Диссертация (Математические модели и инструментальные средства поддержки принятия решений в сфере массовых услуг), страница 4
Описание файла
Файл "Диссертация" внутри архива находится в папке "Математические модели и инструментальные средства поддержки принятия решений в сфере массовых услуг". PDF-файл из архива "Математические модели и инструментальные средства поддержки принятия решений в сфере массовых услуг", который расположен в категории "". Всё это находится в предмете "экономика" из Аспирантура и докторантура, которые можно найти в файловом архиве СПбГУ. Не смотря на прямую связь этого архива с СПбГУ, его также можно найти и в других разделах. , а ещё этот архив представляет собой кандидатскую диссертацию, поэтому ещё представлен в разделе всех диссертаций на соискание учёной степени кандидата экономических наук.
Просмотр PDF-файла онлайн
Текст 4 страницы из PDF
Используемые методыпредполагают предварительную работу с данными и преобразование всехтипов и критериев к числовой оценке.Существует множество способов приведенияпредположенийкчисловой оценке, но выбранный метод может существенно повлиять наконечный результат ранжирования и оптимизации.
Следует иметь в виду, чтовысокая квалификация профессионала в области менеджмента, не всегда20сопровождается столь же высокой компетенцией в алгоритмах, которыеиспользуются в СППР. Таким образом, архитектура СППР гипотетическиможет повлиять на выбор и подготовку вариантов решений. Однакопользователь СППР не может контролировать эти варианты.Вместе с этим такой недостаток СППР, опирающийся на формальныеметоды оценки, сведен к минимуму за счет сравнения разных значенийпоказателей, полученных в результате деятельности СППР.Ход работыСППР построен таким образом, что пользователь находится в диалоге ссистемой, и, следовательно, значения, предлагаемые СППР, сопоставляютсяс предпочтениями эксперта. Формируется функция предпочтений на основедиалога с пользователем, далее на ее основе осуществляются операцииранжирования и оптимизации.
Таким образом, формальные математическиеметодысравнениякритериевсводятсякпроцедуреопределенияпредпочтений, которые уникальны для каждого пользователя и не зависят отразработчика СППР.1.2. Статистические методы в СППРКак отмечалось выше, зачастую некоторые данные, которымиоперируют в рамках стратегического анализа, могут иметь нечисловойхарактер. Данные могут быть текстом или значением из какого-либомножества(некоторойноминальнойкатегорией).Ранжированиеицелеполагание зачастую также имеет нечисловой характер, например, такполучается в следующих задачах: основная цель организации, наборподцелей, сравнение продуктов для выбора варианта в запуск и т.п.
Такимобразом, при стратегическом анализе неизбежно приходится использоватьстатистику нечисловых данных [2]. Многие измерения и показатели могутиметь погрешность, поэтому имеют интервальный характер, который такжеможет использоваться экспертом. Следовательно, в стратегическом анализеприменяютсявысокиестатистические21технологии,разработанныезапоследние 30 лет на основе достижений прикладной математическойстатистики [27].Важнопонимать, чтостатистическогоанализаодним из основныхпристратегическомблоков в рамкахуправленииявляетсяэконометрика.
Наука, которая применяет статистические методы к анализуконкретныхданных,имеющихэкономическуюприроду[37].Встратегическом анализе огромную роль играют не только общие методы, нои конкретные модели эконометрики, финансовые модели, имитационноемоделирование показателей организации [15]. Можно отметить, чтоподобное моделирование применяется и при сценарном планировании,которое сейчас актуально и набирает популярность [5]. Менеджменторганизации рассматривает и изучает различные сценарии, построенные входе эконометрического и математического моделирования финансовыхпоказателей компании [7, 16].В современную эпоху «больших данных», экономисты, менеджеры,аналитики и стратеги должны обладать инструментальными средствамиинформационной поддержки, включающей в себя статистический анализ иэконометрику [22, 44].Статистические методы применяются при анализе двух совершенноразличныхтиповдеятельностиоценок.предприятия,Этообъективныеотрасли,данныегосударственныхорезультатахучреждений,фактические значения и ретроспективные оценки.
Также это субъективныеданные – экспертные оценки менеджмента, которые делаются на основеопыта и интуиции ответственного менеджера. В настоящее время накопленыопределенные объёмы информации о деятельности предприятий, отраслейэкономики и государственных учреждений, что позволяет использоватьданные многих экономических субъектов для анализа с использованиемэконометрических методов, при этом даже экспертные оценки и такназываемая субъективная информация применяется в эконометрическоманализе.
Таким примером может быть комбинация объективных оценок и22ретроспективных данных о деятельности организации и экспертной оценки отом, как на компанию могли повлиять какие-либо внешние события.Результат построения статистической модели на основе комбинацииобъективных и субъективных оценок – новые знания о том, как какой-топроцесс или явление могли повлиять на деятельность предприятия, отраслиэкономики или государственных учреждений.Эконометрика применяется для большого числа стратегических,маркетинговых и других экономических задач, где имеет место конкретнаяколичественная оценка событий [31].
Эта наука подразумевает решениеприкладных задач, которые полезны для формирования выводов и принятиярешений по конкретным действиям. Её применяют для прогнозирования,например,объемовпродажорганизации,чтоозначаетпригодностьрезультатов оценки для стратегического планирования. Эконометрика –важная часть компьютерной системы поддержки принятия решений,используемой ЛПР [68]. И речь идет в первую очередь об оптимальныхрешениях, базирующихся на адекватных и значимых эконометрическихмоделях [72]. В производстве эконометрика позволяет решать задачиоптимизацииипостроениямоделейдляоценкиэкстремальногопланирования. В торговле она важна для оценки трендов и сезонностипродаж организации, а также ее товарных направлений.Статистические методы в эконометрике учитывают адаптацию моделейк изменчивому внешнему окружению. Современные организации, которыепринимают взвешенные решения на основе данных, а не только интуиции,активно применяют в своей деятельности статистические методы.1.3.
Задачи регрессионного анализа и прогнозирования вэконометрикеДовольно часто как в организациях, так и на уровне государственныхучреждений количественные данные, отражающие специфику деятельности,собираются в виде временных рядов.ременной ряд (или ряд динамики) —собранный в разные моменты времени статистический материал о значении23каких-либо параметров (в простейшем случае одного) исследуемогопроцесса.Каждаяединицастатистическогоматериаланазываетсяизмерением или отсчётом, также допустимо называть его уровнем науказанный с ним момент времени [45].Прианализеэкономическихявленийнаосновеэкономико-математических методов, особое место занимают модели временных рядов,выявляющие количественные связи между изучаемыми показателями ивлияющими на них факторами.
Подобные эконометрические модели можноклассифицировать по ряду признаков. Так, по аналитической форме модели(уравнения) выделяют линейные, нелинейные, степенные модели и другие.Средиклассическихэконометрическихметодовдлязадачпрогнозирования часто используют линейные модели, такие как регрессия,модель АРПСС (в западной терминологии – модель ARIMA) и др. [87, 100].В диссертационном исследовании рассматривается применение нейронныхсетей для задач регрессии, прогнозирования и анализа внешних событий. Вотличие от классических линейных моделей АРПСС, нейронные сетипринадлежат к классу гибких нелинейных моделей, которые способнынаходить скрытые закономерности в данных [18].
Одним из ключевыхсвойств нейронной сети можно считать то, что они могут аппроксимироватьочень широкий тип зависимостей в наблюдениях.В работе исследуются эконометрические модели на основе нейронныхсетей, предназначенные для задач регрессии и прогнозирования, и ихмодификации для решения задачи количественной оценки влияния внешнихсобытий.1.4. Классические методы анализа влияния внешнихсобытий1.4.1. Развитие метода анализа влияния внешних событийОдним из частных случаев задачи регрессионного анализа ипрогнозирования считается количественный анализ влияния внешнихсобытий.
При количественном анализе временных рядов обычно возникает24следующийвопрос:каковэффектвлияниявнешнегособытиянапоследовательность наблюдений? Например, как количественно оценитьвлияние новой экономической политики?; насколько новый закон изменилинтенсивность преступлений и т.д. Такая задача сводится к оценкевоздействия одного или нескольких дискретных событий на значения ряда. Взападнойлитературеподобныесобытияобычноназываются«интервенциями» (от англ.
intervention) [58, 66, 88]. В рамках данногоисследования вместо «интервенций» будет использоваться термин «влияниевнешних событий». Под влиянием внешних событий понимаются резкиеизменения характера поведения процесса под воздействием каких-либо(обычно внешних) причин.При этом вместо устойчивого термина, используемого в западнойлитературе ‒ «анализ интервенций» (от англ. intervention analysis) [52, 58], врамках данной работы будет использоваться понятие «анализ влияниявнешних событий», под которым подразумевается решение экономическойзадачи количественной оценки эффекта внешних событий с использованиемматематических методов и инструментальных средств в экономике. Даннаязадачаважнадлялиц,принимающихрешения,какнауровнегосударственных ведомств, так и в рамках отдельно взятой организации.Например, часто в коммерческих структурах встаёт вопрос об оценкепроводимых маркетинговых кампаний или вопрос о том, как введенныйновый закон повлиял на продажу продукции, как различные внешниеизменения повлияли на выручку или другие показатели организации.При исследовании временных рядов организации иногда возникаетследующий вопрос: «Существует гипотеза о том, что произошло изменение вдинамике ряда, связанное со случившимися внешними событиями.
Если этотак, то, что можно сказать о характере и величине этого изменения?».Ретроспективный анализ различных областей деятельности позволяетполучить ответ на этот вопрос.25Обычные методы, которые широко используются в коммерческихструктурах, для измерения подобных эффектов не учитывают многоразличныхаспектов.Например,сравнениезначенийпоказателей,зафиксированных до и после внешнего воздействия с помощью критерияСтьюдента невозможно, в первую очередь из-за отсутствия независимостиданных. Обычный тест применим в тех случаях, когда наблюдения «до» и«после» внешнего воздействия варьируются не только нормально и спостоянной дисперсией, но и независимо друг от друга.Другимивыступаютосложняющимиавтокорреляция,характеристикаминестационарность,временногозачастуюсряданаличиемвыраженных сезонных эффектов.
Таким образом, обычные параметрическиеили непараметрические статистические методы, которые опираются назависимость или специальную симметрию в распределении функций, неподходят для решения данной задачи.Исходя из этих соображений, в диссертационном исследованиипредлагается последовательность действий для изучения проблемы:1. разработать адекватную модель для измерения внешних событий;2.
произвести анализ данных на основе этой модели;3. если в ходе диагностических проверок модели, не обнаружено какой-тонеадекватности, то можно извлечь выводы из полученной модели ипроинтерпретировать результат. Если же будут обнаружены серьезныенедостатки, внести изменения в модель и повторить анализ.Анализ влияния внешних событий используется для оценки каких-тоособенных воздействий на временной ряд данных. Основная задача –оценить динамический эффект на последовательность наблюдений, однакопредусматривается решение и других задач с использованием этого метода.Работа Г. Бокса (G. Box) и Г.