|
Метод Монте-Карло (имитационного моделирования или статистических испытаний). Для весьма сложных вероятностных систем, в которых не известны внутренние взаимосвязи и взаимодействия элементов, применение оптимизационных методов оказывается часто не эффективным. В таком случае можно говорить не столько о поиске оптимального решения задачи (проблемы), сколько о необходимости проведения исследований *и прогнозировании будущих состояний предпринимательской структуры в зависимости от избираемых стратегий ее развития*[122]. В' результате был разработан более гибкий метод Монте-Карло (метод имитационного моделирования или метод статистических испытаний). Метод Монте-Карло заключается в* машинной имитации изучаемого процесса, который выполняется' на ЭВМ* со* всеми сопровождающими его случайностями. Он практически применяется для моделирования многих экономических процессов, поведение которых отличается случайным характером, поэтому предварительно определяют закон распределения' случайных чисел, с помощью которого можно описать поведение исследуемой системы. Основные преимущества методики имитационного моделирования проявляются в следующем [125]: достаточно большая близость получаемых результатов к реальным ситуациям поведения объекта (или системы) по сравнению с другими математическими моделями; блочный принцип дает возможность верифицировать (оценивать достаточно достоверно) каждый блок до его включения в общую систему; использование зависимостей' более . сложного характера, не описываемых простыми математическими соотношениями. Вместе с тем, методу Монте-Карло характерны и определенные недостатки, главными из них являются следующие: построить имитационную, модель поведения системы значительно дольше и с большими затратами средств; для работы с имитационной моделью необходимо наличие весьма 154 |
3) шкала 1-9, используемая для выявления относительной важности сравниваемых элементов одного уровня иерархии, наиболее полно соответствует интуиции лица, принимающего решение; 4)он совмещаетвсебедостоинства аналитических иэкспертныхметодов; 5) обеспечивает реализацию наиболее эффективного способа оценки количественно неизмеримых, но вместе с тем важных факторов для принятия обоснованных решений; 6) не предусматривает введения ограничения на транзитивность (метод работает с несогласованными суждениями и не требует, чтобы предпочтения потребителей или ЛПР соответствовали аксиомам полезности); 7) позволяет сводить исследования сложных проблем к достаточно простой процедуре проведения последовательно попарных сравнений; 8) не предполагает прямого определения коэффициентов важности (весомостей) по показателям, используемым для оценки качества решения задачи; 9) несложен в реализации, а также не требует больших финансовых и временных ресурсов на проведение необходимых расчетов; 10) позволяет решать задачи с практически неограниченным количеством критериев; 11)достаточнолегко поддастся программированиюи реализации наЭВМ. Таким образом, метод анализа иерархий лучше других учитывает интересы всех заинтересованных участников в системе инвестиционного планирования, так и сложность прогнозирования экономических результатов инвестиционной политики предпринимательской структуры. Поэтому для решения проблемы формирования оптимального портфеля реальных инвестиций вполне целесообразно использовать метод анализа иерархий. Метод Монте-Карло (имитационного моделировании или статистических испытаний). Для весьма сложных вероятностных систем, в которых не известны внутренние взаимосвязи и взаимодействия элементов, применение оптимизационных методов оказывается часто не элективным. В таком случае можно говортъ не столько о поиске оптимального решения задачи (проблемы), сколько о необходимости проведения исследований и протезировании будущих состояний предпринимательской структуры в зависимости от избираемых стратегии се развития. Основными трудностями, с которыми приходиться сталкиваться при поиске обоснованных решений в сложных вероятностных системах являются: наличие множества неизвестных и достоверно не определяемых сложных взаимосвязей между элементами системы; влияние на систему достаточно большого количества случайных факторов, аналитическое описание которых не представляется реальным; возможность сопоставления оригинала системы с разработанной моделью существует лишь на этапе формализации задачи и после получения результатов с помощью математического аппарата, так как промежуточные результаты расчетов часто не имеют аналогов в реальной системе. В связи с перечисленными трудностями, возникающими при изучении сложных вероятностных систем, практика потребовала разработки более гибкого метода. Этот метод получил наименование метода Монте-Карло. Другие его названия метод имитационного моделирования или метод статистических испытаний. Метод Монте-Карло заключается в машинной имитации изучаемого процесса, который выполняется на ЭВМ со всеми сопровождающими его случайностями. Он практически применяется для моделирования многих экономических процессов, поведение которых отличается случайным характером. Поэтому предварительно определяют закон распределения случайных чисел, с помощью которого можно описать поведение исследуемой системы. Использование случайных величин, подчиняющихся определенному закону распределения, делает необходимым многократное проведение экспериментов с имитационной системой на ЭВМ и выполнения в последующем статистического анализа полученных результатов. Весьма распространенным примером использования имитационных моделей является решение задачи массового обслуживания методом Монте-Карло. Кроме того, его используют при моделировании работы корпоративных логистических центров, что позволяет определять оптимальные уровни запасов, при построении подетально126 пооперационного и календарно-объемных планов работы производственных участков предпринимательских структур и др. Основные преимущества методики имитационного моделирования проявляются в следующем: достаточно большая близость подучаемых результатов к реальным апуациям поведенияобъекта(илисистемы) по сравнениюс датами математическими моделями; блочный принцип даст возможность верифицировать (оценивать достаточно достоверно) каждый блок до его включения в общую систему; использование зависимостей более сложного характера, не описываемых простыми математическими соотношениями. Вместе с тем методу Монте-Карло характерны и определенные недостатки. Главными из них являются следующие: построить имитационную модель поведения системы значительно дольше и с большими затратами средств; для работы с имитационной моделью необходимо наличие весьма мощных в вычислительном отношении ПЭВМ; взаимодействие пользователя и имитационной модели должно быть не слишком сложным, но вместестем удобным и хорошоизвестным; построение имитационной модели требует более глубокого изучения реального процесса, чем просто разработка оптимизационной модели инвестиционно-плановой задачи. Имитационное моделирование не может заменить методы оптимизации. Но оно удачно дополняют их. Реализация любого метода формирования оптимального портфеля реальных инвестиционных проектов связана с подготовкой и сбором необходимой экспертной информации, которую следует подвергнуть анализу на соответствие се необходимым требованиям. Для этого могут быть использованы методы анализа информации, полученной экспертным путем. |