Дипломы, курсовые, рефераты, контрольные...
Срочная помощь в учёбе

АСК-анализ и прогнозирование сценариев изменения трендов экономических показателей многоотраслевой корпорации

Реферат: АСК-анализ и прогнозирование сценариев изменения трендов экономических показателей многоотраслевой корпорации
РефератПомощь в написанииУзнать стоимостьмоей работы

Таким образом, в статье формулируется проблема краткосрочного прогнозирования будущих сценариев изменения трендов экономических показателей многоотраслевой корпорации, на основе прошлых сценариев с применением системно-когнитивного анализа (СК-анализ) и его программного инструментария (интеллектуальной системы «Эйдос»). Осуществляется формальная постановка задачи и формализация предметной… Читать ещё >

АСК-анализ и прогнозирование сценариев изменения трендов экономических показателей многоотраслевой корпорации (реферат, курсовая, диплом, контрольная)

Данная работа посвящена разработке технологии и методики оперативного (поквартального на год вперед) прогнозирования сценариев трендов экономических показателей многоотраслевой агропромышленной корпорации, является непосредственным продолжением работ [1, 2, 3, 4] и основана на методологии АСК-анализа и его технологии, развитых в работах [5, 6, 7].

В настоящее время создание удобного для экономистов и надежного инструмента краткосрочного (оперативного) прогнозирования сценариев трендов экономических показателей корпорации, дающего прогнозы высокой достоверности, является как научной, так и практической проблемой, поиск решений которой весьма актуален. Поэтому цель данной работы состоит в разработке методики оперативного (поквартального на год вперед) прогнозирования сценариев изменения трендов экономических показателей многоотраслевой корпорации.

Прогнозирование будущих сценариев изменения показателей фондового рынка на основе прошлых сценариев исследовано в работах [5, 8, 9, 10]. Однако для прогнозирования сценариев трендов показателей корпорации данный подход применятся впервые. Таким образом, в данной работе мы рассмотрим новый, ранее не применявшийся для решения поставленной проблемы и достижения поставленной цели подход, основанный на применении системно-когнитивного анализа (СК-анализа) и его программного инструментария: интеллектуальной системы «Эйдос» [5]. СК-анализ, рассматриваемый совместно с его программным инструментарием, которым в настоящее время является система «Эйдос», является автоматизированным системно-когнитивным анализом (АСК-анализ). В работе [5] предложены следующие этапы АСК-анализа предметной области:

  • 1. Когнитивная структуризация предметной области, при которой определяется, что мы хотим прогнозировать и на основе чего (конструирование классификационных и описательных шкал).
  • 2. Формализация предметной области:
    • — разработка градаций классификационных и описательных шкал (номинального, порядкового и числового типа);
    • — использование разработанных на предыдущих этапах классификационных и описательных шкал и градаций для формального описания (кодирования) исходных данных (исследуемой выборки).
  • 3. Синтез и верификация (оценка степени адекватности) модели.
  • 4. Если модель адекватна, то ее использование для решения задач идентификации, прогнозирования и принятия решений, а также для исследования моделируемой предметной области.

Рассмотрим предлагаемый вариант реализации этих этапов.

1-й этап АСК-анализа: «Когнитивная структуризация предметной области».

На этом этапе было решено, что разрабатываемая методика должна обеспечивать прогнозирование сценариев трендов следующих показателей холдинга в целом на 4 квартала вперед по отношению к текущему кварталу (таблица 1):

Таблица 1 — КЛАССИФИКАЦИОННЫЕ ШКАЛЫ.

Kod

NAME.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Выручка от реализации.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Себестоимость приобретения.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Валовая прибыль.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Коммерческие расходы.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Чистая прибыль.

Прогнозирование предлагается осуществлять на основе сценариев изменения трендов тех же показателей по предприятиям, входящим в корпорацию (таблица 2), за все кварталы предыдущего года (таблица 3):

Таблица 2 — ПРЕДПРИЯТИЯ, ВХОДЯЩИЕ В КОРПОРАЦИЮ.

001. БАКАЛЕЯ ООО.

002. РОССИНГРИДГРУПП.

003. КОРМИЛИЦА.

004. КУБАНЬ АЛКО ООО.

005. КУБТОРГ ЗАО.

006. МОСКВИЧКА ООО.

007. МЯСОКОМБИНАТ.

008. РЫБА ООО (ХОЛОД).

009. СТРОЙТРУБОСТАЛЬ.

010. ТОРГОДЕЖДА ЗАО.

011. ФРУКТЫ.RU (ЮНЕКС).

012. ХОЗЯЮШКА ООО.

013. ЮМК.

014. ЮЖГАЗ.

015. КОНДИТЕРСКАЯ Ф-КА.

Таблица 3 — ОПИСАТЕЛЬНЫЕ ШКАЛЫ.

Kod.

NAME.

Сценарий в прошл. кварт: ВС. ПО ХОЛД.: Выручка от реализации.

Сценарий в прошл. кварт: ВС. ПО ХОЛД.: Себестоимость приобретения.

Сценарий в прошл. кварт: ВС. ПО ХОЛД.: Валовая прибыль.

Сценарий в прошл. кварт: ВС. ПО ХОЛД.: Коммерческие расходы.

Сценарий в прошл. кварт: ВС. ПО ХОЛД.: Чистая прибыль.

В таблице 5 приведены исходные данные, использованные для синтеза формальной модели объекта прогнозирования. Эти исходные данные получены из исходных данных, использованных в работах [1−4] по методике, впервые примененной в 1994 году для прогнозирования сценариев изменения курсов валют и ценных бумаг на фондовом рынке и описанной в работе [5].

Для классификации типов сценариев предлагается использовать числа в двоичной системе счисления и считать, что если значение разряда 1, то тренд взрастает, а если 0, то тренд убывает. От количества разрядов I в этих числах по формуле N=2I зависит их количество N и, соответственно, степень детализации сценария изменения тренда.

Таким образом, сценарий изменения тренда представляет собой 2-ю производную (в конечных разностях) от значений показателей, т.к. тренд является 1-й производной (в конечных разностях). Естественно, по известному сценарию изменения трендов определяются и сами значения трендов и значения показателей.

В таблице 4 приведены сценарии изменения трендов, сами значения трендов и изображения сценариев в графическом виде. Для удобства расчетов 0 заменены на -1.

Таблица 4 — ВИДЫ СЦЕНАРИЕВ ТРЕНДОВ (КОДЫ И ИЗОБРАЖЕНИЯ СХЕМ ДИНАМИКИ).

Код Значения трендов

(сигнатура сценария) Сценарий изменения тренда Изображение сценария

  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 2
  • 3
  • 4
  • 2
  • 1
  • 1
  • 1
  • -1
  • 1
  • 2
  • 3
  • 2
  • 3
  • 1
  • 1
  • -1
  • 1
  • 1
  • 2
  • 1
  • 2
  • 4
  • 1
  • 1
  • -1
  • -1
  • 1
  • 2
  • 1
  • 0
  • 5
  • 1
  • -1
  • 1
  • 1
  • 1
  • 0
  • 1
  • 2
  • 6
  • 1
  • -1
  • 1
  • -1
  • 1
  • 0
  • 1
  • 0
  • 7
  • 1
  • -1
  • -1
  • 1
  • 1
  • 0
  • -1
  • 0
  • 8
  • 1
  • -1
  • -1
  • -1
  • 1
  • 0
  • -1
  • -2

Код Значения трендов.

(сигнатура сценария) Сценарий изменения тренда Изображение сценария.

  • 9
  • -1
  • 1
  • 1
  • 1
  • -1
  • 0
  • 1
  • 2
  • 10
  • -1
  • 1
  • 1
  • -1
  • -1
  • 0
  • 1
  • 0
  • 11
  • -1
  • 1
  • -1
  • 1
  • -1
  • 0
  • -1
  • 0
  • 12
  • -1
  • 1
  • -1
  • -1
  • -1
  • 0
  • -1
  • -2
  • 13
  • -1
  • -1
  • 1
  • 1
  • -1
  • -2
  • -1
  • 0
  • 14
  • -1
  • -1
  • 1
  • -1
  • -1
  • -2
  • -1
  • -2
  • 15
  • -1
  • -1
  • -1
  • 1
  • -1
  • -2
  • -3
  • -2
  • 16
  • -1
  • -1
  • -1
  • -1
  • -1
  • -2
  • -3
  • -4

Коды сценариев трендов, приведенные в таблице 4, использованы в таблице 5. При этом они формировались не вручную, а автоматически в MS Excel. Кратко рассмотрим, как это делалось.

Таблица 5 — ПРИНЦИП ОПРЕДЕЛЕНИЯ СЦЕНАРИЕВ ТРЕНДОВ В БАЗЕ ИСХОДНЫХ ДАННЫХ (ФРАГМЕНТ).

NAME.

2000_1K.

2000_2K.

2000_3K.

2000_4K.

2001_1K.

2001_2K.

2001_3K.

2001_4K.

2002_1K.

2002_2K.

2002_3K.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Выручка от реализации.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Себестоимость приобретения.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Валовая прибыль.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Коммерческие расходы.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Чистая прибыль.

Сценарий в прошл. кварт: ВС. ПО ХОЛД.: Выручка от реализации.

Сценарий в прошл. кварт: ВС. ПО ХОЛД.: Себестоимость приобретения.

Сценарий в прошл. кварт: ВС. ПО ХОЛД.: Валовая прибыль.

Сценарий в прошл. кварт: ВС. ПО ХОЛД.: Коммерческие расходы.

Сценарий в прошл. кварт: ВС. ПО ХОЛД.: Чистая прибыль.

В 1-м кв.: ВС. ПО ХОЛД.: Выручка от реализации.

0,274.

0,058.

0,154.

— 0,204.

0,264.

0,056.

0,145.

— 0,124.

0,169.

0,050.

0,183.

В 1-м кв.: ВС. ПО ХОЛД.: Себестоимость приобретения.

0,280.

0,057.

0,141.

— 0,203.

0,271.

0,052.

0,132.

— 0,117.

0,173.

0,045.

0,173.

В 1-м кв.: ВС. ПО ХОЛД.: Валовая прибыль.

0,348.

0,015.

0,254.

— 0,265.

0,320.

0,016.

0,235.

— 0,192.

0,189.

0,003.

0,295.

В 1-м кв.: ВС. ПО ХОЛД.: Коммерческие расходы.

0,179.

0,012.

0,198.

— 0,124.

0,173.

0,008.

0,189.

— 0,051.

0,082.

0,011.

0,217.

В 1-м кв.: ВС. ПО ХОЛД.: Чистая прибыль.

0,696.

0,026.

0,302.

— 0,428.

0,621.

0,050.

0,282.

— 0,388.

0,596.

0,081.

0,401.

В 2-м кв.: ВС. ПО ХОЛД.: Выручка от реализации.

0,058.

0,154.

— 0,204.

0,264.

0,056.

0,145.

— 0,124.

0,169.

0,050.

0,183.

— 0,034.

В 2-м кв.: ВС. ПО ХОЛД.: Себестоимость приобретения.

0,057.

0,141.

— 0,203.

0,271.

0,052.

0,132.

— 0,117.

0,173.

0,045.

0,173.

— 0,021.

В 2-м кв.: ВС. ПО ХОЛД.: Валовая прибыль.

0,015.

0,254.

— 0,265.

0,320.

0,016.

0,235.

— 0,192.

0,189.

0,003.

0,295.

— 0,097.

В 2-м кв.: ВС. ПО ХОЛД.: Коммерческие расходы.

0,012.

0,198.

— 0,124.

0,173.

0,008.

0,189.

— 0,051.

0,082.

0,011.

0,217.

0,046.

В 2-м кв.: ВС. ПО ХОЛД.: Чистая прибыль.

0,026.

0,302.

— 0,428.

0,621.

0,050.

0,282.

— 0,388.

0,596.

0,081.

0,401.

— 0,426.

1 кв. назад: 001. БАКАЛЕЯ ООО: Выручка от реализации (Отгрузка).

0,146.

0,185.

0,115.

— 0,137.

0,146.

0,185.

0,115.

— 0,137.

0,146.

0,185.

1 кв. назад: 001. БАКАЛЕЯ ООО: Себестоимость приобретения.

0,134.

0,181.

0,126.

— 0,138.

0,135.

0,181.

0,127.

— 0,138.

0,135.

0,181.

1 кв. назад: 001. БАКАЛЕЯ ООО: Валовая прибыль.

0,262.

0,222.

0,014.

— 0,120.

0,254.

0,219.

0,015.

— 0,122.

0,248.

0,217.

1 кв. назад: 001. БАКАЛЕЯ ООО: Коммерческие расходы:

0,066.

0,103.

0,094.

0,011.

0,067.

0,103.

0,094.

0,011.

0,067.

0,103.

1 кв. назад: 001. БАКАЛЕЯ ООО: Чистая прибыль.

193,614.

0,944.

— 0,233.

— 0,723.

3,240.

0,744.

— 0,188.

— 0,599.

1,805.

0,637.

Информация по остальным предприятиям, входящим в корпорацию (таблица 2).

Виды сценариев трендов (коды схем динамики).

— 1.

— 1.

— 1.

— 1.

— 1.

— 1.

— 1.

— 1.

— 1.

— 1.

— 1.

— 1.

— 1.

— 1.

— 1.

— 1.

— 1.

— 1.

— 1.

— 1.

— 1.

— 1.

— 1.

— 1.

— 1.

— 1.

— 1.

— 1.

— 1.

— 1.

— 1.

— 1.

Прогнозы.

Корреляция строки: В 1-м кв.: ВС. ПО ХОЛД.: Выручка от реализации.

— 0,667.

0,035.

— 0,289.

0,903.

— 0,730.

0,030.

— 0,426.

0,908.

— 0,500.

0,296.

— 0,466.

0,900.

— 0,654.

0,040.

— 0,268.

0,853.

— 0,540.

0,051.

— 0,531.

0,816.

— 0,599.

0,163.

— 0,275.

0,907.

— 0,655.

0,032.

— 0,244.

0,930.

— 0,547.

0,092.

— 0,587.

0,800.

— 0,571.

0,541.

0,219.

— 0,533.

— 0,204.

0,527.

0,337.

— 0,430.

— 0,381.

0,198.

0,174.

— 0,353.

0,042.

— 0,288.

0,905.

— 0,668.

0,121.

— 0,419.

0,922.

— 0,468.

0,271.

— 0,497.

0,874.

0,816.

— 0,815.

0,818.

— 0,810.

0,843.

— 0,831.

0,842.

— 0,865.

0,941.

— 0,949.

0,898.

— 0,202.

0,536.

0,216.

— 0,550.

— 0,106.

0,442.

0,325.

— 0,326.

— 0,274.

0,262.

0,263.

0,667.

— 0,035.

0,289.

— 0,903.

0,730.

— 0,030.

0,426.

— 0,908.

0,500.

— 0,296.

0,466.

— 0,667.

0,035.

— 0,289.

0,903.

— 0,730.

0,030.

— 0,426.

0,908.

— 0,500.

0,296.

— 0,466.

0,202.

— 0,536.

— 0,216.

0,550.

0,106.

— 0,442.

— 0,325.

0,326.

0,274.

— 0,262.

— 0,263.

— 0,816.

0,815.

— 0,818.

0,810.

— 0,843.

0,831.

— 0,842.

0,865.

— 0,941.

0,949.

— 0,898.

— 0,042.

0,288.

— 0,905.

0,668.

— 0,121.

0,419.

— 0,922.

0,468.

— 0,271.

0,497.

— 0,874.

— 0,541.

— 0,219.

0,533.

0,204.

— 0,527.

— 0,337.

0,430.

0,381.

— 0,198.

— 0,174.

0,353.

0,275.

— 0,907.

0,655.

— 0,032.

0,244.

— 0,930.

0,547.

— 0,092.

0,587.

— 0,800.

0,571.

— 0,900.

0,654.

— 0,040.

0,268.

— 0,853.

0,540.

— 0,051.

0,531.

— 0,816.

0,599.

— 0,163.

0,667.

— 0,035.

0,289.

— 0,903.

0,730.

— 0,030.

0,426.

— 0,908.

0,500.

— 0,296.

0,466.

Максимальная корреляция.

0,900.

0,907.

0,905.

0,903.

0,853.

0,930.

0,922.

0,908.

0,941.

0,949.

0,898.

Код схемы динамики тренда с макс.корреляцией.

Прогнозы сценариев трендов по остальным показателям (таблица 1).

Предыстория.

Корреляция строки: В 1-м кв.: ВС. ПО ХОЛД.: Выручка от реализации.

— 1,000.

0,333.

0,424.

0,676.

— 0,667.

0,035.

— 0,289.

0,903.

— 0,730.

0,030.

— 0,426.

0,333.

— 1,000.

0,129.

— 0,183.

0,900.

— 0,654.

0,040.

— 0,268.

0,853.

— 0,540.

0,051.

0,333.

0,333.

— 0,978.

0,355.

— 0,275.

0,907.

— 0,655.

0,032.

— 0,244.

0,930.

— 0,547.

0,577.

— 0,577.

— 0,735.

0,149.

0,541.

0,219.

— 0,533.

— 0,204.

0,527.

0,337.

— 0,430.

0,333.

0,333.

0,424.

— 0,847.

0,042.

— 0,288.

0,905.

— 0,668.

0,121.

— 0,419.

0,922.

0,577.

— 0,577.

0,479.

— 0,892.

0,816.

— 0,815.

0,818.

— 0,810.

0,843.

— 0,831.

0,842.

0,577.

0,577.

— 0,479.

— 0,427.

— 0,202.

0,536.

0,216.

— 0,550.

— 0,106.

0,442.

0,325.

1,000.

— 0,333.

— 0,424.

— 0,676.

0,667.

— 0,035.

0,289.

— 0,903.

0,730.

— 0,030.

0,426.

— 1,000.

0,333.

0,424.

0,676.

— 0,667.

0,035.

— 0,289.

0,903.

— 0,730.

0,030.

— 0,426.

— 0,577.

— 0,577.

0,479.

0,427.

0,202.

— 0,536.

— 0,216.

0,550.

0,106.

— 0,442.

— 0,325.

— 0,577.

0,577.

— 0,479.

0,892.

— 0,816.

0,815.

— 0,818.

0,810.

— 0,843.

0,831.

— 0,842.

— 0,333.

— 0,333.

— 0,424.

0,847.

— 0,042.

0,288.

— 0,905.

0,668.

— 0,121.

0,419.

— 0,922.

— 0,577.

0,577.

0,735.

— 0,149.

— 0,541.

— 0,219.

0,533.

0,204.

— 0,527.

— 0,337.

0,430.

— 0,333.

— 0,333.

0,978.

— 0,355.

0,275.

— 0,907.

0,655.

— 0,032.

0,244.

— 0,930.

0,547.

— 0,333.

1,000.

— 0,129.

0,183.

— 0,900.

0,654.

— 0,040.

0,268.

— 0,853.

0,540.

— 0,051.

1,000.

— 0,333.

— 0,424.

— 0,676.

0,667.

— 0,035.

0,289.

— 0,903.

0,730.

— 0,030.

0,426.

Максимальная корреляция.

1,000.

1,000.

0,978.

0,892.

0,900.

0,907.

0,905.

0,903.

0,853.

0,930.

0,922.

Код схемы динамики тренда с макс.корреляцией.

Предыстория сценариев трендов по остальным показателям (таблица 3).

Таблица 6 — ИСХОДНЫЕ ДАННЫЕ ДЛЯ СИНТЕЗА МОДЕЛИ ОБЪЕКТА ПРОГНОЗИРОВАНИЯ (КОДЫ СЦЕНАРИЕВ ИЗМЕНЕНИЯ ТРЕНДОВ ПОКАЗАТЕЛЕЙ КОРПОРАЦИИ ЗА ПРОШЛЫЕ И БУДУЩИЕ ПЕРИОДЫ).

NAME.

2000_1K.

2000_2K.

2000_3K.

2000_4K.

2001_1K.

2001_2K.

2001_3K.

2001_4K.

2002_1K.

2002_2K.

2002_3K.

2002_4K.

2003_1K.

2003_2K.

2003_3K.

2003_4K.

2004_1K.

2004_2K.

2004_3K.

2004_4K.

2005_1K.

2005_2K.

2005_3K.

2005_4K.

2006_1K.

2006_2K.

2006_3K.

2006_4K.

2007_1K.

2007_2K.

2007_3K.

2007_4K.

2008_1K.

2008_2K.

2008_3K.

2008_4K.

2009_1K.

2009_2K.

2009_3K.

2009_4K.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Выручка от реализации.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Себестоимость приобретения.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Валовая прибыль.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Коммерческие расходы.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Чистая прибыль.

Сценарий в прошл. кварт: ВС. ПО ХОЛД.: Выручка от реализации.

Сценарий в прошл. кварт: ВС. ПО ХОЛД.: Себестоимость приобретения.

Сценарий в прошл. кварт: ВС. ПО ХОЛД.: Валовая прибыль.

Сценарий в прошл. кварт: ВС. ПО ХОЛД.: Коммерческие расходы.

Сценарий в прошл. кварт: ВС. ПО ХОЛД.: Чистая прибыль.

В таблице 6 приведены исходные данные, использованные для синтеза формальной модели объекта прогнозирования.

  • 2-й этап АСК-анализа: «Формализация предметной области» включает:
    • — разработку градаций классификационных и описательных шкал (номинального, порядкового и числового типа);
    • — использование разработанных на предыдущих этапах классификационных и описательных шкал и градаций для формального описания (кодирования) исходных данных (исследуемой выборки).

После подготовки таблицы 6 средствами MS Excel, она записывается из него в стандарте DBF IV xls-dbf-конвертер есть только в версиях MS Excel 2003 и более ранних, а из последующих он исключен. Поэтому для данного преобразования можно пользоваться специальными конвертерами или OpenOffice., непосредственно воспринимаем универсальным программным интерфейсом системы «Эйдос» с внешними базами данных (_153) (рисунок 2):

Рисунок 1. Экранные формы стандартного программного интерфейса _153 системы «Эйдос» для формализации предметной области Данный программный интерфейс полностью автоматизирует выполнение следующего этапа: «Формализация предметной области». В результате его работы формируются справочники классификационных и описательных шкал и градаций и обучающей выборки (таблицы 7, 8, 9).

Таблица 7 — СПРАВОЧНИК КЛАССИФИКАЦИОННЫХ ШКАЛ И ГРАДАЦИЙ.

KOD.

NAME.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Выручка от реализации-1.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Выручка от реализации-2.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Выручка от реализации-3.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Выручка от реализации-4.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Выручка от реализации-5.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Выручка от реализации-6.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Выручка от реализации-8.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Выручка от реализации-9.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Выручка от реализации-11.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Выручка от реализации-15.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Себестоимость приобретени-1.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Себестоимость приобретени-2.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Себестоимость приобретени-3.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Себестоимость приобретени-4.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Себестоимость приобретени-5.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Себестоимость приобретени-6.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Себестоимость приобретени-9.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Себестоимость приобретен-11.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Себестоимость приобретен-15.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Себестоимость приобретен-16.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Валовая прибыль-1.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Валовая прибыль-2.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Валовая прибыль-3.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Валовая прибыль-5.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Валовая прибыль-6.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Валовая прибыль-8.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Валовая прибыль-9.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Валовая прибыль-11.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Валовая прибыль-12.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Валовая прибыль-14.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Валовая прибыль-15.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Валовая прибыль-16.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Коммерческие расходы-1.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Коммерческие расходы-2.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Коммерческие расходы-4.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Коммерческие расходы-5.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Коммерческие расходы-6.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Коммерческие расходы-7.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Коммерческие расходы-8.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Коммерческие расходы-10.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Коммерческие расходы-11.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Коммерческие расходы-12.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Коммерческие расходы-14.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Коммерческие расходы-15.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Коммерческие расходы-16.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Чистая прибыль-1.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Чистая прибыль-2.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Чистая прибыль-3.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Чистая прибыль-4.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Чистая прибыль-5.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Чистая прибыль-6.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Чистая прибыль-8.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Чистая прибыль-9.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Чистая прибыль-11.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Чистая прибыль-15.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Чистая прибыль-16.

В таблице 7 содержатся только те сценарии изменения трендов экономических показателей (таблица 4, в таблице 7 обозначены числом), которые фактически встречаются в исходных данных (таблица 6).

Таблица 8 — СПРАВОЧНИК ОПИСАТЕЛЬНЫХ ШКАЛ И ГРАДАЦИЙ.

KOD

NAME.

Сценарий в прошл. кварт: ВС. ПО ХОЛД.: Выручка от реализации-1.

Сценарий в прошл. кварт: ВС. ПО ХОЛД.: Выручка от реализации-2.

Сценарий в прошл. кварт: ВС. ПО ХОЛД.: Выручка от реализации-3.

Сценарий в прошл. кварт: ВС. ПО ХОЛД.: Выручка от реализации-5.

Сценарий в прошл. кварт: ВС. ПО ХОЛД.: Выручка от р…

корпорация многоотраслевой прогнозирование тренд Результаты прогнозирования, отображаются в различных формах, в частности в форме, представленной на рисунке 3:

Рисунок 3. Карточки результатов прогнозирования, генерируемые режимом _431 системы «Эйдос» (_42).

На карточке результатов прогнозирования:

  • — в верхней части карточки показаны классы, о которых в системе действующих в прошлом значений факторов содержится положительное количество знаний в порядке убывания этого количества знаний, а в нижней — отрицательное;
  • — птичками отмечены состояния корпорации, по которым прогноз оправдался.

Проведем исследование когнитивных моделей (т.е. баз знаний), полученных в данной статье, с применением некоторых возможностей системы «Эйдос».

Информация о том, в какой степени прошлый сценарий детерминирует будущие, отображается в форме информационного портрета фактора [5, 6, 7] (таблица 15):

Таблица 15 — ИНФОРМАЦИОННЫЙ ПОРТРЕТ СЦЕНАРИЯ ПРОШЛОГО ПЕРИОДА: код 6: «Сценарий в прошл. кварт: ВС. ПО ХОЛД.: Выручка от реализации-6».

№.

Код.

Наименования будущих сценариев.

Количество информации.

В битах.

В процентах к теоретически макс.возможному.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Чистая прибыль-16.

2,17 764.

37,50.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Выручка от реализации-6.

1,25 404.

21,59.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Коммерческие расходы-4.

1,25 404.

21,59.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Коммерческие расходы-14.

1,25 404.

21,59.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Себестоимость приобретени-6.

1,1 218.

17,43.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Валовая прибыль-6.

1,1 218.

17,43.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Коммерческие расходы-5.

1,1 218.

17,43.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Валовая прибыль-2.

0,82 458.

14,20.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Чистая прибыль-2.

0,67 131.

11,56.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Себестоимость приобретени-2.

0,54 171.

9,33.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Выручка от реализации-2.

0,42 945.

7,39.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Выручка от реализации-5.

0,42 945.

7,39.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Себестоимость приобретени-5.

0,42 945.

7,39.

Прогн.сценария на сл. кв: ВС. ПО ХОЛД.: Чистая прибыль-5.

0,42 945.

7,39.

Теоретически максимально возможное количество информации Imax определяется количеством классов N по формуле Хартли: Imax=Log2N.

На основе информационного портрета прошлого сценария изменения тренда экономического показателя можно визуализировать будущие сценарии его изменения. Сделаем выборку из таблицы 4 по сценариям, по которым в информационном портрете (таблица 15) прогнозируется изменение выручки при 6-м прошлом сценарии ее изменения (таблица 16):

Таблица 16 — ПРОГНОЗИРУЕМЫЕ СЦЕНАРИИ ИЗМЕНЕНИЯ ВЫРУЧКИ ПРИ 6-М СЦЕНАРИИ ЕЕ ИЗМЕНЕНИЯ В ПРОШЕДШЕМ ПЕРИОДЕ.

Код.

Значения трендов.

(сигнатура сценария).

Сценарий Изменения тренда.

Изображение сценария.

— 1.

— 1.

— 1.

— 1.

Изобразим на одном рисунке все эти три сценария изменения трендов, указав с помощью толщины линии количество информации в прошлом сценарии об осуществлении каждого будущего сценария, т. е., по сути, степень детерминации данного сценария или достоверность прогнозирования его реализации (рисунок 4):

Рисунок 4. Три прогнозируемых сценария изменения трендов, обусловленные 6-м прошлым сценарием с указанием степени детерминации толщиной линии На рисунке 4 сценарии показаны разным цветом и немного разнесены по вертикали для удобства восприятия. Тренд на отрезке 4−5 соединяет прошлый сценарий с прогнозируемыми будущими, т.к. прошлый сценарий оканчивается значением 0, а прогнозируемые начинаются с 1.

При анализе рисунка 4 возникает закономерный вопрос о том, какой же вывод можно сделать о будущем сценарии на его основе. Ведь на рисунке указано три варианта развития событий, а их может быть и значительно больше, между тем ясно, что реально осуществится лишь один из них или некий другой сценарий, каким-то образом связанный с ними всеми.

Для ответа на этот вопрос предлагается метод взвешенного суммирования трендов (по сути их векторного сложения) прогнозируемых сценариев с использованием в качестве весовых коэффициентов количества информации об их осуществлении, содержащейся в прошлом сценарии. Итоговый сценарий (см. таблицу 17 и рисунок 5) являемся взвешенной суперпозицией прогнозируемых сценариев и получается путем суммирования элементов их сигнатур из таблицы 16 с весами из таблицы 15.

Таблица 17 — РАСЧЕТ СРЕДНЕВЗВЕШЕННОГО ПРОГНОЗИРУЕМОГО СЦЕНАРИЯ ИЗМЕНЕНИЯ ТРЕНДОВ ЭКОНОМИЧЕСКИХ ПОКАЗАТЕЛЕЙ КОРПОРАЦИИ.

Сигнатуры исходные сценариев (таблицы 4 и 16)

№ сценария.

Кварталы.

Количество информации в прошлом сценарии о будущем (Бит) (табл.15).

Прошлый период.

Будущий период.

— 1.

0,43.

— 1.

0,43.

— 1.

— 1.

— 1.

— 1.

1,25.

Взвешенные по результатам прогнозирования сигнатуры сценариев.

0,00.

0,00.

0,00.

0,00.

0,43.

0,43.

0,43.

— 0,43.

0,00.

0,00.

0,00.

0,00.

0,43.

— 0,43.

0,43.

0,43.

1,25.

— 1,25.

1,25.

— 1,25.

1,25.

— 1,25.

1,25.

— 1,25.

Сумма:

1,25.

— 1,25.

1,25.

— 1,25.

2,11.

— 1,25.

2,11.

— 1,25.

Сценарий:

1,25.

0,00.

1,25.

0,00.

2,11.

0,86.

2,97.

1,72.

Элемент строки «Сумма» Sj таблицы 17 рассчитывается по формуле (1):

(1).

где:

ti — элемент сигнатуры исходных сценариев (таблицы 4, 16, 17);

Ii — количество информации об осуществлении i-го прогнозируемого сценария, содержащееся в факте осуществления прошедшего сценария;

N — количество сценариев в прогнозе.

Элемент строки «Сценарий» Cj таблицы 17 рассчитывается в соответствии с итерационным алгоритмом по формулам (2):

(2).

где j — номер квартала (в рассматриваемом примере).

Строка «Сценарий» таблицы 17 содержит средневзвешенный прогноз сценария, визуализация которого представлена на рисунке 5:

Рисунок 5. Фактический и средневзвешенный прогнозируемый сценарииизменения трендов экономических показателей корпорации Из рисунка 5 видно, что 6-й сценарий изменения тренда выручки детерминирует колебательный процесс, аналогичный 6-му сценарию, но с медленно возрастающим трендом, который неплохо аппроксимируется полиномом 2-й степени (квадратичной параболой). Предлагаемый метод вычисления средневзвешенного прогнозируемого сценария по сути дела основан на представлении о нем, как о некоторой функции, разлагаемой в ряд по прогнозируемым сценариям. Остается добавить, что в общем случае для любого квартала существует несколько средневзвешенных прогнозируемых сценариев, количество которых зависит от их длительности. Например, в рассматриваемой задаче на каждый квартал имеется 4 средневзвешенных прогнозируемых сценария, которые также можно каким-то образом объединить в один, например усреднить. Могут быть развиты аналогии предложенного метода с применением вейвлетов и сплайнов http://ru.wikipedia.org/wiki/Вейвлет http://ru.wikipedia.org/wiki/Сплайн.

Таким образом, в статье формулируется проблема краткосрочного прогнозирования будущих сценариев изменения трендов экономических показателей многоотраслевой корпорации, на основе прошлых сценариев с применением системно-когнитивного анализа (СК-анализ) и его программного инструментария (интеллектуальной системы «Эйдос»). Осуществляется формальная постановка задачи и формализация предметной области, т. е. разработка классификационных и описательных шкал и градаций и формирование обучающей выборки. Описывается процедура синтеза четырех моделей корпорации, отличающихся частными критериями взаимосвязи между прошлыми и будущими сценариями трендов показателей корпорации. Производится верификация всех частных моделей с использованием двух интегральных критериев. Решаются задачи прогнозирования динамики будущих состояний корпорации на основе ее динамики в прошлом, а также принятия решений о выборе наиболее предпочтительных сценариев развития.

В качестве перспективы планируется создать систему визуализации результатов прогнозирования, позволяющую отображать будущие сценарии с указанием их прогнозируемой достоверности в виде различной толщины линии. Кроме того, могут быть реализованы другие формы анализа полученных в данной статье баз знаний, освещенные в работах [12, 13].

По результатам работы можно сделать обоснованный вывод о том, что цель работы достигнута, т.к. предложено решение поставленной проблемы. В следующих работах планируется рассмотреть некоторые возможности автоматизированного системно-когнитивного анализа созданных когнитивных моделей (баз знаний).

  • 1. Оперативное прогнозирование значений экономических показателей многоотраслевой корпорации с применением технологий искусственного интеллекта (часть 1-я: постановка задачи и формализация предметной области) / Е. В. Луценко, В. И. Лойко, О. А. Макаревич, Л. О. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. — Краснодар: КубГАУ, 2011. — № 07(71). С. 692 — 705. — Шифр Информрегистра: 421 100 012 271. — Режим доступа: http://ej.kubagro.ru/2011/07/pdf/49.pdf, 0,875 у.п.л.
  • 2. Оперативное прогнозирование значений экономических показателей многоотраслевой корпорации с применением технологий искусственного интеллекта (часть 2-я: синтез и верификация модели) / Е. В. Луценко, В. И. Лойко, О. А. Макаревич, Л. О. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. — Краснодар: КубГАУ, 2011. — № 07(71). С. 706 — 719. — Шифр Информрегистра: 421 100 012 268. — Режим доступа: http://ej.kubagro.ru/2011/07/pdf/50.pdf, 0,875 у.п.л.
  • 3. Луценко Е. В. Оперативное прогнозирование трендов экономических показателей многоотраслевой корпорации с применением технологий искусственного интеллекта (часть 1-я: постановка задачи и формализация предметной области) / Е. В. Луценко, В. И. Лойко, Л. О. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. — Краснодар: КубГАУ, 2011. — № 09(73). С. 466 — 477. — Шифр Информрегистра: 421 100 012 378. — Режим доступа: http://ej.kubagro.ru/2011/09/pdf/43.pdf, 0,75 у.п.л.
  • 4. Луценко Е. В. Оперативное прогнозирование трендов экономических показателей многоотраслевой корпорации с применением технологий искусственного интеллекта (часть 2-я: синтез и верификация модели) / Е. В. Луценко, В. И. Лойко, Л. О. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. — Краснодар: КубГАУ, 2011. — № 09(73). С. 478 — 487. — Шифр Информрегистра: 421 100 012 376. — Режим доступа: http://ej.kubagro.ru/2011/09/pdf/44.pdf, 0,625 у.п.л.
  • 5. Луценко Е. В. Автоматизированный системно-когнитивный анализ в управлении активными объектами (системная теория информации и ее применение в исследовании экономических, социально-психологических, технологических и организационно-технических систем): Монография (научное издание). — Краснодар: КубГАУ. 2002. — 605 с.
  • 6. Луценко Е. В., Лойко В. И., Семантические информационные модели управления агропромышленным комплексом. Монография (научное издание). — Краснодар: КубГАУ. 2005. — 480 с.
  • 7. Макаревич О. А. Управление агропромышленным холдингом с применением технологий искусственного интеллекта: Монография (научное издание). — М: «Финансы и статистика», 2009. — 215 с.
  • 8. Луценко Е. В. Системно-когнитивный анализ временных рядов на примере фондового рынка (когнитивная структуризация и формализация предметной области) / Е. В. Луценко, Е. А. Лебедев // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. — Краснодар: КубГАУ, 2009. — № 07(51). С. 1 — 37. — Шифр Информрегистра: 420 900 012 073. — Режим доступа: http://ej.kubagro.ru/2009/07/pdf/01.pdf, 2,312 у.п.л.
  • 9. Луценко Е. В. Системно-когнитивный анализ временных рядов на примере фондового рынка (синтез и верификация семантической информационной модели) / Е. В. Луценко, Е. А. Лебедев // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. — Краснодар: КубГАУ, 2009. — № 07(51). С. 38 — 46. — Шифр Информрегистра: 420 900 012 072. — Режим доступа: http://ej.kubagro.ru/2009/07/pdf/02.pdf, 0,562 у.п.л.
  • 10. Луценко Е. В. Системно-когнитивный анализ временных рядов на примере фондового рынка (прогнозирование, принятие решений и исследование предметной области) / Е. В. Луценко, Е. А. Лебедев // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. — Краснодар: КубГАУ, 2009. — № 07(51). С. 47 — 82. — Шифр Информрегистра: 420 900 012 071. — Режим доступа: http://ej.kubagro.ru/2009/07/pdf/03.pdf, 2,25 у.п.л.
Показать весь текст
Заполнить форму текущей работой

Заказал и сдал!