Моделирование инвестиционных и инновационных процессов на макроэкономическом уровне

• Автор: Антипов, Дмитрий Викторович
• Шифр специальности: 08.00.13
• Научная степень: Кандидатская
• Год защиты: 2003
• Место защиты: Москва
• Количество страниц: 182 с. : ил.

Оглавление работы

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ.

Глава 1. Моделирование процессов производства, инвестирования и потребления на макроэкономическом уровне

1.1. Процесс производства и способы его моделирования.

1.2. Инвестиции и их классификация в экономической науке

1.3. Инвестиционная деятельность в России.

1.3.1. Краткая характеристика.

1.3.2. Инвестиционные процессы в году

1.3.3. Инвестиционная деятельность в году

1.4. Модель оптимального управления инвестициями Рамсея.

1.5. Развитие модели Рамсея, предложенное в работе

1.6. Модель оптимального управления инвестициями в условиях неопределенности, с усовершенствованным функционалом качества и областью принятия решений.
1.6.1. Постановка задачи
1.6.2. Дифференциальная игра
1.6.3. Решение задачи оптимального управления инвестициями в условиях неопределенности
1.6.4. Примеры расчетов.
Пример2 Деградация экономики
ПримерЗ Недостижимая цель.
Пример 4 Задел прошлого.
I 1.7. Заключение.
Глава 2. Экономикоматематическое моделирование инновационной динамики. Эндогенный научнотехнический прогресс
2.1.Современные направления исследования инновационных процессов
2.1.1. Классификация современных направлений исследования.
2.1.2. Модели экономического роста
2.1.3. Диффузия и абсорбция новых технологий
2.1.4. Принятие инвестиционных решений по инновационным проектам
2.1.5. Моделирование конкуренции в сфере НИОКР
2.2. Моделирование эндогенного научнотехнического прогресса на макроэкономическом уровне.
2.2.1. Эндогенный . Мультипликатор научнотехнического прогресса
2.2.2. Новый, многопороговый мультипликатор
2.2.3. Классификация стран с помощью многопорогового мультипликатора НТГ
2.2.4. Пример функциональной зависимости для многопорогового мультипликатора НТП.
2.2.5. Модель эндогенного НТП.
2.3. Заключение.
Глава 3. Моделирование инновационной динамики с помощью аппарата нейронных сетей в
3.1 .Общие понятия теории искусственных нейронных сетей.
3.1.1. Биологический нейрон
3.1.2. Математический нейрон.
3.1.3. Нейронная сеть
Оглавление
3.1.4. Аппроксимация нейронными сетями
3.2. Обучение нейронной сети
3.2.1. Обучение с учителем
3.2.2. Обучение без учителя.
3.2.3. Исторический обзор.
3.3. Программная реализация искусственных нейронных сетей в нсйросетевом пакете НсйроМир.
3.3.1. Краткая характеристика пакета НейроМир.
3.4. Моделирование экономического развития и инновационной деятельности
3.5. Заключение.
Глава 4. Применение генетических алгоритмов при моделировании инвестиционной и инновационной деятельности .
4.1. Краткая характеристика генетических алгоритмов.
4.1.1.Задачи оптимизации
4.1.2.Процесс эволюции в природе
4.1.2.Применение генетических алгоритмов в задачах оптимизации
4.2. Программный пакет ГенАлгор.
4.3. Применение пакета ГенАлгор при моделировании инвестиционных и инновационных процессов. Задача распределения инвестиций среди взаимосвязанных инновационных проектов с нелинейными функциями доходности и рисками срыва проектов.
4.3.1. Постановка задачи
4.3.2. Сравнение с другими методами.
4.3.3. Алгоритм решения задачи
4.3.4. Результаты расчетов
4.4. Заключение.
Заключение
Библиография


ГенАлгор, характеризуются большой практической значимостью и актуальностью, в том числе при проектном анализе взаимосвязанных инновационных проектов в высокотехнологичных отраслях. Предложенная модель, а также ее реализация в программном пакете ГенАлгор были применены автором для решения практической задачи распределения инвестиций между инвестиционными проектами по разработке и коммерческому выпуску фармацевтической компанией новых лекарств, взаимосвязанными с ними проектами по определению побочных воздействий при применении препаратов и разработки средств по их нейтрализации, а также между непосредственно влияющими на их результаты исследовательскими проектами в области молекулярной вирусной биологии. Указанный метод был апробирован на американских и японских данных и в перспективе может быть адаптирован к российским. Данная постановка задачи и полученное в работе ее решение допускают не только микроэкономическую, но и макроэкономическую интерпретацию. Например, данная постановка вполне адекватна при моделировании процесса формирования пакета взаимосвязанных федеральных программ. В этом случае функциями доходности будут целевые показатели рост ВВП, денежной массы, уровень безработицы, темпы инфляции. Предложенная в работе постановка задачи оптимального распределения инвестиций среди взаимосвязанных инновационных проектов с учетом вероятности срыва проектов, и ее решение с помощью генетических алгоритмов в разработанном программном комплексе ГенАлгор могут быть использованы при принятии решений в рамках венчурного и бюджетного финансирования, а также выработки стратегии и принятия решения акционерами компаний. Интересным и перспективным, с точки зрения автора, представляется дальнейшее углубление синтеза классических математических, нейросетевых методов и методов теории генетических алгоритмов, когда в рамках единой модели динамика одних переменных просчитывается инструментами классической математической теории, а других аппаратом теории нейронных сетей и генетических алгоритмов, в частности для тех переменных, по которым накоплены статистические данные, но при этом не известна функциональная зависимость. Макроэкономические федеральные и региональные программы характеризуются определенным уровнем взаимозависимости, рисками срыва или неблагоприятного развития ситуации, и, безусловно, их принятие происходит в ситуации ограниченных финансовых ресурсов. Апробация работы. Основные положения диссертации были доложены, обсуждены и получили одобрение специалистов на научном семинаре Динамические модели экономики кафедры математических методов анализа экономики экономического факультета МГУ им. М.В. Ломоносова. Результаты исследования были также представлены на научной конференции в МГУ им. М.В. Ломоносова Моделирование и прогнозирование социальноэкономических процессов г. Международных научных конференциях молодых ученых Ломоносов г. Ломоносов г. ЮНЕСКО. Разработанные модели оптимального управления инвестициями и эндогенного НТП были использованы в рамках учебных курсов на экономическом факультете МГУ. Программные пакеты НеЙроМир и ГенАлгор применяются при решении прикладных задач в Отделе Корпоративных финансов Компании Делойт и Туш СНГ. Основные положения диссертации опубликованы в 4 работах общим объемом 3,5 п. Логика и структура работы. Поставленная цель определила следующую логику и структуру представленной работы. В первой главе начинающейся с характеристики инвестиционной ситуации в РФ дано описание макроэкономической модели оптимального управления инвестициями ОУИ Рамсея, предложено развитие модели и получено ее решение. В этой же главе построена нелинейная модель ОУИ в условиях неопределенности с конечным временным горизонтом. Элементы теории дифференциальных игр, используемые в данной главе, в целях замкнутости изложения приведены в Приложении А. Приведены примеры расчтов для случая как произвольной помехи, так и наихудшей для управляющего органа наибольшего сопротивления, в ситуации как экономического роста, так и деградации экономики.