Разработка моделей прогнозирования развития многоотраслевой корпорации

• Автор: Макаревич, Лилия Олеговна
• Шифр специальности: 08.00.13
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Москва
• Количество страниц: 162 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ
ГЛАВА 1. ОБОСНОВАНИЕ ВЫБОРА МЕТОДА ПРОГНОЗИРОВАНИЯ
1.1. Характеристика объекта прогнозирования и обоснование требований к методу
ПРОГНОЗИРОВАНИЯ
1.2. Сравнительный анализ методов прогнозирования
1.2.1. Классификация методов прогнозирования
1.2.2. Характеристика классических методов
1.2.3. Преобразование исходных данных в информацию, а ее в знания
1.2.4. Характеристика интеллектуальных методов
1.3. Описание метода системно-когнитивного анализа
1.3.1. Теоретические основы СК-анализа
1.3.2. Математическая модель СК-анализа, основанная на системной теории информации..
1.3.3. Получение матрицы информативностей
1 Л. Выводы
ГЛАВА 2. СОВЕРШЕНСТВОВАНИЕ МЕТОДИКИ СИСТЕМНО КОГНИТИВНОГО АНАЛИЗА И ЕЕ АДАПТАЦИЯ ДЛЯ ПРОГНОЗИРОВАНИЯ ЗНАЧЕНИЙ ЭКОНОМИЧЕСКИХ ПОКАЗАТЕЛЕЙ РАЗВИТИЯ КОРПОРАЦИИ
2.1 Методика СК-анализа
2.1.1. Базовые когнитивные операции СК анализа
2.1.2. Структура семантической информационной модели СК-анализа
2.1.3. Программный инструментарий СК-анализа - когнитивная аналитическая система «Эйдос»
2.2. Технология применш іия системно-когнитивного анализа
2.2.1. Система критериев оценки достоверности моделей в СК-анапизе
2.2.2. Этапы СК-анализа
2.3. Модели прогнозирования значении экономических показателей
2.3.1. Постановка задачи и формализация предметной области
2.3.2. Создание модели и проверка ее достоверности
2.3.3. Определение силы влияния предприятий па корпорацию
2.4. Выводы
ГЛАВА 3. РАЗРАБОТКА МОДЕЛЕЙ ПРОГНОЗИРОВАНИЯ СЦЕНАРИЕВ ИЗМЕНЕНИЯ ЗНАЧЕНИЙ ЭКОНОМИЧЕСКИХ ПОКАЗАТЕЛЕЙ
3.1. Постановка задачи и формализация предметной области
3.1.1. Когнитивная структуризация предметной области
3.1.2. Формализация предметной области
3.2. Создание моделей прогнозирования сценариев
3.2.1. Оценка степени адекватности моделей
3.2.2 Прогнозирование сценариев изменения значений экономических показателей
3.2.3. Определение зависимостей между прошлыми и будущими сценариями
3.2.4. Методика взвешивания сценариев для прогнозирования
3.3. Исследование прогнозов сценароев с использованием разработанных моделей
3.4. Выводы
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА
ПРИЛОЖЕНИЯ:
Приложение 1 -прогнозирование значений показателей
Приложение 2 -прогнозирование сценариев значений показателей

ВВЕДЕНИЕ
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 фрагментированное 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 многоот-

раслевой 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. Бестужев-Лада, А.И. Гладышевский, A.A., Френкель, Г.Д. Хаупггейн, Г. Тейл, В.М. Ланцов, А.И. Клебанов, А.И. Глаголев, С.С. Демин, Ю.Н. Орлов, Л.П. Владимирова, Н.М. Найбороденко и других.
Традиционные методы прогнозирования, разработанные в трудах К. Гаусса, Бокса-Дженкинса, Ч. Спирмена, Д. Смита, Л. Терстоуна, К. Лыоса и других, однако они применимы лишь для достаточно простых систем.
Методы прогнозирование сложных систем, в частности, такие как имитационный и эволюционпо-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, по 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, В.В. Дика, А.И. Уринцова, В.К.Финна, Е.В. Луценко, Л.Заде, Р. Стэнфилда, М. Мински, Дж. Маккарти, Фр. Ро-зенблатта, А. Ныоэлла, Г. Саймона и др.
Особенно перспективными для прогнозирования представляются методы и системы когнитивного моделирования, развиваемые в трудах таких ученых как: А.Н.Аверкин, Н.М.Абдикеев, О.П.Кузнецов, А.А.Кулинич, Н.В Титова, В.И. Максимов, И.В. Прангишвили, А.Н. Райков, Е.К.Корноушенко,
С.В.Качаев, А.К.Григорян, Е.А.Гребешок, Ю.П.Адлер, Б. М.Лапидус, Е. Ю.Хрусталев.
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 сис-

Причина этого, согласно [49], состоит в том, что в выражениях (11) и (12) отсутствуют глобальные параметры, характеризующие размерность конкретных моделей V/ и М, т.е. А.Харкевич в своем выражении для количества информации не ввел зависимости от мощности пространства будущих состояний объекта и количества значений факторов М, обуславливающих переход объекта в эти состояния.
В [49] поставлена и решена задача получить такое обобщение формулы Харкевича, которое бы удовлетворяло тому же самому принципу соответствия, что и формула Шеннона, т.е. преобразовывалось в формулу Хартли в предельном детерминистском равновероятном случае, когда каждому классу (состоянию объекта) соответствует один признак (значение фактора), и каждому признаку - один класс, и эти классы (а, значит и признаки), равновероятны, и при этом каждый фактор однозначно, т.е. детерминистским образом определяет переход объекта в определенное состояние, соответствующее классу и между классами и признкакми существует взаимно-однозначное соответствие.
Для этой цели в [49] в выражение (12) введен коэффициент Ч7:
В [49] поставлена и решена задача нахождения такого выражение для коэффициента ЧР, названого в этой работе в честь А.Харкевича "коэффициентом эмерджентности Харкевича", которое обеспечивает выполнение для выражения (13) принципа соответствия с классической формулой Хартли (1) и ее системным обобщением (2 и 3) в равновероятном детерминистском случае.
Для этого вероятности Ру, Р] и Р1 рассматриваются как пределы, к которым стремятся относительные частоты при увеличении объема выборки, и требуется выразить их через абсолютные частоты наблюдения признаков по
( Р У

V < /