WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!


Адаптивно-рациональное прогнозирование экономических процессов: теоретические основы и прикладные аспекты

Автореферат докторской диссертации по экономике

 

На правах рукописи

ТИНЯКОВА Виктория Ивановна

АДАПТИВНО-РАЦИОНАЛЬНОЕ ПРОГНОЗИРОВАНИЕ

ЭКОНОМИЧЕСКИХ ПРОЦЕССОВ: ТЕОРЕТИЧЕСКИЕ

ОСНОВЫ И ПРИКЛАДНЫЕ АСПЕКТЫ

Специальность 08.00.13 - Математические и инструментальные методы экономики

АВТОРЕФЕРАТ

диссертации на соискание ученой степени доктора экономических наук

Санкт-Петербург - 2008


Работа выполнена в Государственном образовательном учреждении высшего профессионального образования «Воронежский государственный университет»


Научный консультант


член-корреспондент РАН,

доктор экономических наук, профессор

Клейнер Георгий Борисович



Официальные оппоненты:


доктор экономических наук, профессор Ватник Павел Абрамович;


доктор экономических наук, профессор Лукашин Юрий Павлович;

доктор экономических наук, профессор Яновский Леонид Петрович


Ведущая организация


Федеральное образовательное учреждение высшего профессионального образования «Санкт-Петербургский государственный университет»


2009 года в

часов на заседании

Защита состоится «

диссертационного совета Д 212.237.03 при Государственном образовательном

учреждении высшего профессионального образования «Санкт-Петербургский

государственный университет экономики и финансов» по адресу: 191023,

Санкт-Петербург, ул. Садовая, 21, а.__ .

С диссертацией можно ознакомиться в библиотеке Государственного образовательного учреждения высшего профессионального образования «Санкт-Петербургский государственный университет экономики и финансов».


Автореферат разослан «_


2008 года.



Ученый секретарь диссертационного совета


А.В. Завгородняя


ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. Новый взгляд на роль прогнозирования в российской экономической науке утвердился вместе с осознанием потенциальных возможностей современных механизмов и инструментов регулирования предпринимательской деятельности. Являясь обязательным элементом процесса принятия решения и находясь долгое время в тесной взаимосвязи с планированием, в настоящее время прогнозирование оказалось доминантной составляющей этого процесса.

Логическим следствием усиления роли прогнозирования в решении задач современного менеджмента явилось повышение требований к обоснованности и надежности прогнозных оценок. Однако уровень соответствия аппарата современной прогностики этим новым требованиям остается чрезмерно низким. Даже применение адаптивных моделей, с помощью которых удается, как правило, достичь необходимого уровня адекватности в описании прогнозируемых процессов, только частично решает проблему повышения надежности.

Современная экономика порождает процессы со столь сложной динамикой, что идентификация ее закономерностей аппаратом современной прогностики часто оказывается неразрешимой задачей. Совершенствование этого аппарата, прежде всего, нуждается в новых идеях и новых подходах, на основе которых возможна реализация механизмов и способов отражения динамики, формируемой под воздействием эффектов, возможность появления которых в будущем не обнаруживается в данных исторического периода.

В то же время тенденции будущего вырастают из прошлого. Этот факт нельзя игнорировать, и, следовательно, он тоже должен найти отражение в прогнозной траектории. Возникает явное противоречие, преодоление которого будет способствовать формированию нового взгляда на прогнозирование как упреждающее отражение в вероятностной среде представления об исследуемом процессе в виде траектории, построенной на основе объективных тенденций и субъективные ожидания.

Рамки данного определения требуют актуализации вопросов, связанных с: 1) адекватной идентификацией исторически сложившихся тенденций; 2) корректным получением субъективных оценок; 3) разработкой методов, обеспечивающих в каждый момент упреждающего периода оптимальную концентрацию в прогнозных оценках объективного и субъективного представления о будущем. Решение этих проблем предусматривает адаптивно-рациональный подход, разрабатываемый в диссертационном исследовании.

Степень разработанности проблемы. Математические основы теории прогнозирования были заложены фундаментальными исследованиями А.Н. Колмогорова, Н. Винера, Б.В. Гнеденко, Дж. Дуба, Ю.В. Прохорова, B.C. Пугачева, И.И. Гихмана, А.В. Скорохода, Ю.А. Розанова, Э. Хеннана, А.Н. Ширяева, М. Лоэва и других. Идеи и методологические принципы математиче-

3


ской теории стали тем фундаментом, на базе которого был построен аппарат прогнозирования характеристик стационарных случайных процессов.

Возможность применения этого аппарата в перспективном анализе экономики была открыта исследованиями А.Г. Аганбегяна, А.И. Анчишкина, А.Г. Гранберга, Г.Б. Клейнера, В.Л. Макарова, B.C. Немчинова, Н.Я. Петракова и других. Большой вклад в разработку методов, ориентированных на статистическое прогнозирование экономических процессов, был сделан С.А. Айвазяном, Дж. Боксом, СВ. Вишневым, П.А. Ватником, Дж. Джонстоном, Г. Дженкинсом, Н.К. Дружининым, И.И. Елисеевой, М. Дж. Кендаллом, В.А. Лисичкиным, Э. Маленво, П. Ньюболдом, С.А. Саркисяном, А. Стюартом, Г. Тейлом, Я. Тинбергеном, Г. Тинтнером, Е.М. Четыркин, Э. Янчем и другими.

Особую роль в развитии прогностики играют прикладные исследования. Работы Л.О. Бабешко, Т.А. Дубровой, Е.В. Заровой, Г.С. Кильдишева, К.Д. Льюиса, И.А. Наталухи, В.А. Перепелицы, Е.В. Поповой, С.Г. Светунькова, В.К. Семёнычева, А.А. Френкеля, Г.Р. Хасаева, СМ. Ямпольского, Л.П. Яновского и других свидетельствуют о постоянном поиске новых подходов.

Постоянный интерес вызывает адаптивный подход к прогнозированию экономических процессов. Теоретическим фундаментом этого подхода стали результаты исследований, изложенные в работах В.Н. Антонова, Д.П. Дере-вицкого, Р. Калмана, П.В. Куропаткина, А.В. Медведева, Дж. Саридиса, В.Г. Сраговича, В.Н. Фомина, А.Л. Фрадкова, ЯЗ. Цыпкина, В.А. Якубовича и других. Предназначенные в основном для решения технических задач полученные результаты не могли корректно применяться в экономике.

Использование принципов адаптации в экономическом прогнозировании было начато П. Винтерсом, Р. Майером, Р. Брауном, И.И. Перельманом, Ч. Хольтоми продолжено В.П. Бородюком, В.В. Давнисом, П.А. Иващенко, А.С Корхиным, Е.М. Левицким, Э.К. Лецким, Ю.П. Лукашиным, С. Макридаки-сом, Н.С Райбманом, С. Уайтом, С. Уилрайтом, В.М. Чадеевым, Г.Б. Шиль-маном и другими.

В рамках экономического прогнозирования развитие адаптивного подхода происходит по трем направлениям. Первое из них ориентировано, в основном, на усложнения адаптивных прогнозных моделей. Идея второго направления состоит в совершенствовании адаптивного механизма моделей прогнозирования. В третьем направлении реализуется подход совместного использования адаптивных принципов и других методов прогнозирования, в частности, имитационного моделирования. Разработке адаптивно-имитационных моделей посвящены труды Е.М. Левицкого, В.В. Давниса.

К сожалению, идеи развития математического аппарата прогнозирования не в достаточной степени учитывали свойства активности экономических систем. Это снижало, даже при высокой интерполяционной точности, уровень правдоподобности прогнозных оценок. В то же время прогнозы, основанные только на субъективной информации, как правило, ориентированы на

4


предсказание качественных характеристик, и поэтому их использование возможно только в специальных случаях. Это выводит на первый план проблему построения прогнозов на основе комбинирования экстраполяционных и субъективных оценок. Известны исследования в данной области, однако анализ результатов этих исследований, проведенный Дж. Армстронгом, Р. Клеменем, И. Махудом, показал преобладание в них творческого характера, что свидетельствует, по сути, о начальном уровне разработанности проблемы построения комбинированных прогнозов.

Объект исследования - динамика экономических процессов, протекающих на макро- и мезоуровне РФ.

Предмет исследования - современный аппарат прогнозирования динамических экономических процессов и возможности его применения.

Цель исследования - развитие аппарата прогнозирования экономических процессов путем разработки адаптивно-рациональных моделей, расширяющих прикладные возможности современной прогностики.

Цель исследования предопределила постановку и необходимость решения следующих задач:

  1. Выявить основные направления совершенствования прогностических методов в экономической сфере и разработать концептуальные основы адаптивно-рационального прогнозирования экономических процессов.
  2. Разработать модели, прикладные возможности которых ориентированы на определение адаптивной составляющей прогнозных траекторий в случае моделирования:
  1. мультитрендовых экономических процессов;
  2. многомерных экономических процессов.

3.  Разработать подходы к формированию рациональной составляющей

прогнозных траекторий с использованием:

  1. адаптивно-имитационных моделей;
  2. эконометрических моделей бинарного/множественного выбора.

4.  Разработать адаптивно-рациональные модели, позволяющие:

  1. прогнозировать развитие экономических процессов, в динамике которых присутствуют развороты тренда;
  2. строить прогноз в виде множества альтернативных траекторий с вероятностными оценками степени их реальности.

5.  Исследовать прикладные возможности адаптивно-рациональных мо

делей в случае прогнозирования:

-    стоимости финансовых активов и их волатильности;

-    системы показателей экономического развития региона.

Область исследования. Содержание диссертации соответствует п.  1.9

«Разработка и развитие математических методов и моделей анализа и прогнозирования развития социально-экономических процессов общественной жизни: демографических процессов, рынка труда и занятости населения, качества

5


жизни населения и др.» специальности 08.00.13 - Математические и инструментальные методы экономики - паспорта специальностей ВАК РФ.

Теоретической и методологической основой исследования послужили современные достижения экономической и математической науки, содержащиеся в трудах отечественных и зарубежных ученых по экономической теории, адаптивному прогнозированию экономических процессов, имитационному моделированию, экспертному оцениванию, эконометрическому моделированию, разработке прогнозов экономического развития регионов, теории финансовых рынков, инвестиционному менеджменту.

Эмпирическую базу исследования составили:

  1. данные, опубликованные Федеральной службой государственной статистики и Территориальным органом Федеральной службы государственной статистики по Воронежской области;
  2. данные, предоставленные Главным управлением экономического развития администрации Воронежской области;
  3. архивы котировок акций российских компаний, размещенные на сайтах Российской торговой системы (www.rts.ru) и РИА «РосБизнесКонсалтинг» (www.rbk.ru).

Научная новизна исследования состоит в разработке и реализации целостной концепции адаптивно-рационального прогнозирования экономических процессов, согласно которой прогноз должен строиться с использованием фактографических данных и с учетом субъективных ожиданий на основе принципа адаптивного распределения доверия к данным разной природы. В рамках предлагаемой концепции, в отличие от существующих, удается построить модели, позволяющие сформировать наиболее полное представление о реальности ожидаемых вариантов упреждающей динамики экономических процессов.

Научная новизна подхода реализована в следующих результатах, полученных лично автором:

  1. Проведено теоретическое обоснование адаптивно-рационального подхода к прогнозированию экономических процессов, логика которого выстроена в соответствии с законом необходимого разнообразия и принципом внешнего дополнения. Это закладывает методологические основы отражения упреждающей действительности как результата адаптивного согласования объективных закономерностей и субъективных ожиданий.
  2. Для определения адаптивной составляющей прогнозных траекторий:

- предложен новый класс адаптивных моделей - модели с многоуровневой структурой адаптивного механизма. Адаптивный механизм этих моделей обеспечивает идентификацию мультитрендовых процессов, что значительно расширяет возможности отражения сложных трендовых закономерностей, трансформируемых в «прогнозный образ будущего»;

6


-   разработана модель, названная в диссертации «матричный пре

диктор». В отличие от линейных зависимостей многомерной авторегрессии,

эта модель отражает структурную взаимосвязь между прогнозируемыми по

казателями. На ее основе построено семейство адаптивных моделей, исполь

зуемых для адаптивно-рационального прогнозирования многомерных про

цессов.

3.  Для формирования рациональной составляющей прогнозных траекторий:

-   разработана методика построения альтернативных вариантов ра

циональной составляющей на основе вычислительных экспериментов, прово

димых с адаптивно-имитационной моделью;

-    предложен подход к прогнозированию условных субъективных

ожиданий с использованием псевдовыборочных совокупностей. В рамках это

го подхода разработана модель, получившая в диссертации название «ранго

вый предиктор». С помощью данной модели альтернативные варианты рацио

нальной составляющей оцениваются в ранговой шкале в соответствии с веро

ятностью их предпочтительности.

4.  Разработаны адаптивно-рациональные модели:

  1. формирования «прогнозного образа будущего». Модель обеспечивает построение многовариантной прогнозной траектории с вероятностными оценками степени реальности этих вариантов. Ее отличительной особенностью является возможность предсказания даже тех эффектов, которые не наблюдались в динамике прогнозируемого процесса;
  2. прогнозирования процессов, в динамике которых присутствуют развороты тренда. Особенность модели в том, что ее рациональная составляющая встроена в контур обратной связи адаптивного механизма. Это позволило наделить модель новым свойством, в соответствии с которым сигналы обратной связи могут восприниматься с противоположным знаком. Благодаря данному свойству в адаптивном механизме запаздывающая реакция заменяется ожидаемой.

5.  Проведена верификация разработанного подхода на данных, отра

жающих динамику:

  1. стоимости акций и их волатильности. С этой целью построены адаптивно-рациональные модели, использование которых в задачах обоснования инвестиционных решений позволяет формировать портфели, ориентированные на поддержание заданного уровня доходности в перспективном периоде. Тестирование на данных упреждающего периода подтвердило более высокую статистическую устойчивость уровней доходности этих портфелей по сравнению с портфелями, построенными на основе классических методик.
  2. показателей экономического развития региона. С этой целью предложена методика перспективных расчетов многоуровневой системы показателей экономического развития региона, реализующая основные идеи концепции адаптивно-рационального прогнозирования. В получаемых с по-

7


мощью этой методики прогнозных оценках концентрируется объективная и субъективная информация о тенденциях ожидаемого развития экономики региона, что в условиях недостаточной информационной поддержки повышает достоверность прогнозных оценок.

Теоретическая значимость работы определяется тем, что разработанные в диссертации концептуальные положения и созданный на их основе аппарат адаптивно-рационального прогнозирования определили в прогностике новое направление по упреждающему отражению действительности.

Практическая значимость результатов исследования заключается в возможности применения разработанных моделей, методов и методик для проведения прогнозных расчетов в процессе обоснования управленческих решений. Самостоятельное практическое значение имеют:

  1. методика прогнозирования многоуровневой системы показателей экономического развития региона, представляющая интерес для любого субъекта РФ, поскольку разработанная в ее рамках вычислительная схема может стать основой для автоматизации прогнозных расчетов;
  2. адаптивно-рациональные модели прогнозирования стоимости акций и их волатильности, которые могут быть использованы как институциональными, так и частными инвесторами в качестве инструментария для получения дополнительной информации, способствующей повышению степени обоснованности инвестиционных решений.

Апробация и внедрение результатов исследования. Основные результаты работы прошли апробацию и получили положительную оценку на семинарах и научных сессиях в Воронежском государственном университете, ежегодной международной научно-практической конференции «Экономическое прогнозирование: модели и методы» (Воронеж, 2004-2008), международной научно-практической конференции «Моделирование и прогнозирование в управлении: методы и технологии» (Орел, 2007), V и VI международной научно-практической конференции «Моделирование. Теория, методы и средства» (Новочеркасск, 2005-2006), 27-й международной школе-семинаре им. С.С. Шаталина «Системное моделирование социально-экономических процессов» (Орел, 2005), V международной научно-практической конференции «Новые технологии в управлении, бизнесе и праве» (Невинномысск, 2005), международной научно-практической конференции «Современные сложные системы управления (СССУ/HTCS 2003)» (Воронеж, 2003), III международной научно-практической конференции «Методы и алгоритмы прикладной математики в технике, медицине и экономике» (Новочеркасск, 2003), международной научно-практической конференции «Механизмы развития социально-экономических систем региона» (Воронеж, 2003), а также на Всероссийский и региональных конференциях.

Диссертационная работа выполнена в соответствии с одним из направлений научных исследований Воронежского  государственного университета

8


«Математическое моделирование и информационные технологии в управлении экономическими системами», а также по теме научно-исследовательской работы: «Исследование методов, методических подходов к формированию прогнозов и стратегических планов развития области, финансового оздоровления предприятий региона», выполняемой в рамках тематических планов по заданиям Министерства образования и науки РФ: «Исследование динамики, факторов и механизмов стратегического управления социально-экономическим развитием региона» (номер государственной регистрации 012.0411815).

Основные результаты исследования нашли отражение в учебно-методических комплексах по следующим дисциплинам, преподаваемым в Воронежском государственном университете: «Методы социально-экономического прогнозирования», «Математические методы финансового анализа», «Эконометрика» (имеется акт внедрения).

Адаптивно-рациональные модели прогнозирования стоимости акций и их волатильности используются ООО «Инвестиционная палата» (г. Воронеж) в задачах портфельного инвестирования, что подтверждено актом внедрения.

Методика прогнозирования многоуровневой системы показателей использована при разработке Прогноза социально-экономического развития Воронежской области на 2008 год и на период до 2010 года, о чем свидетельствует акт внедрения.

Публикации. По теме диссертации опубликовано 62 работы (вклад автора составляет 88,15 п.л.), в том числе 5 монографий (глав монографий), 14 статей в научных журналах, рекомендованных ВАК РФ для публикации основных результатов диссертаций на соискание ученой степени доктора наук.

Структура работы обусловлена ее целью, задачами, логикой исследования. Диссертация состоит из введения, шести глав, заключения, библиографического списка из 347 наименований, приложений.

Во введении обоснована актуальность темы диссертации, определены предмет и объект исследования, сформулирована цель и поставлены задачи, решение которых необходимо для ее достижения, раскрыта научная новизна, теоретическая и практическая значимость результатов исследования.

В первой главе обсуждаются вопросы современного состояния прогностики и возможности использования ее аппарата для создания методик, модели которых представляют собой результат комбинирования различных подходов. Подробно исследуется природа экономических процессов и специфика их упреждающего отражения. На основе результатов этих исследований разработаны принципы, позволившие сформулировать ключевые положения теории адаптивно-рационального прогнозирования.

Во второй главе основное внимание уделяется исследованию аппарата адаптивного моделирования с целью расширения его возможностей и повышения уровня адекватного отражения сложных эффектов в динамике экономических процессов. В частности, предложены модели с многоуровневой

9


структурой адаптивного механизма, специфика которых ориентирована на прогнозирование динамики финансового рынка в случае его неоднородности. Отдельно исследованы проблемы адаптивного прогнозирования многомерных процессов.

В третьей главе реализована авторская идея построения моделей специального вида, обеспечивающих получение прогнозных оценок на основе субъективных ожиданий. В зависимости от конкретных условий для их построения используется аппарат экспертного оценивания, имитационного и эконометрического моделирования. Показано, что требуемый уровень адекватности при решении данного класса прогнозных задач достигается с помощью комбинированных моделей (известной адаптивно-имитационной модели и разработанного в диссертации рангового предиктора).

В четвертой главе предлагается прогнозные траектории строить в виде переходных процессов, отражающих распределенное доверие к тенденциям исторического периода и ожидаемой динамике перспективного периода. В условиях неопределенности доверие распределяется по упреждающему периоду с помощью адаптивных механизмов прогнозных моделей. Исследованы случаи моделирования одномерных и многомерных процессов. Прогностические возможности моделей, построенных в рамках концепции адаптивно-рационального прогнозирования, показаны на примере моделирования процессов со сложной динамикой. Глава завершается изложением результатов построения адаптивно-рациональной модели, расчеты по которой интерпретируются как формирование прогнозного образа будущего.

В пятой главе осуществлялась верификация концепции адаптивно-рационального прогнозирования на данных, характеризующих динамику финансового рынка. С этой целью построены модели для прогнозирования индекса и стоимости акций в условиях одноиндексной модели рынка, эволюции цен на биномиальном рынке, волатильности. Отличаясь необходимой для адекватности спецификой, все эти модели в то же время могут рассматриваться как результат реализации концепции адаптивно-рационального прогнозирования - каждая из них содержит адаптивную и рациональную составляющую. Поступреждающее тестирование показало возможность их практического использования в задачах прогнозного обоснования инвестиционных решений.

В шестой главе излагаются результаты прогнозирования экономического развития Воронежской области. Результаты подтвердили гибкость и высокую эффективность адаптивно-рациональных моделей, с помощью которых реализована многоуровневая схема прогнозных расчетов, поддерживающая структурную взаимосвязь показателей экономического развития региона в перспективном периоде. Рациональная составляющая этих моделей обеспечила достаточно высокий уровень надежности в ситуации, когда исторический период представлен несколькими точками.

10


В заключении сформулированы основные выводы диссертационного исследования.

В приложениях содержатся расчетные материалы, свидетельствующие о проведенной верификации разработанных моделей, методов и методик адаптивно-рационального прогнозирования.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ

1. Проведено теоретическое обоснование адаптивно-рационального подхода к прогнозированию экономических процессов.

Как известно, моделирование прогнозных оценок будущего состояния социально-экономических объектов является наиболее успешным только в тех случаях, когда модель в полной мере отражает как природу процесса управления, так и специфику деловой среды.

Для выяснения природы управления необходимо определить его взаимосвязь с характеристиками деловой среды. С этой целью проанализируем два полярных состояния среды: неопределенность и определенность. В условиях неопределенности адаптация, а точнее, ее принципы являются основой управления как в реальных системах, так и в их модельном представлении. Однако возникает закономерный вопрос о возможности использования только адаптивного подхода к построению систем управления.

Ответ находится в прямой зависимости от специфики объектов управления. Действующая естественным образом в биологии адаптация была воспроизведена в управлении техническими системами, однако в полном объеме не может использоваться в управлении экономическими объектами. Проблема носит принципиальный характер, поскольку в социально-экономических системах активным элементом является человек - существо мыслящее и в силу этого вряд ли желающее уступить право принятия решений автоматизированной системе, какой бы она ни была совершенной. Это, можно сказать, субъективный аспект проблемы, а существует и объективный.

Объективный аспект связан с двумя моментами. Прежде всего, заметим, что эволюционные изменения, являющиеся вялотекущими, не всегда устраивают руководство организации. Сократить длительность периода адаптации можно только рациональными действиями.

Второй момент связан с наличием богатой теории и практики использования рационального подхода к реальному управлению экономическими объектами в условиях определенности и риска. Такой подход оправдан, однако существуют естественные границы его применения в виде относительности уровня знаний на конкретный момент времени. Даже те решения, которые принимаются в условиях определенности, содержат в себе элементы неопределенности, связанные с их реализацией в будущем. Несмотря на привлекательность рационального подхода, в его рамках невозможно справиться с всегда существующей неопределенностью будущего.

11


Противоречивость данной ситуации может быть рассмотрена с позиций принципа внешнего дополнения, впервые сформулированного С. Биром и сводящегося к тому, что «... любой язык управления в конечном счете недостаточен для выполнения поставленных перед ним задач, но этот недостаток может быть устранен благодаря включению «черного ящика» в цепь управления» . Абстрактно, назначение «черного ящика» С. Бир видит в том, чтобы формулировать решения на языке более высокого порядка, которые не могут быть выражены в терминах действующей системы управления.

Проблема «черного ящика» может решаться различными способами, важно только то, чтобы это внешнее дополнение было «истинно внешним», т.е. другой природы. К механизмам другой природы в нашем случае относятся адаптивные, обеспечивающие «мягкую» корректировку решений, принимаемых в рамках системы рационального управления. Системы управления реальными экономическими объектами, построенные на основе комбинирования двух подходов - адаптивного и рационального - будем называть адаптивно-рациональными.

Необходимость такого комбинирования непосредственно также следует и из фундаментального закона кибернетики - закона необходимого разнооб-разия, сформулированного У.Р. Эшби . Суть проблемы в том, что возможности рационального управления в силу ограниченности знаний не всегда отвечают требованиям этого закона, а следовательно, не всегда обеспечивают эффективное управление. В отличие от рационального, в природе адаптивного управления заложены неограниченные возможности разнообразия адекватных реакций на разнообразие управляемого объекта. Поэтому идею комбинирования двух подходов, по нашему мнению, следует считать одной из составляющих современной парадигмы науки управления и использовать в моделях, претендующих на высокий уровень адекватности.

Интересно, что и экономическая теория не оставила без внимания понятия «адаптивный» и «рациональный». Поиск концепции, объясняющей сложные экономические процессы, привел эту науку к необходимости использования идеи адаптивного поведения. На основе этой идеи была разработана теория адаптивных ожиданий, вслед за которой появилась гипотеза рациональных ожиданий.

Если поставить вопрос о достаточности использования только одной гипотезы при построении модели, адекватно отражающей реальное поведение экономических агентов, то ответ, пожалуй, будет отрицательный. В поведении даже одного агента можно обнаружить ориентацию как на адаптивные, так и рациональные ожидания. Все зависит от длины упреждающего периода,

1 Бир С. Кибернетика и управление производством / С. Бир. -М.: Физматгиз, 1963. -С. 109.

2 Эшби У.Р. Введение в кибернетику / У.Р. Эшби. - М.: Изд-во иностр. лит., 1959. - 432 с.

12


к которому относятся ожидания. Для краткосрочных периодов ожидания скорее адаптивные, чем рациональные, а для долгосрочных - наоборот.

Эти рассуждения тесно коррелируют с идеей адаптивно-рационального управления и приводят к важному для наших дальнейших исследований умозаключению, суть которого в том, что как управление, так и поведение экономических агентов представляет собой сложную комбинацию адаптивного и рационального. Причем уровень соотношения адаптивного и рационального подвержен изменениям и в каждом конкретном случае определяется условиями, в которых вынужден действовать агент, а также временем упреждения. Становится понятно, что надежность прогнозных оценок эффектов управления находится в прямой зависимости от того, насколько в них учтена природа прогнозируемых процессов. Другими словами, в прогнозных моделях должны найти отражение и адаптивность, и рациональность этих процессов, а сами модели логично называть адаптивно-рациональными.

Что касается принципов построения адаптивно-рациональных моделей, то главный принцип, по сути, вытекает из самого названия моделей; он основан на идее комбинирования адаптивного и рационального. В широком смысле адаптация есть процесс приспособления, а рациональность - это нечто, относящееся к разуму, поэтому дословно термин «адаптивно-рациональный» можно интерпретировать как «приспосабливающийся к разумному». Сразу же возникает закономерный вопрос: «Как можно технически осуществить это приспособление?». Другими словами, суть вопроса в том, как должен быть устроен механизм, реализующий процесс адаптации к проявлениям разума.

Совместное применение формализованных процедур и экспертного оценивания представляется наиболее привлекательная возможность. Именно эксперты, концентрирующие в своих оценках «разумное», должны стать тем опосредованным элементом адаптивно-рациональной модели, без которого теряется ее содержательный смысл. Только с их помощью, на наш взгляд, удается решить проблему инкорпорирования рациональных ожиданий в прогнозные оценки.

Следующим аспектом, требующим особого рассмотрения, является уровень доверия, которым обладают данные, полученные из разных источников. Разнохарактерность данных требует специальных подходов к их использованию для описания картины динамики будущего. Очевидно, что для моментов времени, близлежащих к текущему, прогнозные оценки, полученные с помощью экстраполяции, пользуются большим доверием по сравнению с данными субъективного характера. И наоборот. Оценки отдаленного будущего, основанные на рациональных ожиданиях экспертов, как правило, обладают большей степенью доверия, чем данные экстраполяционных прогнозов. По сути, мы имеем дело с ситуацией, когда с течением времени один набор данных как бы теряет свою информационную ценность, а другой - ее повышает. Поэтому

13


в основу построения комбинированной траектории должен быть положен принцип распределенного доверия к данным разной природы.

Реализация этого принципа предполагает переход с траектории, в которой доминируют экстраполяционные оценки на траекторию рациональных ожиданий, осуществляемый в соответствии с изменениями степени доверия прогнозным оценкам разной природы. Теоретически, возможны различные варианты алгоритмической реализации такого перехода. Для наших целей наиболее приемлемым является подход, основанный на адаптивном моделировании процесса перехода с одной траектории на другую.

2. Предложен новый класс адаптивных моделей - модели с многоуровневой структурой адаптивного механизма.

Адаптивные модели довольно давно используются для прогнозирования экономических процессов. Их заслужено считают эффективным инструментом краткосрочного прогнозирования. Однако использование адаптивных моделей для разработки адаптивно-рациональных прогнозов предъявляет повышенные требования к возможности этих моделей адекватно отражать динамику прогнозируемых процессов. Достигаемая с помощью адаптивных моделей высокая точность аппроксимации создает ложное представление об их высокой адекватности. Повышение «реальной» адекватности этих моделей связано с совершенствованием структуры и логики построения адаптивного механизма.

В диссертационной работе предложены модели с многоуровневой структурой адаптивного механизма, которые, являясь обобщением адаптивных регрессионных, представляют собой новый класс моделей. Разработанные модели используются в случае адаптивно-рационального прогнозирования мультитрендовых процессов, протекающих, в частности, на неоднородных (фрактальных) финансовых рынках.

Рассмотрим ситуацию, когда на рынке действуют инвесторы с краткосрочным и долгосрочным инвестиционным горизонтом. Тогда модель, идентифицирующую, в соответствии с замыслом, закономерности в двухтрендо-вых процессах и имеющей для этих целей двухуровневую структуру адаптивного механизма, выглядит следующим образом:

В модели использованы следующие обозначения: yt- фактическое значение стоимости финансового актива в момент времени t; yt= (1, yt, ..., yt_i+i)- расширенная вектор-строка из / лаговых переменных (/-порядок авторегрессионной модели); yt+\/t- прогнозная оценка долгосрочного тренда, рассчитанная по модели с коэффициентами, оценки которых известны на момент t; yt+i/t+i~ расчетное значение по долгосрочной модели с коэффициентами, оценки которых известны на момент t+l; yt+2/t+\~ прогнозная оценка краткосрочного тренда, рассчитанная по краткосрочной модели с коэффициентами, оценки которых известны на момент t+1; yt+2/t+\~ прогнозная оценка долгосрочного тренда, рассчитанная по долгосрочной модели с коэффициентами, оценки которых известны на момент t+1;

b^- вектор текущих оценок долгосрочной модели; bt- вектор текущих оценок краткосрочной модели; Ct- матрица, обратная к матрице системы нормальных уравнений метода наименьших квадратов, оцененная по tнаблюдениям; а - параметр адаптации краткосрочной модели (О < а < 1).

Модель (1)-(7), являясь, по сути, базовой, служит основой для построения обобщающих вариантов. Так, например, модель с трехуровневой структурой получается из модели с двухуровневой структурой путем добавления блока идентификации среднесрочной тенденции.

3. Разработан матричный предиктор и на его основе построено семейство адаптивных моделей.

Необходимость решения многомерных задач появляется каждый раз, когда анализируются детали перспективного развития всего экономического объекта, а не отдельных структурных или функциональных подсистем. Возникающие при этом трудности связаны с размерностью временных рядов, превышающей объем выборочной совокупности. Зачастую длина временного ряда столь мала, что не позволяет корректно использовать статистические методы. Однако отсутствие возможности идентификации устойчивых закономерностей в виде трендовых зависимостей не исключает отражения в данных структурной пропорциональности прогнозируемых показателей, что ориентирует на разработку прогнозов, учитывающих эту пропорциональность.

Взамен предположений о характере динамики выдвигается гипотеза о характере структурной пропорциональности экономических показателей, которую  можно описывать косвенными темпами приростов, представляющими

15


собой отношения приростов каждого из рассматриваемых показателей ко всем остальным. Ключевая идея этой гипотезы в том, что на протяжении некоторого периода времени структура косвенных темпов приростов прогнозируемых показателей может оставаться почти неизменной. Неизменность - это как раз то свойство структуры, которое переносится из настоящего в будущее, сохраняя закономерную пропорциональность в развитии экономического объекта.

Базовая модель матричного предиктора имеет вид

xt=(l-\)-%_l9(8)

где х^ - вектор, / -я компонента которого xtiявляется величиной / -го показателя в момент времени t(/ = 1,«); I — единичная матрица; V- матрица, элементы которой Vjj= AxtjIxtjявляются косвенными темпами прироста i-го показателя относительноу-го ; Axtj- величина изменения i-го показателя.

Чтобы компенсировать отсутствие устойчивых закономерностей в модели (8), предлагается наделить ее адаптивными свойствами. С этой целью в модель вводится механизм последовательной корректировки в зависимости от ошибки предсказания.

Предположим, что по имеющимся данным построен матричный предиктор, с помощью которого проведены прогнозные расчеты

x^+i = А,х, .                                                         (9)

Истинная ошибка прогноза доступна измерению, когда становится известными фактические значения показателей х^+1. По ошибкам предсказания

Дх,+1 = х,+1 - ?,+1                                                       (Ю)

строится корректирующая матрица, удовлетворяющая соотношению

xr+l = Vr+l-                                                         (И)

Из (9) и (11) следует, что

х,+1 = А,А,х,.                                                        (12)

Дальнейшее применение скорректированного предиктора А^А^ позволит

получить новую оценку прогнозной ошибки и на ее основе провести очередную корректировку предиктора. Для того чтобы снизить уровень прогнозной ошибки, вводится настраиваемый параметр а, и предиктор представляет собой комбинацию текущего и скорректированного предикторов

Xf+i=[aAf+(l-<z)A,A,]xf                                             (13)

Такую прогнозную модель будем называть адаптивным матричным предиктором. Особенность модели (13) заключается в том, что ее мультипликатор строится в два этапа. На первом этапе определяется начальное приближение, а на втором - организуется процесс обучения предиктора в виде рекуррентной процедуры постпрогнозных расчетов. С этой целью выборочное множество наблюдений делится на две части. Пусть в (в > 2) первых наблю-

16


дений используются для определения начальных значений. Кроме того, вводится в рассмотрение матрица, определяющая соотношение прямых и косвенных темпов приростов,


Рисунок 1 - Схема имитационных расчетов по многошаговой адаптивной модели (В схеме использованы следующие обозначения: х^+1- вектор-строка факторов адаптивной регрессионной модели; v^- вектор, корректирующий текущие коэффициенты адаптивной регрессионной модели; п - параметр многошаговой адаптивной модели; et+\ - случайная величина, имитирующая прогнозную ошибку; st+i-случайная величина, имитирующая ошибку аппроксимации).

У каждого эксперта об этом многообразии есть свое собственное представление, поэтому после того, как получены эмпирические вероятности достижения альтернативных вариантов, начинается следующий шаг формирования рациональной составляющей. На этом шаге применяется процедура независимого экспертного оценивания, состоящая, по сути, в уточнении эмпирических вероятностей.

В результате обработки данных, полученных от каждого эксперта, мы имеем субъективные вероятностные оценки возможной реализации каждого из ожидаемых вариантов для рассматриваемых упреждающих моментов вре-

19


мени. Если мнения экспертов оказались согласованными, то получают усредненный вариант субъективных вероятностей, по которому и рассчитывается траектория рациональных ожиданий.

Рассмотренный способ формирования рациональной составляющей обеспечивает в финальной части расчетов получение прогнозных оценок, скорректированных с учетом нарождающихся тенденций.

5. Предложен подход к прогнозированию условных субъективных ожиданий, в рамках которого построен ранговый предиктор.

Формирование рациональной составляющей потребовало разработки нового подхода к обработке экспертной информации. В качестве примера, демонстрирующего новый взгляд на обработку экспертной информации, рассмотрим в фокусе этого взгляда задачу ранжирования показателей по их степени влияния на возможность появления какого-либо события. Эта задача является одной из наиболее распространенных в практике экспертного оценивания. Для ее решение разработано много методов. Однако несмотря на их многообразие, суть подхода, реализуемого в этих методах, одна - непосредственное оценивание показателей. Наряду с простотой реализации данный подход имеет и ряд недостатков. Очевидно, что его применение имеет смысл только в линейном случае, когда степень влияния не зависит от структуры оцениваемого набора показателей.

В реальных ситуациях все гораздо сложней. Представление о линейном взаимодействии скорее абстракция, помогающая упростить задачу, сделав ее всегда решаемой, но с некоторой ошибкой, которой можно пренебречь. Логика получения результатов по такой схеме оценивания без учета совместных эффектов вполне объяснима. Решение ищется для конкретной ситуации с фиксированной структурой показателей, которая хотя и не указывается в задании эксперту, но, как правило, присутствует в его представлениях о решаемой задаче. Но как только структура начинает изменяться, а это и, как правило, имеет место в адаптивно-рациональных моделях, сразу же появляются неучтенные эффекты взаимодействия и надежность экспертных оценок резко снижается. Поэтому непосредственное оценивание показателей, с предполагаемой линейной структурой взаимосвязей, необходимо заменить более сложным, основанным на модельном представлении структуры, но без усложнения самой процедуры опроса экспертов.

При этом модель, отражающая взаимосвязь между возможностью появления интересующего нас события и набором оцениваемых показателей, должна быть, по всей вероятности, нелинейной и, кроме того, эконометрической, так как интерес вызывает не только механизм взаимодействия, но и количественная оценка силы этого взаимодействия, а также желание заменить повторные экспертные опросы прогнозными оценками. Последнее особенно важно. Именно этой возможностью не обладают известные методы. Таким образом,

20


смысл рассматриваемого здесь подхода в том, чтобы экспертную информацию использовать для построения модели, а не для получения самих оценок.

Возникает естественный вопрос: «Каким образом экспертная информации может использоваться для этих целей?». Сформулированное в диссертации предложение, заключается в том, чтобы интуицию и знания экспертов применить для формирования псевдовыборки, по данным которой оцениваются коэффициенты модели, имеющей, в отличие от непосредственных экспертных оценок, многоплановое применение: анализ, оценка значимости факторов, прогноз ожидаемых событий и т.п. Естественно, это значительно расширяет область практического использования экспертных решений.

Реализация данного подхода предполагает введение бинарной переменной со следующим смыслом:

П ,    если, по мнению эксперта, событие должно произойти;

У=п

[О,    в противном случае.

Будем считать, что значение этой переменной, характеризующей появление интересующего нас события, зависит от оцениваемого нами набора показателей х1 ,х2, ••¦,хт и существует некоторое множество различных вариантов х1,х2,...,х„ этих наборов х7 = (х^,х^,...,хш), отличающихся друг от

друга всеми или некоторыми своими компонентами (оцениваемыми показателями). Предполагается, что у каждого эксперта есть представление о том, при реализации каких вариантов ожидаемое событие будет иметь место, а при реализации каких - нет. Математически это предположение записывается в виде зависимости

Укг = f(%,xi2,—,xim) + s- ,                                     (20)

где уi- ожидаемое значение бинарной зависимой переменной, которое к -й эксперт связывает с iнабором оцениваемых показателей; f(Xji, Xj2, ..., xim) - индексная функция, т.е. функция, принимающая всего

два значения 0 и 1; st- ошибка, которую может допустить к -й эксперт, оценивая влияние i-го набора на появление ожидаемого события (Sj- случайная переменная со значениями в номинальной шкале: -1; 0; 1).

Модель в качестве результата опроса, а не разовые экспертные оценки, является главной особенностью данного подхода. Благодаря этой особенности удается получить прогнозные оценки экспертных суждений, т.е. оценки субъективного характера относительно тех событий или объектов, о которых эксперты не знали или не имели представления в момент формирования псевдовыборки. Заметим, что главное отличие псевдовыборки от выборки в том, что в ее данных содержится информация, которую эксперты сумели обнаружить и связать своими субъективными оценками со значениями зависимой переменной.

21


Способы формирования псевдовыборки зависят от смыслового содержания решаемой задачи. Это не совсем строго формализованные процедуры, и поэтому для их успешного применения в каждом конкретном случае требуется адаптивное вмешательство. В диссертации подробно рассмотрены различные ситуации, отличающиеся принципами формирования псевдовыборки.

Одной из основных задач, возникающих при формировании рациональной составляющей, является задача упорядочения альтернативных вариантов, которые предъявляются экспертам для оценки степени их реализуемости. Ниже предлагается подход, предусматривающий совместное использование идеи метода парных сравнений и модели бинарного выбора. Согласно этому подходу, матрица парных сравнений формируется с помощью моделей бинарного выбора, построенных для каждой пары сравниваемых альтернатив, а результат ранжирования всего множества альтернатив определяется, как и в методе парных сравнений, по их итерированной значимости.

Предполагается, что с течением времени порядок расположения альтернатив на ранговой шкале меняется и требуется предсказать, каким будет этот порядок в следующий момент времени. В качестве примера подобной ситуации можно рассматривать задачу, связанную с предсказанием уровня доходности ценной бумаги: высокий / средний / низкий / очень низкий. Точное предсказание уровня доходности по понятным причинам практически невозможно, поэтому целесообразно решение данной задачи получать в вероятностной форме, т.е. вычислить вероятности, по которым оценивается реальность сравниваемых альтернатив.

Формально процедура вычисления этих вероятностей осуществляется в несколько этапов. На первом этапе определяются возможные уровни доходности г, для чего вводятся фиктивные переменные fx, f2(в принципе, их может быть и больше - все зависит от разрешающей способности экспертов), принимающие всего два значения: -1 и 1. В этом случае с помощью построенной модели

rt=d0+dlfl+d2f2(21)

можно рассчитать четыре уровня ожидаемой доходности:  rt+i = dG+ d\ ¦ 1 +

+ d2-l;    r^rl = d0 + dl -\ + d2 -(-1);    rf+l = dQ+dl-(-\) + d2 -1;    rt4+l=d0 +

+ dv(-\) + d2-(-\).

Для определения предпочтительности каждого из вариантов в упреждающий момент времени строится матрица условных вероятностей

Г 0,5     Р12

\т


2т


(22)



V   mlml

22


0,5 ,


где Р7/ - условная вероятность предпочтения / -го варианта j-му, определяемая по модели бинарного выбора.

Для определения этих вероятностей введем в рассмотрение отклонения полученных вариантов от фактически наблюдаемой доходности исторического периода


112                                           2               3                3                 4                                                 4

ut=rt-rt,      щ =rt-rt,        щ =rt-n,                         ut=к-к

ч •>      "t      ч    ч •>t     ч    ч ¦>t     ч    ч ¦

Из двух сравниваемых вариантов более предпочтительным в момент времени tбудем считать тот, абсолютная величина отклонения которого от фактического значения меньше. Факт предпочтительности будем фиксировать в значениях переменной, используемой в качестве зависимой переменной при построении модели бинарного выбора. Для каждой пары сравниваемых альтернативных вариантов формируется своя зависимая переменная. Правило формирования этой переменной при сравнении i-го варианта с kзаписывается следующим образом:


ik

(23)

Ух

1,

и\

< 

и*

/,? = 1,2,3,4.

о,

и\

> 

и*

Предполагается, что результат сравнения зависит от того, какой уровень доходности был в предыдущий момент времени rt, и ожидаемой ситуацией на

рынке St+i, которую можно оценить в результате фундаментального анализа,

Р&=р(у* =l\rt,St+l)=Ґ(rt,St+l).(24)

Окончательное решение задачи ранжирования альтернатив получается в виде вероятностей, по которым определяется степень реализуемости сравниваемых альтернатив. Особенность предлагаемого подхода в том, что он обеспечивает возможность прогнозирования в ранговой шкале. В силу этого модель, реализующую данный подход, будем называть ранговым предиктором.

6. Предложена адаптивно-рациональная модель формирования «прогнозного образа будущего».

Особенность предлагаемой модели в том, что ее построение основано на модифицированном принципе распределенного во времени доверия к данным различной природы. Необходимость модификации связана с пониманием прогноза как вероятностного суждения о состоянии какого-либо объекта в будущем. Если полностью согласиться с таким определением, то становится понятным, что вероятностное суждение, основанное на единственном варианте или двух-трех вариантах (оптимистическом, пессимистическом и наиболее вероятном), не может дать полного представления о будущем.

Модифицированный вариант принципа предусматривает распределение во времени доверия к реальности вариантов возможного развития процессов. Разработанная на основе этого принципа модель ориентирована на объедине-

23


ние в прогнозном образе будущего данных исторического периода с рациональными эвристиками упреждающего характера.

Заметим, что под прогнозным образом будущего понимается многовариантное описание, накрывающее все многообразие будущего таким конечным набором траекторий, вероятностное распределение реализуемости которых имеет высокий уровень правдоподобия.

Оценка уровня правдоподобия играет важную роль в прогнозном образе будущего, и в силу того, что эта оценка относится к будущему, а экстраполя-ционные возможности исчерпаны многовариантностью, для ее получения следует использовать рациональные ожидания. Вероятностное распределение рациональных ожиданий формируется с помощью эконометрической модели множественного выбора.

Адаптивно-рациональная модель, обеспечивающая формирование прогнозного образа будущего, формально записывается следующим образом:

U+i=*f+ib,+f*d,     к = \,т;(25)

,*            exp(z,+1a*)

P/Vl =      т_Тl+l    ',   k = l,m-l;(26)

1+ ? exp(z,+1a*)

k=\ 1

p™ l=-------- r^------------- ;                                                                        (27)

'^1             m-\v     7

1+ Јexp(z,+1a )

k=\

Р(Л+1=Л+1) = Р;+ь   k = \m;(28)

fc=Argmin|;y,+1-j>,+1|,                                                                              (29)

0<k<m

P;YPr/ .                ___

p/7Ј=               J, ./' = 1, *и;                                                                     (зо)

j

p7y+i = p7/^   y = i^;                                                                                 (3i)

Vi = ZP^+iU+i-i>f+i);                                                                               (32)

k=\

b,+1 = b, +------ ^^------------ A,+1;                                                             (33)

ч+iQ xr+i +a


cp +

С"1 -1 a


l , Q x'^+1x^+1C^

x^+lC^ x^+1 +a


(34)


где /и - число прогнозных вариантов; yt+\- фактическое значение прогнози-

1      *кт~

руемого показателя в момент времени t+1; j^+1 -   А: -и вариант прогнозной

24


оценки для момента времени t + \; х^+1- вектор значений, описывающий ус-ловия, ожидаемые в упреждающем периоде; Ь^- вектор текущих оценок коэффициентов модели; Р^+1 - вероятность реальности к -го варианта прогнозной оценки для    момента времени t + l; P^/v - вероятность реальности к-то

варианта, когда ожидается jвариант; Р, - вероятность, с которой в момент времени tожидается вариант с номером7; Р ¦ ,с - вероятность, пересчитанная

по формуле Байеса; к - номер варианта, который в текущий момент оказался наиболее точным;   А^+1- математическое ожидание прогнозной ошибки для

момента времени t+1; f   - вектор значений, которые в к -м варианте приня-

ли фиктивные переменные; d - вектор оценок коэффициентов при фиктивных переменных; zt+-^- вектор независимых переменных мультиномиальной ло-гит-модели, компоненты которого содержат оценки субъективного характера, для момента времени t+1; а - вектор оценок параметров мультиномиальной логит-модели к-то варианта;  С^~+1 — матрица, обратная к матрице системы

нормальных уравнений экспоненциально взвешенного метода наименьших квадратов; а - параметр адаптации, О < а < 1.

С помощью адаптивно-рациональной модели (25) - (34) удается построить многовариантные прогнозные траектории с вероятностными оценками их реальности, в которых отражены субъективные ожидания экспертов. Отличительной особенностью предлагаемой модели является возможность, в соответствии с которой в прогнозный образ будущего включаются те эффекты, которые не наблюдались в динамике прогнозируемого процесса.

7. Разработана адаптивно-рациональная модель прогнозирования процессов, в динамике которых присутствуют развороты тренда.

В рамках адаптивно-рационального подхода удается решить проблему неадекватного отражения некоторых процессов с помощью адаптивных моделей. Используемый в адаптивных моделях принцип обратной связи хотя и позволяет поддерживать текущую адекватность модели на должном уровне, но реализуется эта возможность с единичным запаздыванием. При прогнозировании одних процессов указанный недостаток остается практически незамеченным, а при прогнозировании других приводит к принятию ошибочных решений. Особенно актуальна эта проблема в задачах прогнозирования процессов на финансовом рынке. Связано это с тем, что у процессов на финансовом рынке часто обнаруживается биполярная динамика, т.е. такая динамика, для которой характерны развороты тренда. Смена положительной динамики на негативную наблюдается и в процессах с сезонными эффектами. Однако в процессах с сезонными эффектами смена направления динамики происходит на регулярной основе, а в процессах с биполярной динамикой моменты разворота тренда имеют случайный характер.

25


Важным моментом в попытках прогнозирования процессов с биполярной динамикой является предсказание моментов, в которые происходит разворот тренда. Запаздывающая реакция адаптивного механизма в принципе не позволяет решить проблему предсказания явлений подобного рода. Возникает естественная необходимость в поиске возможностей, обеспечивающих получение упреждающей информации. Несмотря на то, что этому вопросу, давно ставшему актуальным, уделяется много внимания, до сих общепризнанных рекомендаций, обеспечивающих его решение, не найдено. Так, например, в техническом анализе предусмотрены процедуры, позволяющие предвидеть возможность разворота тренда, что является само по себе практически не выполнимой задачей. К сожалению, эти процедуры трудно формализуемы и не очень надежны, так как ориентированы в основном на опыт и искусство трейдеров. Субъективный момент в реализации этих процедур, естественно, требует специфических подходов, обеспечивающих формирование прогнозных оценок не только в соответствии с последними тенденциями, но и с учетом событий, ожидаемых специалистами.

Вопрос об использовании экспертных оценок возникает еще и потому, что разворот тренда в процессах с биполярной динамикой зачастую происходит под влиянием факторов, формирование которых осуществляется вне рынка и которые в силу этого, не оказывают систематическое влияние на тренд. Увязать изменения на рынке с конкретными факторами, которые количественно могли бы быть выражены, практически невозможно. Более того, установить эти факторы очень сложно, так как многие из них неформализуемы, имеют характер однократного проявления (смена правительства, начало военных действий, неблагоприятные погодные условия, всевозможного рода слухи и т.п.). Исследование факторов подобного рода и оценка степени их возможного воздействия на динамику рынка является прерогативой фундаментального анализа. Заметим, что эти же проблемы обсуждаются и в теории когерентного рынка.

Эксперты вполне могут использовать в оценках собственных ожиданий упреждающие выводы из результатов фундаментального анализа. Поэтому основная идея совершенствования адаптивной модели ориентирована на разумное использование экспертных оценок, в которых сконцентрирована вся информация о предстоящих изменениях на финансовом рынке. Реализация этой идеи превращает модель с адаптивным механизмом в модель с адаптивно-рациональным механизмом. Обеспечивая формирование прогнозных оценок на основе фактографических данных и субъективных мнений, модель с адаптивно-рациональным механизмом, вполне может использоваться для прогнозирования процессов с биполярной динамикой.

В модели адаптивно-рациональный механизм реализуется с помощью регулятора

26


у = v


л


ИЛ

0,5


л

1


(35)


где Р^+1 - вероятность, рассчитанная с использованием упреждающих экспертных оценок и характеризующая ожидаемое в следующем периоде состояние моделируемого показателя; v- константа усиления регулирующих воздействий (обычно v = 2). Заметим, что при 7=0, мы имеем дело с неадаптивной моделью, а при у =\  - с обычной адаптивной.

Графическое представление результатов моделирования упреждающей динамики стоимости акций ОАО Газпром с помощью предлагаемого подхода приведено на рис. 2.

12-,

11,6-

о ч: s   11,2

s

го

н

|   10,8-

s о

н О

10,4 -

10


10                              15

Время, дни


20


25



¦Фактические значение ¦ Среднесрочный тренд


¦Краткосрочный тренд -Долгосрочный тренд


Рисунок 2 - Динамика стоимости акций ОАО Газпром

График демонстрирует ситуацию, когда эксперт почти не ошибался в определении моментов разворота тренда. Таким образом, в случае реализации адаптивно-рационального подхода рациональная составляющая становится фактором повышения экстраполяционной точности прогнозной модели.

8. Разработаны адаптивно-рациональные модели прогнозирования стоимости акций и их волатильности.

Идеи адаптивно-рационального моделирования прогнозных оценок полностью адекватны методикам анализа динамики финансового рынка, основанным на техническом и фундаментальном анализе. Экстраполяционную составляющую этих моделей можно интерпретировать как результат техниче-

27


ского анализа, а ее корректировку на основе рациональной составляющей -как уточнение результатов технического анализа с помощью фундаментального. Поэтому использование адаптивно-рационального подхода для прогнозирования динамики финансового рынка можно считать естественным и вполне обоснованным.

Чтобы убедиться в эффективности предлагаемого подхода, в диссертации обсуждаются его прикладные аспекты, варьирующиеся в зависимости от условий, в которых разрабатываются те или иные инвестиционные стратегии. В частности, приводятся результаты применения адаптивно-рационального подхода к прогнозированию стоимости финансовых активов, которые демонстрируют новые возможности для моделирования биномиального рынка с последующим расчетом «справедливой» цены опционов. Кроме того, предлагается методика адаптивно-рационального прогнозирования волатильности стоимости акций, обеспечивающая получение уточненных оценок риска и, как следствие, способствующая повышению эффективности хеджирования.

Здесь же подробно рассмотрим ситуацию использования адаптивно-рациональной концепции одноиндексной модели в задачах портфельного инвестирования на неоднородном рынке. При построении этой модели откажемся от предположения, в соответствии с которым корреляция между случайными ошибками любых двух ценных бумаг, включаемых в портфель равна нулю. Более того, вместо ошибок аппроксимации будем рассматривать постпрогнозные ошибки, оценка которых возможна в случае применения рекуррентных процедур для построения прогнозных моделей.

Адаптивно-рациональная модель в данном случае представляет собой рекурсивную систему уравнений, в которой уравнение первого уровня, предназначенное для прогнозирования рыночного индекса, содержит обе составляющие - экстраполяционную и рациональную. В соответствии с логикой рекурсивных расчетов прогнозные оценки, полученные на первом уровне, используются в прогнозных расчетах на втором уровне. Второй уровень, в силу неоднородности рынка, представляет собой адаптивные модели для прогнозирования доходности инвесторов с долго-, средне- и краткосрочным горизонтами инвестирования. Рациональная составляющая в эти модели включается косвенным образом, через прогнозную оценку, полученную на первом уровне.

I   уровень:    fIt+l=d-f + pfIt+2yҐ(zt+l);(36)


II уровень :


П+и = «л + Pti^ti+ Ytiгц+i,    l= Mi

П+и = ati + Parti + Yti ht+ъl = M;                (37)

Ъ+и = « n + Pti fn + Yti bt+u   i = \n-


28


При записи прогнозных моделей были использованы следующие обозначения: fjt+i~ прогнозная оценка среднего значения индекса; zt+i~ прогнозная

экспертно-аналитическая оценка активности рынка; rt+y- прогнозная оценка средней доходности z-й акции, рассчитанная по долгосрочной модели; г(+у- прогнозная оценка средней доходности z-й акции, рассчитанная по

среднесрочной модели; rt+y- прогнозная оценка средней доходности z-й акции, рассчитанная по долгосрочной модели; dtufituYti- оценки текущих коэффициентов долгосрочной модели; atufituYti- оценки текущих коэффициентов   среднесрочной модели; atu$tuyti- оценки текущих коэффициентов

краткосрочной модели.

Для определения оптимальной структуры портфеля используется модифицированный вариант модели Марковица

2т w'r^+1 - w'Eg w —» max;                                        (38)

i'w = l,                                                      (39)

где Eg - ковариационная матрица прогнозных ошибок, получаемых по результатам постпрогнозных расчетов доходности акций, проводимых с помощью адаптивной модели; w' = (wls w2,...,wn)-вектор, определяющий структуру портфеля; г- вектор средних доходностей активов за рассматриваемый период; r/+1 = (rt+n, Ц+\2>- ¦ ¦¦> Ц+\п) ~ вектор средних ожидаемых доходностей активов, включаемых в портфель; i' = (1,1,..., 1) - вектор из единиц; \х -

желаемая доходность, которую должен приносить сформированный портфель; т - неотрицательный параметр, отражающий несклонность инвестора к риску.

Решение задачи (38) - (39) получается в виде

w = wmin+TWc>                                                              (40)

где wmjn - решение задачи оптимизации при т = 0, определяемое как

wmin=^-r^1i                                                    (41)

и соответствующее портфелю с минимальной дисперсией на множестве всех эффективных портфелей; wc- вектор, рассчитываемый по формуле

«^^i-1^^1!.                                                             (42)

Экономический смысл этого вектора состоит в том, что он представляет собой не принадлежащее достижимому множеству самофинансируемый портфель, в котором покупка одних активов осуществляется за счет других.

29


В рассматриваемой задаче максимизируется доходность за минусом остаточной дисперсии, являющейся измерителем диверсифицируемого риска, который определяется по ковариационной матрице прогнозных ошибок. Отметим также, что для каждого типа инвесторов строилась своя модель формирования оптимального портфеля.

Ниже приводятся результаты вычислительного эксперимента. Он осуществлялся по следующей схеме. Весь массив исходных данных делился на две части. Данные первой части использовались для построения портфелей, а данные второй - для тестирования эффективности построенных портфелей.

Модель для прогнозирования доходности индекса после оценки всех ее коэффициентов имеет вид

-37,3399+0,6608z,

е                       '

~Г,     -37,3399+0,6608z,

1 + е                            *

fIt+l= -0,0718 + 0,9496г7, + 0,1394

Коэффициенты моделей по каждому типу инвесторов и всем активам, включаемым в портфель, приведены в табл. 1. Прогнозный уровень доходности акций рассчитывался для случая z= 58.

Таблица 1 - Финальные результаты адаптивного моделирования средних уровней доходностей акций

Горизонт инвестирования

Коэффициенты

моделей,

прогнозные

значения

Компания

ОАО

Газпром

ОАО РАО ЕЭС

ОАО СургутНГ

ОАО НГМК

ОАО

Лукойл

ОАО

РосНефть

Краткосрочный

а

-0,0200

-0,2211

0,1192

0,1227

-0,0199

0,1056

Р

0,4385

0,1731

0,9244

0,3749

0,7218

0,5617

У

0,5279

0,2586

0,4382

0,7227

0,2846

0,6966

П+\

-0,0642

-0,2792

0,5513

0,1224

-0,2059

0,1525

Среднесрочный

а

-0,0504

-0,1563

0,1139

0,1340

-0,0270

0,0941

Р

0,3791

0,1107

0,9205

0,3598

0,7204

0,5589

7

0,5098

0,4935

0,4263

0,7626

0,2676

0,6688

П+1

-0,0902

-0,2035

0,5446

0,1316

-0,2121

0,1416

Долго-сроный

а

-0,0857

-0,1426

0,1110

0,1949

-0,0457

0,0644

Р

0,3991

0,1242

0,8426

0,2080

0,7582

0,5986

У

0,4105

0,5365

0,6054

1,1346

0,1483

0,6086

П+\

-0,1237

-0,1950

0,4986

0,1724

-0,2364

0,1185

Результаты формирования оптимальных портфелей, ориентированных на различные горизонты инвестирования, приведены в табл. 2. В этой же таблице приводятся средние доходности портфелей, которые могли бы быть получены на данных контрольных выборки.

30


Таблица 2 - Оптимальная структура портфелей и их средняя доходность, определенные на данных контрольной выборки

Компания

Портфель

Краткосрочный

Среднесрочный

Долгосрочный

Классический

Структура портфеля

ОАО ГазПром

10,82

3,01

33,64

0,62

ОАО РАО ЕЭС

-66,98

-22,54

-15,90

-0,32

ОАО СурНГ

69,16

52,45

27,20

0,27

ОАОНГМК

-11,14

-9,17

-4,61

0,82

ОАО ЛукОйл

-59,55

-53,77

-44,25

-0,84

ОАО Роснефть

58,69

31,02

4,93

0,45

Период

Средняя доходность портфеля, %

04.09.07

55,43

1,24

10,70

-1,25

04.09.07-10.09.07

31,01

-2,73

-4,64

0,11

04.09.07-17.09.07

47,03

9,26

10,16

0,37

04.09.07-24.09.07

23,05

-2,68

-0,14

1,01

04.09.07-04.10.07

12,16

-7,26

2,57

0,84

Сравнительный анализ эффективности портфелей показывает, что все три портфеля, построенные с использованием методики адаптивно-рационального прогнозирования, в целом обеспечивают получение более высокого уровня доходности. Особо следует отметить высокую эффективность портфеля, ориентированного на инвестора с краткосрочным инвестиционным горизонтом. Это вполне естественно, так как краткосрочный прогноз в соответствии с логикой построения прогнозной модели наиболее адекватен тенденциям, проявление которых ожидается в ближайшее время.

9. Предложена методика адаптивно-рационального прогнозирования многоуровневой системы показателей экономического развития региона.

Любые попытки проведения прогнозных расчетов экономического развития региона в полном объеме должны предусматривать возможность преодоления проблем, связанных с многомерностью этого объекта и недостаточной информационной поддержкой. Разработанный в диссертации адаптивный матричный предиктор обладает свойствами, благодаря которым его использование для проведения подобного рода расчетов вполне корректно. Он априори ориентирован на проведение прогнозных расчетов для объектов с многомерной динамикой. Адаптивные свойства такого предиктора позволяют компенсировать недостаточный объем выборочных совокупностей, которые доступны разработчикам прогнозных вариантов.

Показатели экономического развития региона структурированы, что естественным образом требует построения многоуровневой схемы прогнозных расчетов. Матричный предиктор допускает возможность прогнозирования структурированных показателей.

Модифицированный вариант предиктора, с помощью которого была реализована многоуровневая схема прогнозных расчетов, имеет следующий вид:

31


X^CI-V)"1^;                                                                    (43)

х}+1 = (I - Vf О'ЧХ} + Vf2XJ+1);                                    (44)

X?+i = (I" vftrW + Vp?+1),                                              (45)

где V- матрица косвенных темпов прироста прогнозируемых показателей; V[l, У\2~ соответствующие блоки матрицы косвенных темпов прироста показателей z'-й группы 1-го уровня дезагрегирования; V^, V^ - соответствующие блоки матрицы косвенных темпов прироста показателей j-й группы 2-го уровня дезагрегирования z'-ro показателя предыдущего уровня; Х^+1-вектор прогнозных оценок агрегированных показателей; Щ+\- вектор прогнозных оценок показателей z'-й группы 1-го уровня дезагрегирования; Xz^+1-вектор прогнозных оценок показателей j'-й группы 2-го уровня дезагрегирования z -го показателя предыдущего уровня.

Модель (43) - (45) позволила провести расчеты показателей экономического развития Воронежской области, обеспечив при этом взаимосвязь между прогнозными оценками, получаемыми на разных уровнях. Механизм этой взаимосвязи устроен таким образом, что в расчетах каждого последующего уровня в качестве ограничивающих условий (ресурсных показателей) используются прогнозные оценки, полученные на предыдущем уровне. Это гарантирует некую сбалансированность темпов роста агрегированных и дезагрегированных показателей. За счет адаптивных свойств модели удалось достигнуть более точной подгонки матричного предиктора к фактическим данным, что повысило надежность прогнозных расчетов.

ОСНОВНЫЕ ВЫВОДЫ

  1. Сложность в сочетании с высоким уровнем неопределенности условий, в которых осуществляется предпринимательская деятельность, ставит перед прогностикой задачи, решение которых требует совершенствования аппарата прогнозирования. Возможные направления совершенствования были определены в рамках предложенной в диссертации концепции адаптивно-рационального прогнозирования экономических процессов. Данная концепция, объединяя единым замыслом процесс совершенствования аппарата упреждающего отражения действительности, позволила проводить разработку адаптивных моделей и процедур получения/обработки субъективной информации с учетом их совместного использования. Финальным результатом последовательной реализации предлагаемой концепции можно считать адаптивно-рациональные модели.
  2. Адаптивно-рациональный подход разрабатывался с целью его применения в ситуациях, когда использование традиционного аппарата прогнозирования экономических процессов является малоэффективным. Поэтому важным моментом совершенствования аппарата, необходимого для его реа-

32


лизации стало создание моделей, расширяющих возможности адаптивного прогнозирования. В результате было построено два новых класса моделей: 1) модели с многоуровневой структурой адаптивного механизма, предназначенные для прогнозирования мультитрендовых процессов; 2) адаптивные матричные предикторы - модели, обеспечивающие прогнозирование многомерных процессов.

  1. Возможности использования субъективной информации в адаптивно-рациональных моделей в значительной степени было ограничено существующим аппаратом обработки экспертных данных. Проведенные исследования пополнили этот аппарат новыми процедурами, разработанными на основе адаптивно-имитационного моделирования и эконометрических моделей бинарного/множественного выбора. Это позволило создать разнообразие способов, необходимое для адекватного отражения в прогнозных моделях субъективной информации.
  2. Новые возможности разработанного аппарата формирования адаптивной и рациональной составляющих полностью реализуются при совместном их использовании в адаптивно-рациональных моделях. Специфика совместного использования этих составляющих позволяет строить модели, применение которых ориентировано на решение специальных классов прогнозных задач. Так, например, включение рациональной составляющей в контур обратной связи адаптивного механизма приводит к моделям, с помощью которых целесообразно прогнозировать динамику процессов с разворотами трендов. Наиболее полное представление о возможностях адаптивно-рациональных моделей дает ее обобщенный вариант. С его помощью удается построить «прогнозный образ будущего», понимаемый как множество прогнозных траекторий с вероятностными оценками степени их реальности, распределенными по упреждающему периоду времени.
  3. С целью верификации адаптивно-рациональных моделей были проведены полномасштабные прогнозные расчеты:
  1. стоимости акций и их волатильности ряда российских компаний (ОАО Газпром, ОАО НГМК, ОАО Лукойл и др.). Надежность полученных прогнозных оценок была подтверждена результатами решений задач портфельного инвестирования. Портфели, построенные на основе прогнозной информации, в упреждающие периоды времени показали более высокую доходность, чем портфели, при формировании которых такая информация не использовалась;
  2. показателей экономического развития Воронежской области на 2008 год и на период до 2010 года. Результаты верификации показали алгоритмическую реализуемость методики адаптивно-рационального прогнозирования, открывающую возможность для автоматизации прогнозных расчетов показателей экономического развития региона.

33


ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

Монографии, главы монографий

  1. Тинякова, В.И. Модели адаптивно-рационального прогнозирования экономических процессов: монография / В.И. Тинякова. - Воронеж: Изд-во Воронеж, гос. ун-та, 2008. - 266 с. (16,1 п.л.).
  2. Тинякова, В.И. Адаптивно-рациональное управление изменениями социально-экономических систем / В.И. Тинякова // Методология управления изменениями и инновациями в экономических системах: монография / [под ред. д-ра экон. наук, проф. А.В. Бабкина]. - СПб.: Изд-во Политехи, ун-та, 2007.-С. 55-86. (36/2 п.л.).
  3. Давние, В.В. Адаптивные модели: анализ и прогноз в экономических системах: монография / В.В. Давние, В.И. Тинякова. - Воронеж: Воронеж, гос. ун-т, 2006. - 380 с. (23,4/11,7 п.л.).
  4. Давние, В.В. Прогнозные модели экспертных предпочтений: монография / В.В. Давние, В.И. Тинякова. - Воронеж: Изд-во Воронеж, гос. ун-та, 2005. -248 с. (15,5/7,8 п.л.).
  5. Прогноз и стратегический выбор: монография / В.В. Давние, Е.К. На-гина, В.И. Тинякова, В.А. Ищенко. - Воронеж: Изд-во Воронеж, гос. ун-та, 2004.-216 с. (13,5/3,8 п.л.).

Публикации в изданиях, рекомендованных ВАК РФ

  1. Тинякова, В.И. Адаптивно-рациональное моделирование биномиального рынка / В.И. Тинякова // Вестник Тамбовского университета. Серия: Гуманитарные науки. - 2008. - Вып.8(64). - С. 369-376. (0,4 п.л.).
  2. Тинякова, В.И. Экономическое развитие региона: адаптивно-рациональная модель выбора долгосрочных инвестиционных проектов / В.И. Тинякова // Вестник Самарского государственного экономического университета. - 2007. - №2 (28). - С. 143-149. (0,9 п.л.).
  3. Тинякова, В.И. Адаптивно-рациональное прогнозирование показателей социально-экономического развития региона / В.И. Тинякова // Вестник Челябинского государственного университета. - 2007. - Вып. 11. - С. 78-87. (1,2п.л.).
  4. Тинякова, В.И. Модели реализации субъективных предпочтений в адаптивно-рациональных прогнозах / В.И. Тинякова // Вестник Ижевского государственного технического университета. - 2007. - № 1. - С. 83-89. (0,7 п.л.).

10.Тинякова, В.И. Адаптивно-рациональное прогнозирование: сущность, этапы, модели переходных процессов / В.И. Тинякова // Вестник Ставропольского государственного университета. - 2006. - № 44. - С. 93-103. (1,2 п.л.).

11.Тинякова, В.И. Современные тенденции развития прогностических методов: адаптивно-рациональный подход // Научно-технические ведомости Санкт-Петербургского государственного технического университета. - 2006. -№4. -С. 348-353. (0,6 п.л.).

34


12.Тинякова, В.И. Адаптивно-рациональное прогнозирование при обосновании управленческих решений в сфере АПК // Труды Кубанского государственного аграрного университета. - Вып. 2. - 2006. - С. 44-56. (0,7 п.л.).

13.Давние, В.В. Адаптивные модели мультитрендовых процессов и прогноз стоимости финансовых активов / В.В. Давние, В.И. Тинякова // Вестник Воронежского государственного университета. Серия: Экономика и управление. -2006. -№ 1.-С. 143-147. (0,6/0,3 п.л.).

14.Тинякова, В.И. Адаптивно-рациональное моделирование прогнозных траекторий по одномерным временным рядам / В.И. Тинякова // Известия высших учебных заведений. Северо-Кавказский Регион. Общественные науки. Спецвыпуск: «Вопросы теории и практики экономики». - 2006. - С. 94-99. (0,7 п.л.).

15.Тинякова, В.И. Адаптивно-рациональное прогнозирование в экономических системах: концептуальные идеи и модели реализации / В.И. Тинякова // Вестник Воронежского государственного университета. Серия: Экономика и управление. - 2006. - № 2. - С. 286-296. (1,2 п.л.).

16.Тинякова, В.И. Формирование рациональной составляющей адаптивно-рациональных прогнозов / В.И. Тинякова // Проблемы современной экономики. - СПб., 2006. - № 1/2 (17/18) - С. 211-216. (0,6 п.л.).

17.Давние, В.В. Прогноз и адекватный образ будущего / В.В. Давние, В.И. Тинякова // Вестник Воронежского государственного университета. Серия: Экономика и управление. - 2005. - № 2. - С. 183-190. (0,9/0,5 п.л.).

18. Тинякова, В.И. Прогнозирование многомерных социально-экономических процессов: адаптивно-рациональный подход / В.И. Тинякова // Вестник Костромского государственного университета имени Н.А. Некрасова. - 2005. - № 12. - С. 57-61. (0,5 п.л.).

19.Давние, В.В. Прогнозные модели субъективных предпочтений / В.В. Давние, В.И. Тинякова // Вестник Воронежского государственного университета. Серия: Экономика и управление. - 2005. - № 1. - С. 159-167. (0,9/0,5 п.л.).

Публикации в центральных и прочих журналах

20.Тинякова, В.И. Модели формирования адаптивно-рациональных прогнозных траекторий развития социально-экономических систем / В.И. Тинякова // Менеджмент: теория и практика. - Ижевск: Изд-во Института экономики и управления УдГУ. - 2006. - №1-2. - С. 98-109. (1,4 п.л.).

  1. Давние, В.В. Современные методы анализа и прогнозирования в задачах обоснования маркетинговых решений / В.В. Давние, В.И. Тинякова // Маркетинг в России и за рубежом. - 2006. - № 2. - С. 16-26. (1,4/0,7 п.л.).
  2. Давние, В.В. Адаптивный регрессионный анализ в исследовании перспектив развития организации / В.В. Давние, В.И. Тинякова // Экономический анализ: теория и практика. - №10 (13). - 2003. - С. 22-26. (0,6/0,3 п.л.).

35


23.Давние, В.В. Адаптивно-рациональный подход к моделированию прогнозных решений / В.В. Давние, В.И. Тинякова // Энергия-XXI век (науч.-практ. вестник), 2003. - №1(49). - Москва - Воронеж: Воронеж, гос. ун-т. - С. 78-83. (0,3/0,2 п.л.).

24.Давние, В.В. Адаптивно-рациональное управление: механизмы и стратегии / В.В. Давние, В.И. Тинякова // Энергия-XXI век (науч.-практ. вестник), 2002. - №2 (48). - Воронеж: Воронеж, гос. ун-т. - С. 76-86 (0,7/0,4 п.л.).

25.Давние, В.В. Системы адаптивно-рационального управления: генезис и принципы функционирования /В.В. Давние, В.И. Тинякова // Энергия-XXI век (науч.-практ. вестник), 2002. - №1(47). - Воронеж: Воронеж, гос. ун-т - С. 72-82. (0,7/0,4 п.л.).

Материалы международных конференций

26.Вартанова, Э.Р. Адаптивное прогнозирование финансовых временных рядов в условиях гипотезы фрактального рынка / Э.Р. Вартанова, В.И. Тинякова // Инноватика - 2008: труды междунар. конф. - Ульяновск: УлГУ, 2008. -С. 331-332. (0,2/0,1 п.л.).

27.Тинякова, В.И. Адаптивно-рациональное прогнозирование стоимости акций в условиях одноиндексной модели рынка // Экономическое прогнозирование: модели и методы: материалы IV международ, науч.-практ. конф. : в 2 ч.- Воронеж: ИПЦ Воронеж, гос. ун-та, 2008. - Ч. 2. - С. 71-78. (0,5 п.л.).

28.Тинякова, В.И. Адаптивно-рациональный подход к оценке риска долгосрочных инвестиционных проектов / В.И. Тинякова // Системное моделирование социально-экономических процессов: труды 30-й юбилейной междунар. науч. шк.-семинара им. акад. С.С. Шаталина: в 2 ч. - Воронеж: ИПЦ Воронеж, гос. ун-та, 2007. - Ч. 2. - С. 251-253. (0,2 п.л.).

29.Аристов, Е.И. Об адаптивном подходе к обнаружению эффектов рис-когенности в экономических процессах / Е.И. Аристов, В.И. Тинякова // Инновационные технологии научных исследований социально-экономических процессов: сб. статей V междунар. науч.-практ. конф. - Пенза: АНОО «Приволжский Дом знаний», 2007. - С. 156-159. (0,2/0,1 п.л.).

30.Тинякова, В.И. Адаптивный анализ динамики равновесных цен на финансовые активы / В.И. Тинякова, А.Б. Тимченко, С.С. Щекунских // Экономическое прогнозирование: модели и методы: материалы III междунар. науч.-практ. конф.: в 2 ч. - Воронеж: Воронеж, гос. ун-т, 2007. - Ч. 2. - С. 225-234. (0,6/0,3 п.л.).

31.Тинякова, В.И. Адаптация и приспособление, гибкость и адаптивность в экономических системах / В.И. Тинякова // Системное моделирование социально-экономических процессов: труды 29-й Междунар. науч. шк.-семинара им. акад. С.С. Шаталина: в 2 ч. - Воронеж: ИПЦ Воронеж, гос. ун-та, 2007. -4.2.-С. 184-189. (0,3 п.л.).

32.Тинякова, В.И. Анализ состояния и прогноз показателей развития потребительского рынка Воронежской области / В.И. Тинякова, И.Н. Ряполова,

36


О.С. Павленко // Экономическое прогнозирование: модели и методы: материалы III междунар. науч.-практ. конф.: в 2 ч. - Воронеж: Воронеж, гос. ун-т, 2007. - Ч. 1. - С. 244-253. (0,6/0,4 п.л.).

33.Давние, В.В. Современные тенденции в развитии аппарата адаптивного прогнозирования экономических процессов /В.В. Давние, В.И. Тинякова // Моделирование и прогнозирование в управлении: методы и технологии: материалы междунар. науч.-практ. конф. - Орел: Орлов, регион, ак-я гос. службы, 2007. - С. 20-23. (0,2/0,1 п.л.).

34.Тинякова, В.И. Анализ инвестиционной предпочтительности финансовых активов / В.И. Тинякова, Е.А. Хлебникова // Экономическое прогнозирование: модели и методы: материалы III междунар. науч.-практ. конф.: в 2 ч. - Воронеж: Воронеж, гос. ун-т, 2007. - Ч. 2. - С. 234-238. (0,3/0,2 п.л.).

35.Тинякова, В.И. Прогнозные оценки в рейтинговых решениях относительно кредита / В.И. Тинякова, А.В. Яркина // Наука на рубеже тысячелетий: сб. науч. статей 4-й междунар. науч.-практ. конф. - Тамбов: ТАМБОВ-ПРИНТ, 2007. - С.121-122. (0,1/0,05 п.л.).

36.Тинякова, В.И. Об одном подходе к построению адаптивно-рациональной прогнозной траектории / В.И. Тинякова // Моделирование. Теория, методы и средства: материалы VI междунар. науч.-практ. конф.: В 5 ч. / Юж.-Рос. гос. техн. ун-т (НПИ). - Новочеркасск: ЮРГТУ, 2006. - Ч.З. - С. 4-6.(0,2 п.л.).

37. Давние, В.В. Адаптивный анализ временных рядов цен на финансовые активы /В.В. Давние, В.И. Тинякова // Финансы, денежное обращение и кредит. Организация финансовых систем: материалы междунар. науч.-практ. конф.: в 2 ч./ Юж.-Рос. гос. техн. ун-т (НПИ). - Новочеркасск: ЮРГТУ, 2006. -Ч. 1.-С. 44-46. (0,2/0,1 п.л.).

38.Тинякова, В.И. Механизмы формирования адаптивно-рациональных прогнозных траекторий / В.И. Тинякова // Экономическое прогнозирование: модели и методы: материалы II междунар. науч.-практ. конф.: в 2 ч. - Воронеж: Воронеж, гос. ун-т, 2006. -Ч. 1. - С. 95-106. (0,7 п.л.).

39.Тинякова, В.И. Моделирование прогнозной составляющей кредитных решений / В.И. Тинякова, С.С. Щекунских, А.В. Яркина // Экономическое прогнозирование: модели и методы: материалы II междунар. науч.-практ. конф. - Воронеж: Воронеж, гос. ун-т, 2006. - Ч. 2. - С. 41-46. (0,3/0,2 п.л.).

40.Тинякова, В.И. Многоуровневое прогнозирование факторов налоговых поступлений в бюджет региона / В.И. Тинякова, И.С. Миронова // Экономическое прогнозирование: модели и методы: материалы междунар. науч.-практ. конф.: в 2 ч. - Воронеж: Воронеж, гос. ун-т, 2005. - 4.1. - С. 167-173. (0,4/0,3 п.л.).

41.3еленцова СЮ. Ключевые идеи построения многомерных предикторов социально-экономического развития региона / СЮ. Зеленцова, В.И. Тинякова // Новые технологии в управлении, бизнесе и праве: материалы V ме-

37


ждунар. науч.-практ. конф. - Невинномысск: Инс-т упр-я, бизнеса и права, 2005. - С. 74-77. (0,5/0,3 п.л.).

42.Тинякова, В.И. Преференция условий ведения бизнеса на основе прогнозных решений // Системное моделирование социально-экономических процессов: сб. материалов 28-й междунар. шк.-семинара им. С.С. Шаталина. -М., 2005. - С. 345-349. (0,3 п.л.).

43.Давние, В.В. Новый взгляд на обработку и анализ экспертной информации / В.В. Давние, В.И. Тинякова // Системное моделирование социально-экономических процессов: сб. материалов 27-й междунар. шк.-семинара им. С.С. Шаталина. -М., 2005. -С. 110-115. (0,4/0,2 п.л.).

44.Тинякова, В.И. Анализ и прогнозирование данных маркетинговых исследований: специфика, проблемы и методы / В.И. Тинякова, СИ. Мокшина, А.И. Алексеева // Экономическое прогнозирование: модели и методы: материалы междунар. науч.-практ. конф.: в 2 ч. - Воронеж: Воронеж, гос. ун-т, 2005. - Ч. I. - С. 237-243. (0,4/0,2 п.л.).

45.Давние, В.В. Энтропийные меры точности регрессионных моделей качественных переменных / В.В. Давние, В.И. Тинякова // Моделирование. Теория, методы, средства: материалы V междунар. науч.-практ. конф.: в 5 ч. / Юж.-Рос.гос. техн. ун-т (НИИ). - Новочеркасск: ЮРГТУ, 2005. - Ч. 5. - С. 21-23. (0,2/0,1 п.л.).

46.Davnis, V.V. Regression Prediction Models with Fuzzy Structure of Adaptive Mechanism / V.V. Davnis, V.I. Tinyakova // Proceedings of International Conference on Fuzzy Sets and Soft Computing in Economics and Finance. - 2004. -Volume 2 (edited and formatted in Mexico, printed in Russia). - Pp. 578-584. (0,8/0,4 п.л.).

47.Тинякова, В.И. Региональное прогнозирование: проблемы и методы / В.И. Тинякова // Механизмы развития социально-экономических систем региона: материалы междунар. науч.-практ. конф. - Воронеж: Воронеж, гос. ун-т, 2003.-С. 196-199. (0,2 п.л.).

48.Тинякова, В.И. Адаптивно-рациональные модели прогнозирования многомерных экономических процессов // Методы и алгоритмы прикладной математики в технике, медицине и экономике: материалы III междунар. науч.-практ. конф. : в 3 ч./ Юж.-Рос. гос. техн. ун-т (НИИ). - Новочеркасск: ЮРГТУ, 2003. - Ч.З. - С.22-28 (0,4 п.л.).

49. Давние, В.В. Матричные модели в экономическом прогнозировании / В.В. Давние, В.И. Тинякова // Современные сложные системы управления (СССУ/HTCS 2003): сб. трудов междунар. науч.-практ. конф.- Воронеж: Воронеж, гос. арх.-строит. ун-т, 2003. - С. 365-369. (0,6/0,3 п.л.).

50.Тинякова, В.И. Стратегии адаптивно-рационального поведения предприятий в транзитивной экономике / В.И. Тинякова // Проблемы развития предприятий: теория и практика: материалы междунар. науч.-практ. конф. Ч.П. Менеджмент. Экономика труда и управление персоналом. Коммерция и

38


логистика. Маркетинг. - Самара: Изд-во Самаре, гос. экон. акад., 2002. - С. 104-106 (0,2 п.л.).

Материалы прочих конференций и сборников трудов вузов

51. Давние, В.В. Комбинированная модель прогнозирования доходности рыночных индексов /В.В. Давние, В.А. Пенин, В.И. Тинякова // Экономика и управление в современных условиях: материалы межрегион, науч.-практ. конф. - Красноярск: Сибир. инс-т бизнеса, упр-я и психологии, 2007. - Ч. 1. -С. 160-164. (0,3/0,1 п.л.).

52.Тинякова, В.И. Адаптивно-рациональная модель прогнозирования финансовых временных рядов / В.И. Тинякова // Совершенствование финансово-кредитных отношений в трансформируемой экономике России: сб. ст. Всерос. науч.-практ. конф. - Воронеж: Воронеж, гос. ун-т, 2006. - С. 51-55. (0,3 п.л.).

53. Тинякова, В.И. Адаптивное моделирование и анализ стабильности цен / В.И. Тинякова, А.Б. Тимченко // Проблемы управления экономикой в трансформируемом обществе: сб. ст. III Всерос. науч.-практ. конф. - Пенза: Пензенский гос. ун-т, Приволж. дом знаний, 2006. - С. 127-129. (0,2/0,1 п.л.).

54.Тинякова, В.И. Адаптивно-рациональное прогнозирование доходов региона / В.И. Тинякова // Финансово-кредитные отношения и механизм их реализации: сб. ст. регион, науч.-практ. конф. - Воронеж: Воронеж, гос. ун-т, 2005.-С. 83-85. (0,2 п.л.).

55.Тинякова, В.И. R/S-анализ и многошаговая адаптация в задачах пре-дикторной обработки данных интернет-исследований / В.И. Тинякова, А.В. Яркина // Электронный бизнес: опыт и перспективы: материалы IV Всерос. науч.-практ. конф. - Воронеж: Воронеж, гос. ун-т, 2005. - С. 167-174. (0,5/0,3 п.л.).

56.Давние, В.В. Реальное управление: соотношение адаптивного и рационального /В.В. Давние, В.И. Тинякова // Актуальные проблемы менеджмента, маркетинга и информационных технологий: сб. науч. тр. Вып. 3. - Воронеж: АОНО «Институт менеджмента маркетинга и финансов», 2002. - С. 142-148. (0,4/0,2 п.л.).

57.Тинякова, В.И. Адаптивные процедуры обработки, анализа и прогнозирования данных в интернет-маркетинге / В.И. Тинякова // Электронный бизнес: опыт и перспективы: материалы межрегиональной научно-практической конференции. - Воронеж: Воронеж, гос. ун-т, 2002. - С. 32-38. (0,4 п.л.).

Учебники и учебные пособия

58.Экономика труда: теоретический и практический анализ: учебник (Рекомендован Учебно-методическим советом по специальности «Экономика труда») / под ред. д-ра экон. наук, проф. А.А. Федченко. - М.: Экзамен, 2007. -512 с. (31,9/7,2 п.л.).

39


59.Тинякова, В.И. Математические методы обработки экспертной информации: учеб. пособие / В.И. Тинякова. - Воронеж: Воронеж, гос. ун-т, 2006. - 69 с. (4,3 п.л.).

60.Тинякова В.И. Эконометрика: задачи и компьютерные решения: учеб. пособие / В.И. Тинякова. - Воронеж: Воронеж, гос. ун-т, 2006. - 94 с. (5,8 п.л.).

61.Давние, В.В. Модели и методы социально-экономического прогнозирования: учеб. пособие / В.В. Давние, В.И. Тинякова, СИ. Мокшина. - Воронеж: Воронеж, гос. у-т, 2004. - 115 с. (7,2/3,2 п.л.).

62.Давние, В.В. Основы эконометрического моделирования: учеб. пособие (Рекомендовано УМО по образованию в области финансов, учета и мировой) /В.В. Давние, В.И. Тинякова. - Воронеж: АОНО «ИММиФ», 2003. - 156 с. (9,8/4,9 п.л.).

40

 






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.