Помощь по Теле2, тарифы, вопросы

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.

ЛЕКЦИИ

По дисциплине:

Экономико-математические

методы и модели

ПРЕПОДАВАТЕЛЬ МАЦНЕВ А.П.

Москва 2004 год

1. Моделирование экономических систем.

Основные понятия и определения

1.1. Возникновение и развитие системных представлений

1.2. Модели и моделирование. Классификация моделей

1.3. Виды подобия моделей

1.4. Адекватность моделей

2. МАТЕМАТИЧЕСКИЕ МОДЕЛИ И МЕТОДЫ ИХ РАСЧЕТА

2.1. Понятие операционного исследования

2.2. Классификация и принципы построения математических моделей

3. Некоторые сведения из математики

3.1. Выпуклые множества

3.2. Линейные неравенства

3.3. Значения линейной формы на выпуклом множестве

4. ПРИМЕРЫ ЗАДАЧ ЛИНЕЙНОГО ПРОГРАММИРОВАНИЯ

4.1. Транспортная задача

4.2. Общая формулировка задачи линейного программирования

4.3. Графическая интерпретация решения задач линейного программирования

5. МЕТОДЫ РЕШЕНИЯ ЗАДАЧ ЛИНЕЙНОГО ПРОГРАММИРОВАНИЯ

5.1. Общая и основная задачи линейного программирования

5.2. Геометрический метод решения задач линейного программирования

5.3. Графическое решение задачи распределения ресурсов

5.4. Симплексный метод

5.5. Анализ симплекс-таблиц

5.6. Решение транспортных задач

6. МЕТОДЫ НЕЛИНЕЙНОГО ПРОГРАММИРОВАНИЯ

И МНОГОКРИТЕРИАЛЬНОЙ ОПТИМИЗАЦИИ

6.1. Постановка задачи нелинейного программирования

6.2. Постановка задачи динамического программирования

Основные условия и область применения

6.3. Многокритериальная оптимизация

1. Моделирование экономических систем.

Основные понятия и определения.

1.1. Возникновение и развитие системных представлений

Научно-техническая революция привела к возникновению таких понятий, как большие и сложные экономические системы , обладающие специфическими для них проблемами. Необходимость решения таких проблем привела к появлению особых подходов и методов, которые постепенно накапливались и обобщались, образуя, в конце концов, особую науку - системный анализ.

В начале 80-х годов системность стала не только теоретической категорией, но и осознанным аспектом практической деятельности. Широко распространилось понятие того, что наши успехи связаны с тем, насколько системно мы подходим к решению возникающих проблем, а наши неудачи вызваны отсутствием системности в наших действиях. Сигналом о недостаточной системности в нашем подходе к решению какой-либо задачи является появление проблемы, разрешение же возникшей проблемы происходит, как правило, при переходе на новый, более высокий, уровень системности нашей деятельности. Поэтому системность не только состояние, но и процесс.

В различных сферах человеческой деятельности возникли различные подходы и соответствующие методы решения специфических проблем, которые получили различные названия: в военных и экономических вопросах - «исследование операций» , в политическом и административном управлении - «системный подход» , в философии «диалектический материализм» , в прикладных научных исследованиях - «кибернетика» . Позже стало ясно, что все эти теоретические и прикладные дисциплины образуют как бы единый поток, «системное движение», которое постепенно оформилось в науку, получившую название «системный анализ». В настоящее время системный анализ является самостоятельной дисциплиной, имеющей свой объект деятельности, свой достаточно мощный арсенал средств и свою прикладную область. Являясь по существу прикладной диалектикой, системный анализ использует все средства современных научных исследований - математику, моделирование, вычислительную технику и натурные эксперименты.

 Самая интересная и сложная часть системного анализа - это «вытаскивание» проблемы из реальной практической задачи, отделение важного от несущественного, поиск правильной формулировки для каждой из возникающих проблем, т.е. то, что называется «постановкой задачи».

Многие довольно часто недооценивают работу, связанную с формулировкой задачи. Однако многие специалисты полагают, что «хорошо поставить задачу - значит на половину ее решить». Хотя в большинстве случаев заказчику кажется, что он уже сформулировал свою проблему, системный аналитик знает, что предлагаемая клиентом постановка задачи является моделью его реальной проблемной ситуации и неизбежно имеет целевой характер, оставаясь приблизительной и упрощенной. Поэтому необходимо проверить эту модель на адекватность, что приводит к развитию и уточнению первоначальной модели. Очень часто первоначальная формулировка изложена в терминах не тех языков, которые необходимы для построения модели.

1.2. Модели и моделирование. Классификация моделей

Первоначально моделью называли некое вспомогательное средство, объект, который в определенных ситуациях заменял другой объект. Например, манекен в определенном смысле заменяет человека, являясь моделью человеческой фигуры. Древние философы считали, что отобразить природу можно только с помощью логики и правильных рассуждений, т.е. по современной терминологии с помощью языковых моделей. Через несколько столетий девизом английского Научного общества стал лозунг: «Ничего словами!», признавались только выводы, подкрепленные экспериментально или математическими выкладками.

В настоящее время для постижения истины существует 3 пути:

теоретическое исследование;

 эксперимент;

 моделирование.

 Моделью называется объект-заместитель, который в определенных условиях может заменять объект-оригинал, воспроизводя интересующие нас свойства и характеристики оригинала, причем имеет существенные преимущества:

- дешевизну;

- наглядность;

- легкость оперирования и т.п.

 В теории моделей моделированием называется результат отображения одной абстрактной математической структуры на другую - тоже абстрактную, либо как результат интерпретации первой модели в терминах и образах второй.

Paзвитие понятия модели вышло за пределы математических моделей и стало относиться к любым знаниям и представлениям о мире. Поскольку модели играют чрезвычайно важную роль в организации любой деятельности человека их можно разделить на познавательные (когницитивные) и прагматические , что соответствует делению целей на теоретические и практические .

 Познавательная модель ориентирована на приближении модели к реальности, которую эта модель отображает. Познавательные модели являются формой организации и представления знаний, средством соединения новых знаний с имеющимися. Поэтому при обнаружении расхождения между моделью и реальностью встает задача устранения этого расхождения с помощью изменения модели.

 Прагматические модели являются средством управления, средством организации практических действий, способом представления образцово правильных действий или их результата, т.е. являются рабочим представлением целей. Поэтомy при обнаружении расхождения между моделью и реальностью надо направить усилия на изменение реальности так, чтобы приблизить реальность к модели. Таким образом, прагматические модели носят нормативный характер, играют роль образца, под который подгоняется действительность. Примерами прагматических моделей служат планы, кодексы законов, рабочие чертежи и т.д.

Другим принципом классификации целей моделирования может служить деление моделей на статические и динамические .

 Для одних целей нам может понадобиться модель конкретного состояния объекта в определенный момент времени, своего рода «моментальная фотография» объекта. Такие модели называются статическими . Примером являются структурные модели систем.

 В тех же случаях, когда возникает необходимостъ в отображении процесса изменения состояний, требуются динамические модели систем.

В распоряжении человека имеется два типа материалов для построения моделей - средства самого сознания и средства окружающею материального мира. Соответственно этому модели делятся на абстрактные (идеальные) и материальные .

 Очевидно, что к абстрактным моделям относятся языковые конструкции и математические модели. Математические модели обладают наибольшей точностью, но чтобы дойти до их использования в данной области, необходимо получить достаточное количество знаний. По мнению Канта, любая отрасль знания может тем более именоваться наукой, чем в большей степени в ней используется математика.

1.3. Виды подобия моделей

Чтобы некоторая материальная конструкция могла быть моделью, т.е. замещала в каком-то отношении оригинал, между оригиналом и моделью должно быть установлено отношение подобия. Существуют разные способы установления такого подобия, что придает моделям особенности, специфичные для каждого способа.

 Прежде всего, это подобие, устанавливаемое в процессе создания модели. Назовем такое подобие прямым . Примером такого подобия являются фотографии, масштабированные модели самолетов, кораблей, макеты зданий, выкройки, куклы и т.д.

Следует помнить, что как бы хороша ни была модель, она все-таки лишь заменитель оригинала, только в определенном отношении. Даже тогда, когда модель прямого подобия выполнена из того же материала, что и оригинал, т.е. подобна ему субстратно, возникают проблемы переноса результатов моделирования на оригинал. Например, при испытании уменьшенной модели самолета в аэродинамической трубе задача пересчета данных модельного эксперимента становится нетривиальной и возникает разветвленная, содержательная теория подобия, позволяющая привести в соответствие масштабы и условия эксперимента, скорость потока, вязкость и плотность воздуха. Трудно достигается взаимозаменяемость модели и оригинала в фотокопиях произведений искусства, голографических изображениях предметов искусства.

 Второй тип подобия между моделью и оригиналом называется косвенным . Косвенное подобие между оригиналом и моделью объективно существует в природе и обнаруживается в виде достаточной близости или совпадения их абстрактных математических моделей и вследствие этого широко используется в практике реального моделирования. Наиболее характерным примером может служить электромеханическая аналогия между маятником и электрическим контуром.

Оказалось, что многие закономерности электрических и механических процессов описываются одинаковыми уравнениями, различие состоит в разной физической интерпретации переменных, входящих в это уравнение. Роль моделей, обладающих косвенным подобием, очень велика и роль аналогий (моделей косвенного подобия) в науке и практике трудно переоценить. Аналоговые вычислительные машины позволяют найти решение почти всякого дифференциального уравнения, представляя собой, таким образом, модель, аналог процесса, описываемого этим уравнением. Использование электронных аналогов в практике определяется тем, что электрические сигналы легко измерить и зафиксировать, что дает известные преимущества модели.

 Третий, особый класс моделей составляют модели, подобие которых оригиналу не является ни прямым, ни косвенным, а устанавливается в результате соглашения . Такое подобие называется условным. С моделями условного подобия приходится иметь дело очень часто, поскольку они являются способом материального воплощения абстрактных моделей. Примерами условного подобия служат деньги (модель стоимости), удостоверение личности (модель владельца), всевозможные сигналы (модели сообщения).

При построении экономических моделей выявляются существенные факторы и отбрасываются детали несущественные для решения поставленной задачи.

К экономическим моделям могут относится модели:

• экономического роста
• потребительского выбора
• равновесия на финансовом и товарном рынке и многие другие.

Модель — это логическое или математическое описание компонентов и функций, отражающих существенные свойства моделируемого объекта или процесса.

Модель используется как условный образ, сконструированный для упрощения исследования объекта или процесса.

Природа моделей может быть различна. Модели подразделяются на: вещественные, знаковые, словесное и табличное описание и др.

Экономико-математическая модель

В управлении хозяйственными процессами наибольшее значение имеют прежде всего экономико-математические модели , часто объединяемые в системы моделей.

Экономико-математическая модель (ЭММ) — это математическое описание экономического объекта или процесса с целью их исследования и управления ими. Это математическая запись решаемой экономической задачи.

• Экстраполяционные модели
• Факторные эконометрические модели
• Оптимизационные модели
• Балансовые модели, модель МежОтраслевогоБаланса (МОБ)
• Экспертные оценки
• Теория игр
• Сетевые модели
• Модели систем массового обслуживания

Экономико-математические модели и методы, применяемые в экономическом анализе

R a = ЧП / ВА + ОА ,

В обобщенном виде смешанная модель может быть представлена такой формулой:

Итак, вначале следует построить экономико-математическую модель, описывающую влияние отдельных факторов на обобщающие экономические показатели деятельности организации. Большое распространение в анализе хозяйственной деятельности получили многофакторные мультипликативные модели , так как они позволяют изучить влияние значительного количества факторов на обобщающие показатели и тем самым достичь большей глубины и точности анализа.

После этого нужно выбрать способ решения этой модели. Традиционные способы : способ цепных подстановок, способы абсолютных и относительных разниц, балансовый способ, индексный метод, а также методы корреляционно-регрессионного, кластерного, дисперсионного анализа, и др. Наряду с этими способами и методами в экономическом анализе используются и специфически математические способы и методы.

Интегральный метод экономического анализа

Одним из таких способов (методов) является интегральный. Он находит применение при определении влияния отдельных факторов с использованием мультипликативных, кратных, и смешанных (кратно-аддитивных) моделей.

В условиях применения интегрального метода имеется возможность получения более обоснованных результатов исчисления влияния отдельных факторов, чем при использовании метода цепных подстановок и его вариантов. Метод цепных подстановок и его варианты, а также индексный метод имеют существенные недостатки: 1) результаты расчетов влияния факторов зависят от принятой последовательности замены базисных величин отдельных факторов на фактические; 2) дополнительный прирост обобщающего показателя, вызванный взаимодействием факторов, в виде неразложимого остатка присоединяется к сумме влияния последнего фактора. При использовании же интегрального метода этот прирост делится поровну между всеми факторами.

Интегральный метод устанавливает общий подход к решению моделей различных видов, причем независимо от числа элементов, которые входят в данную модель, а также независимо от формы связи между этими элементами.

Интегральный метод факторного экономического анализа имеет в своей основе суммирование приращений функции, определенной как частная производная, умноженная на приращение аргумента на бесконечно малых промежутках.

В процессе применения интегрального метода необходимо соблюдение нескольких условий. Во-первых, должно соблюдаться условие непрерывной дифференцируемости функции, где в качестве аргумента берется какой-либо экономический показатель. Во-вторых, функция между начальной и конечной точками элементарного периода должна изменяться по прямой Г е . Наконец, в третьих, должно иметь место постоянство соотношения скоростей изменения величин факторов

d y / d x = const

При использовании интегрального метода исчисление определенного интеграла по заданной подынтегральной функции и заданному интервалу интегрирования осуществляется по имеющейся стандартной программе с применением современных средств вычислительной техники.

Если мы осуществляем решение мультипликативной модели, то для расчета влияния отдельных факторов на обобщающий экономический показатель можно использовать следующие формулы:

ΔZ(x) = y 0 * Δ x + 1/2 Δ x * Δ y

Z(y)= x 0 * Δ y +1/2 Δ x * Δ y

При решении кратной модели для расчета влияния факторов воспользуемся такими формулами:

Z=x /y ;

Δ Z(x) = Δ x /Δ y Ln y1/y0

Δ Z(y)= Δ Z - Δ Z(x)

Существует два основных типа задач, решаемых при помощи интегрального метода: статический и динамический. При первом типе отсутствует информация об изменении анализируемых факторов в течение данного периода. Примерами таких задач могут служить анализ выполнения бизнес-планов либо анализ изменения экономических показателей по сравнению с предыдущим периодом. Динамический тип задач имеет место в условиях наличия информации об изменении анализируемых факторов в течение данного периода. К этому типу задач относятся вычисления, связанные с изучением временных рядов экономических показателей.

Таковы важнейшие черты интегрального метода факторного экономического анализа.

Метод логарифмирования

Кроме этого метода, в анализе находит применение также метод (способ) логарифмирования. Он используется при проведении факторного анализа, когда решаются мультипликативные модели. Сущность рассматриваемого метода заключается в том, что при его использовании имеет место логарифмически пропорциональное распределение величины совместного действия факторов между последними, то есть эта величина распределяется между факторами пропорционально доле влияния каждого отдельного фактора на сумму обобщающего показателя. При интегральном же методе упомянутая величина распределяется между факторами в одинаковой мере. Поэтому метод логарифмирования делает расчеты влияния факторов более обоснованными по сравнению с интегральным методом.

В процессе логарифмирования находят применение не абсолютные величины прироста экономических показателей, как это имеет место при интегральном методе, а относительные, то есть индексы изменения этих показателей. К примеру, обобщающий экономический показатель определяется в виде произведения трех факторов — сомножителей f = x y z .

Найдем влияние каждого из этих факторов на обобщающий экономический показатель. Так, влияние первого фактора может быть определено по следующей формуле:

Δf x = Δf · lg(x 1 / x 0) / lg(f 1 / f 0)

Каким же было влияние следующего фактора? Для нахождения его влияния воспользуемся следующей формулой:

Δf y = Δf · lg(y 1 / y 0) / lg(f 1 / f 0)

Наконец, для того, чтобы исчислить влияние третьего фактора, применим формулу:

Δf z = Δf · lg(z 1 / z 0)/ lg(f 1 / f 0)

Таким образом, общая сумма изменения обобщающего показателя расчленяется между отдельными факторами в соответствии с пропорциями отношений логарифмов отдельных факторных индексов к логарифму обобщающего показателя.

При применении рассматриваемого метода могут быть использованы любые виды логарифмов — как натуральные, так и десятичные.

Метод дифференциального исчисления

При проведении факторного анализа находит применение также метод дифференциального исчисления. Последний предполагает, что общее изменение функции, то есть обобщающего показателя, подразделяется на отдельные слагаемые, значение каждого из которых исчисляется как произведение определенной частной производной на приращение переменной, по которой определена эта производная. Определим влияние отдельных факторов на обобщающий показатель, используя в качестве примера функцию от двух переменных.

Задана функция Z = f(x,y) . Если эта функция является дифференцируемой, то ее изменение может быть выражено следующей формулой:

Поясним отдельные элементы этой формулы:

ΔZ = (Z 1 - Z 0) - величина изменения функции;

Δx = (x 1 - x 0) — величина изменения одного фактора;

Δ y = (y 1 - y 0) -величина изменения другого фактора;

- бесконечно малая величина более высокого порядка, чем

В данном примере влияние отдельных факторов x и y на изменение функции Z (обобщающего показателя) исчисляется следующим образом:

ΔZ x = δZ / δx · Δx; ΔZ y = δZ / δy · Δy.

Сумма влияния обоих этих факторов — это главная, линейная относительно приращения данного фактора часть приращения дифференцируемой функции, то есть обобщающего показателя.

Способ долевого участия

В условиях решения аддитивных, а также кратно-аддитивных моделей для исчисления влияния отдельных факторов на изменение обобщающего показателя используется также способ долевого участия. Его сущность состоит в том, что вначале определяется доля каждого фактора в общей сумме их изменений. Затем эта доля умножается на общую величину изменения обобщающего показателя.

Предположим, что мы определяем влияние трех факторов — а ,b и с на обобщающий показатель y . Тогда для фактора, а определение его доли и умножение ее на общую величину изменения обобщающего показателя можно осуществить по следующей формуле:

Δy a = Δa/Δa + Δb + Δc*Δy

Для фактора в рассматриваемая формула будет иметь следующий вид:

Δy b =Δb/Δa + Δb +Δc*Δy

Наконец, для фактора с имеем:

Δy c =Δc/Δa +Δb +Δc*Δy

Такова сущность способа долевого участия, используемого для целей факторного анализа.

Метод линейного программирования

Теория массового обслуживания

Теория игр

Находит применение также теория игр. Так же, как и теория массового обслуживания, теория игр представляет собой один из разделов прикладной математики. Теория игр изучает оптимальные варианты решений, возможные в ситуациях игрового характера. Сюда относятся такие ситуации, которые связаны с выбором оптимальных управленческих решений, с выбором наиболее целесообразных вариантов взаимоотношений с другими организациями, и т.п.

Для решения подобных задач в теории игр используются алгебраические методы, которые базируются на системе линейных уравнений и неравенств, итерационные методы, а также методы сведения данной задачи к определенной системе дифференциальных уравнений.

Одним из экономико-математических методов, применяемых в анализе хозяйственной деятельности организаций, является так называемый анализ чувствительности. Данный метод зачастую применяется в процессе анализа инвестиционных проектов, а также в целях прогнозирования суммы прибыли, остающейся в распоряжении данной организации.

В целях оптимального планирования и прогнозирования деятельности организации необходимо заранее предусматривать те изменения, которые в будущем могут произойти с анализируемыми экономическими показателями.

Например, следует заранее прогнозировать изменение величин тех факторов, которые влияют на размер прибыли: уровень покупных цен на приобретаемые материальные ресурсы, уровень продажных цен на продукцию данной организации, изменение спроса покупателей на эту продукцию.

Анализ чувствительности состоит в определении будущего значения обобщающего экономического показателя при условии, что величина одного или нескольких факторов, оказывающих влияние на этот показатель, изменится.

Так, например, устанавливают, на какую величину изменится прибыль в перспективе при условии изменения количества продаваемой продукции на единицу. Этим самым мы анализируем чувствительность чистой прибыли к изменению одного из факторов, влияющих на нее, то есть в данном случае фактора объема продаж. Остальные же факторы, влияющие на величину прибыли, являются при этом неизменными. Можно определить величину прибыли также и при одновременном изменении в будущем влияния нескольких факторов. Таким образом анализ чувствительности дает возможность установить силу реагирования обобщающего экономического показателя на изменение отдельных факторов, оказывающих влияние на этот показатель.

Матричный метод

Наряду с вышеизложенными экономико-математическими методами в анализе хозяйственной деятельности находят применение также . Эти методы базируются на линейной и векторно-матричной алгебре.

Метод сетевого планирования

Экстраполяционный анализ

Кроме рассмотренных методов, используется также экстраполяционный анализ. Он включает в себя рассмотрение изменений состояния анализируемой системы и экстраполяцию, то есть продление имеющихся характеристик этой системы на будущие периоды. В процессе осуществления этого вида анализа можно выделить такие основные этапы: первичная обработка и преобразование исходного ряда имеющихся данных; выбор типа эмпирических функций; определение основных параметров этих функций; экстраполяция; установление степени достоверности проведенного анализа.

В экономическом анализе используется также метод главных компонент. Они применяется в целях сравнительного анализа отдельных составных частей, то есть параметров проведенного анализа деятельности организации. Главные компоненты представляют собой важнейшие характеристики линейных комбинаций составных частей, то есть параметров проведенного анализа, которые имеют самые значительные величины дисперсии, а именно, наибольшие абсолютные отклонения от средних величин.

Группа экономико-математических методов делится на две подгруппы:

· Методы математической экстраполяции;

· Методы математического моделирования.

Математическая экстраполяция представляет собой распространение закона изменения функции из области ее наблюдения на область, лежащую вне отрезка наблюдения.

Методы экстраполяции основываются на предположении о неизменности факторов, определяющих развитие изучаемого объекта, и заключается в распространении закономерностей развития объекта в прошлом на его будущее.

Суть состоит в том, что траектория развития объекта до момента, с которого начинается прогнозирование ею будущего развития, может быть выражена после соответствующей обработки фактических данных какой либо математической функцией, адекватно описывающей закономерности предшествующего развития объекта

В зависимости от особенностей изменения уровней в ряду динамики приемы экстраполяции могут быть простыми и сложными.

Первую группу составляют методы прогнозирования, основанные на предположении относительного постоянства в будущем абсолютных значений уровней, среднего уровня ряда, среднего абсолютного прироста, среднего темпа роста.

Вторая группа методов основана на выявлении основной тенденции, то есть применении статистических формул, описывающих тренд. Их можно разделить на два основных типа: на адаптивные и аналитические (кривые роста). Адаптивные методы прогнозирования основаны на том, что процесс реализации их заключается в вычислении последовательных во времени значений прогнозируемого показателя с учетом степени влияния предыдущих уровней. К ним относятся методы скользящей и экспоненциальной средних, метод гармонических весов, метод авторегрессионых преобразований.

В основе аналитических методов (кривых роста) прогнозирования положен принцип получения с помощью метода наименьших квадратов оценки детерминированной компоненты Ft, характеризующей основную тенденцию.

Суть метода состоит в том, что траектория развития объекта до момента, с которого начинается прогнозирование, может быть выражена после соответствующей обработки фактических данных какой-либо математической функцией адекватно описывающей закономерности предшествующего развития. Она осуществляется следующим образом:

1. необходимо получить достаточно продолжительный во времени ряд показателей;

2. необходимо построить эмпирическую кривую, графически отображающую динамику этого показателя во времени;

3. необходимо выровнять ряд с помощью граф анализа или статистического подбора функций, который максимизирует приближение к фактическим значениям динамического ряда;

4. исчисляем коэффициент или параметр этой функции (a,b,c…), в результате получится простейшая математическая модель, пригодная для прогноза во времени, при этом предполагают, что совокупный фактор, определяющий тенденции динамического ряда в прошлом в среднем сохранит свою силу.

В экономических исследованиях наиболее распространенным методом прогнозной экстраполяции является метод, основанный на сглаживании временных рядов.

Последовательность расположенных в хронологическом порядке статистических показателей, которые характеризуют изменение экономического явления во времени, представляет собой временной (динамический) ряд. Отдельные значения показателей (наблюдения) временного ряда называются уровнями этого ряда.

Временные ряды подразделяются на моментные и интервальные.

Целью анализа временных рядов экономических явлений за определенный интервал времени является установление тенденции их изменения за рассматриваемый период, которая покажет направление развития изучаемого явления.

Для того чтобы выявить общую тенденцию изменения экономических явлений в течение изучаемого периода времени, следует провести сглаживание временного ряда. Необходимость сглаживания временных рядов обусловлена тем, что помимо влияния на уровни ряда главных факторов, которые в конечном итоге формируют конкретное значение неслучайной компоненты (тренда), на них действуют случайные факторы, которые вызывают отклонения фактических (наблюдаемых) значений уровней ряда от тренда.

Под трендом понимается характеристика основной тенденции временного ряда значений определенного показателя, т.е. основная закономерность движения его во времени, свободная от случайных воздействий.

Таким образом, отдельные уровни временного ряда (y t ) представляют собой результат воздействия главных факторов, которые формируют конкретное значение неслучайной (детерминированной) компоненты (), а также случайной компоненты (е t), обусловленной воздействием случайных факторов, значение которой составляет отклонение фактических (наблюдаемых) значений уровней ряда от тренда. Для устранения случайных отклонений осуществляется сглаживание временного ряда.

Неслучайные компоненты уровней временного ряда могут быть выражены некоторой аппроксимирующей функцией, отражающей закономерности развития исследуемого явления.

Рассмотрим прогнозную экстраполяцию, основанную на сглаживании временных рядов по методу наименьших квадратов.

Суть метода наименьших квадратов состоит в определении параметров модели тренда, минимизирующих ее отклонение от точек исходного временного ряда, т.е. в минимизации суммы квадратических отклонений между наблюдаемыми и расчетными величинами.

Таким образом, суть сглаживания временного ряда наблюдаемых значений показателя состоит в том, что фактические (наблюдаемые) уровни ряда заменяются уровнями, рассчитанными на основе определенной функции, которая в наибольшей степени соответствует наблюдаемым значениям показателей динамического ряда.

Графиком линейной функции является прямая.

Для того чтобы определить параметры а и А уравнения прямой, следует решить систему уравнений:

Часто данные временного ряда имеют нелинейную зависимость, которая выражается в виде квадратичной функции: у = ах 2 + bх + с. Графиком квадратичной функции является парабола. Для того чтобы определить параметры а,b, с уравнения параболы, следует решить систему уравнений:

Экономико-математическое моделирование предполагает конструирование модели на основе предварительного изучения объекта или процесса, выделения его существенных характеристик или признаков.

Экономико-математическая модель - это система формализованных соотношений, которые описывают основные взаимосвязи элементов, образующих определенную экономическую систему.

В зависимости от уровня управления экономическими и социальными процессами различают макроэкономические, межотраслевые, отраслевые, региональные модели и модели макроуровня (отдельных предприятий, фирм).

Примером экономико-математической модели на макроуровне может служить модель производственной функции при прогнозировании объема валового внутреннего продукта (ВВП) страны, которая имеет следующий вид:

Следует отметить, что расчет экономико-математических моделей проводится по соответствующим компьютерным программам.

Экономико-математические модели используются для разработки межотраслевого баланса, моделирование капитальных вложений, трудовых ресурсов и т. д.

Методы планирования как составная часть методологии планирования представляют собой совокупность расчетов, которые необходимы для разработки отдельных разделов и показателей плана и их обоснования. При этом широко используются достижения отраслевых экономических наук: экономической статистики; экономики промышленности; экономики сельского хозяйства; экономики строительства и других. При планировании показателей важно не только рассчитать их значение в плановом периоде, но и выявить возможные резервы его улучшения и вовлечь их в хозяйственный оборот.

К основным методам планирования, которые широко используются в экономической практике относятся следующие: балансовый метод; нормативный метод; программно-целевой метод; экономико-статистические методы; экономико-математические методы.

Балансовый метод - обеспечивает увязку потребностей и ресурсов как в масштабе всего общественного производства, так и на уровне отрасли и отдельного предприятия. В практике планирования применяются следующие виды балансов: 1) материальные балансы; 2) стоимостные балансы; 3) балансы трудовых ресурсов.

Принципиальная схема материального баланса в натуральных единицах измерения следующая:

К стоимостным балансам относятся: межотраслевой баланс производства и распределения продукции, работ и услуг; государственный бюджет и др. В качестве баланса трудовых ресурсов в одной из тем курса будет рассмотрен сводный баланс трудовых ресурсов.

Нормативный, метод планирования основан на разработке и использовании в планировании норм и нормативов. В качестве примера можно привести норму расхода различных материалов в натуральном измерении на единицу выпускаемой продукции. В качестве нормативов можно привести, как пример, норматив отчисления денежных средств из прибыли предприятия в виде налогов.

Программно-целевой метод планирования основан на разработке социально-экономических программ для решения отдельных социально-экономических проблем. Этот метод предусматривает определение комплекса взаимосвязанных организационно-правовых и финансово-экономических мероприятий, направленных на реализацию разработанных программ. Использование этого метода предусматривает концентрацию ресурсов на решение важнейших проблем.

Экономико-статистические методы планирования представляют собой совокупность отдельных методов, с помощью которых рассчитываются отдельные социально-экономические показатели на плановый период и их динамика. Определяется абсолютная и относительная динамика показателей, т.е. изменение их во времени.

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.

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) =0,027σ(x) = 0,164«В»M(Y) = 1,124D(Y) = 0,010σ(y) = 0,101«С»M(Z) = 1,037D(Z) = 0,012σ(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 ε. 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 ε 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 ε 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.

·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. -