Моделирование экономических рисков методами нелинейной динамики: На материалах Карачаево-Черкесской Республики тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат экономических наук Янгишиева, Альфира Менлигуловна

• Янгишиева, Альфира Менлигуловна
• кандидат экономических наук
• 2005

Оглавление диссертации кандидат экономических наук Янгишиева, Альфира Менлигуловна

ВВЕДЕНИЕ

1 МАТЕМАТИЧЕСКИЕ И ИНСТРУМЕНТАЛЬНЫЕ МЕТОДЫ

МОДЕЛИРОВАНИЯ ЭКОНОМИЧЕСКОГО РИСКА

1.10 подходах к оценке и прогнозированию экономических рисков

1.2 Двухуровневый подход к экономико-математическому моделированию

1.3 Использование прямых методов поддержки принятия решений в условиях многокритериальности на примере модельных серий временных рядов

1.3. 1 Модельные серии временных рядов урожайностей КЧР

1.3.2 Модельные серии временных рядов объемов стоков горных рек

2 МЕТОДЫ НЕЛИНЕЙНОЙ ДИНАМИКИ КАК ИНСТРУМЕНТАРИЙ

ПРЕДПРОГНОЗНОГО АНАЛИЗА И ИССЛЕДОВАНИЯ РИСК-ЭКСТРЕМАЛЬНЫХ УРОВНЕЙ

2.1 Метод нормированного размаха Херста

2.2 Модифицированный алгоритм последовательного R/S-анализа для оценки глубины памяти о начале временного ряда

2.3 Инструментарий фазовых портретов для выявления циклов временного ряда и подтверждения прогноза

2.4 Построение прогнозных моделей для определения риск-экстремальных значений на базе линейного клеточного автомата

3 ИСПОЛЬЗОВАНИЕ МЕТОДОВ НЕЛИНЕЙНОЙ ДИНАМИКИ К

ПРОГНОЗИРОВАНИЮ МОДЕЛЬНЫХ СЕРИЙ ПРИРОДНЫХ И ЭКОНОМИЧЕСКИХ ВРЕМЕННЫХ РЯДОВ

3.1 Реализация предпрогнозного анализа на базе методов динамического хаоса для отрасли растениеводства КЧР

3.2 О возможности прогнозирования весенних заморозков на основе методов нелинейной динамики

3.3 Модификация и обучение клеточно-автоматной прогнозной модели

3.4 Системная реализация верхнего уровня моделирования 147 ЗАКЛЮЧЕНИЕ 154 СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

Введение диссертации (часть автореферата) на тему «Моделирование экономических рисков методами нелинейной динамики: На материалах Карачаево-Черкесской Республики»

Актуальность темы исследования. Современная экономическая теория вступила в новую фазу своего развития, что обусловлено усложнением и глобализацией мировой экономики. Несомненно, что на развитие экономико-математического моделирования оказывают влияние новейшие математические методы, прежде всего методы нелинейной динамики, а также появление новых компьютерных технологий, сделавших возможным исследование сложных явлений и процессов, образно говоря, на экране дисплея.

Выше сказанное в полной мере относится к теории моделирования рисков, в первую очередь экономических рисков. Сложность этой категории все еще остается выше понимания исследователей, аналитический инструментарий которых базируется на классическом экономико-математическом фундаменте.

Актуальность настоящего исследования также приобрела особо важное экономическое значение для региона ЮФО после наводнения, имевшего место по реке Кубань в июне 2002 года, убытки от которого превосходят сумму порядка 0,5 млрд. долларов.

Рост ущерба, наносимого катастрофическими событиями, бросает вызов правительствам стран, страховым компаниям и финансовым учреждениям. Учитывая важность этой проблемы, ООН объявила 90-е годы XX века Международным десятилетием уменьшения последствий катастрофических событий. В ходе десятилетия была разработана новая стратегия борьбы с катастрофами. В основу этой стратегии были положены принципы заблаговременного прогнозирования и предупреждения катастроф вместо принципа ликвидации их последствий. Признано, что «предупреждение не только более гуманно, нежели ликвидация последствий, но и значительно дешевле»1.

Практически всеми странами мира признано, что единственно верным решением проблемы уменьшения воздействия катастрофических явлений любой природы является оценка и учет рисков. Эта стратегия включает, прежде

1 . Осипов В.И. Природные катастрофы как глобальные и национальные угрозы // Управление риском. №3. 2002. - С. 2-13. всего, развитие теории и методов заблаговременного прогнозирования и предупреждения.

Моделирование экстремумов - сложная область: данные о чрезвычайных событиях скудны по определению, а прогнозы и оценки часто приходится делать на грани или даже за пределами доступных данных. В связи с этим давно признана необходимость в создании теории управления риском, связанным с катастрофическими событиями. Выступая в 1995 году на Объединенной исследовательской конференции центральных банков, председатель Федеральной Резервной Системы США сказал: «Естественным следствием существования кредитора последней инстанции станет возможность разделить бремя риска чрезвычайных исходов. Таким образом, в случае катастроф центральные банки будут предоставлять то, что, в сущности, является страховым покрытием. С точки зрения риск-менеджера, неуместное использование нормального распределения может привести к недооцениванию риска, хотя, с другой стороны, этот метод создает значительные преимущества, так как упрощает картину риска. Для банка последствия еще более серьезны, так как в формулировании политики кредитора последней инстанции нам часто приходится ориентироваться на левый хвост кривой распределения. Совершенствование описания распределения экстремальных значений является вопросом первостепенной важности»2.

Развиваемые в настоящей диссертации подходы к моделированию экономического риска учитывают вышеназванные факты неподчинения нормальному закону распределения в исходной статистике. Таким образом, авторское исследование снимает проблемный вопрос о неправомерности традиционного применения аналитиками весьма большой части методов статистического анализа, включая способы диагностики, разработанные в эконометрике. В диссертационном исследовании линейная парадигма заменена её нелинейной парадигмой, составляющими которой являются эволюционная экономика, теория хаоса, фрактальная статистика, нелинейная динамика и другие направления

2 Эмбрехтс П. Трудности оценки риск-экстремумов. В журнале Управление рисками /

Джеймс Пикфорд. - М.: ООО «Вершина», 2004. - 352 с. 4 nonlinear science. Инструментарием реализации методов нелинейной динамики послужили новые компьютерные технологии, сделавшие возможным исследование сложных явлений и процессов, образно говоря, на экране дисплея. Классические методы прогнозирования экономических временных рядов базируются на математическом аппарате эконометрики. Это базирование осуществляется в предположении, что наблюдения, составляющие прогнозируемый временной ряд, являются независимыми, в силу чего выполняется необходимое подчинение нормальному закону. Последнее, однако, является скорее исключением, чем правилом для экономических временных рядов, которые обладают так называемой долговременной памятью. Настоящее диссертационное исследование выполнялось с учетом того, что к настоящему времени отсутствуют сколько-нибудь завершенные теории прогнозирования временных рядов с памятью, что и обуславливает актуальность и необходимость разработки новых математических методов и алгоритмов для выявления возможной потенциальной прогнозируемое™ рядов с памятью и построения адекватных прогнозных моделей.

В работе представлено еще одно применение исследований, актуальность которого также не вызывает сомнений, а именно, использование методов многокритериальной оптимизации и двухуровневого подхода к задачам экономико-математического моделирования отрасли растениеводства и природных риск-факторов. Комплексно используются как методы классической статистики, так и методы нелинейной динамики.

Степень разработанности. В качестве математических средств прогнозирования и, как следствие, принятия обоснованных решений в условиях неопределенности и риска обычно использовали методы теории математических игр, теории вероятностей, математической статистики, теории статистических решений, математического программирования. Большой вклад в развитие теоретической прогностики внесли зарубежные ученые: особо можно отметить труды И. Бернара, Н. Винера, Д.Ж. Джонстона, Ж.-К.Колли, В.В. Леонтьева, К. Паррамоу, М. Песарана, Ю. Колека, JL Слейтера, Э. Сигэла и др.

Общие проблемы рискологии и управления рисками, а также вопросы систематизации, структурирования и методологии анализа экономических рисков предпринимательской деятельности активно исследуются в научной литературе, в том числе в работах А.П. Альгина, И.Т. Балабанова, В.П. Буянова, С.В. Вайданцева, П.Г. Грабового, В.М. Гранатурова, В.А. Кардаша, К.А. Кирсанова, М.Г. Лапусты, В.Н. Лившица, Л.А. Михайлова, Б.А. Райсберга, В.Т. Сев-рук, В.Л. Тамбовцева, В.В. Хохлова, В.В. Христиановского, Г.Н. Хубаева,

B.А. Чернова, Л.Г. Шаршукова и других.

Последнее десятилетие начали активно изучаться проблемы математического моделирования экономических рисков. Систематическое изложение различных подходов в разработке рисковых экономико-математических моделей представлено в монографиях и статьях отечественных и зарубежных авторов: Е.Д, Вогана, П.Т. Верченко, В.В. Витлинского, A.M. Дуброва, Л.Г. Дугласа, М.Дж. Грубера, A.M. Дубова, P.M. Качалова, И.Я. Лукасевича, Ю.П. Лукашина,

C.И. Наконечного, С.А. Смоляк, А.Н. Первозванского, Е.Ю. Хрусталева, К. Рэдхэда, С. Хьюса, В.Ф. Шарпа, Е.Дж. Элтона, А.И. Ястремского и других.

У перечисленных авторов, а также в других публикациях 90-х годов моделирование экономического риска и управление риском базируется на принципах, которые были заложены в 1952 году Г.Марковицем и позднее развиты В. Шарпом, Дж. Литнером и другими. Это развитие оформилось в виде модели ценообразования на рынке капиталовложений (Capital Asset Pricing Model, САРМ), основанной на модели финансового рынка с использованием аппарата математической статистики. Опыт математического моделирования динамических эволюционных процессов, накопленный в мире за последние десятилетия, неизмеримо расширил и во многом изменил установившиеся представления об адекватности существующих математических моделей сути этих процессов, которым, прежде всего, присуще свойство динамики или эволюционирования. Стало ясно, что классического арсенала математического моделирования, базирующегося на так называемой линейной парадигме (малые возмущения входных данных системы в малой степени меняют ее траекторию), во многих случаях явно недостаточно для построения адекватных математических моделей. Это обстоятельство обусловило фундаментальный пересмотр прежней линейной концепции и переход на так называемую нелинейную парадигму (nonlinear science) в математическом моделировании (малые возмущения входных данных или значений переменных динамической системы могут в катастрофически большой степени изменить ее траекторию в силу сложности самой системы и хаотичности ее поведения). Практически ценность указанной парадигмы обусловлена тем, что на ее базе удается более адекватно отражать специфические характеристики иерархичности конкретной динамики и высокую степень неопределенности, присущие реальным социальным, экономическим, финансовым, физическим и т.п. процессам и системам. Переход на новую концепцию вызвал необходимость создания принципиально новых инструментальных средств математического моделирования, в том числе и оценки уровня риска, в частности, таких, как фазовый анализ, фрактальный анализ, методы детерминированного хаоса и др. В мировой науке математического моделирования этот переход датируется последними двумя десятилетиями. Внимание отечественных исследователей проявилось несколько позже и, соответственно, количество публикаций, посвященных nonlinear science в англоязычных научных изданиях, в десятки, если не в сотни раз превосходят количество публикаций в этом направлении в русскоязычных научных изданиях. Исследованию этих вопросов посвящены работы следующих авторов: А.Е. Андерсон, Дж. Грендмонт, В.-Б. Занг, Д. Кел-си, X. Лоренц, Б. Мандельброт, Э. Петере, И. Пригожин, Л.П. Яновский, Р. Чен,

B.И. Гусев, В.А. Перепелица, И.Г. Винтизенко, Е.В. Попова, В.А. Долятовский,

C.П. Курдюмов, Г.Г. Малинецкий, А.Б. Потапов и др.

Говоря о мировом уровне знаний в этой области, к числу первостепенных можно отнести вопрос создания математических и компьютерных методов получения качественных (асимптотических) свойств из количественных характеристик конечной исходной модели. Речь идет о таких качественных показателях, которые не выводимы прямо из свойств элементов системы или из локальных взаимодействий этих элементов. В работе показано, как знание качественных свойств системы влияет на выбор необходимого математического аппарата для построения прогнозных моделей, тем самым значительно повышая качество выдаваемых на выходе результатов, что в свою очередь уменьшает риск.

Цель и задачи исследования. Целью диссертационной работы является развитие и адаптация математических и инструментальных методов анализа и управление рисками через прогнозирование как экономических, так и природных временных рядов с памятью с использованием новых математических методов исследования, таких как метод нормированного размаха Херста, адаптированного метода последовательного Л^-анализа, метода фазового анализа, а также инструментариев линейных клеточных автоматов и нечетких множеств. В соответствии с поставленной целью работы решались следующие задачи:

- развитие концепции двухуровневого подхода к задачам экономико-математического моделирования с учетом рисков;

- применение идей многокритериального подхода для системно согласованного представления разнородных показателей, отражающих сущность эффективности эволюционирующих сложных процессов и систем в условиях риска и неопределенности;

- исследование временных рядов методами нелинейной динамики с целью предсказания риск-экстремальных значений;

- адаптация на основе метода нормированного размаха Херста алгоритма последовательного R/S-анализа для выявления предпрогнозных характеристик временных рядов;

- проведение компьютерного эксперимента и подтверждение применимости предложенных моделей и методов фрактального анализа на конкретных природно-экономических временных рядах для получения прогнозной информации и выявления особенностей поведения динамики временных рядов;

- модификация, обучение и адаптация известной клеточно-автоматной прогнозной модели к рассматриваемым модельным сериям временных рядов;

- получение дополнительной предпрогнозной информации на основе построения, визуализации и использования метода фазового анализа временных рядов;

- системная реализация верхнего уровня моделирования в отрасли растениеводства.

Объектом исследования являются региональные природно-экономические системы, основные показатели которых эволюционируют во времени.

Предметом исследования являются модельные серии природно-экономических временных рядов, на базе которых осуществляется моделирование, предпрогнозный анализ и прогнозирование эволюционных экономических систем.

Методология и методы исследования. Теоретическую и методологическую базу исследования составляют научные труды современных российских и зарубежных ученых по системному анализу, экономической синергетике, статистическому и фрактальному анализу временных рядов, теории выбора и принятия решений, многоуровневому подходу, экономико-математического моделирования в условиях неопределенности данных и многокритериальное™, а также теоретические и методологические вопросы отражения социально-экономических процессов и систем в виде математических, информационных и компьютерных моделей. В ходе исследования использовались материалы Госкомстата КЧР, Министерства сельского хозяйства КЧР, Гидрометеорологической службы КЧР, а также собственные расчеты автора.

В качестве аппарата исследования применялись методы системного анализа, дискретной математики, теории нечетких множеств, статистического анализа временных рядов, фрактального анализа, фазовых портретов, клеточных автоматов и адаптированный метод последовательного R/S-анализа.

Диссертационная работа выполнена в соответствии с пунктами 1.1 и 1.8 области исследований Паспорта специальности 08.00.13 — Математические и инструментальные методы экономики»: п. 1.1 «Разработка и развитие математического аппарата анализа экономических систем: математической экономики,., дискретной математики и других методов, используемых в экономико-математическом моделировании» и п. 1.8 «Математическое моделирование экономической конъюнктуры, деловой активности, определение трендов, циклов и тенденций развития».

Научная новизна работы. Научная новизна диссертационного исследования заключается в решении задачи - развитие теоретического, методологического и инструментального обеспечения для математического моделирования, анализа и прогнозирования риск-экстремальных значений в природно-экономических системах. Научную новизну содержат следующие положения:

1. Многокритериальная экономико-математическая модель ранжирования сельскохозяйственных районов региона, векторная целевая функция которой состоит из группы рисковых критериев.

2. Корректное обоснование того, что метод нормированного размаха Херста не является универсальным, т.е. не является адекватным для всех природных и экономических временных рядов.

3. Развит и апробирован на эмпирическом материале адекватный метод последовательного R/S-анализа, позволяющий проводить исследование экономических временных рядов на выявление циклов и квазициклов.

4. Модифицирован известный метод преобразования временных рядов в соответствующие лингвистические ряды, на базе которого на реальных статистических данных показана возможность использования клеточно-автоматной прогнозной модели для прогнозирования риск-экстремальных уровней.

5. Комплексное прогнозирование урожайностей основных сельскохозяйственных культур Карачаево-Черкесской республики и выделенного фактора риска, на основе развитого метода последовательного R/S-анализа, фазового анализа, модифицированного клеточно-автоматного прогнозирования и, как следствие, реализованы математический метод и модель верхнего уровня для зерновой культуры отрасли растениеводства региона на базе адаптивной модели.

6. Системная поддержка принятия решений для реализации метода последовательного R/S-анализа для выявления трендов, циклов и тенденций развития исследуемых экономических процессов и систем. Практическая значимость полученных результатов. Практическая значимость работы определяется тем, что основные положения, выводы, рекомендации, модели, методы и алгоритмы диссертации ориентированы на широкое использование организационно-экономического, методического, алгоритмического обеспечения и инструментальных средств и могут быть использованы для совершенствования управления и планирования стратегии развития агропромышленного комплекса, а также разработчиками информационно-аналитических систем для поддержки принятия управленческих решений на различных уровнях административной деятельности.

Предложенные методы, алгоритмы, модели и программы апробированы на реальных экономических и природных временных рядах и оправдали себя. Их корректность и адекватность подтверждаются расчетами на конкретных материалах прогнозирования применительно к региональным показателям в отрасли растениеводства и при моделировании риск-экстремальных значений весенних заморозков, а также объемов стока горных рек.

Обоснованность и достоверность научных положений, выводов и рекомендаций подтверждается применением: методов многокритериальной оптимизации, математических и инструментальных методов экономики, включая статистику, эконометрику, прогностику; известных методов теории нечетких множеств и теории клеточных автоматов, теории фазового анализа; построением экономико-математических моделей, реализующих методы анализа и прогнозирования на базе современных информационных технологий; наглядной визуализацией результатов моделирования, анализа и прогнозирования; документальным характером использованных данных по объектам приложений разработанных моделей и методов. л»

На защиту выносятся следующие основные положения:

1. Развитый и апробированный на эмпирическом материале адекватный метод последовательного R/S-анализа, позволяющий проводить исследование экономических временных рядов на выявление циклов и квазициклов.

2. Модифицированный метод преобразования временных рядов в соответствующие лингвистические ряды, на базе которого на реальных статистических данных показана возможность использования клеточно-автоматной прогнозной модели для прогнозирования риск-экстремальных уровней.

3. Многокритериальная экономико-математическая модель позволяющая ранжировать сельскохозяйственные районы региона, векторная целевая функция которой состоит из группы рисковых критериев.

4. Комплексное прогнозирование урожайностей основных сельскохозяйственных культур КЧР и выделенного фактора риска, основе развитого метода последовательного R/S-анализа, фазового анализа, модифицированного клеточно-автоматного прогнозирования и, как следствие, реализованы математический метод и модель верхнего уровня для зерновой культуры отрасли растениеводства региона на базе адаптивной модели.

5. Системная поддержка принятия решений реализации метода последовательного R/S-анализа для выявления трендов, циклов и тенденций развития исследуемых экономических процессов и систем.

Апробация и внедрение результатов исследования. Результаты исследования и его положения докладывались и получили положительную оценку на следующих конференциях и симпозиумах, проводимых различными академическими учреждениями и высшими учебными заведениями России:

- на V,VI Всероссийских и VII Международном симпозиумах «Математическое моделирование и компьютерные технологии» (Кисловодск, 2002, 2004, 2005);

- на Международной школе-семинаре по геометрии и анализу памяти Н.В.

Ефимова (Абрау-Дюрсо, 2002);

- на III Международная конференция молодых ученых и студентов «Актуальные проблемы современной науки» (Самара, 2002);

- на Международной научно-практической конференции «Проблемы АПК», посвященной 60-летию Победы под Сталинградом (Волгоград, 2003);

- на Международных Российско-Узбекских симпозиумах «Уравнения смешанного типа и родственные проблемы анализа и информатики» и Школы молодых ученых «Нелокальные краевые задачи и проблемы современного анализа и информатики» (Нальчик, 2003, 2004);

- на III Международной научно-практической конференции «Проблемы регионального управления, экономики, права и инновационных процессов в образовании» (Таганрог, 2003);

- на VIII Международной конференции «Образование. Экология. Экономика. Информатика» (Астрахань, 2003);

- на Межрегиональной научно-практической конференции «Перспективы развития маркетинговой и коммерческой деятельности в регионе» (Ростов-на-Дону, 2002, 2005);

- на Международной научно-практической конференции «Экономическое прогнозирование: модели и методы» (Воронеж, 2005);

- на IV Международной конференции «Новые технологии в управлении, бизнесе и праве» (Невинномысск, 2004);

- на IV Региональной научно-практической конференции «От фундаментальной науки - к решению прикладных задач современности» (Черкесск, 2002).

Результаты исследования, отдельные положения и рекомендации получили принципиальное одобрение Министерства сельского хозяйства КЧР и Министерства чрезвычайных ситуаций КЧР. Разработанные модели фрактального анализа и прогнозирования включены в лекционный материал «Экономическая кибернетика» для студентов специальности «Прикладная математика» Карачаево-Черкесской государственной технологической академии.

Создана система поддержки принятия решений на базе модифицированного и адаптированного им метода последовательного R/S-анализа, которое официально зарегистрировано в Российском агентстве по патентам и товарным знакам под номером № 2003611093.

Публикации. Основные результаты диссертации были опубликованы в 16 печатных работах общим объемом 3,32 п.л., в которых автору в совокупности принадлежит 1,65 п.л.

Структура и объем работы. Диссертация состоит из введения, 3 разделов, заключения, списка использованных источников и отдельного тома приложений. Работа изложена на 166 страницах, включает 11 таблиц, 58 рисунков. Список использованных источников состоит из 143 источника. Отдельный том приложений состоит из 3 разделов на 209 страницах и содержит результаты проведенных компьютерных расчетов и исследований в виде диаграмм, графиков и таблиц.

Заключение диссертации по теме «Математические и инструментальные методы экономики», Янгишиева, Альфира Менлигуловна

Основные результаты, полученные в ходе исследований можно представить в виде следующего перечня:

1. Предложена 5-критериальная экономико-математическая модель ранжирования сельскохозяйственных районов региона по степени безопасности инвестирования в контексте повышения их инвестиционного потенциала и снижения экономического риска.

2. Представлено корректное обоснование того, что метод нормированного размаха Херста не является универсальным, т.е. не является адекватным для временных рядов с явно выраженной периодической цикличностью.

3. Развит и апробирован на обширном эмпирическом материале адекватный метод последовательного R/S-анализа, позволяющий проводить исследование временных рядов на выявление циклов и квазициклов, причем оценки глубины памяти временных рядов представляются в виде нечеткого множества.

4. Модифицирован известный метод преобразования временных рядов в соответствующие лингвистические ряды, на базе которого на реальных статистических данных показана возможность использования клеточно-автоматной прогнозной модели для прогнозирования риск-экстремальных значений.

5. Проведено комплексное прогнозирование урожайностей основных сельскохозяйственных культур КЧР на базе развитого автором метода последовательного R/S-анализа, фазового анализа, клеточно-автоматного прогнозирования и, как следствие, реализованы математический метод и модель верхнего уровня для зерновой культуры отрасли растениеводства региона на базе адаптивной модели.

6. Разработан инструментарий в виде программного обеспечения для реализации метода последовательного R/S-анализа для выявления трендов, циклов и тенденций развития исследуемой экономической системы.

ЗАКЛЮЧЕНИЕ L

Список литературы диссертационного исследования кандидат экономических наук Янгишиева, Альфира Менлигуловна, 2005 год

1. Алефельд Г., Херцбергер Ю.Введение в интервальные вычисления. -М.:Мир, 1987.-360 с.

2. Алтунин А.Е., Семухин М.В. Модели и алгоритмы принятия решений в нечетких условиях. Тюмень: Изд-во ТюмГУ, 2000. - 352 с.

3. Альгин А.П. Риск и его роль в общественной жизни. — М.: Мысль, 1989

4. Анософф И. Стратегическое управление. М.: Экономика, 1989. - 519 с.

5. Баккет М. Фермерское производство: организация, управление, анализ.-М.: Агропромиздат, 1989. 464 с.

6. Балабанов И.Т. Риск-менеджмент. М.: Финансы и статистика, 1996

7. Бейс. И, Трехмерная игра "Жизнь". Москва, "Мир", 1988.

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

9. Береснев В.Л., Гимади Э.Х., Дементьев В.Т. Экстремальные задачи стандартизации. Новосибирск: Наука, 1978.-333 с.

10. Будыко М.И. Изменение климата. Л.: Гидрометеоиздат, 1974. 280 с.

11. Буянов В.П. Управление рисками (рискология) / Буянов В.П., Кирсанов К.А., Михайлов Л.А. М.: Экзамен, 2002. - 384 с.

12. Вшпнський В.В., Наконечний C.I. Ризик у менеджмент!. Киев: Борисф-М, 1996.-336с.

13. Вайдайцев С.В. Риски в экономике и методы их страхования. -Санкт-Петербург: Дом науч.-техн.пропаганды.-С-Пб., 1992.-54с.

14. Винтизенко И.Г. Детерминированное прогнозирование в экономических системах // Труды III международной конференции «Новые технологии в управлении, бизнесе и праве», Невинномысск: Издательство ИУБП, 2003. -С.163-167.

15. Вощинин А.П., Сотиров Г.Р. Оптимизация в условиях неопределенности. М, 1989.

16. Гитман Дж., Джонка М.Д. Основы инвестирования. Фундаментальное издание.-М.: «Дело», 1997.-979с.

17. Гранатуров В.М. Экономический риск: сущность, методы измерения, пути снижения. М.: Дело и сервис, 1999

18. Дементьев В.Т., Ерзин А.И., Ларин P.M., Шамардин Ю.В. Задачи оптимизации иерархических структур. Новосибирск: Изд-во Новосиб. ун-та, 1996.167 с.

19. Долятовский В.А. Переход от хаоса к порядку в экономике: роль хаотических процессов в формировании организации. В сб. российский менеджмент на пороге 21 в. -Краснодар: ЮРИМ, 1997. - 33-46.

20. Долятовский В.А., Касаков А.И., Коханенко И.К. Методы эволюционной и синергетической экономики в управлении. Отрадная: Изд-во РГЭУ -ИУБиП -ОГИ, 2001.-577 с.

21. Дубров A.M., Лагоша Б.А., Хрусталев Е.Ю. Моделирование рисковых ситуаций в экономике и бизнесе. М.: Финансы и статистика, 1999

22. Дьюдни А. Трехмерные версии игры Жизнь // В мире науки, 1987, № 4.

23. Емеличев В.А., Перепелица В.А. Сложность дискретных многокритериальных задач//Дискретная математика.- 1994.- Т.6, №1.- С.3-33.

24. Емильянов С.В. Ларичев О.И. Многокритериальные методы принятия решений. -М.:3нание,1985.-32с.

25. Жирабок А.Н. Нечеткие множества и их использование для принятия решений // Соровский образовательный журнал. 2001.- Том 7, №2. - С. 109-115.

26. Заде Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений. М: Мир, 1976, 165 с.

27. Задков А.П. Фактор риска в сельском хозяйстве./РАСХН. Сиб. отд-ние. СибНИИЭСХ. Новосибирск, 1998. - 264с.

28. Занг В.-Б. Синергетическая экономика. Время и перемены в нелинейной экономической теории. М.: Мир, 1999.-335 с.

29. Итоги работы комиссии. Выпуск 24, 27 июля 2002 г. http://www/admkrai.kuban.ru/news/region/

30. Кардаш В.А. Компромиссный анализ рыночной экономики. Ростов-на-Дону: Изд. СКНЦВШ, 2002.

31. Кардаш В.А. Экономика оптимального погодного риска в АПК (теория и методы). М.: Агропромиздат, 1989. - 167 с.

32. Комариньский Я., Яремчук I. Фшансово-швестищний анал1з. -Киев: Украшська енциклопед1я. 1996.-298с.

33. Кремер Н.Ш. Теория вероятностей и математическая статистика: Учебник для вузов. М.: ЮНИТИ - дана, 2000. - 543 с.

34. Кричевский M.JL Интеллектуальные методы в менеджменте. — Спб.: Питер, 2005. 304 с.

35. Курдюмов С.П., Малинецкий Г.Г., Потапов А.Б. Нестационарные структуры, динамический хаос, клеточные автоматы. В сб. Новое в синергетике. Загадки мира неравновесных структур. М.: Наука, 1996. - С. 95-164.

36. Курцев И.В., Задков А.П. Адаптивные системы ведения сельского хозяй-ства//Управление риском. №4. 2003. С.41-48.

37. Лапуста М.Г. Шаршукова Л.Г. Риски в предпринимательской деятельности. М.: ИНФРА-М, 1998

38. Ларичев О.И. Наука и искусство принятия решения.- М.: Наука, 1979.200 с.

39. Лоскутов А.Ю., Михайлов А.С. Введение в синергетику: Учебное руководство. М.: Наука, 1990. - 240 с.

40. Лукасевич И.Я. Анализ финансовых операций. Методы, модели, техника вычислений. -М.: Финансы, ЮНИТИ, 1998.-400с.

41. Льюис Р.Д., Райфа Г. Игры и решения. -М: Ил, 1961.

42. Малинецкий Г.Г., Потапов А.Б. Нелинейность. Новые проблемы, новыевозможности. В кн. Новое в синергетике. Загадки мира неравновесных структур. М.: Наука, 1996. -С. 165-190.

43. Месарович М., Мако Д., Такахара И. Теория иерархических многоуровневых систем. М.: Мир, 1973. - 344 с.

44. Моделирование адаптивных систем веления сельского хозяйства предприятий: Метод. рекомендации/ВАСХНИЛ. Сиб. отд-ние. СибНИИЭСХ. Новосибирск, 1990. - 96 с.

45. Моисеев Н.Н., Математические задачи системного анализа. -М.: Наука, 1981.-488с.

46. Моисейчик В.А. Агрометеорологические условия и перезимовка озимых культур. Ленинград.: Гидрометеоиздат, 1975. - 295 с.

47. Наумов Л. Как увеличить скорость "Жизни", или Эффективная организация данных для повышения скорости поиска клеток и разрешения отношений соседства при реализации клеточного автомата Джона Хортона Кон вея "Жизнь"/ Информатика, 2001, № 33-34.

48. Нейман Дж. Теория самовоспроизводящихся автоматов. М.: Мир, 1971. -378 с.

49. Нейман Дж.фон. Моргенштерн О. Теория игр и экономическое поведение. -М.: Наука, 1970.

50. О'Брайен Дж., Шристава С. Финансовый анализ и торговля ценными бумагами (FAST): Пер. с англ. -М.: Дело ЛТД, 1995. -208с.

51. Орловский СЛ. Проблемы принятия решений при нечеткой исходной информации. М.: Наука, 1981. - 203 с.

52. Осипов В.И. Природные катастрофы как глобальные и национальные угрозы // Управление риском. №3. 2002.-С. 2-13.

53. Пасов В.М. Синоптико-статистический метод прогнозирования зерновых культур // Методология и гидрология. 1992. - №10. - С.77-84.

54. Первозванский А.А., Первозванская Т.Н. Финансовый рынок: расчет и риск. -М.: ИНФРА-М, 1994.-192с.

55. Перепелица В.А., Касаева М.Д. Прогнозирование природного временного ряда на базе модели клеточного автомата // Современные аспекты экономики. -2002. № 9(22). -С. 201-208.

56. Перепелица 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. -202с.

57. Перепелица В.А., Попова Е.В. Многокритериальный подход к моделированию финансово-экономических рисков // Изв. вузов. Сев.-Кавк. регион. Ес-теств. науки. 2001 №4.-С.37-40.

58. Перепелица В.А., Попова Е.В., Окопная В.А. Использование методологии нелинейных динамических систем в дискретной многокритериальной оптимизации. Деп. в ВИНИТИ, 1998. № 2619-В98. -118с.

59. Петере Э. Хаос и порядок на рынках капитала. Новый аналитический взгляд на циклы, цены и изменчивость рынка. М.: Мир, 2000. - 333 с

60. Петере Э. Фрактальный анализ финансовых рынков: Применение теории Хаоса в инвестициях и экономике. М.: Интернет-трейдинг, 2004. - 304с.

61. Подиновский В.В., Ногин В.Д. Парето-оптимальные решения многокритериальных задач. М.Наука, 1982.- 256 с.

62. Постюшков А.В. Об оценке финансового риска. -Бухгалтерский учет. -193.-№1.-с.56-59.

63. Пригожин И., Стингере И. Порядок из хаоса. Новый диалог человека с природой. М.: Прогресс, 1986.

64. Райе Т., Койли Б. Финансовые инвестиции и риск / Пер. с англ. Киев: Торгово-издат. бюро BHV, 1995.

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

66. Риски в современном бизнесе./П.Г. Грабовый, С.Н. Петрова, С.И. Полтавцев, К.Г. Романова, Б.Б. Хрусталев, С.М. Яровенко. -М.: Изд-во "Алане", 1994.-200с.

67. Свободина М. Оценка финансового положения сельскохозяйственного предприятия АПКЮкономика и управление, 1996, №7, С.72-77.

68. Севрук В.Т. Банковские риски. -М.: «Дело ЛТД», 1994. -72 с.

69. Сергеева Л.Н. Моделирование поведения экономических систем методами нелинейной динамики (теории хаоса). Запорожье: ЗГУ, 2002. - 227 с.

70. Сигэл Э. Практическая бизнес-статистика. -М.: Издательский дом «Вильяме», 2004. -1056с.

71. Суслов О.П., Кудина Т.М. Моделирование формирования иерархической структуры систем управления // Машинная обработка информации . Киев: Инт нар.хоз-ва, 1988.-№ 46. - С. 116-126.

72. Татаркин А., Романова О., Куклин А., Яковлев В. Экономическая безопасность как объект регионального исследования // Вопросы экономики, 1996, № 6. С. 78-89.

73. Тоффоли Т., Марголус Н. Машина клеточных автоматов. М.; Мир, 1991. 280 с.

74. Трояновский В.М. Математическое моделирование в менеджменте. М.: Русская Деловая Литература, 1999.-240с.

75. Трубецков Д.И. Колебания и волны для гуманитариев: учебное пособие для вузов. Саратов: Изд-во ГосУНЦ "Колледж", 1997. 392 с.

76. Управление риском: Риск. Устойчивое развитие. Синергетика. -М.: Наука, 2000.

77. Уотшем Т.Дж., Паррамоу К. Количественные методы в финансах: Учебное пособие для вузов /Пер. с англ. Под ред. М.Р. Ефимовой. -М.: Финансы, ЮНИТИ, 1999.-527с.

78. Федер Е. Фракталы. -М.: Мир, 1991.-260 с.

79. Фишберн П.К. Методы оценки аддитивных ценностей. В кн.: Статистическое измерение качественных характеристик. -М.: Статистика, 1972, с.8-34.

80. Хейес Б. Клеточный автомат // В мире науки, 1984, № 5.

81. Хозяйственный риск и методы его измерения: Пер. с венг./ Бачкаи Т., Ме-сена Д., Мико Д. и др. -М.: Экономика, 1979.-184с.

82. Христиановский В.В., Щербина В.П., Полушков Ю.Н. Экономический риск и методы его измерения. -Донецк: ДонГУ, 1999. -250с.

83. Шапиро В.Д. и др. Управление проектами. СПб.: «ДваТрИ», 1993.-443.

84. Шредер М Фракталы, хаос, степенные законы. Миниатюры из бесконечного рая. Ижевск: НИЦ «Регулярная и хаотичная динамика», 2001. - 528с.

85. Шустер Г. Детерминированный хаос: Введение. М.: Мир, 1988. - 240с.

86. Эддоус М., Стэнсфилд Р. Методы принятия решений. М.: Аудит, ЮНИТИ, 1997.-590с.

87. Экономика и бизнес/Под.ред. В.Д. Камаева .-М.: Изд-во МГТУ, 1993.-464с.

88. Экономико-математический энциклопедический словарь. М.: Большая российская энциклопедия: Издательский дом «ИНФРА-М», 2003. - 688с.

89. Эмбрехтс П. Трудности оценки риск-экстремумов. В журнале Управление рисками / Джеймс Пикфорд. М.: ООО «Вершина», 2004. - 352 с.

90. Янгишиева A.M. R/S-анализ временного ряда минимальных суточныхтемператур / Сборник трудов IV научно-практической конференции. ч.П (15-18 мая 2002г.) Черкесск, 2002. - С. 58-60.

91. Янгишиева A.M. Два подхода к оценке глубины памяти региональных временных рядов / Межрегиональная конференция «Перспективы развития маркетинговой и коммерческой деятельности в регионе». (10 декабря 2002г.) -Ростов-на-Дону, 2002. С. 91-95.

92. Янгишиева A.M. Применение фрактальных методов к анализу динамики природных систем / Труды Международной школы-семинара по геометрии и анализу памяти Н.В. Ефимова. (5-11 сентября 2002г.) Абрау-Дюрсо, 2002г. -С. 212-214.

93. Янгишиева A.M., Перепелица В.А., Попова Е.В. О фрактальном методе исследования природных временных рядов / V Всероссийский симпозиум «Математическое моделирование и компьютерные технологии». (17-19 октября 2002г.) Кисловодск, 2002. - С. 26-28.

94. Янгишиева A.M., Перепелица В.А., Попова Е.В. Фрактальные характеристики временных рядов урожайности / VIII Международная конференция «Образование. Экология. Экономика. Информатика». (15-20 сентября 2003г.) Астрахань, 2003. - С. 239-242.

95. Янгишиева A.M., Попова Е.В. Многокритериальная модель ранжирования заболеваемости населения с оценкой риска их распространения / «Человек и Вселенная» Санкт-Петербург 2002, №8 -С.48-56.

96. Янгишиева A.M., Салпагаров А.Д. О двух подходах к исследованию социально-экологических рисков / Межрегиональная конференция «Перспектива развития маркетинговой и коммерческой деятельности в регионе». (24 декабря 2004г.) Ростов-на-Дону, 2005.-С.81-82.

97. Яновский Л.П. Принципы, методология и научное обоснование урожая по технологии «Зонт». Воронеж: ВГАУ, 2000.-379 с.111. http://newspb.boom.ru112. http://www.belkmk.narod.ru

98. CAFF. Arctic Flora and Fauna. Stutus and Conservation. Helsinki, Arctic Council Programme for the Conservation of Arctic Flora and Fauna, 2001.

99. Cootner P. "Comments on the Variation of Certain SpeculativePrices", in P. Cootner ed. The Random Chaacter of Stock Market Prices. Cambridge:MIT Press, 1964 a.

100. Fama E.F. Portfolio Analysis in Stable Paretian Market. Management Science 11,1965a.

101. Fama E.F. Efficient Capital Markets: II III Journal of Finance. 1991. Vol.46, №5. P.1575-1617.

102. Friedman B.M., Laibson D.I. Economic Implications of Extraordinary Movements in Stock Prices, Brookings Papers on Economic Activity 2, 1989.

103. Green, M.R. Risk and Insurance /M.R.Green, J.S.Trieschmann. -Cincinnati: South-Western Pub.,1988.-785p.

104. Holden K. Peel D.A. and Thompson J.L. Press Syndicate of the University of Cambridge, 1990.-P. 231.

105. Holden K., Peel D.A. and Thompson J.L. Economic forecasting: an introduction/- Press Syndicate of the University of Cambridge, 1990. 231 p.

106. Karni,E. Decision Making Under Uncertainty: the Case of State Dependent Preferences / E. Kami. -Cambridge: Harvard U.P., 1985.-147p.

107. Kuchert W.Y.M. and oth. Aplication of Fuzzy Controller in a Warm Water Plent. "Automatical v.12, .NM, 1976, P.301-308.

108. Litner J. The Valuation of Risk Assets and the Selection of Risk Investments in Stock Portfolios and Capital Budgets, Review of Economic Statictics 47, 1965.

109. Mandelbrot B. The Fractal Geometryof Nature. New York: W.H.Freeman, 1982.

110. Mandelbrot B. The Variation of Certain Speculative Prices, in P. Cootner, ed., The Random Character of Stock Price. Cambridge: MIT Press, 1964.

111. Markowitz H.M. Portfolio Selection, Journal of Finance 7, 1952.

112. Markowitz H.M. Portfolio Selection: Efficient Diversification of Investments. -N.Y.: John Wiley and Sons. 1959.-129p.

113. Mossin J. Equilibrium in a Capital Asser Market. Econometrica 34, 1966.

114. Natural Disasters in the World. Statistical Trend on Natural Disasters. National Land Agency: Japan, IDNDR. Promotion Office. 1994.

115. Osborn M.F.M. Brownian Motion in the Stock Market in P. Cootner, ed., The Concepts, Cognition 9,1981.

116. Packard, N., Crutchfield, J., Farmer, D. and Shaw, R. Geometry from a Time Series. Physical Review Letters 45, 1980.

117. Perepelitsa V.A. and Kozina G.L. Interval Discrete Models and Multiobjectiv-ity. // Interval computations. 1993. - JNTe 1. — P. 51-59.

118. Roumasset, J.A. Rise and Risk: Decision Making Among Low-Income Farmers/ J.A.Roumasset.-Amssterdam:North-Holland, 1976.-251 p.

119. Scheikman J.A., LeBaron B. "Nonlinesr Dinamics and Stock Returns". Journa of Business 62, 1989.-P. 311-337.

120. Shackle. G. Decision, Orden, and Time in Human Affairs, by G. Shackle. 2d Ed. Cambridge, Cambridge University Press, 1969.-330 p.

121. Sharpe W.F. Capital Asset Price: A Theory of Market Equilibrium Under Conditions of Risk // Journal of Finance. 1964. Vol.29, №3. -P. 425-442.

122. Snowden P.N. Emerging Risk in International Banking Origins of Financial Vulnerability in the 1980s/P.N.Snowden.-London:George Allen, 1985.-146p.

123. Sterge A.J. on the Distribution of Financial Futures Price Changes. Financial Analysts Journal. May/June 1989.

124. Turner A.L. and Weigel E.J. An Analysis of Stock. Market Volatility. Russell Research Commentaries, Frank Russell Company, Tacoma, WA, 1990. •ffc 140. Vaughan E.J. Fundamentals Risk and insurance/ E.J. Vaughan, 4th Ed.-New

125. York: John Wiley & Sons, 1986.-723p.

126. Warrick E.M., Barrow E.M., Wigley T.M.L. The Greenhause Effect and its In-plications for the European Commanity. Report EUR 12707EN. 1990. 30 p.

127. Williams C.A. Risk Management and Insurance /С.А. Williams, R.M. Heins. -5th Ed.-New York: McGraw-Hill Book Co., 1985.-755p.

128. Zadeh L.A. Fuzzy sets. Inf. Contr., 1965, 8, P.338-353.

129. КАРАЧАЕВО-ЧЕРКЕССКАЯ ГОСУДАРСТВЕННАЯ ТЕХНОЛОГИЧЕСКАЯ АКАДЕМИЯ1. На правах рукописи

130. Янгишиева Альфира Менлигуловна