|
107 ... ДО ... ВЫЧИСЛИТЬ», а также все арифметические и логические операторы, необходимые для расчета интегральных показателей. Для интегральных показателей приняты идентификаторы Ki, где i номер показателя, для строк баланса Ficj, где i форма баланса, j строка выбранной формы. Пример конструкции языка приведен на рис.3.10. Такой синтаксис вполне доступен экономистам, не имеющим опыта программирования. К 0 1 = ( F l c 2 9 0 F l c 6 9 0 ) / П с З О О ; K 0 2 = F l c 4 3 0 / F l c 7 0 0 ; К 0 5 = 6 , 5 1 * К 0 1 + 3 , 2 6 * К 0 2 + 6 , 7 6 * К 0 3 + 1 , 0 5 * К 0 4 ; { р а с с т а н о в к а б а л л о в 1. К а б с . Л и к в , 2 . ...} Е С Л И К 0 1 > 0 . 5 ТО К 1 1 : —2 0 ; Е С Л И К 0 1 > 0 . 4 И К 0 1 < 0 . 5 ТО К 1 1 : = 1 6 ; Е С Л И К 0 1 < 0 . 2 ТО К 1 1 : = 4 ; Приложение кластерного анализа Приложение кластерного анализа также реализовано на основе использования Active-X компоненты интерфейса с пакетом Statistica и соответствующего макроса. При этом используется процедура кластеризации методом k-средних. В силу разнородности факторов в качестве метрики предлагается использовать не Евклидову, а равномерную Модель обратного преобразования представляет простое взаимодействие с MatLab для обращения матрицы и последующего линейного преобразования. Рис. 3.10. |
191 • обратное преобразование; • сетевая модель инновационного проекта; • и другие. Структура сценария приведена на рис.4.1 . Пример сценария приложений экономического анализа Генерация Случайных процессов Факторный анализ Statistica Прогнозирование I Обратное I преобразование I Кластеризация Рис. 4.1. 4.1.2. Элементарные приложения процедур прогнозирования и кластеризации Компонента компилятора Разработанная компонента компилятора формального языка включает операторы: присвоения «:=», условия «ЕСЛИ ... ТО ...», цикла «ДЛЯ ... ОТ ... ДО ... ВЫЧИСЛИТЬ», а также все арифметические и логические операторы, необходимые для расчета интегральных показателей. Для интегральных показателей приняты идентификаторы Ki, где i номер показателя, для строк баланса Ficj, где i форма баланса, j строка выбранной формы. Пример конструкции языка приведен на рис.4.2. Такой синтаксис вполне доступен экономистам, не имеющим опыта программирования. 192 K01 = ( F l c 2 9 0 ~ F lc 6 9 0 ) / F l c 3 0 0 ; K0 2 = F lc 4 3 0 / F l c 7 0 0 ; K 0 5 = 6 , 5 K K 0 1 +3 , 2 6 * K 0 2 + 6 , 7 6 * K 0 3 + 1 , 0 5 * K 0 4 ; {р а с с т а н о в к а б а л л о в 1 . К а б с . Л и к в , 2 . ...} ЕСЛИ К 01 > 0 . 5 ТО К 1 1 : = 2 0 ; ЕСЛИ К 0 1 > 0 . 4 И К 0 1 < 0 . 5 ТО К 1 1 : = 1 6 ; ЕСЛИ К 0 1 < 0 . 2 ТО К 1 1 : = 4 ; Рис. 4.2. Приложение моделирования временных рядов Приложение моделирования временных рядов основано на использовании Active-X компонента интерфейса с пакетом MatLab и шфайла, которое позволяет варьировать характером процесса с учетом сезонности и инерционности. Приложение расчета NPV Приложение расчета NPV представляет параметризуемую сетевую модель и позволяет учитывать неопределенности аннуитетов и дисконтных ставок. Для расчета NPV используется метод дисконтирования на основании N (Р “ 3 ) соотношения NPV = Х < , где Р, полученная прибыль в ю м году, 3, « П П + г ,; к-0 затраты t-ro года, Ех~ ставка дисконта t-ro года. Приложение кластерного анализа Приложение кластерного анализа также реализовано на основе использования Active-X компоненты интерфейса с пакетом Statistica и соответствующего макроса. При этом используется процедура кластеризации методом k-средних, В силу разнородности факторов в качестве метрики 193 предлагается использовать не Евклидову, а равномерную Модель обратного преобразования представляет простое взаимодействие с MatLab для обращения матрицы и последующего линейного преобразования. Операции над лингвистическими перемеными Лингвистическая формализация предполагает преобразование функции принадлежности типа: Для которых вычисляет функция принадлежности суммы этих переменных У=х\+х2. Вводя для этого класса функций принадлежности обозначение: В случае параллельного выполнения этапов время начала последующего определяется соотношением Т=тах(Т],Т2). Анализ чувствительности NPV к аннуитетам и расчет вероятностных характеристик В разработанной модели NPV аннуитеты А = {Л,},"=1 и нормы дисконта Е = {#,}"=) являются случайными величинами с математическим ожиданием МА, M E и дисперсией DA, DE. Задача влияния неопределенности DA и DEна NPV разбивается на подзадачи: О< д: < а, а, < х; (4.1) приведем полученный результат к следующей форме: х, ~ /e(xaba,) х2~ /е( ф 2,а2) xi+x2~ /М а \&\)+Л(х\а2&2)1. MNPy={DE\DA, МА, М Е, п} 2 MNpy ={DEi, ..., De„I Da, Ma, Me, n} |