<<
>>

4.4. МАТЕМАТИЧЕСКАЯ ПОДДЕРЖКА ПРИНЯТИЯРЕШЕНИЙ

Отмеченные выше особенности аналитических задач управления требуют специфических методов математической поддержки принятия решений. Прежде всего они должны иметь хорошую интерпретацию в терминах конечного пользователя.
Кроме того, эти методы должны работать с недостающими или плохо структурированными данными и информацией.

Предварительная классификация аналитических задач контроллинга

Классифицировать аналитические задачи можно по следующим критериям: по виду постановки задачи и по требуемому способу моделирования данных.

По виду постановки задачи можно разделить на следующие группы:

типовые задачи, решаемые на большинстве предприятий;

актуальные хорошо формализуемые задачи, например задачи мониторинга бизнес-процессов;

актуальные плохо формализуемые, но важные практические задачи с неполными (подчас недостоверными и противоречивыми) исходными данными, например текущее планирование или анализ баланса клиента;

нерегулярно решаемые задачи, которые обычно требуют оперативной реализации, но быстро теряют актуальность.

По требуемому способу моделирования данных задачи можно разделить на следующие группы:

использование моделей многомерного, в том числе факторного, анализа;

прогнозирование, в том числе с сезонным компонентом;

финансовое конструирование и планирование;

использование эвристических моделей, включая экспертные опросы или алгоритмы с обучением;

изучение взаимосвязей элементов;

использование графоаналитических методов решения.

Типовые возможности аналитического наполнения СППР

Множественность и разнообразие задач анализа требуют специфического наполнения СППР. В такой системе должны быть предусмотрены следующие аналитические возможности:

многоаспектная (многоуровневая) система анализа и представления информации конечному пользователю;

полная автоматизация и быстрота обработки аналитических запросов пользователей;

формулировка запросов аналитической системы в удобных пользователю эконометрических терминах с использованием диалогового конструктора запросов;

применение современных математических методов для решения экономических и финансовых задач;

потенциальное использование систем искусственного интел-лекта при анализе и прогнозе;

наличие элементов экспертной поддержки аналитических запросов;

модульная структура стандартных аналитических блоков, в которую могут входить как готовые блоки финансового анализа и прогнозирования на основе встроенных эконометрических моделей, так и математические алгоритмы для обработки больших массивов данных;

использование принципа минимизации необходимой и достаточной аналитической информации, предоставляемой пользователю;

разработка собственных аналитических модулей.

Важна также возможность применять современные статистические и эвристические методы анализа и поддержки принятия решений:

анализ экономических показателей и индексов;

финансовое и эконометрическое моделирование;

анализ финансовых рисков;

аудит и выявление подтасовок;

прогнозирование, выявление тенденций изменения временных рядов;

организация деловой разведки;

управление проектами и ресурсами.

Существенной является возможность использования не только традиционных оперативных методов анализа и прогнозирования, но и специальных методов для многоаспектного оперативного анализа в рамках концепции информационного хранилища и формирования семейства адаптивных моделей.

В зависимости от ситуации на рынке и квалификации конечного пользователя целесообразно предусматривать использование "быстрых", "стандартных" и "точных" прогнозов.

СППР должна ориентироваться на различные группы конечных пользователей. Так, для типовых задач должны использоваться исключительно эконометрические термины, не требующие глубоких знаний в области статистики и математики. Для глубокого аналитического исследования важна возможность применения исследовательского блока для нетрадиционных и слабоформализуемых задач.

Математические методы должны поддерживать решение задач на протяжении всего цикла управления - от планирования до выработки корректирующих воздействий. Особое внимание должно уделяться планированию, управленческому учету и выработке решений на основе оценки результатов за прошедший период.

Методы поддержки принятия решений

Современные математические и программные средства являются надежными помощниками при поддержке принятия решений. Они способны играть роль опытного консультанта при подготовке к деловым переговорам, при стратегическом анализе рынка и составлении прогнозов в финансовой сфере. В условиях жесткой конкуренции программные средства, реализующие отдельные компоненты, а тем более полномасштабную систему контроллинга, помогают руководству и ответственным сотрудникам предприятий принимать обоснованные

решения. Подобные продукты могут давать весьма квалифицированную оценку основных экономических параметров, позволяют взвешивать финансовые риски и подготавливать решения.

Финансовые программы прогнозирования для бизнеса отличаются от хорошо известных электронных таблиц тем, что в электронных таблицах некоторые элементы прогнозирования играют вспомогательную роль, тогда как специализированные программы полномасштабно используют возможности пакетов финансового прогнозирования и ориентированы на пользователей-непрограммистов. В широком смысле финансовые программы решают оптимизационную задачу в условиях неопределенности.

Оптимизационные методы. Они ориентированы на различные постановки задачи оптимизации. Ее решение существенно зависит от трактовки понятия оптимальности, количества и достоверности информации о компонентах задачи, включая ограничения.

Как правило, на практике задача ставится в векторной форме в силу наличия ряда конфликтных по своей экономической природе показателей (индикаторов).

Задачу векторной оптимизации можно решать в следующей последовательности:

определить допустимые варианты построения системы;

выявить основные показатели сравниваемых альтернативных вариантов;

определить "нехудшие" системы на основе критерия безусловного предпочтения Парето;

привести показатели не сравнимых по Парето систем к сопоставимому виду;

выбрать оптимальное решение, в том числе на основе процедур с участием лица, принимающего решения.

Для выбора "нехудших" систем (оптимальных по Парето) разработаны достаточно эффективные методы. Но, как правило, методы безусловного предпочтения не позволяют окончательно определить оптимальное решение. В связи с этим предложен ряд методов векторной оптимизации, среди которых следует отметить методы выделения ведущего показателя, лексикографического упорядочения показателей, использования принципа гарантированного результата и его обобщений, а также методы последовательных уступок, формирования обобщенного показателя качества (ОПК) и др.

Статистическая оценка показателей. В настоящее время существует большое количество прикладных программных систем,

включающих в себя возможности статистического анализа и моделирования экономических характеристик. Наиболее используемыми из них являются:

средства статистической обработки выборки и временных рядов;

модели линейной и нелинейной регрессии;

модели тренда и сезонности;

специальные эконометричеекие методы;

встроенные средства сбора, обработки и представления данных для статистического анализа.

Быстро развивающиеся статистические методы количественного анализа являются удобным инструментом изучения финансовых рынков. Процесс их использования во многом тормозится недостаточно высоким качеством исходных данных.

Эконометрика. Как наука о количественном анализе реальных экономических явлений эконометрика основывается на современных методах получения статистических выводов, а также регулярном сборе и систематизации рядов экономических данных. Цель эконометрики - получение эмпирических выводов экономических закономерностей. В этом качестве эконометрика представляет собой одно из средств моделирования. Она может использоваться при определении рыночных тенденций и цен в случае применения метода рыночной калькуляции маржи не только на текущую и прошедшие даты, но и в виде прогноза на будущее. Эконометричеекие модели могут служить опорой в случае выявления тенденций изменения остатков по счетам (корреспондентскому, текущим, клиентским) для управления ими, а также могут помочь при прогнозировании рынков для формирования комплексной программы развития и построении среднесрочных финансовых планов.

В этой связи характерно отношение к указанным методам за рубежом: в условиях относительной предсказуемости тенденций развития эконометричеекие и имитационные модели являются достаточно хорошим подспорьем. При сохранении в российской экономике тенденции к стабилизации эти модели начали использоваться и у нас.

Однако не следует преувеличивать возможности эконометрики. Традиционная эконометрика предписывает аналитику построить модель, собрать данные, выбрать подходящий метод оценки и затем оценить модель. Описанный метод достаточно хорошо работает в физике, но далеко не всегда - в экономике из-за ограниченных объе-

мов временных рядов. В то же время можно надеяться на то, что модель будет справедлива локально.

Использование нейронных сетей для финансовых прогнозов. Нейронная сеть представляет собой многослойную сетевую структуру, состоящую из однотипных (и сравнительно простых) процессорных элементов — нейронов. Нейроны, связанные между собой сложной топологией межсоединений, группируются в слои (как правило, два-три), среди которых выделяются входной и выходной слои. В нейронных сетях, применяемых для прогнозирования, нейроны входного слоя воспринимают информацию о параметрах ситуации, а нейроны выходного слоя сигнализируют о возможной реакции на эту ситуацию. В коммерческом применении нейронные сети обычно представлены в виде программных пакетов, плат-акселераторов для персональных компьютеров, нейромикросхем, а также специализированных нейрокомпьютеров. Для большинства приложений бывает достаточно простого программного пакета. Пока возможности ней- роалгоритмов в прикладных финансовых задачах оцениваются как относительно скромные: они ориентированы на отдельные частные задачи (распознавание чеков, предсказание курсов на биржах) и требуют предварительного этапа обучения.

Использование нечеткой логики. Нечеткая логика {англ. fuzzy logic) - мощный элегантный инструмент современной науки, который на Западе можно встретить в десятках изделий (от бытовых видеокамер до систем управления вооружениями), а у нас до самого последнего времени был практически неизвестен.

Аппарат теории нечетких множеств продемонстрировал ряд многообещающих возможностей его применения в системах управления техническими системами и при прогнозировании итогов выборов. Нечеткая логика применяется при анализе новых рынков, биржевой игре, оценке политических рейтингов, выборе оптимальной ценовой стратегии и т.п. Появились и коммерческие системы массового применения. Так, пакет CubiCalc представляет собой своего рода экспертную систему, в которой пользователь задает набор правил типа "если..., то...", а система пытается на основе этих правил адекватно реагировать на параметры текущей ситуации. Аппарат нечеткой логики, заложенный в пакет, дает возможность оперировать этими понятиями, как точными, и строить на их основе целые логические системы, не заботясь о зыбкой нечеткой природе исходных определений.

Нейросетевые, нечеткие и генетические алгоритмы могут оказаться перспективными, заслуживающими детального изучения и использования ввиду адекватности этого аппарата широкому классу финансовых задач, в том числе банковских (прогнозирование, экс-пертные исследования, управление портфелем).

<< | >>
Источник: А.М. Карминский, С.Г. Фалько, А.А. Жевага, Н.Ю. Иванова. Контроллинг. 2006

Еще по теме 4.4. МАТЕМАТИЧЕСКАЯ ПОДДЕРЖКА ПРИНЯТИЯРЕШЕНИЙ:

  1. 4.5.3.МАТЕМАТИЧЕСКИЕ И ИНФОРМАЦИОННЫЕ МЕТОДЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ
  2. 8.2.6. IT-поддержка контроллинга 8.2.6.1. )Т-поддержка при планировании и учете
  3. Методы экономико - математического моделирования.
  4. экономико-математическое моделирование
  5. Подсистема «Программно-математическое обеспечение АИС»
  6. § 2.1. МАТЕМАТИЧЕСКОЕ ДИСКОНТИРОВАНИЕ
  7. § 3.1. МАТЕМАТИЧЕСКОЕ ДИСКОНТИРОВАНИЕ
  8. 3.1.2. Классификация математических моделей
  9. Метод экономико-математического моделирования
  10. 67. ЭКОНОМИКО-МАТЕМАТИЧЕСКАЯ ШКОЛА В РОССИИ
  11. 1.4.1. Оперативная постановка математической модели
  12. Вопрос 4 Экономико-математические методы финансового планирования
  13. 3.1.1. Математическая модель системы
  14. Математическая (маржинальная) теория переложения
  15. 22.2. PR, пропаганда и математические обоснования
  16. МАТЕМАТИЧЕСКИЕ ПРИЛОЖЕНИЯ К главе 23
  17. МАТЕМАТИЧЕСКИЕ ПРИЛОЖЕНИЯ К главе 23