Project Assessment System Based On Combined Methods of Computer Optimization

 
PIIS042473880003315-5-1
DOI10.31857/S042473880003315-5
Publication type Article
Status Published
Authors
Affiliation: Central Economics and Mathematics Institute, Russian Academy of Sciences
Address: Moscow
Occupation: Scientific Director of CEMI RAS
Affiliation: Central Economics and Mathematics Institute, Russian Academy of Sciences
Address: Russian Federation
Journal nameEkonomika i matematicheskie metody
EditionVolume 55 Issue 2
Pages5-23
Abstract

to calculate the optimization problem for any number of periods. An optimization method for public investments into projects proposed; it is based on the automatic analysis of “shadow prices” of the linear programming dual problem. A range of experiments are carried, which by means of the graphics illustrate, how various optimization criteria may influence the solution and what consequences they may have in various aspects of the concerned economic environment. For example, if the goal of the regional administration is to increase the financial well-being of the population, then the wage vector is maximized. If the goal of the regional authorities is to increase the profit of any industry or enterprise, then the corresponding vector is maximized. There are many purposes, so the optimization criterion can be combined with different weights corresponding to the tasks facing management. The developed system may be included in the network of situation centers to optimize management solutions at the level of major industrial enterprises, regions or the whole of the country.

 

Keywordsproject optimization, project evaluation, linear programming, project economy, long-term planning, Wolfram Mathematica
Received25.05.2019
Publication date25.05.2019
Number of characters43913
Cite   Download pdf To download PDF you should sign in
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.

Price publication: 0

Number of purchasers: 2, views: 1460

Readers community rating: votes 0

1. Akhmadeev B., Manakhov S. (2015) Effective and Sustainable Cooperation between Start-ups, Venture Investors, and Corporations. Journal of Security and Sustainability, 5 (2), 269—285. DOI: http://dx.doi.org/10.9770/jssi.2015.5.2 (12).

2. Arrow K., Debreu G. (1954). Existence of Equilibrium for a Competitive Economy. Econo-metrica, 25, 265—290.

3. Bernanke B., Gertler M. (1995). Inside the Black Box: The Credit Channel of Monetary Policy Transmission. Journal of Economic Perspectives, 9 (4), 27—48.

4. Blanchard O.J., Fischer S. (1989). Lectures on Macroeconomics. Cambridge: MIT Press.

5. Dawid H. (2006). Agent-Based Models of Innovation and Technological Change. Handbook Computational Economics, 2, 1235—1272 (ISSN 1574—0021).

6. 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, 56 (4), 489—512.

7. Kantorovich L.V. (1959). Economic Calculation of the Best Use of Resources. Moscow: Publishing House of the USSR Academy of Sciences (in Russian).

8. Kantorovich L.V., Bogachev V.N., Makarov V.L. (1970). About an Estimation of Efficien-cy of Capital Expenses. Economics and Math. Methods, 6, 6, 811—826 (in Russian).

9. Kutschinski E., Uthmann T., Polani D. (2003). Learning Competitive Pricing Strategies by Multi-Agent Reinforcement Learning. Journal of Economic Dynamics Control, 27, 2207—2218.

10. 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.

11. Makarov V.L., Bakhtizin A.R. (2013). Social Modeling — a New Computer Breakthrough (Agent-Based Models). Moscow: Economics (in Russian).

12. Moiseev N., Akhmadeev Bulat 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, 299, (1), 319—327.

14. Ramsey F.P. (1929). On a Problem in Formal Logic. Proc. London Math. Soc., 30, 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, 66, 6, 467—482.

16. Shapiro C., Stiglitz J. (1984). Equilibrium Unemployment as a Discipline Device. American Economic Review, 74 (3), 433—444.

17. Tassier T., Menczer F. (2001). Emerging Small-World Referral Networks in Evolutionary Labor Markets. IEEE Transactions, Evolutionary Computation, 5 (5), 482—292.

18. Tobin J. (1969). A General Equilibrium Approach to Monetary Theory. J. of Money, Credit, and Banking, 1, 15—29.

Система Orphus

Loading...
Up