Системные экономические кризисы как фундаментальный фактор долгосрочного хозяйственного развития (1142158), страница 55
Текст из файла (страница 55)
Маркс оставались непревзойденными. Указанное обстоятельство, помнению Шумпетера, выступает базовым принципом экономического анализа. Крометого, австрийский экономист в 1950 г. признал, что эконометрическое моделированиев исследовании циклов показало себя не столь плодотворно, как он ожидал, и что изстатистического, теоретического и исторического методов наибольшей значимостьюобладает последний. Даже Я. Тинберген признавался, что его метод подверженограничениям и достоверность получаемых результатов подлежит проверке[380, с.
47; 364, с. 143].Язык математики стал обязательным в экономической науке, котораяпостепенно уходит от попыток объяснить логику развития хозяйства в рамкахпрозрачных, интуитивно выверенных моделей, взамен предлагая все болеесовершенныевариантыеговероятностногомоделирования.«Безупречностьматематической архитектуры модели, вот что служит критерием научного достижениясреди представителей основного течения современной экономической мысли»253[192, с.
145]. По утверждению В. Нормана (Норвегия), «эти ученые» (эконометрики –Щ. Г.) гордятся теориями, «не потревоженными фактами реальной жизни» (цит. по:[192, с. 31]).Математическое наполнение экономических исследований, становящеесянепременным условием современных интерпретаций сложившихся представленийо цикличности экономической динамики, делает все более зыбкой связьс теоретическими взглядами экономистов предыдущих периодов. «Вербальноемоделирование практически полностью вытеснено из теоретических исследованийв области экономической теории; чисто вербальный текст не имеет никаких шансов напубликацию ни в одном из влиятельных экономических журналов» [128, с.
21].Профессор Л. С. Гребнев по этому поводу справедливо отмечает, что на подобнуюпубликацию не имели бы шансов труды не только К. Маркса, но и его оппонентов, какЛ. Мизеса и нобелевского лауреата по экономике Ф. Хайека [307, с. 151].Наличие связи между математикой и экономикой как науками, исследующими,прежде всего, количественные отношения, является несомненным фактом. При этомматематика формирует мощный инструментарий для описания и прогнозированияэкономических процессов. П. Самуэльсон утверждает, что «эконометрика позволяетпроводить количественный анализ реальных экономических явлений, основываясь насовременном развитии теории и наблюдениях, связанных с методами получениявыводов» (цит.
по: [131, с. 11]). Вместе с тем, можно считать, что используемое здесьпонятие «количественный анализ» определяет ограничение эконометрических методовкак неспособных адекватно определять качественные изменения экономическогопроцесса, который имеет неформальный характер и не может в полной мере бытьописан посредством математических обозначений. Выписать целевую функциюв форме вектора, включающего все возможные общественные потребности, означает,посути,обычноеперечислениеуказанныхпотребностейматематическимисредствами.
Невозможна также полноценная формализация взаимозависимостеймежду различными потребностями (составляющими вышеобозначенного вектора),установление (а не простая констатация) количественной меры соответствующихпотребностей. Таким образом, исследование экономических процессов можетпроводиться исключительно на основе учета всего многофакторного опытаэкономического развития, осознания возникающих задач и конкретизации целей. Безсомнения, определенные аспекты должны исследоваться с применением формальныхметодов и экономико-математических моделей. Однако при всей важности254и полезности данных методов они призваны выполнять лишь подчиненную,служебную функцию [86, с.
20].Традиционныематематическиеметоды,используемыевэкономике,и сформированный на их основе эконометрический инструментарий не рассчитаны напродуктивную работу с нестационарными экономическими объектами, постояннопретерпевающими внутренние трансформации и развивающимися в условияхизменчивости внешней среды. Неспособность учета процессов качественногоразвития, а также случайных воздействий на экономику, имеющих зачастуюнеэкономическую природу, осложняет и делает малорезультативным использованиеклассических подходов к анализу и прогнозированию, базирующихся на принципахприменения заранее созданных моделей объектов и алгоритмов их функционирования[362, с. 33-34].
Указанное обстоятельство свидетельствует о необходимости созданияаналитико-прогностических систем, не имеющих жесткой алгоритмической структурыиспособныхразвиватьсявзависимостиотпоступающейинформациии соответствующего изменения требований, целевых функций, ограниченийи критериев выполняемой задачи [362, с.
34]. Такую необходимость сформулировалв 1997 г. В. И. Арнольд, вводя понятие мягких (и жестких) математических моделей.В развитие данной идеи традиционные математические методы, длительноевремя служившие фундаментальным инструментом аналитического методав экономике, в конце ХХ столетия дополнились логико-лингвистическимипостроениями, базирующимися на мягких вычислительных измерениях, принципахтеории нечетких множеств и лингвистических процедурах, близких к естественномуязыку. Это позволило обрабатывать и анализировать не только количественную, нои качественную информацию. В итоге, на основе компьютерных технологийпроисходит объединение традиционной математики, формальной логикии лингвистики, что открывает экономическому анализу дополнительные перспективыи гарантирует большую адекватность результатам моделирования экономическихобъектов.
Понятия «мягкие вычисления» и «логико-лингвистическое моделирование»,представляющие органическую совокупность теоретических наработок трехперспективныхнаучныхнаправлений:1)компьютерныхтехнологий,2) искусственного интеллекта и 3) математической лингвистики, дополнилитерминологический аппарат эконометрического анализа. Эта вполне объективнаятенденция объясняется следующими обстоятельствами: а) в фокусе интересаэкономистовнаходятсясложные,многоуровневые,самоорганизующиеся,конфликтующие объекты, для исследования которых невозможно выстроить255адекватную математическую модель; б) требуется повышение интеллектуальногоуровня компьютерных технологий, так как на компьютеры в настоящее время сталивозлагаться не только расчетные задачи, но и осуществление целого комплексафункций, прежде относившихся к прерогативе человека: например, структурированиеи логический анализ вербальной информации, формулирование выводов и пр.В отличие от классических математических вычислений, оперирующих с жесткоформализованными символьными значениями, отображающими количественныесоотношения окружающей действительности, мягкие вычислительные измеренияи логико-лингвистические модели работают с понятиями, идентичными тем, которыечеловек применяет в обычных коммуникациях для описания текущих ситуаций.Одновременно, в мягких вычислительных измерениях и логико-лингвистическихмоделях наличествуют определенные правила формализованного преобразованиялингвистических форм близкие к классическим вычислительным процедурами эконометрическим моделям [167, с.
9-10, 256].Методика мягких измерений, включая измерения с применением нечеткойлогики, активно развивается [17; 646; 95, с. 6]. Одним из перспективных подходов,позволяющихполучатьоценкихозяйственныхпоказателейвусловияхнеопределенности и рисков, является регуляризирующий байесовский подход,базирующийсянаинтеграциисистемного,измерительного,вероятностно-статистического методов, а также методологических основ нечеткой математикии искусственного интеллекта [363, с. 24-25]. Указанный вектор развитияматематической науки является качественным примером разработки платформенныхрешений для выполнения задач моделирования и разработки развивающихсяинформационных технологий [362, с. 37-38].
Его преимущества заключаютсяв возможности обеспечивать достижение устойчивых оценок в условиях малыхвыборок, разнотипности данных, существенной неточности информации и нечеткостизнаний о тенденциях развития исследуемых объектов. Регуляризирующие свойстваданного подхода обеспечиваются интеграцией измерительного модуля в схемуклассического байесовского вывода. Данный модуль позволил модифицироватьбайесовскую формулу и разработать математический аппарат для формирования,преобразованияипередачишкалсдинамическимиограничениями,гдеосуществляется получение, передача, преобразование, интерпретация и хранениеданных и знаний, требующихся для создания моделей объекта по методу байесовскоговывода.
В результате таких преобразований в качестве решений на шкале могут бытьдостигнуты оценки состояния объектов, решения о соответствии их критериям,256модельные и формализованные отображения хозяйственных процессов, выводы,рекомендации и карты рисков для экономических систем. При этом поступлениеновой информации влечет преобразование соответствующей шкалы с динамическимиограничениями и уточнение оценок [363, с.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
