доступа: http://ei.kubaero.ru С. 478 - 487. -0,625 п.л. (авторские - 0,3).

5. Макаревич Л.О. АСК-анализ и прогнозирование сценариев изменения трендов экономических показателей многоотраслевой корпорации (часть 1) / Л.О. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета 2012. - № 076. Режим доступа: http://ei.kubagro.ru. С. 124 — 145. - 1,375 п.л.

6. Макаревич Л.О. АСК-анализ и прогнозирование сценариев изменения трендов экономических показателей многоотраслевой корпорации (часть 2) / Л.О. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета 2012. - Xs 076. Режим доступа: httt>://ei.kubagro.ru С. 130 - 194. - 0,938 п.л.

7. Макаревич Л.О. Автоматизированный системно-когнитивный анализ и его применение для прогнозирования социально-экономическими системами в АПК / Е.В. Луценко, В.И. Лойко, O.A. Макаревич, Л.О. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета 2012. - N° 078. Режим доступа: http://ei.kubagro.ru С. 654-698,- 2,812 п.л., (авторские -0,9).

8. Макаревич Л.О. Результаты прогнозирования сценариев изменения экономических показателей корпорации. /7 «Экономические и гуманитарные науки». 2013, №10 (261) С. 102-108. - 0,625 п.л.

Научные статьи в других периодических изданиях, аналитических сборниках и тезисы докладов:

9. Макаревич Л.О. Прогнозирование сценариев изменения трендов экономических показателей многоотраслевой корпорации. //Стратегия ускоренной динамики российского общества: экономика, политика, право: тезисы докл. Часть 2. Междунар. научн.-практич. конф. (Сочи, 3-7 октября 2012 г.) - Краснодар, 2012 - С. 276-285. - 0,625 п.л.

10. Макаревич Л.О. Прогнозирование сценариев изменения экономических показателей многоотраслевой корпорации с применением сценарного метода CK- анализа.: //Актуальные проблемы современной науки, тезисы докл. I междунар. научн.-практич. конф. молодых ученых, аспирантов, соискателей и магистрантов 14 марта 2013г. - (Краснодар: Краснодарский кооперативный институт (филиал) AHO ВПО ЦС РФ «Российский университет кооперации»). - Краснодар, 2013. С 347-356. - 0,4 п.л.

Подписано к печати 2011.13

Формат издания 60x84/16 Бум. офсетная №1 Печать офсетная

Печ.л. 1,6 Уч.-изд. л. 1,5 Тираж 100 экз. Заказ № 10328

Типография издательства МЭСИ. 119501, Москва, Нежинская ул., 7