Моделирование сложных систем в современной экономической практике

Действительно,

положив Х0 в банк со ставкой r через год как раз будет величина Х1 = (1 + r) Х0 . Через 2

года Х2 = (1 + r) Х1 = (1 + r)2 Х0, т. е. величина Х2 эквивалентна нынешней
r является нормой дисконта (перерасчётов). Разумеется, если NPV < 0, то следует отказаться от проекта, поскольку он убыточный.
Рассмотрим структуру поступлений NCFt .
NCFt = [Qt (Pt- Vt) - F- A] (1 - Tax) + A,
где Qt - объем выпуска (шт.) - будем считать случайной величиной ~ U(150, 300);
Pt - цена за штуку ~ U(40, 55);
Vt - переменные затраты на штуку ~ U(25, 35);
F - постоянные затраты (= 500);
A - амортизация (= 100);
Tax - налог на прибыль (= 0.6, или 60%).
Так как в NCFt входят случайные факторы, то и NPV будет случаен. Хотелось бы знать его математическое ожидание M(NPV) и стандартное отклонение σNPV.



Риск можно измерить коэффициентом вариации CV = onpv/M(NPV). Ясно, что чем M(NPV) больше и oNPVменьше, тем лучше.
Другая мера риска инвестиционного проекта R = P{NPV < 0}.
Алгоритм имитаций:
n = 1;
генерация Q - вектора-выборки T объёмов выпуска (в каждом из T лет);
генерация P - вектора-выборки T возможных цен;
генерация V - вектора-выборки T возможных переменных затрат;
подсчет – чистая современная ценность проекта в n-м прогоне;
n = N? Если нет - n = n + 1, переход к п. 2, если да - переход к п. 7;
Stop, готов NPV - вектор-выборка N результатов имитации. Статистический анализ результатов.

Решение этой задачи можно осуществить при помощи программного комплекса Mathcad.

ORIGIN:= 1 T := 5 I0 := 4200 г := 0.1 F := 500 A := 100 Tax := 0.6 N := 1000 - число имитаций.
При помощи программы Mathcad необходимо ввести код, приведенный на рис.4










Рисунок 4 – Внешний вид кода, который необходимо запрограммировать в Mathcad

Вертикальная линия, означающая тело программы, берётся из палитры программирования (оператор Add line). Внутри программы локальное присваивание
Анализ результатов.
ОМNРV= теап(NPV)
ОМNРV = 1.237х 103
оценка математического ожидания NPV;
Osig= STdeν (NPV)
= 970.157 - оценка стандартного отклонения NPV Оценка коэффициента вариаци
СV =Osig/OMNPV
CV = 0.784 , подобное значение рассматривается как приемлемый риск.
СV> 1 считается риском выше среднего.
H:=histogram (N/50, NPV)- построение гистограммы (рис. 5).








Рисунок 5 – Гистограмма, полученная при помощи среды Mathcad

По виду гистограммы можно предположить нормальное распределение NPV. Риск инвестиционного проекта (вероятность) тогда можно определить следующим образом:

R:= pnorm (0, ОМNPV, Osig) , R = 0101 .

Если оценить вероятность частотой, то получится близкий результат R1 = 0.1 - вероятность убыточности проекта невелика.


Заключение

В заключении хотелось бы отметить, что для успешного создания и реализации процесса моделирования сложных систем в современной экономической практике необходимо прежде всего понять механизм функционирования сложных систем, а после этого определить точки воздействия управленческого действия на систему при помощи соответствующих мер с корректировками ее поведения. Более корректное понимание механизма функционирования сложных систем возможно при анализе системы на основе обратной связи.
Разумеется, для создания качественных моделей сложных, или как их еще называют, больших систем необходимо знания современных средств программирования и компьютерной обработки. Именно они и были рассмотрены в данной работе.
В данном реферате достигнута цель работы – изучены методы и способы моделирования сложных систем в современной экономической практике.
Поэтому в данном реферате были решены следующие задачи:
Описать основные понятия и утверждения сложных систем
Привести концепцию универсальной системы имитационного моделирования
Описать динамические системы
Привести методы оценки экономической безопасности предприятия
Описать метод Монте-Карло как математическая основа имитационного моделирования
Привести практический пример имитационного моделирования инвестиционных рисков



Список использованной литературы

Моделирование систем : конспект лекций : в 2 ч.; ч. 1 / М.А. Беляева; Моск. гос. ун -т печати имени Ивана Федорова. — М. : МГУП имени Ивана Федорова.–2012 – 188 с.
Лапковский Р. Ю. Причинно-следственный подход для анализа безопасности сложных систем. Технические науки: теория и практика: материалы междунар. заоч. науч. конф. (г. Чита, Т38 апрель 2012 г.). — Чита: Издательство Молодой ученый, 2012. — у1, С. 136-139
Маликов Р.Ф. Практикум по дискретно-событийному моделированию сложных систем в расширенном редакторе GPSS World [Текст]: практикум / Р.Ф. Маликов. - Уфа: Изд-во БГПУ, 2017. - 273с.
Кабков П.К. Исследование операций и системный анализ: Учебное пособие. - М.: МГТУ ГА, 2005. - 96 с..
Духанов А. В. Имитационное моделирование сложных Д систем: курс лекций / А. В. Духанов, О. Н. Медведева; Владим. гос. ун-т. - Владимир: Изд-во Владим. гос. ун-та, 2010. - 115 с.
Бурда А. Г. Моделирование в управлении: учеб. пособие (курс лекций) / А. Г. Бурда, Г. П. Бурда; Кубан. гос. аграр. ун -т. - Краснодар, 2015. - 250 с.
Коровин А.М. Моделирование систем: учебное пособие к лабораторным работам /А.М. Коровин. - Челябинск: Издательский центр ЮУрГУ, 2010. - 47 с.
Майорова Л.В. Методы оценки экономической безопасности предприятия. //Четвёртая ежегодная всероссийская с международным участием научно-практическая конференция «Актуальные проблемы экономики и управления в современном обществе»: материалы научно-практической конференции. 28 октября 2010 г. / Под ред. Е.В. Ожгибесовой - Пермь: АНО ВПО «Пермский институт экономики и финансов», 2010. - С. 274-276.
Имитационное моделирование экономических процессов: учебное пособие для студентов, обучающихся по направлению подготовки 080500.62 «Бизнес-информатика» / авт.-сост. Е.П. Бочаров, О.Н. Алексенцева / Саратовский социально-экономический институт (филиал) ФГБОУ ВПО «РЭУ им. Г.В. Плеханова». - Саратов, 2014. - 160 с.
Имитационное моделирование в экономике : учеб. пособие / С. М. Бородачёв. - Екатеринбург : УрФУ, 2010. - 81 с.








2

2