Диссертация (1152227), страница 50

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 50)

по результатам анкетирования («внутренняя»оценка компетентности). То есть компетентность экспертов оценивается постепени согласованности их оценок с групповой оценкой объектов.Наиболее часто для получения коэффициентов компетентности применяются итерационный алгоритм Л.Г. Евланова и В.А. Кутузова [82], атакже итерационный алгоритм А.С. Рыкова.

Блок-схема нахождения коэффициентов компетентности согласно алгоритму Рыкова представлена на рисунке 5.8 [194], а блок-схема определения коэффициентов компетентностипо алгоритму Евланова и Кутузова в приложении 9.Рассмотрим в качестве примера расчет коэффициента компетентностидля странового риска на третьей стадии интеграции (экспертные оценкипредставлены в таблице 5.5).

Рассчитаем ранги для всех проектов металлургического холдинга внутри оценок каждого эксперта. Из таблицы 5.5 можно291видеть, что многие проекты получили одинаковые оценки i-м экспертом. Вэтом случае эквивалентным проектам присваивают связанные ранги.3. Компания по изготовлению, модернизации и ремонту штамповой оснастки вСанкт-Петербурге4. Металлургический завод вПакистане5. Металлургический завод вГурьевске…18. Башкирский металлотрейдер19. Морской порт в Астрахани20.

Металлургический завод вКанадеЭксперт2. Производитель угля и продуктов его переработки в СибириПроект1. Металлургический завод вТурцииТаблица 5.5 – Экспертные оценки специалистов металлургического холдинга по страновому риску третьей стадии интеграции799799998113111112121211312999999699222232242………………………221212111799799998113111112Эксперт 1Эксперт 2Эксперт 3Эксперт 4Эксперт 5Эксперт 6Эксперт 7Эксперт 8Эксперт 9На нулевой итерации были получены первоначальные значения:К i0 1 1 .

На первой стадии вычисляем средние групповые оценки:m 9mx   K i0  x ij (таблица 5.6).1ji 1Таблица 5.6 – Значения средних групповых оценок интеграционных проектов для первой стадии итерацииНомерпроекта12345x1j18,506,728,1719,0612,28Номерпроекта678910Номерпроекта1112131415x1j5,446,676,947,896,72x1j12,115,9413,117,2812,22Номерпроекта1617181920x1j12,4417,565,946,1718,83Затем были найдены значения поправочных коэффициентов компетентности экспертов согласно выражениюKi1 1, i  11, m,   0,001.  max x1j  xijj 1, n292(5.1)Рисунок 5.8 – Алгоритм определения коэффициентов компетентностисогласно алгоритму А.С. РыковаЗатем были вычислены скорректированные коэффициенты компетентности (при этом был использован аддитивный вариант): K i1  K i0  K i1 .*Так как сумма коэффициентов компетентности должна быть равна 1,то скорректированные коэффициенты компетентности были пронормирова*ны: K 1iK i19Ki 1.

Результаты итоговых вычислений представлены в таб1*iлице 5.7.293Таблица 5.7 – Результаты 1-й итерации алгоритма А.С. РыковаK  0,196K11  0,307K11  0,139K 21  0,117K 21  0,228K 21  0,103K 31  0,108K 31  0,219K 31  0,099K 41  0,105K 41  0,216K 41  0,098K 51  0,120K 51  0,231K 51  0,105K 61  0,099K 61  0,211K 61  0,095K 71  0,142K 71  0,253K 71  0,114K 81  0,153K 81  0,264K 31  0,119K 91  0,171K 91  0,283K 91  0,12811*********В конце первой итерации алгоритма Рыкова проверяется выполнениеусловия:max K i1  K i0  0,0001 .i 1,m(5.2)Поскольку условие (5.1) не выполняется, то все шаги первой итерациивоспроизводятся вновь.

Так, для завершения алгоритма по страновому рискутретьей стадии было необходимо 11 итераций, результаты которых представлены в таблице 5.8.Таблица 5.8 – Результаты использования алгоритма А.С. Рыкова для определения коэффициентов компетентности по страновому рискуK1K2K3K4K5K6K7K8K91Отклонение отпредыдущейитерации0,027680,1390,1030,0990,0980,1050,0950,1140,1190,12820,012080,1510,0990,0930,0910,1020,0870,1160,1240,13730,012940,1380,1030,0990,0970,1070,0960,1130,1200,12640,012550,1500,1000,0930,0910,1030,0880,1150,1240,13650,005340,1560,0980,0890,0870,1020,0840,1160,1270,14160,002350,1580,0970,0870,0860,1020,0820,1160,1280,14370,001110,1590,0970,0860,0850,1020,0810,1160,1290,14480,000560,1590,0960,0860,0850,1020,0800,1170,1300,14590,000270,1590,0960,0860,0850,1020,0800,1170,1300,145100,000150,1590,0960,0860,0850,1020,0800,1170,1300,145110,000090,1590,0960,0860,0850,1020,0800,1170,1300,145НомеритерацииКоэффициенты компетентности экспертов294В связи с большими временными затратами при анализе согласованности и компетентности экспертов необходима разработка специального программного обеспечения, позволяющего в автоматическом режиме проводитьстатистический анализ экспертных оценок при оценке интеграционных рисков холдинговых структур.В качестве среды разработки программного обеспечения была выбранаBorland C++ Builder 6.

Borland C++ Builder 6 – это мощная среда разработки,базирующаяся на объектно-ориентированном языке программирования C++,который позволяет объединять данные и код в один класс, создавать дочерние классы и обращаться с классами-потомками как с родительскими классами. Написание приложения сводится к компоновке на экране объектов,имеющих определенную графическую интерпретацию, и подключениюстрок кода. Borland C++ Builder 6 реализует визуальную концепцию программирования.Исходные данныеЗадается количество экспертов и критериев, максимальный балл, который может быть выставлен. Заполняется таблица экспертных оценок (рисунок 5.9).Рисунок 5.9 – Интерфейс программного обеспечения для статистическогоанализа экспертных оценок295Выходные данныеПо заданным алгоритмам рассчитываются компетентность и согласованность экспертов в виде отчетов с оценками компетентности и согласованности.Особенности реализации программыВ программе реализован принцип модульного программирования: каждый участок кода реализован с помощью отдельной функции, которая вызывается в нужный момент времени.

При этом были использованы следующие функции: void Start() – инициализация программы, построение каркаса таблиц; bool Is_correct_data() – проверка рангов на корректность; bool Is_correct_data_start() – проверка исходных данных на корректность (если есть ошибки, то выдается соответствующее предупреждение); void Ranging_data_start() – ранжирование исходных данных (экспертные оценки преобразуются к рангам); void Calculate_consistency() – расчет согласованности экспертов позаданному алгоритму (на выходе получаем коэффициент Кендаллаи величину S, позволяющую оценить достоверность полученныхрезультатов); void Calculate_Evlanov() – расчет компетентности экспертов по алгоритму Евланова и Кутузова (на выходе получаем оценки компетентности для каждого эксперта); void Calculate_Rykov_add() – расчет компетентности экспертов поалгоритму Рыкова – аддитивный вариант (на выходе получаемоценки компетентности для каждого эксперта); void Calculate_Rykov_mult() – расчет компетентности экспертов поалгоритму Рыкова – мультипликативный вариант (на выходе получаем оценки компетентности для каждого эксперта);296 void Write_consistency(AnsiString f_name) – запись результатов оценки согласованности экспертов в текстовый файл.Свидетельство о государственной регистрации программы для ЭВМ от04 апреля 2012 г.

№ 2012613192 (ОБ ПБТ. 2012. №3. С.15) представлено вприложении 10. На основе представленной программы были определены коэффициенты компетентности по другим критериям риска (приложение 11).Обобщенная ранжировка с учетом компетентности экспертов в диссертационной работе строилась на основе упорядочения сумм рисков длявсех объектов (коэффициенты компетентности использовались в качестве9kвесов): Риск ( j )   K i * Риск i ( j ), k  1,51, j  1,20 .ki 1Следует заметить, что построение обобщенной ранжировки по суммамрангов является корректной процедурой, если ранги назначаются как местаобъектов в виде натуральных чисел.

Если назначить ранги произвольнымобразом, то сумма рангов не сохраняет условие монотонности преобразования и можно получать различные обобщенные ранжировки.Необходимо отметить, что по мере усиления неопределенности классические вероятностные описания уступают место вероятностям определенным не количественно, а качественно. На рисунке 5.10 представлено соотношениеклассическихвероятностных,экспертныхинечетко-множественных описаний.Рисунок 5.10 – Соотношение классических вероятностных, экспертных и нечетко-множественных описаний297В соответствии с представленным в подразделе 5.1 механизмом оценки рисков сделок слияний и поглощений российских холдингов следующимэтапом анализа является построение интегрального показателя риска проектов слияний и поглощений на основе теории нечеткого анализа.5.3 Методология оценки риска интеграционных проектов российскиххолдингов на основе обобщающего показателяТеория нечетких множеств – новый подход к описанию бизнеспроцессов, в которых присутствует неопределенность, затрудняющая и дажеисключающая применение точных количественных методов и подходов1[36,80,153].

Применение результатов теории нечетких множеств к анализу проектных систем позволяет получить принципиально новые модели и методыанализа данных систем.При этом оказывается возможным осуществить обоснованный переходот классических вероятностных моделей и экспертных оценок к нечеткомножественным описаниям. Так классическое вероятностное распределениев модели может быть замещено вероятностным распределением с нечеткимипараметрами, а совокупность экспертных оценок может быть интерпретирована набором функций принадлежности, образующим нечеткий классификатор [114].На основе экспертных оценок интеграционных проектов металлургического холдинга были построены функции принадлежности 51 риска (шкала экспертных оценок [1;9] была переведена в шкалу функций принадлежности [0;1]).

Поскольку частный критерий риска связан с анализируемым свойством монотонно-возрастающей зависимостью, то перевод осуществлялся спомощью унифицирующего преобразования:1Основополагающая работа, с которой начинается существование теории нечетких множеств, была опубликована Лотфе Заде в 1965 г. Мотивацией Заде при создании новой математической теории стало его убеждение в том, что эффективность классических методов системного анализа как средства для решения реальных проблем и возможности традиционного математического аппарата в отношении сложных и слабоформализованных задач ограниченны.298x  x min1~x ( x  1) .xmax  xmin 8(5.3)Следовательно, была получена шкала риска, принадлежащая отрезкуот 0 до 1, в которой высокие значения соответствуют большему риску, анизкие – меньшему риску.Для того, чтобы упорядочить нечеткие числа существуют различныеметоды, отличающиеся способами свертки и формирования нечетких отношений.

Последние можно определить как отношения предпочтительностимежду объектами. При этом общий алгоритм решения задачи ранжирования,основанный на аппарате теории нечетких множеств, автору диссертационной работы представляется в следующем виде:1) определение множества ранжируемых проектов A  a1, a2 ,..., an  ,где n – количество интеграционных проектов холдинговой структуры,i  1, n ;2) определение системы интеграционных рисков C  c1 , c 2 ,..., c m , гдеm – количество интеграционных рисков, j  1, m ;3) для каждого из выбранных показателей риска c j определяетсязначимость с точки зрения влияния на реализацию проекта слияния ипоглощения и формируется система коэффициентов относительнойзначимости показателей риска   1,2 ,..., j ,  j  0 ,1 m j  1;m j 14) в отношении каждого показателя риска c j должны быть сформулированы требования к множеству предельно допустимых и желаемыхзначений; данные требования отражаются построением функции принадлежности значений показателя c j к множеству желаемых значений;2995) для каждого проекталяютсяточечныеa i по каждому показателю риска c j опредеоценкифункцийпринадлежности c (a i )   c1 (a i )  c2 (a i );;...; m;c(a)c(a)c(a)2imi 1 i (c a )  i6) на основании полученного множества точечных оценок функцийпринадлежности  (c ai ) и множества коэффициентов относительнойзначимости показателей риска   1, 2 ,..., j  производится многокритериальное ранжирование с использованием различных методов.Если отсутствует информация как о предпочтениях на множестве альтернатив, так и о предпочтениях на множестве критериев, то, как правило,используются простейшие методы: минимаксный, максиминный и т.п.

Характеристики

Список файлов диссертации