Адаптивно-рациональное моделирование в задачах прогнозирования социально-экономических процессов тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат экономических наук Тинякова, Виктория Ивановна

• Тинякова, Виктория Ивановна
• кандидат экономических наук
• 2003

Оглавление диссертации кандидат экономических наук Тинякова, Виктория Ивановна

Введение

Глава 1. Теоретические основы адаптивно-рационального моделирования

§1.1. Неопределенность как источник проблем в прогнозировании социально-экономических процессов

§ 1.2. Современный аппарат социально-экономического прогнозирования в условиях неопределенности

§ 1.3. Генезис и основные принципы адаптивно-рационального моделирования будущего состояния социально-экономических объектов

Глава 2. Модельное обеспечение адаптивно-рационального прогнозирования

§ 2.1. Адаптивные модели переходных процессов для прогнозирования одномерных временных рядов

§ 2.2. Адаптивные модели переходных процессов для прогнозирования многомерных временных рядов

§ 2.3. Адаптивно-рациональная модель прогнозирования одномерных процессов

§ 2.4. Адаптивно-рациональная модель прогнозирования многомерных процессов

Глава 3. Прикладные аспекты адаптивно-рационального прогнозирования на региональном уровне

§3.1. Общие положения разработки региональных прогнозов

§3.2. Сценарные условия функционирования экономики Воронежской области в 2003-2005гг.

§ 3.3. Применение адаптивно-рационального моделирования в прогнозных расчетах основных показателей социально-экономического развития Воронежской области на 20032005гг. 170 Заключение 190 Литература

Введение диссертации (часть автореферата) на тему «Адаптивно-рациональное моделирование в задачах прогнозирования социально-экономических процессов»

Актуальность темы исследования. Особое внимание к проблемам прогнозирования российская экономическая наука проявила после некоторого переосмысления новых условий хозяйствования. Пришло понимание того, что только прогноз как вероятностное представление о перспективах изучаемого объекта в будущем позволяет менеджерам разных уровней увидеть основные ориентиры происходящих перемен. Это дает им возможность принимать обоснованные решения, поскольку любое управленческое решение, в конечном счете, является своеобразной реакцией на прогнозное представление о будущем управляемого объекта. Кроме того, благодаря прогнозам менеджеры получают возможность своевременно оценить опасность рисков и угроз, а, следовательно, принять упреждающие меры для избежания «шока будущего».

В настоящее время круг задач прогнозирования существенно расширился как на макро-, так и микроуровне. На макроуровне прогноз стал средством определения основных характеристик, приоритетов и направлений государственной экономической и социальной политики. Более того, в современных условиях на государственном и региональном уровнях прогнозные разработки стали доминировать над плановыми. Об этом, в частности, свидетельствует Федеральный Закон «О государственном прогнозировании и программах социально-экономического развития Российской Федерации» от 20 июля 1995 года, в котором конституционно закрепляется необходимость в научной разработке прогнозов. Фактически, он ориентирует на усиление прогностической направленности всех аналитических документов, разрабатываемых властными структурами.

Логическим следствием усиления роли прогнозирования в решении задач современного управления явилось повышение требований к обоснованности и надежности прогнозных оценок. Применение традиционных методов прогнозирования не обеспечивает необходимого уровня надежности. Барьером для его достижения является неопределенность и отсутствие стабильности в социально-экономическом развитии России. В подобной ситуации адекватность в описании процессов достигается с помощью моделей, построение которых основано на адаптивных принципах. В отличие от традиционных, эти модели при отражении текущего состояния изучаемого объекта способны учитывать медленное, «в темпе дрейфа», изменение его динамических характеристик. Это превращает их в эффективный инструмент для прогнозирования и анализа процессов, характеризующих современную экономику.

Развитие адаптивного подхода происходит по трем направлениям. Первое из них ориентировано, главным образом, на структурные усложнения прогнозных моделей. Наряду с моделями в виде адаптивных полиномов были построены многофакторные адаптивные регрессии, которые стали использоваться в практике перспективного анализа. В последнее время появились работы, посвященные созданию квазиадаптивных моделей, представляющих собой комбинацию обычной регрессии с адаптивной многофакторной моделью.

Идея второго направления состоит в совершенствовании адаптивного механизма моделей прогнозирования. Сначала появились модели, в которых предусматривалась перманентная перенастройка параметра адаптации в зависимости от величины трекинг-сигнала. Дальнейшее совершенствование адаптивного механизма нашло отражение в появлении «переключателей» режимов его чувствительности к происходящим изменениям внешней среды. Особый интерес для прогнозирования представляют модели с настраиваемой структурой адаптивного механизма. В них не только настраиваются параметры адаптации, но и определяется в некотором смысле оптимальная структура адаптивного механизма, что значительно повышает прогностические возможности таких моделей.

В третьем направлении реализуется подход совместного применения адаптивных принципов и имитационного моделирования. Такая идея комбинирования, на наш взгляд, наиболее продуктивна, значительно расширяет круг задач перспективного анализа и, главное - открыта для дальнейшего своего развития. А развитие этого направления необходимо, поскольку прогнозирование социально-экономических процессов сталкивается не только с проблемой неопределенности.

Теоретическим фундаментом для построения методов адаптивного управления стали исследования Я.З. Цыпкина, Р. Калмана, В.Г. Сраговича, Дж. Са-ридиса, В.Н. Фомина, A.JI. Фрадкова, В.А. Якубовича, П.В. Куропаткина и других. Предназначенные в основном для решения технических задач эти методы не могли корректно применяться в социально-экономическом прогнозировании. Создание аппарата адаптивного моделирования социально-экономических процессов было начато Р. Брауном, Р.Майером, И.И. Перельманом и продолжено Н.С. Райбманом, В.М. Чадеевым, В.П. Бородюком, Э.К. Лецким, Ю.П. Лукашиным, Е.М. Левицким, П.А. Иващенко, А.С. Корхиным, И.Б. Гур-ковым, В.В. Давнисом, Г.Б. Шишкиным, В.В. Цыгановым и другими.

Модели, наделенные адаптивными свойствами, решают вопросы надежности лишь в краткосрочных прогнозах. В оценках же долгосрочной перспективы должна присутствовать информация о тех тенденциях, которые динамика моделируемых процессов еще не успела отразить, но проявление этих тенденций ожидается. Информация подобного рода, как правило, качественная, а ее носителем является человек, обладающий способностью генерировать свои рациональные ожидания относительно будущего.

Опыт свидетельствует, что субъективные ожидания достаточно тесно коррелируют с реальностью будущего. Поэтому требуемый уровень надежности можно обеспечить только с помощью тех адаптивных моделей, в которые инкорпорирована информация экспертного характера. Таким образом, основой развиваемого подхода должна стать идея инкорпорирования рациональных ожиданий в расчетные траектории адаптивно-имитационных моделей прогнозирования.

Однако аппарат, реализующий идею построения прогнозных моделей на основе комбинирования адаптивного принципов и рациональных ожиданий, до настоящего времени не разработан. Поэтому разработка модельного обеспечение такого подхода представляется актуальной научной задачей.

Цель и задачи исследования. Целью диссертационного исследования является совершенствование современного аппарата прогнозирования социально-экономических процессов путем разработки комбинированных моделей на основе интерференции адаптивного подхода, имитационного моделирования и рациональных ожиданий.

Цель исследования предопределила необходимость решения следующих основных задач: исследование роли прогнозирования социально-экономических процессов в современных условиях; изучение проблем моделирования прогнозных оценок будущего состояния экономических объектов в ситуациях нестабильного функционирования хозяйственного механизма России; анализ отечественных и зарубежных исследований, посвященных вопросам прогнозирования в условиях неопределенности; теоретическое обоснование адаптивно-рационального подхода к моделированию социально-экономических процессов; формулировка основополагающих идей построения адаптивно-рациональных моделей для решений различных задач прогнозирования; разработка адаптивных моделей переходных процессов для прогнозирования одномерных и многомерных временных рядов; построение вычислительных схем адаптивно-рациональных моделей и экспериментальная проверка их практической реализуемости; сравнительный анализ современных методов прогнозирования с целью определения степени их применимости на региональном уровне; создание и апробация методики проведения многоуровневых прогнозных расчетов показателей социально-экономического развития региона.

Объектом исследования являются социально-экономические процессы, протекающие как на микро-, так и макроуровне в современных условиях нестабильного функционирования экономики России.

Предметом исследования является модельное обеспечение прогнозирования социально-экономических процессов, основанное на комбинировании адаптивных принципов и рациональных ожиданий.

Теоретической и методологической основой исследования являются современные достижения экономической и математической науки (труды отечественных и зарубежных ученых по вопросам математического моделирования, прогнозирования социально-экономических процессов, экономической теории, адаптивного управления социально-экономическими объектами). Была использована статистическая информация, справочная и методическая литература, материалы периодической печати, а также нормативные и законодательные акты.

При выполнении диссертационной работы применялись эконометриче-ские методы адаптивного прогнозирования социально-экономических процессов,* математическое моделирование, теория матриц, методы обработки экспертной информации, математический анализ, методы визуализации данных, современное программное обеспечение.

Эмпирическую базу исследования составили официальные данные, полученные от Воронежского областного комитета государственной статистики и Главного управления экономического развития Администрации Воронежской области.

Научная новизна исследования состоит в разработке прогнозных моделей на основе принципиально нового подхода, заключающегося в реализации идеи комбинирования с распределенным во времени доминированием адаптивных принципов и рациональных ожиданий и позволяющего повысить надежность прогнозных расчетов по коротким и нестабильным временным рядам за счет использования максимально возможного объема информации.

Научная новизна подтверждена следующими, наиболее существенными, выносимыми на защиту научными результатами, полученными автором в ходе диссертационного исследования: проведена классификация неопределенности в зависимости от факторов, ее порождающих; теоретически обоснован адаптивно-рациональный подход к моделированию социально-экономических процессов; сформулированы основные принципы построения комбинированных моделей прогнозирования социально-экономических процессов и определены составляющие таких моделей; разработаны адаптивные модели прогнозирования переходных одномерных и многомерных процессов социально-экономической динамики; построены вычислительные схемы адаптивно-рационального моделирования прогнозных оценок будущего состояния социально-экономических объектов и показаны преимущества подобного моделирования; создана методика проведения многоуровневых прогнозных расчетов основных показателей социально-экономического развития региона.

Апробация результатов работы. Основные результаты работы докладывались и обсуждались на: семинарах и научных сессиях в Воронежском государственном университете; 24-й международной школе-семинаре им. С.С. Шаталина «Предпринимательский потенциал российской экономики: актуальные проблемы, концепции, методы управления» (Воронеж, 2001); Третьем всероссийском симпозиуме «Стратегическое планирование и развитие предприятий» (Москва, 2002); XXV юбилейной международной школе-семинаре им. С.С. Шаталина (Королев, 2002); II Международной научно-практической конференции «Моделирование. Теория, методы и средства» (Новочеркасск, 2002); Международной научно-практической конференции «Проблемы развития предприятий: теория и практика» (Самара, 2002); Международной школе молодых ученых «Методы кибернетики в технологиях, экономике и управлении производством» (Иваново, 2002); III Международной научно-практической конференции «Методы и алгоритмы прикладной математики в технике, медицине и экономике» (Новочеркасск, 2003), а также на общероссийских и региональных конференциях.

Практическая значимость диссертации выражается в создании на основе разработанных адаптивно-рациональных моделей методики многоуровневого прогнозирования показателей социально-экономического развития региона, характеризующихся «короткой» и нестабильной динамикой. Эта методика была использована Главным управлением экономического развития Администрации Воронежской области при прогнозировании развития области на 2003г., что подтверждается актом о внедрении.

Отдельные результаты диссертационного исследования используются при подготовке экономистов и менеджеров на экономическом факультете Воронежского госуниверситета в курсах: «Прогнозирование экономических процессов» и «Эконометрика», о чем имеется акт о внедрении.

Публикации. По теме диссертационного исследования опубликовано 19 печатных работ, в которых автору в совокупности принадлежит 3,95 п.л. В совместных публикациях автору принадлежат результаты разработки и анализа адаптивно-рациональных моделей прогнозирования социально-экономических процессов.

Структура и объем работы. Диссертация состоит из введения, трех глав, заключения, списка использованной литературы и приложений. Основной текст изложен на 188 страницах машинописного текста, содержит 22 таблицы, 8 рисунков.

Заключение диссертации по теме «Математические и инструментальные методы экономики», Тинякова, Виктория Ивановна

Основные выводы и результаты диссертационного исследования заключаются в следующем:

Показана возросшая роль прогнозирования в современных условиях нестабильного функционирования экономики. Недооценка руководителями любого уровня важности прогнозного обоснования принимаемых решений приводит к последствиям, оказывающимися нередко губительными для их организаций.

Проанализирован современный аппарат прогнозирования социально-экономических процессов в условиях неопределенности. Адаптивный подход, лежащий в основе этого аппарата, обеспечивает требуемый уровень надежности только для краткосрочных периодов. Чтобы иметь возможность разрабатывать надежные прогнозы на более длительный срок, в адаптивные модели необходимо включать дополнительную информацию в виде рациональных ожиданий.

Проведено теоретическое обоснование адаптивно-рационального подхода к моделированию и сформулированы основные принципы построения прогнозных моделей, реализующих этот подход. Эти модели обеспечивают получение прогнозных оценок на основе максимально возможного использования доступной информации, повышая тем самым надежность прогноза.

Разработаны модели с адаптивным механизмом специального вида, который обеспечивает получение прогнозных оценок с учетом изменяющейся во времени степени влияния на них инерционных тенденций и рациональных ожиданий относительно будущего развития социально-экономического объекта. Модели с подобным механизмом являются эффективным инструментом многовариантных прогнозных расчетов в условиях неопределенности.

Построена вычислительная схема адаптивно-рационального прогнозирования многомерных процессов и проведена ее модификация для многоуровневых расчетов в задачах регионального прогнозирования. Использование этой схемы на практике обеспечивает в некотором смысле «сбалансированность» прогнозной динамики моделируемых показателей.

ЗАКЛЮЧЕНИЕ

В диссертационной работе подробно исследован специальный подход к построению прогнозных моделей, обеспечивающих достаточно точное отражение опережающей социально-экономической действительности. Этот подход основан на идеи комбинирования адаптивных принципов и рациональных ожиданий. Его теоретическое обоснование опирается на те знания, которые лежат в основе наших представлений о природе процессов, определяющих будущее состояние социально-экономических объектов.

Для практической реализации идеи построения адаптивно-рациональных моделей были проведены исследования по всему комплексу проблем, возникающих при комбинировании адаптивного подхода, имитационного моделирования и рациональных ожиданий. Основные усилия в ходе этих исследований были направлены на построение адаптивных моделей переходных одномерных и многомерных процессов, а также решение вопросов по созданию механизма перераспределения во времени степени доминирования экстрапо-ляционных оценок и рациональных ожиданий.

Полученные результаты легли в основу разработки адаптивно-рациональных моделей прогнозирования одномерных и многомерных процессов. Свойства этих моделей очевидным образом расширяют границы применения принципов адаптации и адаптивно-имитационного моделирования в прогнозировании. Построенные вычислительные схемы разработанных моделей представляют собой эффективный инструмент для проведения комплексных прогнозных расчетов. Их верификация на региональном уровне подтвердила универсальность, гибкость и надежность этого инструмента. Результаты проверки показали, что именно гибкость обеспечивает главное преимущество матричных адаптивно-рациональных моделей, поскольку позволяет их достаточно легко модифицировать в зависимости от сферы приложения. Так, в диссертационной работе для разработки регионального прогноза был использован многоуровневый вариант этой модели.

Список литературы диссертационного исследования кандидат экономических наук Тинякова, Виктория Ивановна, 2003 год

1. Аведъян Э.Д. Модифицированный алгоритм Качмажа для оценки параметров линейных объектов // Автоматика и телемеханика. - 1978. - №5.

2. Адаптивное управление фирмой / B.C. Кудин, М.В. Лычагин, В.П. Ферапонтова и др. Новосибирск: Изд-во НГАЭиУ, 1995. - 152с.

3. Багриновский К.А. О методах имитационного моделирования экономических процессов // Имитационное моделирование экономических систем. -М.: Наука, 1978.

4. Багриновский К.А., Тренев Н.Н. Моделирование процессов адаптации экономических систем // Экономика и математические методы. 1999. - т. 35.-№2. - С.138-150.

5. Бакаев А.А., Костин Н.И., Яровицкий Н.В. Имитационные модели в экономике. Киев: Наукова Думка, 1978.

6. Басовский JI.E. Прогнозирование и планирование в условиях рынка. -М.: ИНФРА-М, 2001. 260с.

7. Бережная Е.В., Бережной В.И. Математические методы моделирования экономических систем: Учеб. пособие. М.: Финансы и статистика, 2001.-368с.

8. Бешелев С.Д., Гурвич Ф.Г. Математико-статистические методы экспертных оценок. М.: Статистика, 1980. - 263с.

9. Бир С. Кибернетика и управление производством / Пер. с англ. В.Я. Алтаева. М.: Физматгиз, 1963. - 275с.

10. Большой экономический словарь / Под ред. А.Н. Азрилияна. М.: Фонд «Правовая культура», 1994. - 528с.

11. Бородюк В.П., Лецкий Э.К. Статистическое описание промышленных объектов. М.: Энергия, 1971. - 112с.

12. Бусленко В.Н. Автоматизация имитационного моделирования сложных систем. М.: Наука, 1977.

13. Буянов В.П., Кирсанов К.А., Михайлов Л.А. Управление рисками (рис-кология). М.: Экзамен, 2002. - 384с.

14. Владимирова Л.П. Прогнозирование и планирование в условиях рынка. Уч. пособ. М.: Изд. дом «Дашков и К», 2001. - 308с.

15. Глазьев С.Ю. Проблемы прогнозирования макроэкономической динамики // Экономика и математические методы. 1999. - т.35. - №3. - С.122-136.

16. Глухое В.В. Менеджмент: Учебник. СПб.: СпецЛит, 2000. - 700с.

17. Глухое В.В., Медников М.Д., Коробко С.Б. Математические методы и модели для менеджмента. СПб.: Издательство «Лань», 2000. - 480с.

18. Глущенко В.В., Глущенко И.И. Разработка управленческого решения. Прогнозирование. Планирование. Теория проектирования экспериментов. -г.Железнодорожный, Моск. обл.: ТОО НПЦ «Крылья», 1997. 400с.

19. Горелик Н.А., Френкель А.А. Адаптация при прогнозировании экономических показателей методом экспоненциального сглаживания // Экономика и мат. методы, 1981. Т. XVII. Вып. 6.

20. Горелик Н.А., Френкель А.А. Новые направления в анализе и прогнозировании временных рядов // Методологические проблемы анализа и прогнозирования краткосрочных процессов. М.: Наука, 1979.

21. Горстко А.В. К вопросу о содержании понятия «имитационное моделирование» // Имитационное моделирование экономических систем. М.: Наука, 1978.

22. Гохман О.Г. Экспертное оценивание: Учеб. пособие. Воронеж: Изд-во ВГУ, 1991.- 152с.

23. Гурков И.Б. Адаптация промышленной фирмы: теория и практика. -М.-.ВШЭ, 1997.-234с.

24. Гусаков Б. Решение под прессом неопределенности // РИСК.- 1998. -№2-3. С.60-64.

25. Давние В.В. Адаптивное прогнозирование: Модели и методы. Воронеж: Изд-во Воронежского госуниверситета, 1997. - 196с.

26. Давние В.В., Тинякова В.И. Системы адаптивно-рационального управления: генезис и принципы функционирования // Энергия XXI век (научно-практический вестник). - Воронеж. - 2002. - №1(47). - С. 72-81.

27. Данилов АД., Сигов Б.А. О выборе показателя в методе экспоненциального сглаживания // Автоматика. Киев, 1981. - № 2.

28. Евланов Л.Г. Принятие решений в условиях неопределенности. М.: ИУНХ, 1976.

29. Евланов Л.Г., Кутузов В.А. Экспертные оценки в управлении. М.: Экономика, 1978. - 133с.

30. Егоров В.В., Парсаданов Г.А. Прогнозирование национальной экономики: Учеб. пособие. М.: ИНФРА-М, 2001. - 184с.

31. Егорова Н.Е., Мудунов А.С. Система моделей прогнозирования спроса на продукцию сферы услуг // Экономика и математические методы. 2002. -т. 38. - №2. - С.66-83.

32. Ермаков С М. Метод Монте-Карло и смежные вопросы. М.: Наука, 1971.

33. Жак С.В. Математические модели менеджмента и маркетинга. Ростов-на-Дону: ЛаПо, 1997. - 320с.

34. Ивантер В.В., О. Дж. Говтанъ, Ксенофонтов М.Ю., Панфилов B.C., Узяков М.Н. Экономика роста. (Концепция развития России в среднесрочной перспективе). // Проблемы прогнозирования. 2000. - №1. - С.3-21.

35. Ивахненко А.Г. Долгосрочное прогнозирование и управление сложными системами. Киев: «Техника», 1975. - 312с.

36. Иващенко П.А. Адаптация в экономике. X.: Вища шк. Изд-во при Харьк. ун-те, 1986. - 144с.

37. Корхин А. С. Исследование адаптивных алгоритмов идентификации экономических систем: Сходимость и свойства оценок // Алгоритмическое и программное обеспечение прикладного статистического анализа. М.: Наука, 1980.

38. Корхин А. С. Многошаговые адаптивные алгоритмы идентификации экономических систем по временным рядам // Методологические проблемы анализа и прогноза краткосрочных процессов. М.: Наука, 1979.

39. Куропаткин П.В. Оптимальные и адаптивные системы: Учеб. пособие для вузов. М.: Высш. школа, 1980. - 287с.

40. Лабскер Л.Г., Бабешко Л.О. Игровые методы в управлении экономикой и бизнесом: Учеб. пособие. М.: Дело, 2001. - 464с.

41. Ларичев О.И. Теория и методы принятия решений, а также Хроника событий в Волшебных странах: Учебник М.: Логос, 2002. - 392с.

42. Левицкий Е.М. Адаптация и моделирование экономических систем. -Новосибирск: Наука, 1978. 208с.

43. Ли Р. Оптимальные оценки, определение характеристик и управление. М.: Наука, 1966.

44. Лисичкин В.А. Теория и практика прогностики: Методологические аспекты. М.: Наука, 1972. - 224с.

45. Литвак Б.Г. Экспертная информация: Методы получения и анализа. М.: Радио и связь, 1982. - 184с.

46. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования. М.: Статистика, 1979. - 253с.

47. Льюис К.Д. Методы прогнозирования экономических показателей. -М.: Финансы и статистика, 1986.

48. Любушин Н.П., Лещева В.Б., Сучков Е.А. Теория экономического анализа: Учебно-методический комплекс / Под ред. Проф. Н.П. Любушина. М.: Юристь, 2002. - 480с.

49. Мазманова Б.Г. Методические вопросы прогнозирования сбыта // Маркетинг в России и за рубежом. 2001. - №1.

50. Макарова Е.А. Моделирование и прогнозирование экономических процессов: Уч.-метод. пособие. Волгоград: Изд-во Волгогр. гос. ун-та, 2002. - 245с.

51. Менеджмент: Учеб. пособие для вузов / Под ред. Ю.В. Кузнецова, В.И. Подлесных. СПб.: Изд. дом «Бизнес-пресса», 2001. - 422с.

52. Мескон М., Альберт М., Хедоури Ф. Основы менеджмента: Пер. с англ. М.: «Дело ЛТД». 1995. - 704с.

53. Миркин Б.Г. Проблема группового выбора. М.: Наука, 1974. - 256с.

54. Найбороденко Н.М. Прогнозирование и стратегия социального развития России. М.: Издательско-книготорговый центр «Маркетинг», 2003. -352с.

55. Нейман Дж., Моргенштерн О. Теория игр и экономическое поведение. М.: Наука, 1970. 708с.

56. Ортега Дж., Рейнболдт В. Итерационные методы решения нелинейных систем уравнений со многими неизвестными. М.: Мир, 1975.

57. Панков А.Р., Скуридин A.M. Рекуррентное оценивание параметров линейной модели по нескольким группам измерений // Автоматика и телемеханика, 1979.

58. Парсаданов Г.А., Егоров В.В. Прогнозирование национальной экономики: Учебник. М.: Высш. шк., 2002. - 304с.

59. Перепилица В.А., Попова Е.В. Математические модели и методы оценки рисков экономических, социальных и аграрных процессов. Ростов н/Д: Изд-во Рост, ун-та, 2002. - 208с.

60. Перминов С.Б. Имитационное моделирование процессов управления в экономике. Новосибирск: Наука, 1981. - 214с.

61. Петраков Н.Я., Ротарь В.И. Факторы неопределенности и управления экономическими системами. -М.: Наука, 1985.

62. Прогнозирование и планирование в условиях рынка. Уч. пособ. / Под ред. Морозовой Т.Г., Пикулькина А.В. М.: Юнити-Дана, 2000. - 318с.

63. Прогнозирование и планирование экономики: Учеб. пособие / Под общ. ред. В.И. Борисевича, Г.А. Кандауровой. Мн.: Интерпрессервис; Эко-перспектива, 2001. - 380с.

64. Прогнозирование социально-экономического развития региона: вопросы теории и методики / А.Г. Гранберг, В.Я. Феодорйтов, Т.А. Федорова и др.; отв. ред. А.В. Кольцов, Т.А. Федорова. М.: Наука, 1981. - 178с.

65. Рабочая книга по прогнозированию / Под ред. Бестужева-Лада. М.: мысль, 1982.-430с.

66. Райбман Н.С., Чадеев В.М. Адаптивные модели в системах управления. М.: Советское радио, 1966. - 157с.

67. Райфа Г. Анализ решений. Введение в проблему выбора в условиях неопределенности. М.: Наука, 1977. — 408с.

68. Риски в современном бизнесе / П.Г. Грабовый, С.Н. Петрова, С.И. Полтавцева, К.Г. Романова, Б.Б. Хрусталева, С.М. Яровенко. М.: Изд-во «Алане», 1994.-200с.

69. Розанов Г.В., Казакевич Г.Д. Использование имитационных моделей для прогнозирования основных показателей развития народного хозяйства союзной республики // Модели и методы исследования экономических систем. Новосибирск: Наука, 1979.

70. Ромашова И.Б. Прогнозирование в системе управления современным предприятием: Монография. Н.Новгород: Изд-во Нижегородского университета, 2000. - 328с.

71. Савина О.А. Управление промышленными предприятиями с использованием система поддержки решений. М.: Изд-во МАИ, 2000. - 256с.

72. Саридис Дж. Самоорганизующиеся стохастические системы управления. Пер. с англ. -М.: Наука, 1980. 400с.

73. Седелев Б.В. Надежность прогнозирования временных рядов и вопросы «разладки» их регрессионных моделей // Экономика и математические методы.- 2000. т. 36. - №1. - С.145-147.

74. Сидельншов Ю.В. Теория и организация экспертного прогнозирования. -М.: Наука, 1990.

75. Смирнов Н.Н. Прогнозирование национальной экономики: Учеб. пособие. СПб.: Изд-во С.-Петерб. ун-та экономики и финансов, 1996. - 120с.

76. Соболь И.М. Метод Монте-Карло. М.: Наука, 1968. - 64с.

77. Срагович В.Г. Теория адаптивных систем. М.: Наука, 1976. - 320с.

78. Статистическое моделирование и прогнозирование / Учеб. пособие для экон. спец. вузов. Г.М. Гамбаров и др.; Под ред. А.Г. Гранберга. -М.: Финансы и статистика, 1990. 382с.

79. Тейл Г. Экономические прогнозы и принятие решений. М.: Статистика, 1971. - 488с.

80. Теория прогнозирования и принятия решений: Учеб. пособие. Под ред. С.А. Саркисяна. М.: «Высш. школа», 1977. - 351с.

81. Трухаев Р.И. Модели принятия решений в условиях неопределенности. М.: Наука, 1981. - 258с.

82. Управление современной компанией: Учебник / Под ред. проф. Б. Мильнера и проф. Ф. Лииса. М.: ИНФРА-М, 2001. - XVIII, 586с.

83. Фактор неопределенности в межотраслевых моделях / С.А. Березин, Б.Л. Лавровский, Г.А. Рыбакова и др. Новосибирск: Наука, 1983. - 126с.

84. Фомин В.Н., Фрадков А.Л., Якубович В.А. Адаптивное управление динамическими объектами. М.: Наука, 1981. - 448с.

85. Фридмен М. Количественная теория денег: Пер. с англ. М.: Эльф-пресс, 1996.- 131с.

86. Хеше П. Экономический образ мышления: Пер. с англ. М.: Ката-лаксия, 1997.-704с.

87. Цигичко В.Н. Прогнозирование социально-экономических процессов. М.: Финансы и статистика, 1986.

88. Цыганов В.В. Адаптивные механизмы формирования промышленных объединений. М., 2000. - 97с. (Препринт/Институт проблем управления им. В.А. Трапезникова РАН).

89. Цыпкин ЯЗ. Адаптация и обучение в автоматических системах. М.: Наука, 1968.-400с.

90. Цыпкин Я.З. Основы теории обучающихся систем. М.: Наука, 1970. -252с.

91. Чавкин A.M. Методы и модели рационального управления в рыночной экономике: разработка управленческих решений: Учеб. пособие. М.: Финансы и статистика, 2001. - 320с.

92. Черник Д.Г. Введение в экономико-математические модели налогообложения: Учебное пособие. М.: Финансы и статистика, 2000. - 256с.

93. Шапот Д.В., Осипов А.В. Двухсекторная имитационная модель прогнозирования развития экономики // Проблемы прогнозирования. 2001. -№4.-С. 74-83.

94. Шелобаев С.И. Математические методы и модели в экономике, финансах, бизнесе: Учеб. пособие для вузов. М.: ЮНИТИ-ДАНА, 2000. -367с.

95. Шенон Р. Имитационное моделирование систем искусство и наука. - М.: Мир, 1978.

96. Шишкин Г.Б., Цыганов В.В. Механизмы адаптации предприятия на рынке. М., 2000. - 58с. (Препринт/Институт проблем управления им. В.А. Трапезникова РАН).

97. Эконометрика: Учебник / Под ред. И.И. Елисеевой. М.: Финансы и статистика, 2002. - 344с.

98. Эшби У.Р. Введение в кибернетику / Пер. с англ. Д.Г. Лахути. М.: Изд-во иностр. лит., 1959. - 432с.

99. Beladi И., Choudhary М., Parai A. Rational and Adaptive Expectations in the Present Value Model of Hyperinflation I I The Review of Economics and Statistics, Vol. 75, No. 3. (Aug., 1993), pp. 511-514.

100. Brown R.G. Smoothing, Forecasting and Prediction of Discrete Time series // Englewood Cliffs, New Jersy: Prentice Hall, 1963.

101. Brown R.G., Meyer R.F. The Fundamental Theorem of Exponential Smoothing // Operation Research, 1961. Vol. 5, № 5.

102. Burmeister Е., Turnovsky S.J. The Specification о f Adaptive В xpecta-tions in Continuous Time Dynamic Economic Models // Econometrica, Vol. 44, No. 5. (Sep., 1976), pp. 879-905.

103. Cesarno F. The Rational Expectations Hypothesis in Retrospect //The American Economic Review, Vol. 73, No. 1. (Mar., 1983), pp. 198-203.

104. ChakravarthyB.S. Adaptation: a Promising Metaphor for Strategic Management I I Academy of Management Review, Vol. 7, 1982, pp. 35-44.

105. Chavas J.-P., Holt M.T. Economic Behavior Under Uncertainty: A Joint Analysis о f R isk P references a nd T echnology // T he R eview о f E conomics a nd Statistics, Vol. 78, No. 2. (May, 1996), pp. 329-335.

106. Chow G.C. Rational Versus Adaptive Expectations in Present Value Models // The Review of Economics and Statistics, Vol. 71, No. 3. (Aug., 1989), pp. 376-384.

107. Eeckhoudt L., Gollier C., Schlesinger H. Changes in Background Risk and Risk Taking Behavior // Econometrica, Vol. 64, No. 3. (May, 1996), pp. 683689.

108. Feuer B.A. Forecasting with adaptive gradient exponential smoothing // The Bell system technical Journal, 1983. V. 62, № 8.

109. Fourgeaud C., Gourieroux C., Pradel J. Rational Expectations and Bounded Memory //Econometrica, Vol. 53, No. 4. (Jul., 1985), pp. 977-986.

110. Garling Т., Axhausen K., Brydsten M. Travel Choice and the Goal Process Utility Distinction // Applied Cognitive Psychology. 1996. №10.

111. Green W.H. Econometric Analysis, 4 ed. Macmillian Publishing Company, 2000. 1004p.

112. Haeckel S.H. Adaptive Enterprise: Creating and Leading Sense-and-Respond Organizations. Boston, Massachusetts: Harvard Business School Press, 1999.-295p.

113. Holly S., Hallett A.H. Optimal Control, Expectations and Uncertainty. Cambridge: Cambridge University Press, 1989. -244p.

114. Holt С. С. Forecasting trends and seasonal by exponentially weighted moving averages // O.N.R. Memorandum, Carnegie of Technology, 1957. № 52.

115. Hoschka P. Requisite research on methods and tools for microanalytic simulation models // Microanalytic Simulation Models to Support Social and Policy, 1986.

116. I valdi M. Survey Evidence on the Rationality of Expectations // Journal of Applied Econometrics, Vol. 7, No. 3. (Jul.-Sep., 1992), pp.225-241.

117. Kahneman D., Slovic P., Tversky A. (Eds). Judgement under Uncertainty: Heuristic and Biases. Cambridge: Cambridge University Press, 1982.

118. Kahneman D., Tversky A. Prospect Theory: An Analysis of Decisions under Risk // Econometrica, №47, 1979, pp. 1124-1131.

119. Kimball M.S. Standard Risk Aversion // Econometrica, Vol. 61, No. 3. (May, 1993), pp. 589-611.

120. Knight F. Risk, Uncertainty, and Profit. Boston, Houghton Miffm Co. -1921. - p. 210-235. (Русский перевод: Thesis. - 1994. - №5. - с. 12-28).

121. Lahiri S.B. Modified approach to Trigg and Leach'e adaptive response rate model // Computer and Operation Researches, 1979. V. 6, № 1.

122. Lawson T. Adaptive Expectations and Uncertainty // The Review of Economic Studies, Vol. 47, No. 2. (Jan., 1980), pp. 305-320.

123. LeRoy S.F., Singell L .D., Jr. К night оn R isk and Uncertainty / / The Journal of Political Economy, Vol. 95, No. 2. (Apr., 1987), pp. 394-406.

124. Maddala G.S. Introduction to Econometrics. Third Edition. New York: John Wiley & Sons Ltd., 2001. -636p.

125. Marquez J. The Dynamics of Uncertainty or the Uncertainty of Dynamics: Stochastic J-curves // The Review of Economics and Statistics, Vol. 73, No.l. (Feb., 1991), pp. 125-133.

126. McDonald J. В., White S. B. A comparison of some robust, adaptive and partially adaptive estimators of regression models // Economic Review. 1993. -12,№1.

127. McFadden D., Ruud P. A. Estimation by Simulation // The review of Economics and Statistics, Vol. 76, No 4 (Nov., 1994), pp. 591-608.

128. Merz J. Structural adjustment in static and dynamic microsimulation models // Microanalytic Simulation Models to Support Social and Policy, 1986.

129. Muth J.F. Rational Expectations and the Theory of Price Movements // Econometrica, Vol.29, No. 6. (July, 1961), pp. 315-335.

130. Pagan A., Ullah A. The Econometric Analysis of Models With Risk Terms //Journal of Applied Econometrics, Vol. 3, No. 2. (Apr., 1988), pp. 87-105.

131. Pegels C.C. Exponential forecasting: some new variations // Management Science, 1969. V. 15, № 15.

132. Skaperdas S., Gan L. Risk Aversion in Contests 11 The Economic Journal, Vol. 105, No. 431. (Jul., 1995), pp. 951-962.

133. S tern S. Simulation-based Estimation // Journal of Economic Literature, Vol. 35, No 4 (Dec. 1997), pp.2006-2039.

134. Tanizaki H., Mariano R.S. Prediction, Filtering and Smoothing in NonLinear and Non-Normal Cases Using Monte Carlo Integration // Journal of Applied Econometrics, Vol.9, No 2, (Apr.-Jun. 1994), pp. 163-179.

135. Toffler A. Future Shock. New York: Bantam Book, 1985.

136. Trigg D. W. Monitoring a forecasting system // Oper. Res. Quart., 1964. -V. 15, №3.

137. Trigg D.W., Leach A.G. Exponential Smoothing with an adaptive response rate // Oper. Res. Quart., 1967. V. 18, № 1.

138. Wallis K.F. Econometric Implications of the Rational Expectations Hypothesis //Econometrica, Vol. 48, No. 1. (Jan., 1980), pp. 49-74.

139. Winters P.R. Forecasting Sales by Exponentially Weighted Moving Averages // Management Sciences, 1960. V. 6, № 3.

140. Zagonary F. D ecision M aking P rocess under U ncertainty: An E cono-metric Analysis 11 The Economic Journal, Vol. 105, No. 433 (Nov., 1995), pp. 1403-1414.