Модели и методы принятия стратегических решений по распределению реальных инвестиций предприятия с применением теории нечетких множеств

• Автор: Деревянко, Павел Михайлович
• Шифр специальности: 08.00.13
• Научная степень: Кандидатская
• Год защиты: 2006
• Место защиты: Санкт-Петербург
• Количество страниц: 224 с. : ил.

СОДЕРЖАНИЕ СПИСОК ИСПОЛЬЗУЕМЫХ СОКРАЩЕНИЙ ВВЕДЕНИЕ

ГЛАВА 1. ОСНОВНЫЕ ПОДХОДЫ К ФОРМАЛИЗАЦИИ НЕОПРЕДЕЛЕННОСТИ В ЗАДАЧАХ СТРАТЕГИЧЕСКОГО УПРАВЛЕНИЯ РЕАЛЬНЫМИ ИНВЕСТИЦИЯМИ ПРЕДПРИЯТИЯ
1.1. Задачи стратегического управления реальными инвестициями предприятия и их особенности
1.2. Классификация видов неопределенности и риска в задачах принятия стратегических инвестиционных решений
1.3. Анализ основных подходов и традиционных методов принятия инвестиционных решений в условиях неопределенности
1.4. Обоснование применения теории нечетких множеств к моделированию задач принятия стратегических инвестиционных решений

Выводы по Главе 1

ГЛАВА 2. РАЗРАБОТКА МОДЕЛЕЙ И МЕТОДОВ ПРИНЯТИЯ СТРАТЕГИЧЕСКИХ РЕШЕНИЙ ПО РАСПРЕДЕЛЕНИЮ РЕАЛЬНЫХ ИНВЕСТИЦИЙ ПРЕДПРИЯТИЯ С ПРИМЕНЕНИЕМ ТЕОРИИ НЕЧЕТКИХ МНОЖЕСТВ
2.1. Анализ и разработка методов выполнения операций над нечеткими числами, необходимых при моделировании задач принятия стратегических инвестиционных решений в условиях неопределенности
2.2. Модификация “метода парных сравнений” при нечетких исходных данных, с учетом повторяемости нечетких величин
2.3. Методика анализа безубыточности производства по инвестиционному проекту в условиях неопределенности исходных данных
2.4. Методика многокритериальной оценки эффективности и риска инвестиционных проектов в условиях неопределенности
2.4.1 Модели и методы оценки эффективности инвестиционного проекта при нечеткой исходной информации
2.4.2 Методы оценки риска инвестиционного проекта при нечеткой исходной информации
2.4.3 Методы многокритериальной оценки и ранжирования инвестиционных проектов на основе нечетко-интервального подхода
2.5 Модели формирования оптимального портфеля инвестиционных проектов при нечеткой исходной информации
Выводы по Г лаве 2

ГЛАВА 3. РЕШЕНИЕ ЗАДАЧ ПРИНЯТИЯ СТРАТЕГИЧЕСКИХ РЕШЕНИЙ ПО РАСПРЕДЕЛЕНИЮ РЕАЛЬНЫХ ИНВЕСТИЦИЙ ПРЕДПРИЯТИЯ НА ОСНОВЕ ПРОГРАММНОЙ РЕАЛИЗАЦИИ РАЗРАБОТАННЫХ МОДЕЛЕЙ И МЕТОДОВ
3.1. Выбор инструментального средства для программной реализации, разработанных моделей и методов
3.2. Оценка экономической эффективности и риска инвестиционных проектов при нечеткой исходной информации на примере создания компании по производству строительных блоков в Санкт-Петербурге
3.3. Анализ безубыточности производства по инвестиционному проекту
в условиях неопределенности исходных данных
3.4. Многокритериальная оценка и ранжирование инвестиционных проектов
на основе нечетко-интервального подхода
3.5. Решение задачи формирования оптимального портфеля инвестиционных проектов при нечеткой исходной информации
Выводы по Главе 3
ЗАКЛЮЧЕНИЕ
БИБЛИОГРАФИЧЕСКИЙ СПИСОК ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЯ

СПИСОК ИСПОЛЬЗУЕМЫХ СОКРАЩЕНИЙ
1. д.ед. - доли единицы
2. ЗЛП - Задача Линейного Программирования
3. ЗПСИР - Задача(-и) Принятия Стратегического(-их) Инвестиционного(-ых) Решения(-ий)
4. ИП - Инвестиционный(-ые) Проект(-ы)
5. куб.м - кубических метров
6. ЛП - Лингвистическая Переменная
7. ЛПР - Лицо, Принимающее Решение
8. млн. кв.м - миллион квадратных метров
9. МНК - Метод Наименьших Квадратов
10.НМП - Нечеткое Математическое Программирование 11 .НРА - Нечеткий Регрессионный Анализ
12.НРМ - Нечеткая Регрессионная Модель
13.НТНЧ - Несимметричное Треугольное Нечеткое Число
14.ПО - Программное Обеспечение
15.ПР - Принятие Решений
16.ПС - Программное Средство
17.руб. - Рублей
18.ТНМ - Теория Нечетких Множеств
решения, но и определение данных, во-вторых, присутствует слишком высокий субъективизм при назначении оценок вероятностей.
Имитационное моделирование по методу Монте-Карло является наиболее сложным, но и наиболее мощным методом оценки и учета рисков при принятии инвестиционного решения. В связи с тем, что в процессе реализации этого метода происходит проигрывание достаточно большого количества вариантов, то его можно отнести к дальнейшему развитию метода сценариев. Метод Монте-Карло дает наиболее точные и обоснованные оценки вероятностей по сравнению с вышеописанными методами. Однако, несмотря на очевидную привлекательность и достоинства метода Монте-Карло с теоретической точки зрения, данный метод встречает серьезные препятствия в практическом применении, что обусловлено следующими основными причинами:
> Высокая чувствительность получаемого результата по методу Монте-Карло к законам распределения вероятностей и видам зависимостей входных переменных инвестиционного проекта [32,43,48,115,125];
> Несмотря на то, что современные программные средства позволяют учесть законы распределения вероятностей и корреляции десятков входных переменных, между тем оценить их достоверность в практическом исследовании обычно не представляется возможным, так как, в большинстве случаев, аналитики измеряют вариации основных переменных мак-ро- и микросреды, подбирают законы распределения вероятностей и статистические связи между переменными субъективно, поскольку получение качественной статистической информации не представляется возможным по самым различным причинам (временным, финансовым и т.д.) [21], особенно для уникальных ИП в реальном секторе экономики;
> Вследствие двух вышеописанных причин, точность результирующих оценок, полученных по данному методу, в значительной степени зависит от качества исходных предположений и учета взаимосвязей входных переменных, что может привести к значимым ошибкам в полученных результатах (например, переоценке или недооценке риска ИП), а, следовательно, к принятию ошибочного инвестиционного решения;