Рекомендуемые дополнительные источники
1. ВарфоломеевВ.И. Алгоритмическое моделирование элементов экономических систем: практикум. – М.: Финансы и статистика, 2000.
2. Лабскер Л.Г. и др. Математическое моделирование финансово-экономических ситуаций с применением компьютера. – М.: МЭСИ, 1998.
3. Романцев В.В., Яковлев С.А. Моделирование систем массового обслуживания. – СПб.: Изд. ЭТУ, 1993.
4. Фомин Г.П. Системы и модели массового обслуживания в коммерческой деятельности: Учебное пособие. – М.: Финансы и статистика, 2000.
5. Четыркин Е.М. Теория массового обслуживания и ее применение в экономике. – М.: Статистика, 1971.
6. Блаттнер, Патрик. Использование Microsoft Excel 2002Специальное издание.Пер. с англ. – М.: Издательский дом «Вильямс», 2002. – 864 с.
7. Карлберг, Конрад. Бизнес-анализ с помощью Excel. Пер с англ. – К.: Диалектика, 1997. – 448 с.
8. Гарнаев А.Ю. использование MS Excel и VBA в экономике и финансах. – СПб.: БХВ – Санкт-Петербург, 1999. – 336 с.
9. Арунянц Г.Г., Калинкин А.Ю., Столбовский Д.Н. Информационные технологии в экономике: практикум (Часть 1)/ Под ред. Арунянца Г.Г., Пагиева К.Х. – Владикавказ: Олимп, 2001 – 600 с.
Приложение 1
ФИНАНСОВАЯ МОДЕЛЬ
Разговор предпринимателя с консультантом
Предприниматель:– Мне опять нужен Ваш совет. Я собираюсь вложить средства в строительство нового предприятия, которое будет выпускать определенную продукцию, пользующуюся спросом на рынке. Аналогичную продукцию выпускают и некоторые другие фирмы, поэтому придется действовать в условиях конкуренции.
Консультант:– Какие данные можно считать известными?
Предприниматель:– Можно приближенно оценить предполагаемые эксплуатационные расходы по выпуску продукции, т.е. можно считать известными математическое ожидание (среднее значение) расходов и среднее квадратическое отклонение этих расходов.
Консультант:– Значит, можно принять допущение о том, что расходы имеют нормальное распределение с заданными параметрами. А что известно относительно возможностей сбыта продукции, каковы характеристики рынка?
Предприниматель:– Можно предположить, что емкость рынка также имеет нормальное распределение с некоторыми известными параметрами: математическим ожиданием и средним квадратическим отклонением. Хуже обстоит дело с определением характеристик той доли в рынке, которую может завоевать наше предприятие после его вступления в строй. Единственное, что можно предсказать, – это средняя величина этой доли. Вид распределения не известен, и нет основания для того, чтобы считать его нормальным.
Консультант:– Вэтом случае при создании модели исследуемого процесса можно использовать распределение произвольного типа, например кусочно-равномерное. Можно выбрать несколько вариантов такого распределения и проанализировать ре акцию модели на изменение его параметров.
Предприниматель:– Каким же показателем будет оцениваться эффективность предприятия?
Консультант: – Логично будет выбрать в качестве показателя эффективности минимальную гарантированную прибыль от продажи продукции. При этом предполагается, что случайная величина прибыли имеет нормальное распределение.
Концептуальная модель
Пусть намечается строительство нового предприятия при следующих условиях:
1. Выпуск продукции связан с эксплуатационными расходами, которые имеют нормальное распределение с заданными параметрами: математическим ожиданием расхода Mrash и средним квадратическим отклонением расхода σrash.
2.Емкость рынка, где должна реализоваться продукции
предприятия, имеет нормальное распределение с заданными параметрами: математическим ожиданием емкости рынка Мrynсредним квадратическим отклонением емкости рынка σryn.
3. Доля предприятия в рынке является неопределенной и может быть задана некоторой произвольной функцией распределения (например, кусочно-равномерной функцией).
4. Случайная прибыль предприятия определяется по следующей зависимости:
,
где Ryn– случайная величина емкости рынка; Dol – случайная величина доли предприятия на рынке; Rash – случайная величина эксплуатационных расходов предприятия:
Выходными характеристиками модели являются:
• сумма случайных величин прибыли для Np случайных реализаций
;
• сумма квадратов случайных величин прибыли для Np случайных реализаций.
.
Показателем эффективности работы предприятия является минимальная гарантированная прибыль, определяемая по следующим зависимостям:
;
;
,
где Mprof- – математическое ожидание (среднее значение) прибыли; σprof – среднее квадратическое значение прибыли; Кα – квантиль нормального распределения, соответствующий заданной надежности а (Кα = 1,28 при α = 0,9); Gprof - минимальная гарантированная прибыль.
Алгоритм модели
В качестве языка программирования для разработки компьютерной модели рассматриваемого процесса выбран Visual Basic 6.0. Общий вид стартовой формы показан на рис. 1.
В нее включены следующие объекты управления: несколько меток с заголовками объектов, двенадцать текстовых полей для корректировки исходных данных, три текстовых поля для вывода результатов моделирования и три командные кнопки для управления работой программы.
Схема алгоритма процедур обработки прерываний показана на рис. 2.
Рис. 1. Макет стартовой формы
![]() |
Рис. 2. Схема алгоритма процедур обработки объектов
После нажатия кнопки «Start» активизируется стартовая форма. С этого момента программа находится в режиме ожидания действий пользователя.
Цифрой 1 обозначено действие, заключающееся в корректировке исходных данных. Необходимые изменения вносятся в с( ответствующие текстовые поля.
Цифрой 2 обозначено действие, заключающееся в нажатии i помощью мыши) кнопки «Расчет». В процедуре, связанной этой кнопкой, оператор 3 осуществляет перевод исходных данных из символьной формы в числовую. Затем оператор 4 обращается к модулю общего назначения «Model9». После окончат работы модуля и выдачи на экран результатов моделирования работа процедуры, связанной с кнопкой «Расчет», заканчивается. Программа вновь переходит в режим ожидания действий пользователя.
Цифрой 5 на схеме обозначено действие пользователя, заключающееся в нажатии кнопки «Очистка». В процедуре, связанной с ней, производится очищение текстовых полей для вывода выходных характеристик модели. Затем может быть произведено изменение исходных данных и проведены новые расчеты с использованием кнопки «Расчет».
Цифрой 7 на схеме обозначено действие пользователя, заключающееся в нажатии кнопки «Выход». В результате работа программы прекращается.
Схема алгоритма модуля общего назначения «Model9» показана на
рис. 3.
Рис. З. Схема алгоритма модуля «Model9»
Оператор 1 производит обнуление глобальных переменных, к которым относятся:
• сумма прибылей для всех случайных реализаций;
• сумма квадратов прибылей для всех случайных реализаций.
Оператор 2 является началом цикла случайных реализаций.
Оператор 3 обращается к процедуре, вырабатывающей возможные значения нормированных и центрированных случайных величин с нормальным распределением. Оператор 4 определяет случайное значение эксплуатационных расходов.
Операторы 5 и 6 аналогичным образом определяют случайную величину емкости рынка.
Оператор 7 обращается к процедуре, которая определяет возможное значение случайной доли предприятия в рынке. Опер, тор 8 определяет величину случайной прибыли для одной реализации моделируемого процесса. В операторе 9 происходит накопление сумм прибылей и сумм квадратов прибылей для всех случайных реализаций.
После окончания цикла случайных реализаций оператор 10 определяет показатель эффективности по формуле
Оператор 11 выводит результаты моделирования на экран.
Случайная доля предприятия в рынке, согласно принятому допущению, имеет кусочно-равномерное распределение в выбранном диапазоне. Схема алгоритма процедуры, генерирующей возможные значения случайной величины с таким распределением, показана на рис. 4.
![]() |
Рис. 4. Схема алгоритма процедуры генерации случайных величин
с кусочно-равномерным распределением
Оператор 1 обращается к стандартной процедуре генерирования случайной величины с равномерным распределением в интервале (0,1).
Оператор 2 является заголовком цикла, в котором поочередно рассматриваются все участки выбранного диапазона. Заметим, что число участков на единицу меньше числа граничных то чек.
Оператор 3 проверяет условие попадания в j-й участок, a оператор 4 фиксирует номер участка.
Оператор 5 вновь обращается к генератору случайных чисел < равномерным распределением в интервале (0,1).
Оператор 6 определяет значение случайной переменной z по формуле
.
Пример решения задачи моделирования
Примем следующие исходные данные:
• среднее значение эксплуатационных расходов Mrash = $110000;
• среднее квадратическое отклонение эксплуатационных расходов
Srash = $11000;
• среднее значение емкости рынка Мryn = $2750000;
• среднее квадратическое отклонение емкости рынка σryn = $250000;
• число случайных реализаций NP = 10000.
Варьируемыми переменными будем считать параметры кусочно-равномерного распределения доли предприятия в рынке/
Рассмотрим три варианта распределения.
Для первого варианта примем, что число граничных точек NT= 2 (диапазон состоит из одного участка). Пусть среднее значение доли равно 0,1. Граничные точки расположим симметрично относительно среднего значения. Выберем следующие значения их координат:
А0 = 0,099 и А1 = 0,101.
Таким образом, для первого варианта степень неопределенности достаточно мала, доля предприятия в рынке практически постоянна и составляет 10% общей емкости рынка.
Для второго варианта примем, что число граничных точек NT= 6 (диапазон состоит из пяти участков). Пусть среднее значение случайной переменной по-прежнему равно 0,1. Граничные точки расположим симметрично относительно среднего значения. Выберем следующие значения их координат:
А0 = 0,035; A1 = 0,075; А2 = 0,095; А3 = 0,105; А4 = 0,125; А5 = 0,165.
Плотности распределения вероятностей определяются из условия, что вероятности попадания на любой из участков должны быть одинаковы и равны величине 1/(NT – 1). Вид полученного распределения показан на рис. 5.
Таким образом, для второго варианта доля предприятия в рынке характеризуется достаточной степенью неопределенности. Случайная величина этой доли неравномерно распределена в диапазоне от 0,035 до 0,165.
Для третьего варианта примем, что число граничных точек NT также равно шести (диапазон состоит из пяти участков).
![]() |
Рис. 5. Кусочно-равномерное распределение доли в рынке
(второй вариант)
Пусть среднее значение случайной переменной по-прежнему равно 0,1. Граничные точки расположим несимметрично относительно значения
Dot = 0,1. Выберем следующие значения и координат:
Ао = 0,035; А1 = 0,075; А2 = 0,095; А3 = 0,105; А4 = 0,155; А5 = 0,255.
Так же, как и для других вариантов, условие, которому долж но удовлетворять кусочно-равномерное распределение, состоит том, что вероятности попадания на любой из участков должен быть одинаковы и равны величине 1/ (NT—l). Вид полученного распределения показан на рис. 6.
![]() |
Рис. 6. Кусочно-равномерное распределение доли в рынке (третий вариант)
Таким образом, для третьего варианта доля предприятия в рынке характеризуется еще большей неопределенностью. Случайная величина этой доли неравномерно распределена в диапазоне от 0,035 до 0,255.
Варианты исходных данных, относящиеся к описанию кусочно-равномерных распределений доли предприятия в рынке, сведены в табл. 1.
Таблица 1. Параметры кусочно-равномерных распределений
Номер варианта | Число точек | Координаты точек (границ участков) | |||||
0, 099 | 0,101 | - | - | - | - | ||
0, 035 | 0,075 | 0,095 | 0,105 | 0,125 | 0,165 | ||
0, 035 | 0,075 | 0,095 | 0,105 | 0,155 | 0,225 |
Таблица 2. Результаты моделирования
Номер варианта | Mprof, $ | Sprof, $ | Gprof, $ |
164,6 | 27,2 | 129,8 | |
165,2 | 90,8 | 49,0 | |
205,1 | 150,9 | 11,9 |
Анализ приведенных данных показывает, что с увеличением степени неопределенности при описании доли предприятия в рынке средняя прибыль растет, однако минимальная гарантированная прибыль уменьшается из-за увеличения разброса случайной величины прибыли.
Приложение 2