Учебное пособие 2216

Классы объектов по

Значащие переменные как аргументы функции

основаниям кода

принадлежности классу и подклассу

По природе: социальные,

Причинно-следственные связи, движущие силы, генеральные цели,

экономические,

экологиче-

законы и закономерности развития. Например, смена политическо-

ские, военно - политические,

го режима и общественного строя в отдельных странах по закону

нормативно - правовые

маятника

По масштабам: от локаль-

Число значащих переменных в описании объекта:

ных,

сосредоточенных в

от 1 до 3 – сублокальные; от 4 до 14 – локальные; от 15 до35–

пространстве до

глобаль-

субглобальные; от 36 до 100 – глобальные; свыше 100 – суперг-

ных

лобальные

По сложности структурных

Степень взаимосвязей между значащими переменными в

связей

описании: сверхпростые – существенные связи отсутствуют; про-

стые – наличие парных взаимосвязей (например, двух-сторонние

соглашения); сложные – взаимосвязи и совместные влияния трёх и

более переменных, но можно выделить главные из них, существен-

но влияющие на результат; сверхсложные – необходимо учиты-

вать взаимосвязи между всеми переменными (каждый с каждым,

многие со многими, смешанный вариант).

По

детерминированности

Детерминированные – возможно моделирование известными ана-

модели объекта

литическими функциям; стохастические –в модели необходимо

учитывать случайную составляющую переменных (влияние при-

родного и человеческого факторов); смешанные –включающие

детерминированные и стохастические модели в комплексе (эвен-

тологические модели)

По

характеру

развития

Дискретные – регулярная составляющая траектории (тренда)

объекта во времени

развития меняется скачками; апериодические – регулярная со-

ставляющая траектории моделируется апериодической

функцией; циклические – регулярная составляющая моделируется

периодической функцией.

По степени информацион-

Объекты с:

ной обеспеченности

- полной количественной и качественной ретроспективной ин-

формацией, необходимой и достаточной для прогнозирования с

требуемой точностью по состоянию на заданные горизонты про-

гноза;

- неполной количественной ретроспективной информациией,

которая не обеспечивает требуемую точность прогнозов по состоя-

нию на заданные горизонты прогноза;

- наличием только качественной ретроспективной информации;

- полным отсутствием ретроспективной информации

ВЫПУСК № 1 (15), 2019

ISSN 2618-7167

Применительно к модели рис.2, заме-

гии. Требования к эффективности управле-

тим [2,3], что в:

ния должны устанавливаться исходя из до-

- социальной сфере формируются тре-

пустимой степени опасности угроз устойчи-

бования к уровню, качеству и безопасности

вости развития организаций в рамках дей-

жизни личности, общества, государства;

ствующего и прогнозируемого поля про-

- экономической – создаются и реали-

блемных для них ситуаций в ХХI веке.

зуются на практике высокие технологии

Библиографический список

производства востребованной и конкуренто-

способной продукции;

1. Жидко Е.А., Черных Е.М. Динамика

- экологической – воспроизводится ре-

частиц золы в выбросах дымовых труб //

сурс, необходимый

и достаточный для реа-

Экология и промышленность России. -2004.

лизации таких технологий.

- С. 38-39.

Исследования

на модели (рис.3) поз-

2. Жидко Е.А. Экологический менедж-

воляют установить:

мент как фактор эколого - экономической

- требования к организации и систему

устойчивости предприятия в условиях рын-

ограничений на выбор способов и средств их

ка. Воронеж: гос.арх.- строит. ун-т, 2009.-

обеспечения со стороны макроуровня, т.е.

160 с.

межрегиональные

(международные)

и

3. Жидко Е.А. Логико вероятностно-

наднациональные (со стороны интеграцион-

информационный подход к моделированию

ных блоков стран);

информационной безопасности объектов за-

- внесистемные национальные требова-

щиты. Воронеж.-

2016. - 123 с.

ния и систему ограничений на способы и

4.

Жидко Е.А. Методические основы си-

средства их обеспечения со стороны отдель-

стемного моделирования

информационной

ных принимающих стран;

безопасности // Науковедение, 2014. – № 3

- внутренний и внешний ресурс осталь-

(22). – С. 102.

ного мира (микроуровень), которым может

5. Жидко Е.А., Кирьянов В.К. Форми-

воспользоваться отдельная страна (её хозяй-

рование системы координат и измеритель-

ствующие субъекты) в благоприятно скла-

ных шкал для оценки состояний безопасного

дывающейся обстановке и в рамках политик

и устойчивого

развития

хозяйствующих

интеграции в мирохозяйственные связи, гло-

субъектов// Инженерные системы и соору-

бализации экономики;

жения. - 2014. - № 1 (14). - С. 60-68.

- горизонтальные связи организации на

6.

Жидко Е.А., Леонов П.М. Методоло-

своём уровне (т.е. одноуровневые) опреде-

гия и методы системного математического

ляют диапазон внутренних условий, в рам-

моделирования информационной безопасно-

ках которых должна осуществляться её леги-

сти хозяйствующего субъекта теоретически-

тимная деятельность и антикризисное разви-

ми методами/ Научный вестник Воронеж-

тие в ХХI веке.

ского

государственного

архитектурно -

Таким образом, для эффективного ре-

строительного университета. Информацион-

шения главной задачи и выполнения опера-

ные технологии в строительных, социальных

ций по долгосрочной координации действий

и экономических системах. 2015. № 2 (6). С.

мирового сообщества в условиях: ограни-

15-20.

ченного ресурса, конкурентной борьбы,

7. Ансофф И. Стратегическое управле-

идеологической и информационной войны,

ние /И.Ансофф. М.;1989. – 358 с.

противоречий в национальных интересах и

8.

Валдайцев С.В. Антикризисное

мирового сообщества в целом – необходимо

управление на основе инноваций: учебное

управление информационными рисками

на

пособие. СПб.: Изд-во СПбГУ, 2001. 232 с.

уровне предприятий, в том числе и в эколо-

9.

Сазонова

С.А. Моделирование

нагруженного резерва при авариях гидрав-

vivt.ru/

лических

систем /

С.А.

Сазонова

11. Жидко Е. А., Попова Л. Г. Инфор-

// Моделирование, оптимизация и информа-

мационная

безопасность

инновационной

ционные технологии. - 2015. - № 4 (11). - С.

России: проблема кадров // Информация и

7. http:// moit.vivt.ru/

безопасность. -2011. -Т. 14.

-№ 2. -С. 201-

10. Сазонова С.А. Применение деком-

208.

позиционного

метода при моделировании

12. Сазонова, С.А. Особенности фор-

потокораспределения в гидравлических си-

мулировки

прикладных задач

управления

стемах / С.А. Сазонова

// Моделирование,

функционированием системами

теплоснаб-

оптимизация и информационные техноло-

жения / С.А. Сазонова //Моделирование си-

гии. - 2015.

- № 4 (11). -

С.

14. http://moit.

стем и процессов. - 2018. - Т.11.-№ 3.С.80-88.

ВЫПУСК № 1 (15), 2019

ISSN 2618-7167

kS

Iar

/ IpS ,

ных средств (капитала) предприятия К по

(6)

формуле:

r

s

kS IiRi

где Iar -

инвестиционные

активы, взве-

/ K.

(7)

r

i

шенные с учетом риска; IpS - источники

Рассмотренные соотношения позволя-

s

ют оценить соответствие

инвестиционной

их финансирования, взвешенные с учетом

деятельности принципам доходности, лик-

стабильности.

видности и надежности [5].

Для присвоения коэффициентов риска

При формировании смешанного инве-

определенным группам инвестиционных ак-

стиционного портфеля необходимо произве-

тивов может быть

использована методика

сти сравнение итоговых оценочных показа-

телей субпортфелей,

по

результатам ко-

Центрального банка РФ. Стабильность пас-

торого инвестиционные ресурсы банка могут

сивов рассматриваемой методикой не оцени-

быть перераспределены для более эффектив-

вается. Результаты

расчета

коэффициента

ной реализации инвестиционного портфеля в

стабильности инвестиционного портфеля по

целом.

группе финансово-устойчивых банков сви-

Управление первоначально сформиро-

детельствуют о том, что его рекомендуемое

ванным инвестиционным портфелем пред-

значение составляет 0,9-1,2. Более низкое

полагает постоянный мониторинг эффектив-

значение коэффициента свидетельствует о

ности портфеля в целом, а также его отдель-

недостаточной эффективности использова-

ных составляющих по мере изменения ры-

ночной конъюнктуры и основных парамет-

ния источников финансирования инвести-

ров конкретных инвестиционных объектов.

ций, а более высокое — о повышенном риске

Для оптимизации состава

портфеля могут

и неустойчивости структуры

инвестицион-

использоваться диверсификация инвестици-

ного портфеля. Данный коэффициент может

онных активов, пересмотр отдельных со-

быть рассчитан для оценки стабильности не

ставляющих портфеля, приобретение и про-

ВЫПУСК № 1 (15), 2019

ISSN 2618-7167

направлено на улучшение возможностей ин-

обеспечения требуемой ликвидности порт-

вестирования путем придания определенной

феля, уровень и динамику процентной став-

комбинации объектов инвестирования за-

ки, уровень налогообложения доходов по

данных инвестиционных качеств, которые не

различным финансовым инструментам. В

могут быть достигнуты с позиций отдельных

соответствии с

современной портфельной

инвестиционных объектов. Под инвестици-

теорией учет принципа диверсификации (по

онным портфелем понимают целенаправ-

отраслям, регионам, эмитентам) портфеля

ленно сформированную в соответствии с

предполагает подбор ценных бумаг с разно-

определенной

инвестиционной

стратегией

направленной динамикой движения курсо-

совокупность

вложений в инвестиционные

вой стоимости (дохода). В условиях отече-

объекты. Основной целью формирования

ственного фондового рынка, характеризую-

инвестиционного портфеля является обеспе-

щегося незначительным количеством обра-

чение реализации разработанной инвестици-

щающихся ценных бумаг приемлемого каче-

онной политики путем подбора наиболее

ства и соответствующей спецификой форми-

эффективных и надежных инвестиционных

рования фондового портфеля, могут исполь-

вложений. В качестве специфических целей

зоваться лишь некоторые аспекты портфель-

выступают: максимизация роста капитала,

ной теории с учетом их адаптации к суще-

максимизация роста дохода, минимизация

ствующим реалиям.

инвестиционных рисков, обеспечение требу-

4.

Моделирование

инвестиционного

емой ликвидности инвестиционного портфе-

портфеля и оценка инвестиционных решений

ля. В связи с альтернативностью специфиче-

могут осуществляться на основе различных

ских целей при формировании инвестицион-

методов (правило Парето, правило Борда,

ного портфеля определяются

приоритеты

выбор по удельным весам показателей, ран-

или предусматривается его сбалансирован-

жированных по степени значимости, комби-

ность.

нированные методы, методы линейного про-

2. Различие объектов в составе инве-

граммирования и пр.). Выбор метода оценки

стиционного портфеля, целей инвестирова-

инвестиционных

решений

и формирования

ния и других условий обусловливает много-

инвестиционного портфеля определяется це-

образие типов инвестиционных портфелей.

лями инвестора. Сформированный портфель

Их классификация может осуществляться по

ценных бумаг подлежит совокупной оценке

различным признакам: направления инве-

по критериям доходности, риска и ликвид-

стиционной деятельности, цели инвестиро-

ности.

вания, степень соответствия целям инвести-

Библиографический список

рования и др. К основным принципам фор-

мирования инвестиционного портфеля отно-

1. Давнис В.В., Тинякова В.И. Основы

сят: обеспечение реализации инвестицион-

эконометрического моделирования. Учебное

ной политики; обеспечение соответствия

пособие. Воронеж, 2003.

объема и структуры инвестиционного порт-

2. Давнис

В.В.,

Добрина

М.В.

феля объему и структуре формирующих его

Эконометрический

подход

к

источников; достижение оптимального соот-

алгоритмическому формированию портфеля

ношения доходности, риска и ликвидности;

ценных

бумаг.

Научный

журнал

диверсификация инвестиционного портфеля;

Современная экономика: проблемы и

обеспечение

управляемости инвестицион-

решения.

Воронежский

государственный

ным портфелем.

университет. Выпуск № 12 (96). Воронеж,

3. Портфель ценных бумаг характери-

2017. Статья входит в перечень ВАК.

зуется, с одной стороны, более высокой сте-

3. Давнис В.В., Добрина М.В. Модели

пенью ликвидности и управляемости, а с

доходности финансовых активов и их при-

другой стороны - повышенными инфляци-

менение в моделях портфельного инвестиро-

онными рисками и ограниченным воздей-

вания. Материалы XII международной науч-

но - практической конференции «Экономи-

портфеля ценных бумаг. Статья в Научном

ческое прогнозирование: модели и методы.

вестнике

Воронежского

государственного

Воронежский государственный университет,

технического

университета.

Серия:

2016. – c. 197-200.

Экономика в инвестиционно - строительном

4. Добрина

М.В.

Алгоритмы

комплексе и ЖКХ, 2018. – c. 162-165.

управления портфелем в

режиме

онлайн.

6. Добрина

М.В.

Оценка

и

Электронный бизнес: проблемы, развитие и

интерпретация рисков на фондовом рынке:

перспективы.

Материалы

XIV

основные подходы. Научный журнал

Всероссийской

научно

- практической

Современная экономика: проблемы и

интернет - конференции. Воронеж, 27-28

решения.

Воронежский

государственный

апреля 2017.

университет. Выпуск № 2 (110). Воронеж,

5. Добрина

М.В. Проблема

выбора

2019. Статья входит в перечень ВАК.

УДК 338.27

Нейросетевые1 технологии находят всё

можно, что соответствует природе большин-

большее применение в различных областях:

ства экономических процессов, так как они

безопасность и охранные системы, робото-

подвержены влиянию огромного количества

техника, автоматизация производства, связь

факторов в условиях неопределенности [1].

и интернет, медицина и здравоохранение,

Общие принципы работы сети состоят

геологоразведка, компьютерные и настоль-

в следующем. Нейронная сеть производит

ные игры. Они позволяют решать такие за-

аналитические вычисления, подобные тем,

дачи, решение которых классическими фор-

что делает человеческий мозг с помощью

мальными методами затруднено или не воз-

нейронов. Нейрон − это вычислительная

единица, которая получает информацию,

производит над ней простые вычисления и

© Емельянова Е.А., Ефимова О.Е., Бессонова Ю.В., 2019

передает ее дальше. Как выходной сигнал

ВЫПУСК № 1 (15), 2019

ISSN 2618-7167

формируется из множества входных – опре-

− динамические алгоритмы обучения

деляет внутренний алгоритм нейрона. Точ-

сетей;

ность результата прямо пропорционально

− функции предварительной и пост об-

зависит от количества нейронов в сети и ка-

работки и блоки Simulink для улучшения

чества обучающей выборки.

процесса обучения и оценки производитель-

Существуют различные программные

ности сети.

решения для моделирования, обучения и те-

В данном исследовании рассматрива-

стирования нейронных сетей, такие как

лась задача определения цены на квартиры в

Alyuda NeuroIntelligence, Amygdala, Annie,

зависимости от нескольких параметров – це-

NARIA, Cortex, DELVE, EasyNN, FANN,

нообразующих факторов.

Genesis и другие. Для данного исследования

Всего было использовано 5567 приме-

был выбран пакет расширения MATLAB −

ров для обучения и 57 для тестирования

Neural Network Toolbox, который может ис-

нейронной сети. Использовались следующие

пользоваться для решения следующих задач:

значимые факторы: этаж, всего этажей, всего

аппроксимация данных, распознавание обра-

комнат, в том числе совместные комнаты, в

зов, кластеризация, прогнозирование вре-

том числе раздельные комнаты, площадь.

менных рядов, моделирование динамических

Дополнительно использовались 7 типов кор-

систем и их управление. В данном пакете

ректировок, с которыми обычно связываются

реализована как функции командной строки,

потребительские качества объектов. Каждый

так и графический интерфейс пользователя

фактор имеет значения: наихудший вариант

[2, 3].

– 0, все остальные – 1. К корректировкам от-

MATLAB - Neural Network Toolbox

носятся, например, этаж (первый или по-

имеет следующие ключевыми особенности:

следний), количество комнат - однокомнат-

− модульное представление сети, поз-

ная, комнаты – смежные, площадь кухни –

воляющее создавать неограниченное количе-

ощутимо недостаточная, отсутствие лоджии

ство входных слоев и объединенных сетей, а

или балкона, ремонт требуется, переплани-

также графическое представление архитек-

ровка не согласована. Аналогичные факторы

туры сети;

и корректировки используются риэлторами

− визуализация топологии и процесса

для оценки недвижимости.

обучения нейронной сети;

Для данных за 2016-2017 год была по-

− поддержка распространенных сете-

строена и обучена нейронная сеть, состоя-

вых структур;

щая из 20 слоев. Общий вид полученной

− полный перечень обучающих и те-

нейронной сети представлен на рисунке 1.

стирующих функций;

В NEURAL NETWORK TOOLBOX

задачи был выбран алгоритм Baseline

представлены 3 алгоритма для обучения, ко-

Regularisation, который занимает больше

торые отличаются тем, какие ресурсы ис-

времени, но имеет хорошую обобщающую

пользуются больше – память или время – и

способность для сложных данных [3].

для каких задач подходят лучше. Для данной

При обучении получили следующее