Экономико-математические методы и моделирование. Экономико-математические методы (ЭММ)

2.Экономико-математические методы и модели.

Все существующие модели могут быть условно разделены на два класса - модели материальные, т.е. объективно существующие (которые можно "потрогать руками"), и модели абстрактные, существующие в сознании человека. Одним из подклассов абстрактных моделей являются модели математические.

Предметом данного изучения будут математические модели, применяемые для анализа различных явления и процессов, имеющих экономическую природу.

Применение математических методов существенно расширяет возможности экономического анализа, позволяет сформулировать новые постановки экономических задач, повышает качество принимаемых управленческих решений.

Математические модели экономики, отражая с помощью математических соотношений основные свойства экономических процессов и явлений, представляют собой эффективный инструмент исследования сложных экономических проблем.

В современной научно-технической деятельности математические модели являются важнейшей формой моделирования, а в экономических исследованиях и практике планирования и управления – доминирующей формой.

Математические модели экономических процессов и явлений называют экономико-математическими моделями (ЭММ).

На базе использования ЭММ реализуются прикладные программы, предназначенные для решения задач экономического анализа, планирования и управления.

Математические модели являются важнейшим компонентом (наряду с базами данных, техническими средствами, человеко-машинным интерфейсом) так называемых систем поддержки решений.

Система поддержки решений (CПР) - это человеко-машинная система, позволяющая использовать данные, знания, объективные и субъективные модели для анализа и решения слабоструктурированных и неструктурированных проблем.

Классифицировать экономико-математические модели можно по различным основаниям:

По целевому назначению модели можно разделить на:

1. теоретико-аналитические, применяемые для исследования наиболее

   общих свойств и закономерностей развития экономических процессов;

   прикладные, используемые для решения конкретных задач.

По уровням исследуемых экономических процессов:

1. производственно-технологические;

   социально-экономические.

По характеру отражения причинно-следственных связей:

1. детерминированные;

   недетерминированные (вероятностные, стохастические), учитывающие фактор неопределённости.

По способу отражения фактора времени:

1. статические. Здесь все зависимости относятся к одному моменту или периоду времени;

   динамические, характеризующие изменения процессов во времени.

По форме математических зависимостей:

1. линейные. Наиболее удобны для анализа и вычислений, вследствие чего получили большое распространение;

   нелинейные.

По степени детализации (степени огрубления структуры):

1. агрегированные ("макромодели");

   детализированные ("микромодели").

Для понимания структуры важное значение имеет схема, представленная на рисунке 1.3. В правой части рисунка показаны основные классы экономико-математических методов (классификация по используемому математическому аппарату), а в левой части - важнейшие направления применения методов.

Следует помнить также, что каждый из методов может быть применен для решения различных по специфике задач. И наоборот, одна и та же задача может решаться различными методами.

расход рынок программирование математический

Рисунок 1.3 - Важнейшие области применения основных классов ЭММ

На схеме экономико-математические методы представлены в виде некоторых укрупненных группировок. В двух словах опишем их.

Линейное программирование - линейное преобразование переменных в системах линейных уравнений. Сюда можно отнести: симплекс-метод, распределительный метод, статический матричный метод решения материальных балансов.

Дискретное программирование представлено двумя классами методов: локализационные и комбинаторные методы. К локализационным относятся методы линейного целочисленного программирования. К комбинаторным, например, метод ветвей и границ.

Математическая статистика используется для корреляционного, регрессионного и дисперсионного анализа экономических процессов и явлений. Корреляционный анализ применяется для установления тесноты связи между двумя или более стохастически независимыми процессами или явлениями. Регрессионный анализ устанавливает зависимость случайной величины от неслучайного аргумента. Дисперсионный анализ - установление зависимости результатов наблюдений от одного или нескольких факторов в целях выявления важнейших.

Динамическое программирование используется для планирования и анализа экономических процессов во времени. Динамическое программирование представляется в виде многошагового вычислительного процесса с последовательной оптимизацией целевой функции. Некоторые авторы относят сюда же имитационное моделирование.

Теория игр представляется совокупностью методов, используемых для определения стратегии поведения конфликтующих сторон.

Теория массового обслуживания - большой класс методов, где на основе теории вероятностей оцениваются различные параметры систем, характеризуемых как системы массового обслуживания.

Теория управления запасами объединяет в себе методы решения задач, в общей формулировке сводящихся к определению рационального размера запаса какой-либо продукции при неопределенном спросе на нее.

Стохастическое программирование. Здесь исследуемые параметры являются случайными величинами.

Нелинейное программирование относится к наименее изученному, применительно к экономическим явлениям и процессам, математическому направлению.

Теория графов - направление математики, где на основе определенной символики представляется формальное описание взаимосвязанности и взаимообусловленности множества элементов (работ, ресурсов, затрат и т.п.). До настоящего времени наибольшее практическое применение получили так называемые сетевые графики.

Принципы построения экономико-математических моделей

Итак, рассмотрим основные принципы построения ЭММ:

Принцип достаточности исходной информации. В каждой модели должна использоваться только та информация, которая известна с точностью, требуемой для получения результатов моделирования.

Принцип инвариантности (однозначности) информации требует, чтобы входная информация, используемая в модели, была независима от тех параметров моделируемой системы, которые еще неизвестны на данной стадии исследования.

Принцип преемственности. Сводится к тому, что каждая последующая модель не должна нарушать свойств объекта, установленных или отраженных в предыдущих моделях.

Принцип эффективной реализуемости. Необходимо, чтобы модель могла быть реализована при помощи современных вычислительных средств.

Основные этапы процесса моделирования были рассмотрены выше (рисунок 1.2). В различных отраслях знаний они приобретают свои специфические черты. Проанализируем последовательность и содержание этапов одного цикла экономико-математического моделирования (рисунок 1.4).

Рисунок 1.4 - Этапы экономико-математического моделирования

1. Постановка проблемы и её качественный анализ. Главное на этом этапе - чётко сформулировать сущность проблемы, определить принимаемые допущения, а также определить те вопросы, на которые требуется получить ответ.

Этап включает выделение важнейших черт и свойств моделируемого объекта, основных зависимостей, связывающих его элементы. Здесь же происходит формулирование гипотез, хотя бы предварительно объясняющих поведение объекта.

2. Построение математической модели. Это этап формализации задачи, т.е. выражения ее в виде математических зависимостей и отношений (функций, уравнений, неравенств, схем). Как правило, сначала определяется тип математической модели, а затем уточняются детали.

Неправильно полагать, что, чем больше факторов учитывает модель, тем лучше она работает и дает лучшие результаты. Излишняя сложность модели затрудняет процесс исследования. При этом нужно учитывать не только реальные возможности информационного и математического обеспечения, но и сопоставлять затраты на моделирование с получаемым эффектом (при возрастании сложности модели прирост затрат может превысить прирост эффекта).

3. Математический анализ модели. Цель - выявление общих свойств и характеристик модели. Применяются чисто математические приёмы исследования. Наиболее важный момент - доказательство существования решений в сформулированной модели. Если удастся доказать, что задача не имеет решения, то необходимость в последующей работе по данному варианту модели отпадает; следует скорректировать либо постановку задачи, либо способы ее математической формализации.

Однако модели сложных экономических объектов с большим трудом поддаются аналитическому исследованию. В тех случаях, когда не удается выяснить общих свойств модели аналитическими методами, а упрощение модели приводит к недопустимым результатам, прибегают к численным методам исследования.

4. Подготовка исходной информации. Численное моделирование предъявляет жесткие требования к исходной информации. В то же время реальные возможности получения информации существенно ограничивают выбор используемых моделей. При этом принимается во внимание не только возможность подготовки информации (за определенный срок), но и затраты на подготовку соответствующих информационных массивов. Эти затраты не должны превышать эффекта от использования данной информации.

5. Численное решение. Это составление алгоритмов, разработка программ и непосредственное проведение расчётов на ЭВМ.

6. Анализ результатов и их применение. На заключительной стадии проверяются правильность, полнота и степень практической применимости полученных результатов.

Естественно, что после каждой из перечисленных стадий возможен возврат к одной из предыдущих в случае необходимости уточнения информации, пересмотра результатов выполнения отдельных этапов. Например, если на этапе 2 формализовать задачу не удается, то необходимо вернуться к постановке проблемы (этап 1). Соответствующие связи на рисунке 1.4 не показаны, чтобы не загромождать схему. Таким образом, выясним, как соотносятся между собой общая схема процесса моделирования (рисунок 1.2) и этапы экономико-математического моделирования (рисунок 1.4). Первые пять стадий более дифференцированно характеризуют процесс экономико-математического исследования, чем общая схема: стадии 1 и 2 соответствуют этапу I общей схемы, стадии 3, 4 и 5 - этапу II. Напротив, стадия 6 включает этапы III и IV общей схемы.

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ

ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ

Государственное образовательное учреждение высшего профессионального образования

РОССИЙСКИЙ ГОСУДАРСТВЕННЫЙ ТОРГОВО - ЭКОНОМИЧЕСКИЙ УНИВЕРСИТЕТ

ТУЛЬСКИЙ ФИЛИАЛ

(ТФ ГОУ ВПО РГТЭУ)

Реферат по математике на тему:

«Экономико-математические модели»

Выполнили:

Студентки 2 курса

«Финансы и кредит»

дневное отделение

Максимова Кристина

Витка Наталья

Проверил:

Доктор технических наук,

профессор С.В. Юдин _____________

Введение

1.Экономико-математическое моделирование

1.1 Основные понятия и типы моделей. Их классификация

1.2 Экономико-математические методы

Разработка и применение экономико-математических моделей

2.1 Этапы экономико-математического моделирования

2.2 Применение стохастических моделей в экономике

Заключение

Список литературы

Введение

Актуальность. Моделирование в научных исследованиях стало применяться еще в глубокой древности и постепенно захватывало все новые области научных знаний: техническое конструирование, строительство и архитектуру, астрономию, физику, химию, биологию и, наконец, общественные науки. Большие успехи и признание практически во всех отраслях современной науки принес методу моделирования ХХ в. Однако, методология моделирования долгое время развивалась независимо отдельными науками. Отсутствовала единая система понятий, единая терминология. Лишь постепенно стала осознаваться роль моделирования как универсального метода научного познания.

Термин "модель" широко используется в различных сферах человеческой деятельности и имеет множество смысловых значений. Рассмотрим только такие "модели", которые являются инструментами получения знаний.

Модель - это такой материальный или мысленно представляемый объект, который в процессе исследования замещает объект-оригинал так, что его непосредственное изучение дает новые знания об объекте-оригинале.

Под моделированием понимается процесс построения, изучения и применения моделей. Оно тесно связано с такими категориями, как абстракция, аналогия, гипотеза и др. Процесс моделирования обязательно включает и построение абстракций, и умозаключения по аналогии, и конструирование научных гипотез.

Экономико-математическое моделирование является неотъемлемой частью любого исследования в области экономики. Бурное развитие математического анализа, исследования операций, теории вероятностей и математической статистики способствовало формированию различного рода моделей экономики.

Целью математического моделирования экономических систем является использование методов математики для наиболее эффективного решения задач, возникающих в сфере экономики, с использование, как правило, современной вычислительной техники.

Почему можно говорить об эффективности применения методов моделирования в этой области? Во-первых, экономические объекты различного уровня (начиная с уровня простого предприятия и кончая макроуровнем - экономикой страны или даже мировой экономикой) можно рассматривать с позиций системного подхода. Во-вторых, такие характеристики поведения экономических систем как:

-изменчивость (динамичность);

-противоречивость поведения;

-тенденция к ухудшению характеристик;

-подверженность воздействию окружающей среды

предопределяют выбор метода их исследования.

Проникновение математики в экономическую науку связано с преодолением значительных трудностей. В этом отчасти была "повинна" математика, развивающаяся на протяжении нескольких веков в основном в связи с потребностями физики и техники. Но главные причины лежат все же в природе экономических процессов, в специфике экономической науки.

Сложность экономики иногда рассматривалась как обоснование невозможности ее моделирования, изучения средствами математики. Но такая точка зрения в принципе неверна. Моделировать можно объект любой природы и любой сложности. И как раз сложные объекты представляют наибольший интерес для моделирования; именно здесь моделирование может дать результаты, которые нельзя получить другими способами исследования.

Цель данной работы - раскрыть понятие экономико-математических моделей и изучить их классификацию и методы, на которых они базируются, а также рассмотреть их применение в экономике.

Задачи данной работы: систематизация, накопление и закрепление знаний об экономико-математических моделях.

1.Экономико-математическое моделирование

1.1 Основные понятия и типы моделей. Их классификация

В процессе исследования объекта часто бывает нецелесообразно или даже невозможно иметь дело непосредственно с этим объектом. Удобнее бывает заменить его другим объектом, подобным данному в тех аспектах, которые важны в данном исследовании. В общем виде модель можно определить как условный образ реального объекта (процессов), который создается для более глубокого изучения действительности. Метод исследования, базирующийся на разработке и использовании моделей, называется моделированием . Необходимость моделирования обусловлена сложностью, а порой и невозможностью прямого изучения реального объекта (процессов). Значительно доступнее создавать и изучать прообразы реальных объектов (процессов), т.е. модели. Можно сказать, что теоретическое знание о чем-либо, как правило, представляет собой совокупность различных моделей. Эти модели отражают существенные свойства реального объекта (процессов), хотя на самом деле действительность значительно содержательнее и богаче.

Модель - это мысленно представляемая или материально реализованная система, которая, отображая или воспроизводя объект исследования, способна замещать его так, что ее изучение дает новую информацию об этом объекте.

На сегодняшний день общепризнанной единой классификации моделей не существует. Однако из множества моделей можно выделить словесные, графические, физические, экономико-математические и некоторые другие типы моделей.

Экономико-математические модели - это модели экономических объектов или процессов, при описании которых используются математические средства. Цели их создания разнообразны: они строятся для анализа тех или иных предпосылок и положений экономической теории, логического обоснования экономических закономерностей, обработки и приведения в систему эмпирических данных. В практическом плане экономико-математические модели используются как инструмент прогноза, планирования, управления и совершенствования различных сторон экономической деятельности общества.

Экономико-математические модели отражают наиболее существенные свойства реального объекта или процесса с помощью системы уравнений. Единой классификации экономико-математических моделей не существует, хотя можно выделить наиболее значимые их группы в зависимости от признака классификации.

По целевому назначению модели делятся на:

·Теоретико-аналитические (используются в исследовании общих свойств и закономерностей экономических процессов);

·Прикладные (применяются в решении конкретных экономических задач, таких как задачи экономического анализа, прогнозирования, управления).

По учету фактора времени модели подразделяются на:

·Динамические (описывают экономическую систему в развитии);

·Статистические (экономическая система описана в статистике, применительно к одному определенному моменту времени; это как бы снимок, срез, фрагмент динамической системы в какой-то момент времени).

По длительности рассматриваемого периода времени различают модели:

·Краткосрочного прогнозирования или планирования (до года);

·Среднесрочного прогнозирования или планирования (до 5 лет);

·Долгосрочного прогнозирования или планирования (более 5 лет).

По цели создания и применения различают модели:

·Балансовые;

·Эконометрические;

·Оптимизационные;

·Сетевые;

·Систем массового обслуживания;

·Имитационные (экспертные).

В балансовых моделях отражается требование соответствия наличия ресурсов и их использования.

Параметры эконометрических моделей оцениваются с помощью методов математической статистики. Наиболее распространены модели, представляющие собой системы регрессионных уравнений. В данных уравнениях отражается зависимость эндогенных (зависимых) переменных от экзогенных (независимых) переменных. Данная зависимость в основном выражается через тренд (длительную тенденцию) основных показателей моделируемой экономической системы. Эконометрические модели используются для анализа и прогнозирования конкретных экономических процессов с использованием реальной статистической информации.

Оптимизационные модели позволяют найти из множества возможных (альтернативных) вариантов наилучший вариант производства, распределения или потребления. Ограниченные ресурсы при этом будут использованы наилучшим образом для достижения поставленной цели.

Сетевые модели наиболее широко используются в управлении проектами. Сетевая модель отображает комплекс работ (операций) и событий, и их взаимосвязь во времени. Обычно сетевая модель предназначена для выполнения работ в такой последовательности, чтобы сроки выполнения проекта были минимальными. В этом случае ставится задача нахождения критического пути. Однако существуют и такие сетевые модели, которые ориентированы не на критерий времени, а, например, на минимизацию стоимости работ.

Модели систем массового обслуживания создаются для минимизации затрат времени на ожидание в очереди и времени простоев каналов обслуживания.

Имитационная модель, наряду с машинными решениями, содержит блоки, где решения принимаются человеком (экспертом). Вместо непосредственного участия человека в принятии решений может выступать база знаний. В этом случае персональный компьютер, специализированное программное обеспечение, база данных и база знаний образуют экспертную систему. Экспертная система предназначена для решения одной или ряда задач методом имитации действий человека, эксперта в данной области.

По учету фактора неопределенности модели подразделяются на:

·Детерминированные (с однозначно определенными результатами);

·Стохастические (вероятностные; с различными, вероятностными результатами).

По типу математического аппарата различают модели:

·Линейного программирования (оптимальный план достигается в крайней точке области изменения переменных величин системы ограничений);

·Нелинейного программирования (оптимальных значений целевой функции может быть несколько);

·Корреляционно-регрессионные;

·Матричные;

·Сетевые;

·Теории игр;

·Теории массового обслуживания и т.д.

С развитием экономико-математических исследований проблема классификации применяемых моделей усложняется. Наряду с появлением новых типов моделей и новых признаков их классификации, осуществляется процесс интеграции моделей разных типов в более сложные модельные конструкции.

моделирование математический стохастический

1.2 Экономико-математические методы

Как и всякое моделирование, экономико-математическое моделирование основывается на принципе аналогии, т.е. возможности изучения объекта посредством построения и рассмотрения другого, подобного ему, но более простого и доступного объекта, его модели.

Практическими задачами экономико-математического моделирования являются, во-первых, анализ экономических объектов, во-вторых, экономическое прогнозирование, предвидение развития хозяйственных процессов и поведения отдельных показателей, в-третьих, выработка управленческих решений на всех уровнях управления.

Суть экономико-математического моделирования заключается в описании социально-экономических систем и процессов в виде экономико-математических моделей, которые следует понимать как продукт процесса экономико-математического моделирования, а экономико-математические методы - как инструмент.

Рассмотрим вопросы классификации экономико-математических методов. Эти методы представляют собой комплекс экономико-математических дисциплин, являющихся сплавом экономики, математики и кибернетики. Поэтому классификация экономико-математических методов сводится к классификации научных дисциплин, входящих в их состав.

С известной долей условности классификацию этих методов можно представить следующим образом.

·Экономическая кибернетика: системный анализ экономики, теория экономической информации и теория управляющих систем.

·Математическая статистика: экономические приложения данной дисциплины - выборочный метод, дисперсионный анализ, корреляционный анализ, регрессионный анализ, многомерный статистический анализ, теория индексов и др.

·Математическая экономия и изучающая те же вопросы с количественной стороны эконометрия: теория экономического роста, теория производственных функций, межотраслевые балансы, национальные счета, анализ спроса и потребления, региональный и пространственный анализ, глобальное моделирование.

·Методы принятия оптимальных решений, в том числе исследование операций в экономике. Это наиболее объемный раздел, включающий в себя следующие дисциплины и методы: оптимальное (математическое) программирование, сетевые методы планирования и управления, теорию и методы управления запасами, теорию массового обслуживания, теорию игр, теорию и методы принятия решений.

В оптимальное программирование в свою очередь входят линейное и нелинейное программирование, динамическое программирование, дискретное (целочисленное) программирование, стохастическое программирование и др.

·Методы и дисциплины, специфичные отдельно как для централизованно планируемой экономики, так и для рыночной (конкурентной) экономики. К первым можно отнести теорию оптимального ценообразования функционирования экономики, оптимальное планирование, теорию оптимального ценообразования, модели материально-технического снабжения и др. Ко вторым - методы, позволяющие разработать модели свободной конкуренции, модели капиталистического цикла, модели монополии, модели теории фирмы и т.д. Многие из методов, разработанных для централизованно планируемой экономики, могут быть оказаться полезными и при экономико-математическом моделировании в условиях рыночной экономики.

·Методы экспериментального изучения экономических явлений. К ним относят, как правило, математические методы анализа и планирования экономических экспериментов, методы машинной имитации (имитационное моделирование), деловые игры. Сюда можно отнести также и методы экспертных оценок, разработанные для оценки явлений, не поддающихся непосредственному измерению.

В экономико-математических методах применяются различные разделы математики, математической статистики, математической логики. Большую роль в решении экономико-математических задач играют вычислительная математика, теория алгоритмов и другие дисциплины. Использование математического аппарата принесло ощутимые результаты при решении задач анализа процессов расширенного производства, определения оптимальных темпов роста капиталовложений, оптимального размещения, специализации и концентрации производства, задач выбора оптимальных способов производства, определения оптимальной последовательности запуска в производство, задачи подготовки производства методами сетевого планирования и многих других.

Для решения стандартных проблем характерны четкость цели, возможность заранее выработать процедуры и правила ведения расчетов.

Существуют следующие предпосылки использования методов экономико-математического моделирования, важнейшими из которых являются высокий уровень знания экономической теории, экономических процессов и явлений, методологии их качественного анализа, а также высокий уровень математической подготовки, владение экономико-математическими методами.

Прежде чем приступить к разработке моделей, необходимо тщательно проанализировать ситуацию, выявить цели и взаимосвязи, проблемы, требующие решения, и исходные данные для их решения, вести систему обозначений и только тогда описать ситуацию в виде математических соотношений.

2. Разработка и применение экономико-математических моделей

2.1 Этапы экономико-математического моделирования

Процесс экономико-математического моделирования - это описание экономических и социальных систем и процессов в виде экономико-математических моделей. Эта разновидность моделирования обладает рядом существенных особенностей, связанных как с объектом моделирования, так и с применяемыми аппаратом и средствами моделирования. Поэтому целесообразно более детально проанализировать последовательность и содержание этапов экономико-математического моделирования, выделив следующие шесть этапов:

.Постановка экономической проблемы и ее качественный анализ;

2.Построение математической модели;

.Математический анализ модели;

.Подготовка исходной информации;

.Численное решение;

Рассмотрим каждый из этапов более подробно.

1.Постановка экономической проблемы и ее качественный анализ . Главное здесь - четко сформулировать сущность проблемы, принимаемые допущения и те вопросы, на которые требуется получить ответы. Этот этап включает выделение важнейших черт и свойств моделируемого объекта и абстрагирование от второстепенных; изучение структуры объекта и основных зависимостей, связывающих его элементы; формулирование гипотез (хотя бы предварительных), объясняющих поведение и развитие объекта.

2.Построение математической модели . Это - этап формализации экономической проблемы, выражения ее в виде конкретных математических зависимостей и отношений (функций, уравнений, неравенств и т.д.). Обычно сначала определяется основная конструкция (тип) математической модели, а затем уточняются детали этой конструкции (конкретный перечень переменных и параметров, форма связей). Таком образом, построение модели подразделяется в свою очередь на несколько стадий.

Неправильно полагать, что чем больше фактов учитывает модель, тем она лучше «работает» и дает лучшие результаты. То же можно сказать о таких характеристиках сложности модели, как используемые формы математических зависимостей (линейные и нелинейные), учет факторов случайности т неопределенности и т.д.

Излишняя сложность и громоздкость модели затрудняют процесс исследования. Нужно учитывать не только реальные возможности информационного и математического обеспечения, но и сопоставлять затраты на моделирование с получаемым эффектом.

Одна из важный особенностей математических моделей - потенциальная возможность их использования для решения разнокачественных проблем. Поэтому, даже сталкиваясь с новой экономической задачей, не нужно стремиться «изобретать» модель; сначала необходимо попытаться применить для решения этой задачи уже известные модели.

.Математический анализ модели. Целью этого этапа является выяснение общих свойств модели. Здесь применяются чисто математические приемы исследования. Наиболее важный момент - доказательство существования решений в сформулированной модели. Если удается доказать, что математическая задача не имеет решения, то необходимость в последующей работе по первоначальному варианту модели отпадает и следует скорректировать либо постановку экономической задачи, либо способы ее математической формализации. При аналитическом исследовании модели выясняются такие вопросы, как, например, единственно ли решение, какие переменные (неищвестные) могут входить в решение, каковы будут соотношения между ними, в каких пределах и в зависимости исходных условий они изменяются, каковы тенденции их изменения и т.д. Аналитической исследование модели по сравнению с эмпирическим (численным) имеет то преимущество, что получаемые выводы сохраняют свою силу при различных конкретных значениях внешних и внутренних параметров модели.

4.Подготовка исходной информации. Моделирование предъявляет жесткие требования к системе информации. В то же время реальные возможности получения информации ограничивают выбор моделей, предназначаемых для практического использования. При этом принимается во внимание не только принципиальная возможность подготовки информации (за определенные сроки), но и затраты на подготовку соответствующих информационных массивов.

Эти затраты не должны превышать эффект от использования дополнительной информации.

В процессе подготовки информации широко используются методы теории вероятностей, теоретической и математической статистики. При системном экономико-математическом моделировании исходная информация, используемая в одних моделях, является результатом функционирования других моделей.

5.Численное решение. Этот этап включает разработку алгоритмов для численного решения задачи, составление программ на ЭВМ и непосредственное проведение расчетов. Трудности этого этапа обусловлены, прежде всего, большой размерностью экономических задач, необходимостью обработки значительных массивов информации.

Исследование, проводимое численными методами, может существенно дополнить результаты аналитического исследования, а для многих моделей оно является единственно осуществимым. Класс экономических задач, которые можно решать численными методами, значительно шире, чем класс задач, доступных аналитическому исследованию.

6.Анализ численных результатов и их применение. На этом заключительном этапе цикла встает вопрос о правильности и полноте результатов моделирования, о степени практической применимости последних.

Математические методы проверки могут выявить некорректные построения модели и тем самым сужать класс потенциально правильных моделей. Неформальный анализ теоретических выводов и численных результатов, получаемых посредством модели, сопоставление их с имеющимися знаниями и фактами действительности также позволяют обнаруживать недостатки постановки экономической задачи, сконструированной математической модели, ее информационного и математического обеспечения.

2.2 Применение стохастических моделей в экономике

Основу эффективности банковского менеджмента составляет планомерный контроль за оптимальностью, сбалансированностью и устойчивостью функционирования в разрезе всех элементов, формирующих ресурсный потенциал и определяющих перспективы динамического развития кредитного учреждения. Его методы и инструменты требуют модернизации с учетом изменяющихся экономических условий. В то же время необходимость совершенствования механизма реализации новых банковских технологий обуславливает целесообразность научного поиска.

Используемые в существующих методиках интегральные коэффициенты финансовой устойчивости (КФУ) коммерческих банков зачастую характеризуют сбалансированность их состояния, но не позволяют дать полную характеристику тенденции развития. Следует учитывать, что результат (КФУ) зависит от многих случайных причин (эндогенного и экзогенного характера), которые не могут быть заранее полностью учтены.

В связи с этим оправданно рассматривать возможные результаты исследования устойчивого состояния банков в качестве случайных величин, имеющих одинаковое распределение вероятностей, поскольку исследования проводятся по одной и той же методике с использованием одинакового подхода. Кроме того, они взаимно независимы, т.е. результат каждого отдельного коэффициента не зависит от значений остальных.

Приняв во внимание, что в одном испытании случайная величина принимает одно и только одно возможное значение, заключаем, что события x 1 , x 2 , …, x n образуют полную группу, следовательно, сумма их вероятностей будет равна 1: p 1 +p 2 +…+p n =1 .

Дискретная случайная величина X - коэффициент финансовой устойчивости банка «А»,Y - банка «В», Z - банка «С» за заданный период. В целях получения результата, дающего основание сделать вывод об устойчивости развития банков, оценка была осуществлена на базе 12-летнего ретроспективного периода (табл.1).

Таблица 1

Порядковый номер годаБанк «А»Банк «В»Банк «С» 11,3141,2011,09820,8150,9050,81131,0430,9940,83941,2111,0051,01351,1101,0901,00961,0981,1541,01771,1121,1151,02981,3111,3281,06591,2451,1911,145101,5701,2041,296111,3001,1261,084121,1431,1511,028Min0,8150,9050,811Max1,5701,3281,296Шаг0,07550,04230,0485

Для каждой выборке по определенному банку значения разбиты на N интервалов, определены минимальное и максимальное значение. Процедура определения оптимального числа групп основана на применении формулы Стерджесса:

N =1+3,322 * ln N;

N =1+3,322 * ln12=9,525?10,

Где n - число групп;

N - число совокупности.

h=(КФУ max - КФУ min ) / 10.

Таблица 2

Границы интервалов значений дискретных случайных величин X, Y, Z (коэффициентов финансовой устойчивости) и частоты появлений данных значений в обозначенных границах

Номер интервалаГраницы интерваловЧастота появлений (n )XYZXYZ 10,815-0,8910,905-0,9470,811-0,86011220,891-0,9660,947-0,9900,860-0,90800030,966-1,0420,990-1,0320,908-0,95702041,042-1,1171,032-1,0740,957-1,00540051,117-1,1931,074-1,1171,005-1,05412561,193-1,2681,117-1,1591,054-1,10223371,268-1,3441,159-1,2011,102-1,15131181,344-1,4191,201-1,2431,151-1,19902091,419-1,4951,243-1,2861,199-1,248000101,495-1,5701,286-1,3281,248-1,296111

Исходя из найденного шага интервала, были рассчитаны границы интервалов путем прибавления к минимальному значению найденного шага. Полученное значение - это граница первого интервала (левая граница - LG). Для нахождения второго значения (правой границы PG) к найденной первой границе снова прибавляет я шаг и т.д. Граница последнего интервала совпадает с максимальным значением:

LG 1 =КФУ min ;

PG 1 =КФУ min +h;

LG 2 =PG 1;

PG 2 =LG 2 +h;

PG 10 =КФУ max .

Данные по частоте попадания коэффициентов финансовой устойчивости (дискретных случайных величин X, Y, Z) сгруппированы в интервалы, и определена вероятность попадания их значений в заданные границы. При этом левое значение границы входит в интервал, а правое - нет (табл.3).

Таблица 3

Распределение дискретных случайных величин X, Y, Z

ПоказательЗначения показателяБанк «А»X 0,8530,9291,0041,0791,1551,2311,3061,3821,4571,532P(X) 0,083000,3330,0830,1670,250000,083Банк «В»Y 0,9260,9691,0111,0531,0961,1381,1801,2221,2651,307P(Y) 0,08300,16700,1670,2500,0830,16700,083Банк «С»Z 0,8350,8840,9330,9811,0301,0781,1271,1751,2241,272P(Z) 0,1670000,4170,2500,083000,083

По частоте появлений значений n найдены их вероятности (частота появления делится на 12, исходя из числа единиц совокупности), а также в качестве значений дискретных случайных величин были использованы середины интервалов. Законы их распределения:

P i = n i /12;

X i = (LG i +PG i )/2.

На основании распределения можно судить о вероятности неустойчивого развития каждого банка:

P(X<1) = P(X=0,853) = 0,083

P(Y<1) = P(Y=0,926) = 0,083

P(Z<1) = P(Z=0,835) = 0,167.

Так с вероятностью 0,083 банк «А» может достигнуть значения коэффициента финансовой устойчивости, равное 0,853. Другими словами, вероятность того, что его расходы превысят доходы, составляет 8,3 %. По банку «В» вероятность падения коэффициента ниже единицы также составила 0,083, однако с учетом динамичного развития организации это снижение все же окажется незначительным - до 0,926. Наконец, высока вероятность (16,7%), что деятельность банка «С», при прочих равных условиях, охарактеризуется значением финансовой устойчивости, равным 0,835.

В то же время по таблицам распределений можно увидеть вероятность устойчивого развития банков, т.е. сумму вероятностей, где варианты коэффициентов имеют значение, большее 1:

P(X>1) = 1 - P(X<1) = 1 - 0,083 = 0,917

P(Y>1) = 1 - P(Y<1) = 1 - 0,083 = 0,917

P(Z>1) = 1 - P(Z<1) = 1 - 0,167 = 0,833.

Можно наблюдать, что наименее устойчивое развитие ожидается в банке «С».

В целом закон распределения задает случайную величину, однако чаще целесообразнее пользоваться числами, которые описывают случайную величину суммарно. Их называют числовыми характеристиками случайной величины, к ним относится математическое ожидание. Математическое ожидание приближенно равно среднему значению случайной величины и оно тем больше приближается к среднему значению, чем больше было проведено испытаний.

Математическим ожиданием дискретной случайной величины называют сумму произведений всех возможных величин на ее вероятности:

M(X) = x 1 p 1 +x 2 p 2 +…+x n p n

Результаты расчетов значений математических ожиданий случайных величин представлены в табл.4.

Таблица 4

Числовые характеристики дискретных случайных величин X, Y, Z

БанкМатематическое ожиданиеДисперсияСреднее квадратическое отклонение «А»M(X) = 1,187D(X) =0,027?(x) = 0,164«В»M(Y) = 1,124D(Y) = 0,010?(y) = 0,101«С»M(Z) = 1,037D(Z) = 0,012?(z) = 0,112

Полученные математические ожидания позволяют оценить средние значения ожидаемых вероятных значений коэффициента финансовой устойчивости в будущем.

Так по расчетам можно судить, что математическое ожидание устойчивого развития банка «А» составляет 1,187. Математическое ожидание банков «В» и «С» составляет 1,124 и 1,037 соответственно, что отражает предполагаемую доходность их работы.

Однако, зная лишь математическое ожидание, показывающее «центр» предполагаемых возможных значений случайной величины - КФУ, еще нельзя судить ни о его возможных уровнях, ни о степени их рассеянности вокруг полученного математического ожидания.

Другими словами, математическое ожидание в силу своей природы полностью устойчивости развития банка не характеризует. По этой причине возникает необходимость вычисления других числовых характеристик: дисперсии и среднеквадратического отклонения. Которые позволяют оценить степень рассеянности возможных значений коэффициента финансовой устойчивости. Математические ожидания и средние квадратические отклонения позволяют оценить интервал, в котором будут находиться возможные значения коэффициентов финансовой устойчивости кредитных организаций.

При сравнительно высоком характерном значении математического ожидания устойчивости по банку «А» среднее квадратическое отклонение составило 0,164, что говорит о том, что устойчивость банка может либо повыситься на эту величину, либо снизиться. При отрицательном изменении устойчивости (что все же маловероятно, учитывая полученную вероятность убыточной деятельности, равную 0,083) коэффициент финансовой устойчивости банка останется положительным - 1, 023 (см. табл. 3)

Деятельность банка «В» при математическом ожидании в 1,124, характеризуется меньшим размахом значений коэффициента. Так, даже при неблагоприятном стечении обстоятельств банк останется устойчивым, поскольку среднее квадратическое отклонение от прогнозируемого значения составило 0, 101, что позволит ему остаться в положительной зоне доходности. Следовательно, можно сделать вывод об устойчивости развития данного банка.

Банк «С», напротив, при невысоком математическом ожидании своей надежности (1, 037) столкнется при прочих равных условиях с недопустимым для него отклонением, равным 0,112. При неблагоприятной ситуации, а также учитывая высокий процент вероятности убыточной деятельности (16,7%), данная кредитная организация, скорее всего, снизит свою финансовую устойчивость до 0,925.

Важно заметить, что, сделав выводы об устойчивости развития банков, нельзя заранее уверенно предвидеть, какое из возможных значений примет коэффициент финансовой устойчивости в итоге испытания; это зависит от многих причин, учесть которые невозможно. С этой позиции о каждой случайной величине мы располагаем весьма скромными сведениями. В связи с чем вряд ли можно установить закономерности поведения и суммы достаточно большого числа случайных величин.

Однако оказывается, что при некоторых сравнительно широких условиях суммарное поведение достаточно большого числа случайных величин почти утрачивает случайный характер и становится закономерным.

Оценивая устойчивость развития банков, остается оценить вероятность того, что отклонение случайной величины от ее математического ожидания не превышает по абсолютной величине положительного числа ?. Дать интересующую нас оценку позволяет неравенство П.Л. Чебышева. Вероятность того, что отклонение случайной величины X от ее математического ожидания по абсолютной величине меньше положительного числа ? не меньше, чем :

или в случае обратной вероятности:

Учитывая риск, связанный с потерей устойчивости, проведем оценку вероятности отклонения дискретной случайной величины от математического ожидания в меньшую сторону и, считая равновероятностными отклонения от центрального значения как в меньшую, так и в большую стороны, перепишем неравенство еще раз:

Далее, исходя из поставленной задачи необходимо оценить вероятность того, что будущее значение коэффициента финансовой устойчивости не окажется ниже 1 от предлагаемого математического ожидания (для банка «А» значение ? примем равное 0,187, для банка «В» - 0,124, для «С» - 0.037) и произведем расчет данной вероятности:

банк «А»:

банк «С»:

Согласно неравенству П.Л. Чебышева, наиболее устойчивым в своем развитии является банк «В», поскольку вероятность отклонения ожидаемых значений случайной величины от ее математического ожидания невысокая (0,325), при этом она сравнительно меньше, чем по другим банкам. На втором месте по сравнительной устойчивости развития располагается банк «А», где коэффициент этого отклонения несколько выше, чем в первом случае (0,386). В третьем банке вероятность того, что значение коэффициента финансовой устойчивости отклониться в левую сторону от математического ожидания больше чем на 0, 037, является практически достоверным событием. Тем более, если учесть, что вероятность не может быть больше 1, превышающие значения, согласно доказательству Л.П. Чебышева, необходимо принимать за 1. Другими словами, факт того, что развитие банка может перейти в неустойчивую зону, характеризующуюся коэффициентом финансовой устойчивости меньше 1, является достоверным событием.

Таким образом, характеризуя финансовое развитие коммерческих банков, можно сделать следующие выводы: математическое ожидание дискретной случайной величины (среднее ожидаемое значение коэффициента финансовой устойчивости) банка «А» равно 1,187. Среднее квадратическое отклонение этой дискретной величины составляет 0,164, что объективно характеризует небольшой разброс значений коэффициента от среднего числа. Однако степень неустойчивости этого ряда подтверждается достаточно высокой вероятностью отрицательного отклонения коэффициента финансовой устойчивости от 1, равной 0,386.

Анализ деятельности второго банка показал, что математическое ожидание КФУ равно 1,124 при среднем квадратическом отклонении 0,101. Таким образом, деятельность кредитной организации характеризуется небольшим разбросом значений коэффициента финансовой устойчивости, т.е. является более концентрированной и стабильной, что подтверждается сравнительно низкой вероятностью (0,325) перехода банка в зону убыточности.

Устойчивость банка «С» характеризуется невысоким значением математического ожидания (1,037) и также небольшим разбросом значений (среднеквадратическое отклонение равно 0,112). Неравенство Л.П. Чебышева доказывает тот факт, что вероятность получения отрицательного значения коэффициента финансовой устойчивости равна 1, т.е. ожидание положительной динамики его развития при прочих равных условиях будет выглядеть весьма необоснованным. Таким образом, предложенная модель, базирующаяся на определении существующего распределения дискретных случайных величин (значений коэффициентов финансовой устойчивости коммерческих банков) и подтверждаемая оценкой их равновероятностного положительного или отрицательного отклонения от полученного математического ожидания, позволяет определить ее текущий и перспективный уровень.

Заключение

Применение математики в экономической науке, дало толчок в развитии как самой экономической науке, так и прикладной математике, в части методов экономико-математической модели. Пословица говорит: «Семь раз отмерь - Один раз отрежь». Использование моделей есть время, силы, материальные средства. Кроме того, расчёты по моделям противостоят волевым решениям, поскольку позволяют заранее оценить последствия каждого решения, отбросить недопустимые варианты и рекомендовать наиболее удачные. Экономико-математическое моделирование основывается на принципе аналогии, т.е. возможности изучения объекта посредством построения и рассмотрения другого, подобного ему, но более простого и доступного объекта, его модели.

Практическими задачами экономико-математического моделирования являются, во-первых, анализ экономических объектов; во-вторых, экономическое прогнозирование, предвидение развития хозяйственных процессов и поведения отдельных показателей; в-третьих, выработка управленческих решений на всех уровнях управления.

В работе было выяснено, что экономико-математические модели можно разделить по признакам:

·целевого назначения;

·учета фактора времени;

·длительности рассматриваемого периода;

·цели создания и применения;

·учета фактора неопределенности;

·типа математического аппарата;

Описание экономических процессов и явлений в виде экономико-математических моделей базируется на использовании одного из экономико-математических методов, которые применяются на всех уровнях управления.

Особенно большую роль приобретают экономико-математические методы по мере внедрения информационных технологий во всех областях практики. Также были рассмотрены основные этапы процесса моделирования, а именно:

·постановка экономической проблемы и ее качественный анализ;

·построение математической модели;

·математический анализ модели;

·подготовка исходной информации;

·численное решение;

·анализ численных результатов и их применение.

В работе была представлена статья кандидата экономических наук, доцента кафедры финансов и кредита С.В. Бойко, в которой отмечается, что перед отечественными кредитными организациями, подверженными влиянию внешней среды, стоит задача поиска управленческих инструментов, предполагающих реализацию рациональных антикризисных мер, направленных на стабилизацию темпов роста базовых показателей их деятельности. В этой связи повышается важность адекватного определения финансовой устойчивости с помощью различных методик и моделей, одной из разновидностей которых являются стохастические (вероятностные) модели, позволяющие не только выявить предполагаемые факторы роста или снижения устойчивости, но и сформировать комплекс превентивных мероприятий по ее сохранению.

Потенциальная возможность математического моделирования любых экономических объектов и процессов не означает, разумеется, ее успешной осуществимости при данном уровне экономических и математических знаний, имеющейся конкретной информации и вычислительной технике. И хотя нельзя указать абсолютные границы математической формализуемости экономических проблем, всегда будут существовать еще неформализованные проблемы, а также ситуации, где математическое моделирование недостаточно эффективно.

Список литературы

1)Красс М.С. Математика для экономических специальностей: Учебник. -4-е изд., испр. - М.: Дело, 2003.

)Иванилов Ю.П., Лотов А.В. Математические модели в экономике. - М.: Наука, 2007.

)Ашманов С.А. Введение в математическую экономику. - М.: Наука, 1984.

)Гатаулин А.М., Гаврилов Г.В., Сорокина Т.М. и др. Математическое моделирование экономических процессов. - М.: Агропромиздат, 1990.

)Под ред. Федосеева В.В. Экономико-математические методы и прикладные модели:Учебное пособие для ВУЗов. - М.: ЮНИТИ, 2001.

)Савицкая Г.В. Экономический анализ: Учебник. - 10-е изд., испр. - М.:Новое знание, 2004.

)Гмурман В.Е. Теория вероятностей и математическая статистика. М.: Высшая школа, 2002

)Исследование операций. Задачи, принципы, методология: учеб. пособие для вузов / Е.С. Вентцель. - 4-е изд., стереотип. - М. :Дрофа, 2006. - 206, с. : ил.

) Математика в экономике: учебное пособие/ С.В.Юдин. - М.: Изд-во РГТЭУ,2009.-228 с.

)Кочетыгов А.А. Теория вероятностей и математическая статистика: Учеб. Пособие/ Тул. Гос. Ун-т. Тула, 1998. 200с.

)Бойко С.В, Вероятностные модели в оценке финансовой устойчивости кредитных организаций /С.В. Бойко// Финансы и кредит. - 2011. N 39. -

Репетиторство

Нужна помощь по изучению какой-либы темы?

Наши специалисты проконсультируют или окажут репетиторские услуги по интересующей вас тематике.
Отправь заявку с указанием темы прямо сейчас, чтобы узнать о возможности получения консультации.

Рассмотрим ряд основных понятий, связанных с системным анализом и
моделированием социально-экономических систем, чтобы с их помощью более
полно раскрыть суть такого ключевого понятия, как
экономико-математические методы. Термин экономико-математические методы
понимается в свою очередь как обобщающее название комплекса
экономических и математических научных дисциплин, объединенных для
изучения социально-экономических систем и процессов.

Под социально-экономической системой будем понимать сложную
вероятностную динамическую систему, охватывающую процессы производства,
обмена, распределения и потребления материальных и других благ. Она
относится к классу кибернетических систем, т. е. систем управляемых.
Рассмотрим прежде всего понятия, связанные с такими системами и методами
их исследования.

Центральным понятием кибернетики является понятие «система». Единого
определения этого понятия нет; возможна такая формулировка: системой
называется комплекс взаимосвязанных элементов вместе с отношениями между
элементами и между их атрибутами. Исследуемое множество элементов можно
рассматривать как систему, если выявлены следующие четыре признака:

Целостность системы, т. е. принципиальная несводимость свойств системы
к сумме свойств составляющих ее элементов;

Наличие цели и критерия исследования данного множества элементов,

Наличие более крупной, внешней по отношению к данной, системы,
называемой «средой»;

Возможность выделения в данной системе взаимосвязанных частей
(подсистем).

Основным методом исследования систем является метод моделирования, т. е.
способ теоретического анализа и практического действия, направленный на
разработку и использование моделей. При этом под моделью будем понимать
образ реального объекта (процесса) в материальной или идеальной форме
(т. е. описанный знаковыми средствами на каком-либо языке), отражающий
существенные свойства моделируемого объекта (процесса) и замещающий его
в ходе исследования и управления. Метод моделирования основывается на
принципе аналогии, т. е. возможности изучения реального объекта не
непосредственно, а через рассмотрение подобного ему и более доступного
объекта, его модели. В дальнейшем мы будем говорить только об
экономико-математическом моделировании, т. е. об описании знаковыми
математическими средствами социально-экономических систем.

Практическими задачами экономико-математического моделирования являются:

Анализ экономических объектов и процессов;

Экономическое прогнозирование, предвидение развития экономических
процессов;

Выработка управленческих решений на всех уровнях

Хозяйственной иерархии.

Следует, однако, иметь в виду, что далеко не во всех случаях данные,
полученные в результате экономико-математического моделирования, могут
использоваться непосредственно как готовые управленческие решения. Они
скорее могут быть рассмотрены как «консультирующие» средства. Принятие
управленческих решений остается за человеком. Таким образом,
экономико-математическое моделирование является лишь одним из
компонентов (пусть очень важным) в человеко-машинных системах
планирования и управления экономическими системами.

Важнейшим понятием при экономико-математическом моделировании, как и при
всяком моделировании, является понятие адекватности модели, т. е.
соответствия модели моделируемому объекту или процессу. Адекватность
модели - в какой-то мере условное понятие, так как полного соответствия
модели реальному объекту быть не может, что характерно и для
экономико-математического моделирования. При моделировании имеется в
виду не просто адекватность, но соответствие по тем свойствам, которые
считаются существенными для исследования. Проверка адекватности
экономико-математических моделей является весьма серьезной проблемой,
тем более, что ее осложняет трудность измерения экономических величин.
Однако без такой проверки применение результатов моделирования в
управленческих решениях может не только оказаться мало полезным, но и
принести существенный вред.

Социально-экономические системы относятся, как правило, к так называемым
сложным системам. Сложные системы в экономике обладают рядом свойств,
которые необходимо учитывать при их моделировании, иначе невозможно
говорить об адекватности построенной экономической модели. Важнейшие из
этих свойств:

Эмерджентность как проявление в наиболее яркой форме свойства
целостности системы, т.е. наличие у экономической системы таких свойств,
которые не присущи ни одному из составляющих систему элементов, взятому
в отдельности. вне системы. Эмерджентность есть результат возникновения
между элементами системы так называемых синергических связей, которые
обеспечивают увеличение общего эффекта до величины, большей, чем сумма
эффектов элементов системы, действующих независимо. Поэтому
социально-экономические системы необходимо исследовать и моделировать в
целом;

Массовый характер экономических явлений и процессов. Закономерности
экономических процессов не обнаруживаются на основании небольшого числа
наблюдений. Поэтому моделирование в экономике должно опираться на
массовые наблюдения;

Динамичность экономических процессов, заключающаяся в изменении
параметров и структуры экономических систем под влиянием среды (внешних
факторов);

Случайность и неопределенность в развитии экономических явлений.
Поэтому экономические явления и процессы носят в основном вероятностный
характер, и для их изучения необходимо применение
экономико-математических моделей на базе теории вероятностей и
математической статистики;

Невозможность изолировать протекающие в экономических системах явления
и процессы от окружающей среды, чтобы наблюдать и исследовать их в
чистом виде;

Активная реакция на появляющиеся новые факторы, способность
социально-экономических систем к активным, не всегда предсказуемым
действиям в зависимости от отношения системы к этим факторам, способам и
методам их воздействия.

Выделенные свойства социально-экономических систем. естественно,
осложняют процесс их моделирования, однако эти свойства следует
постоянно иметь в виду при рассмотрении различных аспектов
экономико-математического моделирования, начиная с выбора типа модели и
кончая вопросами практического использования результатов моделирования.

1.2. Этапы экономико-математического моделирования

Процесс моделирования, в том числе и экономико-математического, включает
в себя три структурных элемента: объект исследования; субъект
(исследователь); модель, опосредующую отношения между познающим
субъектом и познаваемым объектом. Рассмотрим общую схему процесса
моделирования, состоящую из четырех этапов.

Пусть имеется некоторый объект, который мы хотим исследовать методом
моделирования. На первом э т а п е мы конструируем (или находим в
реальном мире) другой объект - модель исходного объекта-оригинала. Этап
построения модели предполагает наличие определенных сведений об
объекте-оригинале. Познавательные возможности модели определяются тем,
что модель отображает лишь некоторые существенные черты исходного
объекта, поэтому любая модель замещает оригинал в строго ограниченном
смысле. Из этого следует, что для одного объекта может быть построено
несколько моделей, отражающих определенные стороны исследуемого объекта
или характеризующих его с разной степенью детализации.

На втором этапе процесса моделирования модель выступает как
самостоятельный объект исследования. Например, одну из форм такого
исследования составляет проведение модельных экспериментов, при которых
целенаправленно изменяются условия функционирования модели и
систематизируются данные о ее "поведении". Конечным результатом этого
этапа является совокупность знаний о модели в отношении существенных
сторон объекта-оригинала, которые отражены в данной модели.

Третий этап заключается в переносе знаний с модели на оригинал, в
результате чего мы формируем множество знаний об исходном объекте и при
этом переходим с языка модели на язык оригинала. С достаточным
основанием переносить какой-либо результат с модели на оригинал можно
лишь в том случае, если этот результат соответствует признакам сходства
оригинала и модели (другими словами, признакам адекватности).

На четвертом этапе осуществляются практическая проверка полученных с
помощью модели знаний и их использование как для построения обобщающей
теории реального объекта, так и для его целенаправленного преобразования
или управления им. В итоге мы снова возвращаемся к проблематике
объекта-оригинала.

Моделирование представляет собой циклический процесс, т. е. за первым
четырехэтапным циклом может последовать второй, третий и т. д. При этом
знания об исследуемом объекте расширяются и уточняются, а первоначально
построенная модель постепенно совершенствуется. Таким образом, в
методологии моделирования заложены большие возможности
самосовершенствования.

Перейдем теперь непосредственно к процессу экономико-математического
моделирования, т. е. описания экономических и социальных систем и
процессов в виде экономико-математических моделей. Эта разновидность
моделирования обладает рядом существенных особенностей, связанных как с
объектом моделирования, так и с применяемыми аппаратом и средствами
моделирования. Поэтому целесообразно более детально проанализировать
последовательность и содержание этапов экономико-математического
моделирования, выделив следующие шесть этапов: постановка экономической
проблемы, ее качественный анализ; построение математической модели;
математический анализ модели; подготовка исходной информации; численное
решение; анализ численных результатов и их применение. Рассмотрим каждый
из этапов более подробно.

1. Постановка экономической проблемы и ее качественный анализ. На этом
этапе требуется сформулировать сущность проблемы, принимаемые
предпосылки и допущения. Необходимо выделить важнейшие черты и свойства
моделируемого объекта, изучить его структуру и

Взаимосвязь его элементов, хотя бы предварительно сформулировать
гипотезы, объясняющие поведение и развитие объекта.

2. Построение математической модели. Это этап формализации экономической
проблемы, т. е. выражения ее в виде конкретных математических
зависимостей (функций, уравнений, неравенств и др.). Построение модели
подразделяется в свою очередь на несколько стадий. Сначала определяется
тип экономико-математической модели, изучаются возможности ее применения
в данной задаче, уточняются конкретный перечень переменных и параметров
и форма связей. Для некоторых сложных объектов целесообразно строить
несколько разноаспект-ных моделей; при этом каждая модель выделяет лишь
некоторые стороны объекта, а другие стороны учитываются агрегированно и
приближенно. Оправдано стремление построить модель, относящуюся к хорошо
изученному классу математических задач, что может потребовать некоторого
упрощения исходных предпосылок модели, не искажающего основных черт
моделируемого объекта. Однако возможна и такая ситуация, когда
формализация проблемы приводит к неизвестной ранее математической
структуре.

3. Математический анализ модели. На этом этапе чисто математическими
приемами исследования выявляются общие свойства модели и ее решений. В
частности, важным моментом является доказательство существования решения
сформулированной задачи. При аналитическом исследовании выясняется,
единственно ли решение, какие переменные могут входить в решение, в
каких пределах они изменяются, каковы тенденции их изменения и т. д.
Однако модели сложных экономических объектов с большим трудом поддаются
аналитическому исследованию; в таких случаях переходят к численным
методам исследования.

4. Подготовка исходной информации. В экономических задачах это, как
правило, наиболее трудоемкий этап моделирования, так как дело не
сводится к пассивному сбору данных. Математическое моделирование
предъявляет жесткие требования к системе информации; при этом надо
принимать во внимание не только принципиальную возможность подготовки
информации требуемого качества, но и затраты на подготовку
информационных массивов. В процессе подготовки информации используются
методы теории вероятностей, теоретической и математической статистики
для организации выборочных обследований, оценки достоверности данных и
т.д. При системном экономико-математическом моделировании результаты
функционирования одних моделей служат исходной информацией для других.

5. Численное решение. Этот этап включает разработку алгоритмов
численного решения задачи, подготовку программ на ЭВМ и непосредственное
проведение расчетов;

При этом значительные трудности вызываются большой размерностью
экономических задач. Обычно расчеты на основе экономико-математической
модели носят многовариантный характер. Многочисленные модельные
эксперименты, изучение поведения модели при различных условиях возможно
проводить благодаря высокому быстродействию современных ЭВМ. Численное
решение существенно дополняет результаты аналитического исследования, а
для многих моделей является единственно возможным.

6. Анализ численных результатов и их применение. На этом этапе прежде
всего решается важнейший вопрос о правильности и полноте результатов
моделирования и применимости их как в практической деятельности, так и в
целях усовершенствования модели. Поэтому в первую очередь должна быть
проведена проверка адекватности модели по тем свойствам, которые выбраны
в качестве существенных (другими словами, должны быть произведены
верификация и валидация модели). Применение численных результатов
моделирования в экономике направлено на решение практических задач
(анализ экономических объектов, экономическое прогнозирование развития
хозяйственных и социальных процессов, выработка управленческих решений
на всех уровнях хозяйственной иерархии).

Перечисленные этапы экономико-математического моделирования находятся в
тесной взаимосвязи, в частности, могут иметь место возвратные связи
этапов. Так, на этапе построения модели может выясниться, что постановка
задачи или противоречива, или приводит к слишком сложной математической
модели; в этом случае исходная постановка задачи должна быть
скорректирована. Наиболее часто необходимость возврата к предшествующим
этапам моделирования возникает на этапе подготовки исходной информации.
Если необходимая информация отсутствует или затраты на ее подготовку
слишком велики, приходится возвращаться к этапам постановки задачи и ее
формализации, чтобы приспособиться к доступной исследователю информации.

Выше уже сказано о циклическом характере процесса моделирования.
Недостатки, которые не удается исправить на тех или иных этапах
моделирования, устраняются в последующих циклах. Однако результаты
каждого цикла имеют и вполне самостоятельное значение. Начав
исследование с построения простой модели, можно получить полезные
результаты, а затем перейти к созданию более сложной и более совершенной
модели, включающей в себя новые условия и более точные математические
зависимости.

1.3. Классификация экономико-математических методов и моделей

Суть экономико-математического моделирования заключается в описании
социально-экономических систем и процессов в виде
экономико-математических моделей. В § 1.1 кратко рассмотрен смысл
понятий «метод моделирования» и «модель». Исходя из этого
экономико-математические методы следует понимать как инструмент, а
экономико-математические модели - как продукт процесса
экономико-математического моделирования.

Рассмотрим вопросы классификации экономико-математических методов. Эти
методы, как отмечено выше, представляют собой комплекс
экономико-математических дисциплин, являющихся сплавом экономики,
математики и кибернетики. Поэтому классификация экономико-математических
методов сводится к классификации научных дисциплин, входящих в их
состав. Хотя общепринятая классификация этих дисциплин пока не
выработана, с известной степенью приближения в составе
экономико-математических методов можно выделить следующие разделы:

Экономическая кибернетика: системный анализ экономики, теория
экономической информации и теория управляющих систем;

Математическая статистика: экономические приложения данной дисциплины
- выборочный метод, дисперсионный анализ, корреляционный анализ,
регрессионный анализ, многомерный статистический анализ, факторный
анализ, теория индексов и др.;

Математическая экономия и изучающая те же вопросы с количественной
стороны эконометрия: теория экономического роста, теория
производственных функций, межотраслевые балансы, национальные счета,
анализ спроса и потребления, региональный и пространственный анализ,
глобальное моделирование и др.;

Методы принятия оптимальных решений, в том числе исследование операций
в экономике. Это наиболее объемный раздел, включающий в себя следующие
дисциплины и методы: оптимальное (математическое) программирование, в
том числе методы ветвей и границ, сетевые методы планирования и
управления, программно-целевые методы планирования и управления, теорию
и методы управления запасами, теорию массового обслуживания, теорию игр.
теорию и методы принятия решений. теорию расписаний. В оптимальное
(математическое) программирование входят в свою очередь линейное
программирование, нелинейное программирование, динамическое
программирование, дискретное (целочисленное) программирование,
дробно-линейное программирование, параметрическое программирование,
сепарабельное программирование, стохастическое программирование,
геометрическое программирование;

Методы и дисциплины, специфичные отдельно как для централизованно
планируемой экономики, так и для. рыночной (конкурентной) экономики. К
первым можно отнести теорию оптимального функционирования экономики,
оптимальное планирование, теорию оптимального ценообразования, модели
материально-технического снабжения и др. Ко вторым - методы, позволяющие
разработать модели свободной конкуренции, модели капиталистического
цикла, модели монополии, модели индикативного планирования, модели
теории фирмы и т. д. Многие из методов, разработанных для
централизованно планируемой экономики, могут оказаться полезными и при
экономико-математическом моделировании в условиях рыночной экономики;

Методы экспериментального изучения экономических явлений. К ним
относят, как правило, математические методы анализа и планирования
экономических экспериментов, методы машинной имитации (имитационное
моделирование), деловые игры. Сюда можно отвести также и методы
экспертных оценок, разработанные для оценки явлений, не поддающихся
непосредственному измерению. Перейдем теперь к вопросам классификации
экономико-математических моделей, другими словами, математических
моделей социально-экономических систем и процессов. Единой системы
классификации таких моделей в настоящее время также не существует,
однако обычно выделяют более десяти основных признаков их классификации,
или классификационных рубрик. Рассмотрим некоторые из этих рубрик.

По общему целевому назначению экономико-математические модели делятся на
теоретико-аналитические, используемые при изучении общих свойств и
закономерностей экономических процессов, и прикладные, применяемые в
решении конкретных экономических задач анализа, прогнозирования и
управления. Различные типы прикладных экономико-математических моделей
как раз и рассматриваются в данном учебном пособии.

По степени агрегирования объектов моделирования модели разделяются на
макроэкономические и микроэкономические. Хотя между ними и нет четкого
разграничения, к первым из них относят модели, отражающие
функционирование экономики как единого целого, в то время как
микроэкономические модели связаны, как правило, с такими звеньями
экономики, как предприятия и фирмы.

По конкретному предназначению, т. е. по цели создания и применения,
выделяют балансовые модели, выражающие требование соответствия наличия
ресурсов и их использования; трендовые модели, в которых развитие
моделируемой экономической системы отражается через тренд (длительную
тенденцию) ее основных показателей; оптимизационные модели,
предназначенные для выбора наилучшего варианта из определенного числа
вариантов производства, распределения или потребления; имитационные
модели, предназначенные для использования в процессе машинной имитации
изучаемых систем или процессов и др.

По типу информации, используемой в модели экономико-математические
модели делятся на аналитические, построенные на априорной информации, и
идентифицируемые, построенные на апостериорной информации.

По учету фактора времени модели подразделяются на статические, в которых
все зависимости отнесены к одному моменту времени, и динамические,
описывающие экономические системы в развитии.

По учету фактора неопределенности модели распадаются на
детерминированные, если в них результаты на выходе однозначно
определяются управляющими воздействиями, и стохастические
(вероятностные), если при задании на входе модели определенной
совокупности значений на ее выходе могут получаться различные результаты
в зависимости от действия случайного фактора.

Экономико-математические модели могут классифицироваться также по
характеристике математических объектов, включенных в модель, другими
словами. по типу математического аппарата, используемого в модели. По
этому признаку могут быть выделены матричные модели, модели линейного и
нелинейного программирования, корреляционно-регрессионные модели, модели
теории массового обслуживания, модели сетевого планирования и
управления, модели теории игр и т.д.

Наконец, по типу подхода к изучаемым социально-экономическим системам
выделяют дескриптивные и нормативные модели. При дескриптивном
(описательном) подходе получаются модели, предназначенные для описания и
объяснения фактически наблюдаемых явлений или для прогноза этих явлений;
в качестве примера дескриптивных моделей можно привести названные ранее
балансовые и трендовые модели. При нормативном подходе интересуются не
тем, каким образом устроена и развивается экономическая система, а как
она должна быть устроена и как должна действовать в смысле определенных
критериев. В частности, все оптимизационные модели относятся к типу
нормативных; другим примером могут служить нормативные модели уровня
жизни.

Рассмотрим в качестве примера экономико-математическую модель
межотраслевого баланса (ЭММ МОБ). С учетом приведенных выше
классификационных рубрик это прикладная, макроэкономическая,
аналитическая, дескриптивная, детерминированная, балансовая, матричная
модель; при этом существуют как статические, так и динамические ЭММ МОБ.

Характеристика основных экономико-математических методов АХД

Применение методов линейного программирования для решения конкретных аналитических задач.

Применение методов динамического программирования для решения конкретных аналитических задач.

1. Экономико-математические методы - это математические методы, применяемые для анализа экономических явлений и процессов. Использование математических методов в экономическом анализе позволяет повысить его эффективность за счет сокращения сроков проведения анализа, более полного охвата влияния факторов на результаты коммерческой деятельности, замены приближенных или упрощенных расчетов точными вычислениями, постановки и решения новых многомерных задач анализа, практически не выполнимых вручную или традиционными методами.

Применение математических методов в экономическом анализе требует соблюдения ряда условий, среди которых:

Системный подход к изучению экономики предприятий, учета всего множества существенных взаимосвязей между различными сторонами деятельности предприятий;

Разработка комплекса экономико-математических моделей, отражающих количественную характеристику экономических процессов и задач, решаемых с помощью экономического анализа;

Совершенствование системы экономической информации о работе предприятий;

Наличие технических средств (ЭВМ и др.), осуществляющих хранение, обработку и передачу экономической информации в целях экономического анализа;

Организация специального коллектива аналитиков, состоящего из экономистов-производственников, специалистов по экономико-математическому моделированию, математиков-вычислителей, программистов-операторов и др.

Современное состояние разработки принципов и конкретных форм использования математики и других точных наук для решения экономических задач отражает примерная схема основных математических методов, применяющихся в анализе хозяйственной деятельности предприятий.

Приведенная схема еще не является классификатором экономико-математических методов, поскольку она составлена безотносительно к какому-либо классификационному признаку. Она необходима для инвентаризации и характеристики основных математических методов, используемых в анализе хозяйственной деятельности предприятий. Рассмотрим ее

Экономико-математические методы в анализе

Методы элементарной математики