Диссертация (1152227), страница 51

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

Текст из файла (страница 51)

Приналичии информации только о сравнительной важности оценок по каждомуиз критериев пользуются методами последовательного рассмотрения альтернатив [17].Если предпочтения на множествах критериальных оценок выражены впорядковых шкалах и заданы относительные веса критериев, то используются методы голосования, наиболее распространенным из которых в принятиирешений является метод ELECTRE.Если могут быть получены относительные веса критериев и относительные ценности критериальных оценок по отдельным критериям, то применяется множество различных методов. Например, методы оцениванияальтернатив с использованием заранее заданных оценивающих функций(аддитивная взвешенная свертка). Если наряду с информацией о важностикритериев известны идеальные критериальные оценки, возможно применение методов достижимости целей.В диссертационной работе оценка альтернативных M&A-проектовпроводилась на основе семи методов свертки:1) метод выбора альтернатив при отсутствии информации о предпочтениях на множестве критериев (метод максиминной свертки);3002) многокритериальный выбор альтернатив на основе нечеткого отношения предпочтения;3) многокритериальный выбор альтернатив на основе аддитивнойсвертки;4) многокритериальный выбор альтернатив на основе метода нечеткологического вывода;5) многокритериальный выбор альтернатив на основе матричной схемыагрегирования с помощью стандартного 3-уровневого нечеткогоклассификатора;6) многокритериальный выбор альтернатив на основе матричной схемыагрегирования с помощью стандартного 5-уровневого нечеткогоклассификатора;7) многокритериальный выбор альтернатив методом лингвистическихвекторных оценок.1.

Метод выбора альтернатив при отсутствии информации о предпочтениях на множестве критериев (максиминная свертка).Рассмотрим алгоритм ранжирования объектов на основе построениямножества недоминируемых альтернатив:1) максимальное значение функции принадлежности должно соответствовать наилучшей альтернативе, вследствие этого значения функций принадлежности были преобразованы согласно выражению:c (ai )  1  сисх.

(ai ) 1;jj(5.4)2) коэффициенты относительной важности  j определяются на основеметода, базирующегося на вычислении значений первого собственного вектора матрицы попарных сравнений, которая строится на основе иерархиипоказателей. Степень значимости показателей определяется в соответствиисо шкалой, представленной в таблице 5.9.1Необходимо учесть, что новые функции принадлежности характеризуют значение безрисковости.301Таблица 5.9 – Шкала степеней значимости показателейСтепень значимости135792,4,6,8обратные величины по отношению к приведеннымвыше величинамОпределениеОбъяснениеДва признака вносят одинаЕсли одинаковая значиковый вклад в достижениемостьцелиСуществуют соображения вНекоторое преобладание впользу предпочтения одногозначимости одного признака из признаков; однако даннад другим признакомные соображения недостаточно убедительныИмеются надежные данныеСущественная или сильнаядля того, чтобы показатьзначимостьпредпочтительность одногоиз признаковУбедительное свидетельстОчень сильная значимостьво в пользу одного действиянад другимСвидетельство в пользу одного признака по отношеАбсолютная значимостьнию ко второму признаку ввысшей степени убедительныПромежуточные значения между двумя соседними суждениямиЕсли признаку i при сравнении с признаком j приписывается одно из приведенных выше чисел, то при сравнении jс i, j приписывается обратное значение j  m 2j ,(5.5)где  j – значения первого собственного вектора, соответствующего первомусобственному вектору 1 , которое определяются как отличное от нуля решение уравнения:(1  E  R)  W  0 .(5.6)При этом 1 находится из решения уравнения:E  R  0,где R – агрегированная матрица парных сравнений; – неизвестный вектор собственных значений;E – единичная матрица размерности m*m (m – число критериев).302(5.7)3) правило ранжирования альтернатив с учетом различной важностипоказателей определяется путем пересечения нечетких множеств:D  C11  C22  ...

 Cmm .(5.8)Операцию пересечения нечетких множеств можно реализовать разными способами. Самым распространенным методом является взятие минимума:j D (ai )  min (  c (ai )) , i  1, n .j 1, m(5.9)j4) альтернатива ai* , которая имеет максимальное значение функциипринадлежности, считается наилучшей: D (ai* )  max  D (ai ) .(5.10)i 1, n5) Полученные значения  D (ai* ) есть показатели безрисковости проектов. Поскольку наша задача состоит в оценке риска, то необходимо осуществить обратный перевод: D итог.

(ai* )  1   D (ai* ) .Согласно данной шкале: чем больше  Dитог.(5.11)(ai* ) , тем выше риск слия-ния и поглощения.При этом необходимо отметить, что если альтернатива выбирается поминимаксному принципу, то на шаге 3 операции пересечения соответствуетоперация взятия максимума, а на шаге 4 лучшей считается альтернатива ai* ,имеющая наименьшее значение функции принадлежности.В результате решения характеристического уравнения было найдено,что первое собственное значение агрегированной матрицы парных сравнений равно 1  63,386 .

В результате были найдены коэффициенты относительной важности  j , представленные в приложении 12.На основе полученных результатов можно сделать вывод, что наибольшие значения  j группой экспертов были присвоены рискам третьейстадии интеграции. В результате все проекты были проранжированы по по303казателю  Dитог.(ai* ) таким образом, что первое место соответствует проектус максимальным риском, а последнее – с минимальным. Результаты максиминной свертки представлены в таблице 5.10.Таблица 5.10 – Результаты многокритериального ранжирования M&Aпроектов металлургического холдинга на основе максиминной свертки№Интеграционный проектп/п1 Проект 1_Металлургический завод в Тур-Оценка рискаМесто по риску1,000040,869050,5897201,000010,869060,6791150,6107170,6107180,6107190,6791160,7902140,8633120,869070,869080,869090,869010нии1,00002Проект 18_Башкирский металлотрейдерПроект 19_Морской порт в АстраханиПроект 20_Металлургический завод в Канаде0,80750,86901,000013113ции234567891011121314151617181920Проект 2_Производитель угля и продуктовего переработки в СибириПроект 3_Компания по изготовлению, модернизации и ремонту штамповой оснастки в Санкт-ПетербургеПроект 4_Металлургический завод в ПакистанеПроект 5_Металлургический завод в ГурьевскеПроект 6_Производитель товарного чугуна вТулеПроект 7_Приоскольское железорудное месторождениеПроект 8_Производитель железорудногоконцентрата в ЖелезногорскеПроект 9_Металлургический завод по выпуску прецизионных сплавов на УралеПроект 10_Металлургический завод по производству трубной и колесопрокатнойпродукцииПроект 11_Производитель железорудногоконцентрата в Белгородской областиПроект 12_Металлургический завод по производству бесшовных и прямошовныхтруб в ВолжскеПроект 13_Металлургический завод по производству стальных труб в ТаганрогеПроект 14_Металлургический завод по производству стальных труб в ЧелябинскеПроект 15_Электрометаллургический комбинат в Белгородской областиПроект 16_Первоуральский новотрубный заводПроект 17_Металлургический завод в Герма-304На основе результатов, полученных на базе максиминной свертки,можно сделать вывод, что максимальным риском для металлургическогохолдинга характеризуются зарубежные интеграционные проекты, такие, какпроекты в Пакистане, Канаде, Германии и Турции, которые по трем наиболее важным критериям получили максимальные значения оценок рисков.2.

Многокритериальный выбор альтернатив на основе нечеткогоотношения предпочтения.В случае, когда информация о ситуации принятия решений описана вформе обычного отношения предпочтения, рациональным естественно считать выбор недоминируемых альтернатив.

Математически такая задача сводится к выделению в заданном нечетком множестве подмножества недоминируемых альтернатив [16,41].При этом по заданному R можно однозначно определить 3 соответствующих ему нечетких отношения: нечеткое отношение безразличия:   R (a p , ai )  max min 1  C (a p ),1   C (ai ) , min C (a p ),  c (ai ) ;jjj нечеткое отношение квазиэквивалетности:jj R (a p , ai )  min  C (a p ),  C (ai ) ;jjj нечеткое отношение строгого предпочтения: C j (ai )   C j (a p ), если  C j (ai )   C j (a p ).0,если(a)(a)СiCpjj R (a p , ai )  jТаким образом, информация в форме отношения предпочтения R позволяет сузить класс рациональных выборов до множества недоминируемыхальтернатив, которые являются в определенном смысле неулучшаемыми вмножестве, и их выбор в задаче принятия решений естественно считать рациональным в пределах имеющейся информации.Пусть имеется множество альтернатив A, причем каждая из них можетбыть охарактеризована несколькими признаками с раличными номерами305j  1, m .

Информацию о сравнении альтернатив можно представить как от-ношение предпочтения Rj. Задача заключается в том, чтобы по данной информации сделать рациональный выбор альтернатив из множества (A, R1,R2,…, Rm).Рассмотрим алгоритм ранжирования объектов на основе построениямножества недоминируемых альтернатив:1)на основании функции принадлежности объекта по выбраннымкритериям составляются матрицы нечетких отношений предпочтений R1 , R2 ,..., Rm ;2)строится нечеткое отношение Q1, которое является пересечениемотношений предпочтений Q1  R1  R2  ...

Характеристики

Список файлов диссертации