Диссертация (1151123), страница 14
Текст из файла (страница 14)
Таким образом, можно воспроизвестисценарный анализ «что-если», описанный в параграфе 2.6 и оценить, какразвивалась бы ситуация, если бы кризиса не было. Для этого на данныхстроятся нейронные сети нестандартной архитектуры. Несмотря на то, что врассматриваемых примерах оценивается влияние экономического кризиса,90метод может применяться при оценке влияния любого внешнего события, ипригоден для анализа любых управленческих решений.Результаты построения нейронных сетей для каждого из рынковсравниваются со стандартными моделями АРПСС по критерию качестваRMSE. В таблице 6 представлены итоги построения моделей для всехрынков.
Можно отметить, что критерий RMSE для нейронных сетей внесколько раз меньше, чем для моделей АРПСС. Например, для случаярынка розничной торговли RMSE нейронных сетей в 13 раз меньше, а длярынка пива – в 3 раза.Таблица 6Сравнение результатов RMSE для моделей нейронных сетей и моделейАРПСС.РынокНейронные сетиМодель АРПСС6 47717 585Регистрации (шт.)1 9892 247Цены (руб.)5024 363Розничная торговля (млн руб.)22289Цены на недвижимость (руб.)3851 090Пиво (л.)Подержанные автомобилиДинамикаинструментрынковпозволяетприотсутствииисключитьвлияниекризиса.внешнегоПредложенныйсобытияисмоделировать результаты деятельности для целей оценки потерь вследствиекризиса. На рис. 17-20 представлены динамики рынков: черная линияотвечает за исходный ряд данных, серая сплошная линия – модель сиспользованием нейронных сетей.91Рисунок 17 – Моделирование рынка пива с использованием нейронных сетей(объем продаж в млн л.)Рынок пива в период максимального воздействия кризиса потерял19,9% объемов продаж.
Совокупные потери рынка пива вследствие кризисаоцениваются в 3 144 млн. л., что составляет 11% от общего объема за времяпроявления воздействия кризиса.Интересно ситуация обстоит и с ценами на вторичном рынкеавтомобилей:92Рисунок 18 – Моделирование вторичного рынка автомобилей сиспользованием нейронных сетей (цены в тыс руб.)Цены на вторичном рынке автомобилей в самый «разгар» кризисаоказались ниже на 36,2%.Рисунок 19 – Моделирование рынка розничной торговли с использованиемнейронных сетей (объем продаж в млрд руб.)93Рынок розничной торговли демонстрирует несколько отличныерезультаты: совокупные потери составили 69 млрд руб., что составляет28,1% от общих объемов продаж рынка.
В момент максимальноговоздействия кризиса потери составили 33,5%.Рисунок 20 – Моделирование рынка недвижимости с использованиемнейронных сетей (цены за 1 кв. м. в тыс руб.)На рынке недвижимости в момент максимального воздействия кризисацены упали на 12,5%.Таблица 7Сравнение потерь в момент «разгара» кризиса в разных отраслях.РынокПотери в «разгар» кризиса (в %)Пиво (л.)19,9%Подержанные автомобилиПеререгистрации (шт.)39,0%Цены (руб.)36,2%Розничная торговля (млн руб.)33,5%Цены на недвижимость (руб.)12,5%94В таблице 7 представлены сравнительные характеристики процентапотерь в разных отраслях экономики.
Больше всего кризис затронулвторичный рынок автомобилей (потери составили 39,0%), а наименьшеевоздействие оказал на рынок цен недвижимости (12,5%).Результаты исследования. Используя метод модифицированныхИНС, изучен характер реакции четырех различных рынков на экономическийкризис 2008 года. К основным результатам исследования можно отнести:1.
Оценку задержки реакции рынков на кризис – измерение лага междуначалом кризиса и максимальным воздействием кризиса на рынок;2. Измерение доли потерь показателей рынка в «разгар» кризиса (моментмаксимального воздействия);3. Оценку накопленной суммы эффекта кризиса за все то время, покавоздействие имело место;Пример включает в себя рассмотрение следующих российских рынков:пиво, недвижимость, подержанные автомобили и розничная торговля. Средипрочих результатов исследования следует отметить наличие оценокдлительности и характера воздействия кризиса на показатели рынков. Методпозволяет рассмотреть гипотетический сценарий развития рынка в ситуации,когда внешнее событие отсутствует.
Такой подход дает возможностьполучить количественную оценку суммарных потерь рынка.Используемый метод предлагается рассматривать как инструмент дляколичественнойоценкивлияниявнешнегособытия.Методможетприменяться для анализа влияния внешних событий в различных ситуациях:как для прогнозируемых и заранее известных управленческих решений, так идля незапланированных внешних событий.953.2.
Верификация нейронных сетей специальнойархитектуры в задачах стратегического анализа всфере массовых услуг и телекоммуникацийДругим объектом апробации предложенного метода выступаетроссийская телекоммуникационная компания. В примере метод применяетсядля количественной оценки влияния события на изменения ключевыхпоказателейдеятельностикомпании[12].Такимсобытиемврассматриваемом примере является управленческое решение, принимаемоеруководством компании.
Идея, как и прежде, состоит в построении моделидля экономического показателя деятельности организации. Модель включаетв себя влияние события, которое необходимо оценить. Для этого строятсянейронные сети специально подобранной архитектуры, описанные в главе 2.Анализируемые данные. Применение модели рассматривается наданныхтелекоммуникационнойкомпанииYota–игроканавысокотехнологичном рынке сетей мобильной передачи данных. На рис. 21представлена изучаемая динамика выручки компании в Москве с 2009 по2012 год.Финансовые данные компании Yota демонстрируют быстрый росторганизации в первые годы, а затем насыщение абонентами.
Примечательно,что в данных отсутствует сезонность - потребность в мобильном интернетеимеется круглый год. Те абоненты, которые привыкли в период отпусков(летом) пользоваться интернетом за городом, не являются клиентамикомпании Yota в силу ограничений покрытия сети. Во время анализируемогопериода компания приняла два управленческих решения, которые повлиялина финансовые результаты организации. Во-первых, в марте 2011 года былиувеличены тарифы на абонентское обслуживание на 55% (с 900 р. до 1400 р.)для того, чтобы разгрузить сеть и предоставить абонентам больше свободы виспользовании продуктов компании [47]. Во-вторых, в мае 2012 годапроизошла смена технологии стандарта связи. Компания перешла состандартамобильнойпередачиданных96WiMAXнастандартLTE[46].
Переход с одной технологии мобильной передачи данных на другуютребует не только полной замены оборудования на стороне провайдера, но изаменыклиентскогооборудования,чтопородилонеудобствадляпользователей.Рисунок 21 – Динамика оборота телекоммуникационной компании Yota сиюня 2009 по ноябрь 2012г.Разумеется, подобные управленческие решения предполагают рискипотерять некоторое число абонентов, и, как следствие, – некоторый объёмвыручки компании.
Даты, когда были внедрены эти управленческие решения,отмечены на графике пунктиром.В данном примере рассматривается, как предложенный методпозволяет количественно измерить влияние каждого из этих двух событий навыручку организации.Модель данных для оценки влияния внешнего события. Влияниесобытий на финансовые результаты компании чаще всего растянуто во97времени, при этом событие может воздействовать на показатели, как допринятия управленческого решения, так и после (например, событие влияетдо того, как оно произошло, если о нем было заранее известно).
Как долгоподобное влияние имеет место – тема подробного отдельного исследования,при этом ответ может зависеть от конкретной отрасли, конкретного рынка иконкретной компании. Тем не менее, в примереизучается, как быстроугасает эффект от принятого решения, и для оценки эффекта перебираютсяразличные функции, которые описывают характер затухания.Так, было рассмотрено два варианта описания функции влияниявнешнего события: ступенчатая и затухающая. Ступенчатое внешнее событиезадается функцией по формуле (3.2):( ){(3.2)и описывает влияние внешнего события, которое не меняется в обозримомбудущем.Затухающее внешнее событие задается функцией по формуле (3.3), котораяявляется следствием формулы (2.12) из параграфа 2.3:( ){(3.3)где t0 – наблюдение, соответствующее началу внешнего события, t1 –наблюдение, соответствующее концу внешнего события.
Она применяется,когда предполагают, что влияние внешнего события линейно уменьшается донуля. В этом случае надо заранее знать, когда прекратится внешнеевоздействие, то есть момент времени t1. Для этого перебираются разныезначения t1, и для каждого значения на решетке применяется реализацияметода auto-arima [81,82] в пакете R. В дальнейшем используется то значение98t1, которое соответствует модели АРПСС с наименьшим значениемсреднеквадратичного отклонения.Напомним, что в нашем примере изменение динамики в финансовыхданных произошло в апреле 2011 года и в мае 2012 года, в терминах функций,описывающих влияние внешних событий, каждая из этих дат соответствуетсвоему t0.Нейронная сеть для оценки эффекта принятых решений.
Еслиговорить подробнее о реализации нейронной сети в данной задаче, то навнешний слой подаются 6 или 12 значений переменных, которые описываютдинамику временного ряда, и два дополнительных значения переменных,описывающих влияние внешних событий, которые оцениваются отдельно дляцелей исследования.Чтобы подобрать оптимальные характеристики сети, в работе былопостроено и проанализировано 24 варианта модели. Между собой ониотличаются следующими характеристиками: Во внешнем слое используются 6 или 12 входных переменных, двепеременные, описывающие влияние внешних событий, присутствуютобязательно. Во внутреннем слое присутствовало 4, 6 или 8 нейронов идополнительно два нейрона, отвечающие за влияние внешних событий.Сразу отметим, что вариант с 12 входными переменными рассматривался,поскольку допускалось наличие в данных незаметной для глаза сезонности.Однако в этом случае все построенные модели оказались переобучены.Для каждого из 24 вариантов моделей обучалось 1000 нейронных сетей,иизнихвыбираласьнаилучшаямодель.Наименьшеезначениесреднеквадратичного отклонения оказалось равным 22,46 и соответствуетмодели, которая имеет на внешнем слое 6 переменных и 2 переменные дляописания влияния внешних событий, 6 нейронов на внутреннем слое, приэтом первое внешнее событие описывалось ступенчатой функцией I1, авторое – затухающей I2.99Анализируя коэффициенты модели, можно сделать следующий вывод:увеличение тарифов на 55% уменьшило выручку компании на 27 миллионоврублей за один календарный месяц, а смена технологии – на 40 миллионоврублей.Стандартный подход к оценке влияния внешнего события.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
