Все
 
 
 


Система оценки проектов на основе комбинированных методов компьютерной оптимизации
 
Код статьиS042473880003315-5-1
DOI10.31857/S042473880003315-5
Тип публикации Статья
Статус публикации Опубликовано
Авторы
Ахмадеев Булат Анасович 
Должность: научный сотрудник
Аффилиация: ЦЭМИ РАН
Адрес: Москва
Макаров Валерий Леонидович
Должность: Научный руководитель ЦЭМИ РАН
Аффилиация: Центральный экономико-математический институт Российской академии наук
Адрес: Российская Федерация, Москва
Название журналаЭкономика и математические методы
ВыпускТом 55 Номер 2
Страницы5-23
Аннотация

 

 

. Предлагаемая модель является модернизацией модели оптимального планирования академика Л.В. Канторовича. Здесь мы добавляем новый, но актуальный для рыночной экономики продукт — деньги. Еще одним нововведением модели является возможность расчета оптимизационной задачи на любое число периодов. На основе автоматического анализа объективно-обусловленных оценок двойственной задачи линейного программирования предлагается метод оптимизации государственных инвестиций в проекты. Проводится ряд экспериментов, которые на наглядных условных примерах показывают, как различные критерии оптимизации могут влиять на решение задачи и к каким последствиям они могут привести в различных аспектах исследуемого экономического окружения. Например, если цель регионального правительства — повышение финансового благосостояния населения, то максимизируется именно вектор заработной платы. Если целью является увеличение прибыли какой-либо отрасли или предприятия, то максимизируется соответствующий вектор. Таких целей может быть множество, критерий оптимальности может быть комбинированным с различными весами — в соответствии со стоящими перед руководством задачами. Предполагается, что разработанная система может быть включена в сеть ситуационных центров для оптимизации управленческих решений на уровне крупных промышленных предприятий, регионов или всей страны.

Ключевые слова проектная оптимизация, оценка проектов, линейное программирование, проектная экономика, долгосрочное планирование, Wolfram Mathematica
Получено25.05.2019
Дата публикации25.05.2019
Кол-во символов43913
Цитировать   Скачать pdf Для скачивания PDF необходимо авторизоваться

Оглавление

1. Введение
2. Числовая модель для оптимизационных расчетов
3. Решение опорной задачи на максимум
4. Решение двойственной задачи
5. Обновление ограничений для решения задачи на следующий период
6. Решение прогностической задачи на несколько периодов
7. Заключение
1

1. Введение
2 Наступает время проектной экономики, поэтому проекты надо правильно оценивать, расставлять правильные приоритеты для успешного экономического планирования. Планирование нецелесообразно сверхдетально (например, планировать, сколько произвести единиц мороженого), поскольку экономика обладает свойством саморегулирования. Однако планирование является порой необходимой регуляцией со стороны государства на уровне крупных экономических проектов. Управление и оптимизация проектной деятельности государством может обеспечить здоровое функционирование и других отраслей экономики, связанных с конкретным проектом различными финансовыми и товарными отношениями.
3 В первую очередь оптимальное планирование касается денежных инвестиций в наиболее критические узлы системы (или отрасли), так как финансы являются кровеносной системой любой экономики. Проактивное регулирование экономики со стороны государства актуально, особенно в ситуации геополитической нестабильности, связанной с повышенными импортно-экспортными рисками, оно также необходимо для выявления критических дефицитов любых ресурсов (товарных, человеческих или финансовых) в экономике. Для достижения этих целей нужна адекватная система диагностики экономической ситуации и своевременное грамотное регулирование и планирование. Здесь же встает вопрос о выборе механизма диагностики, т.е. экономических моделей и инструментария.
4 Известно, что существующие макроэкономические модели общего динамического стохастического равновесия фрагментарны и во многом противоречивы, а также перегружены значительным числом теоретических допущений, параметров и условностей, которые невозможно или очень трудно оценить в реальной экономике (см., например, модели (Ramsey, 1929; Arrow, Debreu, 1954; Samuelson, 1958; Tobin, 1969; Shapiro, Stiglitz, 1984; Blanchard, Fischer, 1989; Bernanke, Gertler, 1995 и др.)), что не позволяет использовать их непосредственно в целях прикладного анализа и планирования.
5 В свою очередь, эконометрические модели, основанные на анализе статистических данных и выявлении взаимосвязей между экономическими процессами, не требуют выдвижения большого числа априорных предположений об исследуемой системе и практически целиком опираются на эмпирические данные. Однако существенным недостатком моделей данного типа является отсутствие объяснения причин выявленных взаимосвязей.
6 Возможности и практическое применение упомянутых выше моделей во многом превосходят более поздние агент-ориентированные модели (АОМ) экономики. Отличительной особенностью данных моделей является так называемое моделирование снизу вверх или децентрализованное моделирование, когда изначально неизвестно общее поведение системы, а известны лишь индивидуальные характеристики и алгоритмы поведения агентов (Макаров, Бахтизин, 2013). Области применения АОМ в экономике достаточно широки: финансовая сфера (см. например, работы, (Raberto et al., 2001; LeBaron, 2006; Moiseev, Akhmadeev, 2017), производство (Kutschinski et al., 2003), рынок труда (Tassier, Menczer, 2001), инноватика (Dawid, 2006; Akhmadeev, Manakhov, 2015), бизнес-циклы (Delli Gatti et al., 2008) и многие другие. Преимущество АОМ по сравнению с классическими экономическими моделями общего равновесия заключается в максимальном приближении структуры моделей к реальным социально-экономическими процессам и явлениям. Однако успех применения данных моделей зависит во многом от искусности разработки и адаптации. Преимущества могут превратиться в недостатки при непрофессиональном построении чрезмерно детализированных и нагруженных большим числом параметров моделей, не применимых на практике.

Цена публикации: 0

Всего подписок: 2, всего просмотров: 1429

Оценка читателей: голосов 0 

1. Канторович Л.В. (1959). Экономический расчет наилучшего использования ресурсов. М.: Изд-во АН СССР.
2. Канторович Л.В., Богачев В. Н., Макаров В. Л. (1970). Об оценке эффективности капитальных затрат // Экономика и мат. методы. Т. 6. Вып. 6. С. 811—826.
3. Макаров В.Л., Бахтизин А.Р. (2013). Социальное моделирование — новый компью-терный прорыв (агент-ориентированные модели). М.: Экономика.
4. Akhmadeev B., Manakhov S. (2015). Effective and Sustainable Cooperation between Start-ups, Venture Investors, and Corporations // Journal of Security and Sustainability. Issues 5 (2). Р.  269—285. DOI: http://dx.doi.org/10.9770/jssi.2015.5.2 (12).
5. Arrow K., Debreu G. (1954). Existence of Equilibrium for a Competitive Economy // Econ-ometrica. Vol. 25. Р. 265—290.
6. Bernanke B., Gertler M. (1995). Inside the Black Box: The Credit Channel of Monetary Policy Transmission // Journal of Economic Perspectives. Vol. 9 (4) . Р.  27—48.
7. Blanchard O.J., Fischer S. (1989). Lectures on Macroeconomics. MIT Press: Cambridge.
8. Dawid H. (2006). Agent-Based Models of Innovation and Technological Change. Handbook Computational Economics. Vol. 2. P. 1235—1272 (ISSN 1574—0021).
9. Delli Gatti D., Guilmi C., Gaffeo E., Giulioni G., Gallegati M., Palestrini A. (2005). A New Approach to Business Fluctuations: Heterogeneous Interacting Agents, Scaling Laws and Fi-nancial Fragility // Journal of Economic Behaviour Organization. No. 56 (4). P. 489—512.
10. Kutschinski E., Uthmann T., Polani D. (2003). Learning Competitive Pricing Strategies by Multi-Agent Reinforcement Learning // Journal of Economic Dynamics Control. No. 27. P. 2207—2218.
11. LeBaron B. (2006). Agent-Based Financial Markets: Matching Stylized Facts with Style. In: Colander D. (ed.) “Post-Walrasian macroeconomics”.  New-York: Cambridge University Press. P. 221—235.
12. Moiseev N., Akhmadeev B.A. (2017). Agent-Based Simulation of Wealth, Capital and Asset Distribution on Stock Markets // Journal of Interdisciplinary Economics. May. DOI: 10.1177/0260107917698781.
13. Raberto M., Cincotti S., Focardi S., Marchesi M. (2001). Agent-based simulation of a fi-nancial market // Physica A: Statistical Mechanics and its Applications. Vol.  299 (1). P. 319—327.
14. Ramsey F.P. (1929). On a Problem in Formal Logic // Proc. London Math. Soc. Vol. 30. P. 264–286. doi:10.1112/plms/s2-30.1.264.
15. Samuelson P. (1958). An Exact Consumption-Loan Model of Interest with or Without the Social Contrivance of Money // J. of Political Economy. Vol. 66. No. 6. P. 467—482.
16. Shapiro C., Stiglitz J. (1984). Equilibrium Unemployment As a Discipline Device // American Economic Review. No. 74(3). P. 433—444.
17. Tassier T., Menczer F. (2001). Emerging Small-World Referral Networks in Evolutionary Labor Markets // IEEE Transactions. Evolutionary Computation. No. 5 (5). P. 482—492.
18. Tobin J. (1969). A General Equilibrium Approach to Monetary Theory // J. of Money, Credit, and Banking. No. 1. P. 15—29.

Система Orphus

Загрузка...
Вверх