Моделирование инвестиционных проектов на основе алгоритмических сетей тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат экономических наук Орехова, Наталья Юрьевна

• Орехова, Наталья Юрьевна
• кандидат экономических наук
• 2003

Оглавление диссертации кандидат экономических наук Орехова, Наталья Юрьевна

Введение.

1. Имитационное моделирование при обосновании инвестиционных проектов.

1.1. Постановка задачи моделирования для обоснования инвестиционных проектов.

1.2. Инвестиционные риски.

1.2.1. Классификация инвестиционных рисков.

1.2.2. Оценка инвестиционных рисков.

1.2.2.1. Качественные оценки рисков инвестиционного проекта.

1.2.2.2. Количественные оценки рисков инвестиционного проекта.

1.2.2.2.1. Анализ чувствительности.

1.2.2.2.2. Анализ сценариев.

1.3. Применение метода статистических испытаний для моделирования стохастических процессов и риск-анализа инвестиционных проектов.

1.3.1. Схема реализации метода Монте-Карло в инвестиционных расчетах.

1.3.2. Построение математической модели.

Определение включаемых в модель переменных

1.3.3. Моделирование теоретических распределений.

1.3.3.1. Экспоненциальное распределение.

1.3.3.2. Равномерное распределение.

1.3.3.3. Нормальное распределение.

1.3.4. Осуществление имитации.

1.3.5. Анализ результатов.

1.3.5.1. Графический анализ.

1.3.5.2. Анализ количественных показателей.

1.3.5.2.1. Ожидаемое значение.

1.3.5.2.2. Ожидаемые потери.

1.3.5.2.3. Ожидаемый выигрыш.

1.3.5.2.4. Дисперсия и среднее квадратичное отклонение.

1.3.5.2.5. Коэффициент вариации.

1.3.5.2.6. Коэффициент ожидаемых потерь.

1.3.5.2.7. Вероятность реализации неэффективного проекта.

1.4. Алгоритмические сети и инструментальная система моделирования КОГНИТРОН.

1.4.1. Язык алгоритмических сетей.

1.4.2. Трансформация математических моделей в алгоритмические сети.

1.4.3. Особенности функционирования системы

Ы КОГНИТРОН.

1.5. Выводы и результаты.

2. Разработка модели инвестиционного проекта и технология ее использования.

2.1. Обзор методов расчета параметров инвестиционного проекта. Обоснование выбранных критериев оценки.

2.1.1. Метод чистой текущей стоимости.

2.1.2. Метод внутренней нормы прибыли.

2.1.3. Показатель рентабельности инвестиций.

2.1.4. Традиционные методы оценки инвестиций.

2.1.5. Точка безубыточности.

2.2. Описание модели.

2.2.1. Сценарий процесса.

2.2.2. Математические выражения.

2.3. Использование метода Монте-Карло для учета вероятностного характера процесса.

2.3.1. Реализация метода Монте-Карло в алгоритмических сетях для выбранных распределений.

2.3.1.1. Сценарий процесса.

2.3.1.2. Математические выражения.

2.4. Технология моделирования инвестиционного проекта с учетом вероятностного характера процесса.

2.5. Выводы и результаты.

3. Анализ инвестиционных проектов на основе разработанной модели.

3.1. Описание проекта, для которого производится вычислительный эксперимент.

3.1.1. Исходные данные.

3.1.2. Результаты машинных экспериментов.

3.2. Описание проведенных модельных экспериментов для расчета случайных величин по методу Монте-Карло.

3.2.1. Экспоненциальное распределение.

3.2.2. Нормальное распределение.

3.2.3. Равномерное распределение.

3.3. Описание проведенных модельных экспериментов для количественного и графического анализа рисков инвестиционного проекта по методу Монте-Карло.

3.4. Выводы и результаты.

Введение диссертации (часть автореферата) на тему «Моделирование инвестиционных проектов на основе алгоритмических сетей»

Актуальность темы.

Экономико-математическое моделирование является неотъемлемой частью любого серьезного исследования, особенно в такой важной области экономики как инвестиционное проектирование и анализ проектных рисков. Развитие инвестиционного проекта протекает в условиях постоянно меняющейся внешней среды и подвержено влиянию объективно существующей неопределенности. Поэтому модель инвестиционного проекта должна учитывать вероятностный характер инвестиционного процесса и содержать аппарат для проведения риск-анализа проекта. Эффективным методом позволяющим моделировать стохастические процессы и учитывать влияние неопределенности на эффективность инвестиционного проекта является имитационное моделирование. Для реализации имитационных моделей целесообразно применить технологию автоматизированного моделирования.

В настоящее время разработаны системы автоматизации моделирования, в частности, системы алгоритмического моделирования, основанные на применении языка алгоритмических сетей, позволяющие значительно упростить процесс моделирования. Существующие автоматизированные системы этого класса не содержат аппарата вероятностного моделирования и используются только для моделирования детерминированных задач. Для использования их в качестве средства моделирования стохастических процессов необходимо разработать соответствующее методологическое обеспечение.

Применение систем автоматизации моделирования для решения задач инвестиционного проектирования позволит разработать имитационную стохастическую модель инвестиционного проекта, сориентировать разрабатываемое программное обеспечение на конечного пользователя и повысить эффективность разработок.

Разработка методики стохастического моделирования позволит внедрить в практику современную технологию моделирования инвестиционных проектов, основанную на применении средств автоматизации моделирования, на примере системы алгоритмического моделирования.

Вышесказанное определяет актуальность темы диссертационного исследования.

Цель работы.

Целью работы является разработка методов и моделей построения имитационных средств для комплексного исследования инвестиционных проектов на основе алгоритмических сетей и выработки проектных решений в условиях неопределенности и риска.

Задачи исследования:

- анализ критериев эффективности инвестиционных проектов, с целью обобщения и систематизации методологических принципов инвестиционного проектирования;

- идентификация проектных рисков и методов их исследования;

- структурно-алгоритмический анализ имитируемого объекта с целью построения адекватной имитационной модели;

- программная реализация модели инвестиционного проекта с использованием инструментальной системы моделирования на основе средств когнитивной графики Когнитрон. Реализация модели в алгоритмических сетях;

- разработка методики расчета инвестиционного проекта с учетом вероятностного характера процесса;

- реализация в алгоритмических сетях имитационной модели с учетом вероятностных характеристик инвестиционного проекта.

- разработка инструментария вероятностного моделирования для системы алгоритмического моделирования.

Предметом исследования являются методы имитационного моделирования для исследования инвестиционных проектов.

Объектом исследования являются инвестиционные проекты предприятий всех форм собственности

Теоретической и методологической основой исследований являются труды отечественных и зарубежных исследователей в областях: современной инвестиционной теории (Бирман Г., Шмидт С., Беренс В., Хав-ранек П.М.), теории управления риском (Клейнер Г.Б., Воронцовский А.В., Грачева М.В.Балабанов И.Т), имитационного моделирования (Бус-ленко Н.П., Шрейдер Ю.А., Соболь И.М.), теории алгоритмических сетей (Иванищев В.В., Крутов А.П., Марлей В.Е., Петров А.А.).

Научная новизна.

- разработана имитационная модель анализа и расчета инвестиционных проектов с учетом вероятностного характера процесса;

- разработана методика представления предметной области - инвестиционного проектирования - в формализме алгоритмических сетей;

- разработана методика представления имитационной стохастической модели в формализме алгоритмических сетей.

Практическая ценность

Разработанная модель для исследования инвестиционных проектов может быть использована как инвесторами для анализа эффективности инвестиционного проекта, так и реципиентами при проектировании инвестиционных проектов.

В рамках выполнения работы в качестве средства программной реализации имитационной модели инвестиционного проекта была успешно апробирована инструментальная система моделирования на основе средств когнитивной графики.

Практическое применение предлагаемого инструментария учета неопределенности и риска в инвестиционном проектировании позволит повысить научную обоснованность и качество принимаемых инвестиционных решений. Экономический эффект от внедрения новых проектных технологий выражается в снижении размера резервных фондов и страховых отчислений, необходимость которых обусловлена риском и неопределенностью условий реализации проекта.

Апробация работы.

Результаты диссертационной работы докладывались на международной конференции «Региональная информатика» (С.-Петербург, 2000 г.), международной конференции «Информатика для устойчивого развития» (С.-Петербург, 2000 г.), международной конференции «Simulation Application in the Baltic Area»(Linkoping, Sweden,2000), на семинарах и рабочих совещаниях в ООО «ПЛАЗМА» и ООО «ОРТ» в 2000-2001 гг. в С-Петербурге. Работа «Построение математической модели инвестиционного проекта» получила вторую премию на II Конкурсе Международного научного фонда экономических исследований академика Н.П. Федо-ренко.

Публикации.

По теме диссертации опубликовано 6 печатных работ.

Структура работы.

Диссертация состоит из введения, трех глав, заключения, списка литературы и приложения. Основной текст изложен на 160 страницах машинописного текста, полный объем диссертационной работы, включая 25 рисунков и 6 таблиц, составил 196 страниц. Список литературы содержит 52 наименования.

Заключение диссертации по теме «Математические и инструментальные методы экономики», Орехова, Наталья Юрьевна

Целью проведенной работы было создание математической модели для исследования инвестиционных проектов, учитывающей вероятностный характер процесса и реализованной в алгоритмических сетях.В результате выполнения работы были решены следующие задачи:

1. Проведен анализ существующих методов расчета параметров инвестиционных проектов, а также критериев оценки инвестиционных проектов.2. Разработана структура и алгоритм имитационной модели для исследования инвестиционных проектов.3. Построена математическая модель для исследования инвестиционных проектов. Модель реализована на основе алгоритмических сетей.4.Разработана технология расчета инвестиционного проекта с учетом вероятностного характера процесса.5. Проведена идентификация проектных рисков и описана методология их исследования.6. В алгоритмических сетях разработана имитационная модель для реализации метода Монте-Карло, позволяющая моделировать процессы, на протекание которых влияют случайные факторы.В модели реализованы наиболее распространенные виды теоретических распределений. Модель содержит математический аппарат, позволяющий провести иск-анализ инвестиционного проекта.Полученная модель метода Монте-Карло, выраженная в ЯАС, была реализована в рамках системы КОГНИТРОН. Для определения адекватности модели была проведена серия машинных экспериментов для всех видов теоретических распределений.По результатам проведенных машинных экспериментов можно сделать заключение, что полученная имитационная модель метода Монте-Карло является работоспособной и адекватной для всех видов теоретических распределений и соответственно позволяет рассчитать значение случайной величины, распределенной по этим законам распределения. А т.к. модель метода Монте-Карло в качестве модуля входит в систему КОГНИТРОН, это значительно расширяет возможности системы и позволяет моделировать в КОГНИТРОНе процессы со случайными компонентами.Разработанная модель для исследования инвестиционных проектов была использована для расчета и оценки реальных инвестиционных проектов организации гостиницы. Данные, полученные в результате расчетов, стали основой бизнес-планов инвестиционных проектов.Полученные результаты и заключения экспертов позволяют сделать вывод об адекватности, полученной математической модели и эффективности ее использования для исследования инвестиционных проектов, как инвесторами, так и банками, финансирующими инвестиционные проекты, а также консультационными фирмами, проводящими анализ и оценку экономической эффективности инвестиционных проектов и учебными заведениями.Разработанная модель является первой специализированной моделью для оценки инвестиционных проектов в отдельной сфере экономики - гостиничном бизнесе. В перспективе, возможно, будет создан целый класс математических моделей для анализа и оценки инвестиционных проектов в различных отраслях хозяйства, учитывающих специфику каждой конкретной отрасли.Использование математических моделей в экономике, особенно, в такой важной ее области, как инвестиционное проектирование, позволяет осуществлять системное планирование на всех фазах жизненного цикла проекта и свести к минимуму факторы риска и неопределенности, что обеспечивает, в перспективе, широкие возможности для их применения.

Список литературы диссертационного исследования кандидат экономических наук Орехова, Наталья Юрьевна, 2003 год

1. Иванищев В.В., Крутов А.П, Марлей В.Е., Петров А.А., Поспелов И.Г. Реализация математической модели плановой экономики с элементами рынка в терминах алгоритмических сетей. Л.:ЛИИАН, 1991, 55с.

2. Берджес Дж.Ф., Штайнхоф Д. Основы управления малым бизнесом. Москва: Бином, 1997, 493с.

3. Золотогоров В.Г. Инвестиционное проектирование. Минск: ИП "Экоперспектива", 1998 г., 463с

4. Соболь И.М. Метод Монте-Карло. М.; Наука, 1968., 52 с 5. В.Дж. Стивенсон. Управление производством. М "Бином".1999.

5. Алгоритмическое моделирование: инструментальные средства и модели. Сборник, -Петербург; 1992.

6. Иванищев В.В. Автоматизация моделирования потоковых систем. Л.: Наука. 1986, 139 с.

7. Бусленко Н.П., Голенко Д.И. Метод статистических испытаний. М.: Государственнное издательство физико-математической литературы. 1962,331с.

8. Реклайтис А.С., Мицкявичюс Р.В. Метод Монте-Карло в физике полупроводников. /Математика, кибернетика №10 1998г. М.: «Знание». 1988, 30 с.

9. Вентцель Е.С., Овчаров Л.А. Теория вероятностей и ее инженерные приложения. М.: Наука. 1988, 354с.

10. Кокс Д., Смит У. Теория очередей. М.: Мир. 1966. 218с.

11. Лихтенштейн В.Е. Дискретность и случайность в экономикоматематических задачах. М.: Наука. 1973, 370с.

13. Вопросы алгоритмического моделирования сложных систем./ Сборник научных трудов. Л.: ЛИИАН, 1988, 235с.

14. Чудновский А.Д.. Агеева О.А., Кормишова А.В. Гостиничный и туристический бизнес. М.: «Экмос», 1999, 352с.

15. Зубков А.А., Чибисов СИ. Справочник работника гостиничного хозяйства. М.: «Высшая школа», 1988, 271с.

16. Гильдерман Ю.И. Закон и случай. Новосибирск: «Наука», 1991, 197с.

17. Иванищев В.В., Марлей В.Е. Введение

18. Алгоритмическое моделирование: инструментальные средства и модели. Сборник научных трудов С-Пб.: СПИИРАН, 1992., 205 с.

19. Соболь И.М. Численные методы Монте-Карло. М.: Наука, 1973, 311с. 21. Мур М., Фернандес Дж. Visual Basic сегодня. Минск: «Попурри» 1997, 525 с. 127

20. Уилкс Математическая статистика. М.: «Наука», 1967, 632 с.

21. Самарский А.А., Моисеев Н.Н., Петров А.А. Математическое моделирование. Процессы в сложных экономических и экологических системах. М.: «Наука», 1986, 294 с.

22. Коффман Э.Г. Теория расписаний и вычислительные машины. М.: «Наука», 1984, 332 с.

23. Кобринский Н.Е., Майминас Е.З., Смирнов А.Д. Введение

24. Томпсон А., Формби Дж. Экономика фирмы. М.: «Бином». 1998, 540 с.

25. Ходорков Л.Ф. Мировое гостиничное хозяйство М,:ВКШ по иностранному туризму. 1991, 326с.

26. Герасимова А., Скапенкер М. Туристический бизнес: особенности бухучета и налогообложения/Экономика и жизнь. №14 1996.

27. Бусленко Н.П. Моделирование сложных систем. М.: «Наука», 1968, 283 с.

28. Бусленко Н.П., Шрейдер Ю.А. Метод статистических испытаний и его реалтизация на ЦВМ. М.: «Физматгиз», 1961, 296 с.

29. Иванищев В.В., Марлей В.Е., Морозов В.П., Михайлов В.В., Быков Я.А., Алексеев С М Инструментальная система автоматизации моделирования КОГНИТРОН. Информационные технологии и вычислительные системы. 1998, №2.

30. Орехова Н.Ю.. Моделирование инвестиционных проектов.// Информатика для устойчивого развития. С-Петербург: СПбГУ 2000, с.72-79. 34. V.E. Marley, N.Yu. Orechova. Matliematical simulation of investment projects.// Simulation Applications in the Baltic Area. Linkoping, Sweden, 2000,140-149. 35. Н.Ю. Орехова. Построение математической модели инвестиционного проекта./ Экономика северо-запада. №4 2000г., -Петербург, 2000г.

31. Орехова Н.Ю.. Построение имитационной модели метода МонтеКарло для моделирования процессов с вероятностными компонентами. Сборник трудов СПИИРАН -Петербург, СПИИРАН, 2001г.

32. Орехова Н.Ю. Построение математической модели инвестиционного проекта на основе алгоритмических сетей. Сборник трудов СПИИРАН. -Петербург, СПИИРАН, 2001 г 38. V.E. Marley, N.Yu. Orechova. Mathematical simulation of investment projects 2.11 Simulation Applications in the Baltic Area. Linkoping, Sweden, 2001,140-149.

33. Орехова Н.Ю.. Построение математической модели инвестиционного проекта на основе алгоритмических сетей. Региональная ин128

34. Тезисы докладов. Часть1. -Петербург: 2000, с. 93-94.

35. Орехова Н.Ю. Моделирование процессов с произвольными компонентами. Региональная информатика-2000. РИ-2

36. Тезисы докладов. Часть2. -Петербург: 2000, с. 22-23.

37. Бирман г., Шмидт Экономический анализ инвестиционных проектов М., Банки и биржи; ЮНИТИ, 1997

38. Беренс В., Хавранек П.М. Руководство по оценке эффективности инвестиций. М.: АОЗТ «Интерэкспорт»; 1995

39. Липсиц И.В., Коссов В.В. Инвестиционный проект: методы подготовки и анализа. М.: БЕК, 1996

40. Хельферт Э. Техника финансового анализа. М.: Аудит; ЮНИТИ, 1996

41. Холт Р.Н., Барнес СБ. Планирование инвестиций. М.: Дело ЛТД, 1994

42. Шапиро В.Д. Управление проектами. -Петербург: ДваТри, 1996

43. Горфинкель В.Я., Купряков В.П. Экономика предприятия. М.: Банки и Биржи; ЮНИТИ, 1996

44. Золотогоров В.Г. Энциклопедический словарь по экономике. Минск: Полыми, 1997

45. Шумилин С И Инвестиционное проектирование: практическое руководство по экономическому обоснованию инвестиционных проектов. М.: АО «Финистатинформ», 1995

46. Офсейчук М.Р., Сидельникова Л.Б. Методы инвестирования капитала, М.: Буквица, 1996.

47. Хоскинг А. Курс предпринимательства: Практическое пособие. М.: Международные отношения, 1993

48. Аникеев С Н Методика разработки маркетинга. М.: Фолиум ,1996. 129