CC BY
84
ИСПОЛЬЗОВАНИЕ OWA ОПЕРАТОРА ЯГЕРА ДЛЯ ИНТЕГРАЦИИ ДАННЫХ НА ВХОДЕ ДСМ СИСТЕМЫ ОЦЕНКИ РИСКА ИНВЕСТИРОВАНИЯ МАЛОГО ИННОВАЦИОННОГО ПРЕДПРИЯТИЯ
Сизов Александр Семёнович
д-р техн. наук, профессор Юго-Западный государственный университет
г. Курск
Халин Юрий Алексеевич
канд. техн. наук старший преподаватель Юго-Западный государственный
университет г. Курск Цепов Артём Юрьевич Аспирант Юго-Западный государственный университет г. Курск
E-mail: artem.tsepov@yandex.ru
INTEGRATION OF INCOMING DATA BY USING YAGER’S OWA OPERATOR TO VALUATE INVESTMENT APPEAL OF A SMALL INNOVATION BUSINESS WITH THE USE OF DSM METHOD
Sizov Aleksandr Semjonovich
doctor of Technical Sciences, professor South-West State University Kursk
Halin Jurij Alekseevich candidate of Science, senior Lecturer South-West State University Kursk
Tsepov Artem Jur'evich
postgraduate student South-West State University Kursk
АННОТАЦИЯ
В работе предлагается подход к интеграции данных на входе ДСМ системы с использованием OWA оператора Ягера для оценки инвестиционной привлекательности малого инновационного предприятия.
ABSTRACT
The paper suggests an approach to the integration of incoming data by using Yager’s OWA operator to valuate investment appeal of a small innovation business with the use of DSM method.
Ключевые слова: OWA оператор Ягера, инвестиционная
привлекательность, инновационный проект, малое предприятие, ДСМ-метод.
Keywords: Yager’s OWA operator, investment attractiveness, innovative design, small business, DSM method.
Одной из важнейших составляющих развития современной рыночной экономики является малый инновационный бизнес и соответственно создание малых инновационных предприятий (МИП).
Это особенно актуально для высокотехнологичных отраслей т. к. при современном экономическом укладе достичь в этой сфере высоких темпов роста без активного внедрения инноваций практически невозможно. Малые инновационные предприятия, в общем случае представляют собой научную группу при НИИ или крупном предприятии. Чаще всего МИП, пользуясь результатами фундаментальных и поисковых исследований, занимаются прикладными разработками.
С позиции системного подхода такие МИП следует рассматривать как сложную организационно-техническую систему, функционирующую в условиях определённой внешней среды. Важнейшим средством реализации целевой функции МИП являетяся обспечение устойчивого финансирования инновационного проекта (ИП).
Следует отметить, что реализация ИП со стороны МИП связана с риском, который во многом зависит от степени новизны проекта, качества его проработки, надёжности инвестирования, внутренних характеристик предприятия и коньюктуры рынка. В свою очередь риск инвестора обусловлен необходимостью оценки потенциальных возможностей МИП, его способности выполнить инновационный проект в требуемые временные рамки.
Оценка степени риска инвестирования в рассматриваемом случае связана с необходимостью обработки достаточно большого объёма разнородных данных о МИП.
Решение этой задачи в современных условиях возможно на основе создания информационно -аналитических систем с применением методов и средств искуственного интеллекта.
Один из вариантов создания таких систем основан на использовании ДСМ метода автоматизированного порождения гипотез [5]. Сущность подхода заключается в порождении гипотезы о наличии у МИП определённого
свойства(в данном случае — инвестиционной привекательности) на основе совокупности известных о нём данных. Другими словами ДСМ метод позволяет ответить на вопрос — сочетание каких факторов является предпосылкой экономически успешного исхода реализации инновационного проекта. Использование данного метода потенциально позволяет породить гипотезу о возможности инвестирования с определённой степенью достоверности, однако в случае анализа МИП достоверность вывода может оказаться недостаточной вследствие сложности объекта анализа и большого объёма данных.
Повышение достоверности оценки риска на основе интеллектуального анализа данных с использованием ДСМ метода представляется возможным путём предварительной обработки (интеграции) данных, поступающих на вход ДСМ системы.
Входящие данные о МИП представляют собой набор значений показателей, характеризиющих его деятельность с различных позиций. Выделим основные факторы влияющие на реализацию проекта МИП, которые описаны в ряде работ по инновационному проектированию [3, 2, 6, 4] и дадим каждому из факторов символьное обозначение (Таблица 1). Следует отметить, что данный перечень не претендует на полноту и, безусловно, может быть расширен. В свою очередь, многие из факторов могут быть подвергнуты дальнейшей декомпозиции.
Заметим, что в приведенном перечне существуют группы элементов, характерезующие один и тот же аспект деятельности МИП. На этапе предварительной обоработки(интеграции) данных такие группы целесообразно объединить в единый показатель, представив общее воздействие на итог реализации проекта в виде взвешенной суммы влияний каждого из них.
Например, при оценке конкурентной среды из таблицы целесообразно выбрать такие характеристики, как С1, С3, С8, С9, С10, В8, А5 которые можно укрупнить, обьединив в интегральный показатель «Уровень конкурентной среды».
Наиболее распространённым путём решения этой задчи является сложение произведений значений характеристик и их весов. Однако этот подход не учитывает допустимых для ЛПР форм компромисса между оценками альтернатив по разным критериям [1], поэтому точность вывода о степени предпочтения изучаемого объекта в общем случае может быть недостаточной.
Таблица 1.
Факторы, характеризующие инновационную идею Факторы, характеризующие МИП Факторы маркетинговой среды
Состояние фундаментальных исследований по данному вопросу(А1) Соответствие собственной научной базы реализуемому проекту (В1) Уровень конкурентов (С1)
Состояние прикладных исследований(А2) Материально - техническое соответствие(В2) Сложность входа на рынок новых конкурентов (С2)
Наличие разработок(патентов) в данной сфере(А3) Уровень менеджмента(В3) Динамика роста рынка (С3)
Востребованность технологии(количество запросов к патентной базе) (А4) Собственные финансовые возможности (В4) Новизна продукта на рынке (С4)
Положение инновации на рынке (А5) Наличие связей с крупным промышленным предприяием или НИИ (В5) Соотношение прогнозной цены с существующей на рынке(С5)
Рост технологии (А6) Наличие постоянных поставщиков, партнёров (В6) Соотношение качества инновационного продукта с качеством существующего на рынке(С6)
Географическое распространение (А7) Стадия завершённости НИОКР (В7) Востребованность итогового продукта конечным пользователем (покупателем) (С7)
Поддержка технологии/направлени я государственными Поддержка проекта со стороны государства(В8) Перспективы отрасли, к которой относится МИП (Св)
стандартами, инвестициями в отрасль (А8)
Правовая защищенность инновационой идеи (А9) Информационная открытость МИП по отношению к инвестору(В9) Зависимость от потребителей продукции(С9)
Юридический статус и срок существования компании(В10) Зависимость от поставщиков(С 10)
Уровень стратегического планирования(В11)
К тому же, значения данных предпосылок могут иметь разнородную и нечёткую форму, что осложняет их суперпозицию. В этом случае эффективным механизмом сложения может быть OWA оператор Ягера.
OWA оператором Ягера является соотношение вида
ап) = м^1Ь1+м^2Ь2 +...+ч?пЬп ^ ^
п
где: № = 0^ ,1%..,^),^ >о, весовой вектор и 'YJwJ = 1,
7=1
а bj 0 = 1, ..., п) — элементы вектора А = (аь а2, ..., ап), упорядоченные по убыванию.
Фундаментальным аспектом данного подхода является то, что весовой вектор оператора связан не с каким то конкретным значением ап, а с позицией элементов в упорядоченном по убыванию векторе таким образом, что w1 соответствует наибольшему значению Ь|, а ^п наименьшему.
Таким образом, предлагаемую структуру системы оценки риска инвестирования МИП можно представить в следующем виде:
Показатель 1 Показатель 2 ’’’ > Показатель п-1 > Формализация значений показателей Показатели, требующие объединения > Прочие показатели Объединение формализованных значений 0\Л/А системой 1 Гипотеза о степени риска ^
Показатель п ДСМ система
>
Рисунок 1. Обобщённая схема оценки риска инвестирования МИП
В качестве примера, рассмотрим вариант использования OWA оператора для интеграции одной из групп критериев, в частности, критериев, характеризующих уровень конкурентной среды МИП.
В работе [1, 7] предложен подход к использованию OWA оператора для определения степени предпочтения альтернатив, согласно которому в рассматриваемом случае систему предпочтений при оценке конкурентной среды можно представить как:
< С^х\х є ХУ = 1,..., п); Л, С> >,
где: хеХ— один из оцениваемых проектов МИП,
Л — множество весов(степени важности критериев) Л = (Ли Л2, Л„),
при этом Л;-> О, и их сумма равна 1 , они соответствуют множеству критериев А
= { а1 , а2 ... ад };
@ — информация о допустимой форме компромисса между оценками по разным критериям, для формализации которого воспользуемся нечётким квантификатором. Квантификатор представляет собой зависимость значения предпочтения при выборе МИП(Р) от набора его качеств(г) (рисунок 2). Т. е. Р = 0 , при самых низких оценках, Р = 1 при высоких.
о
0,4 0,8 1 г
Рисунок 2. Пример функции принадлежности нечеткого квантификатора
Из рассмотрения данного графика следует, что при 40 % и менее показателях результат совместного воздействия нескольких факторов имеет нулевое предпочтение. Затем на интервале предпочтение от 0,4 до 0,8 линейно возрастает и в точке 0,8 достигает максимума — абсолютного предпочтения. Таким образом, значение предпочтения можно представить в следующем
виде
где: — 0\УА-оператор, элементы вектора Ж весов которого вычисляются
по формуле:
В(х) = Нд(Сх(х),С2(х),...,Сп(х)) —»тах, хе
Здесь <г— ранжировка индексов, упорядочивающая компоненты С/х) по убыванию (следует отметить, что для каждой альтернативы х ранжировка будет своей).
Предположим, что по результатам анализа данных о МИП получены следующие значения(где в скобках л п — веса, полученные методом Фишберна):
^\Свойство: Сі С3 С8 С9 Сю В8 А5
Обьект: (0,2) (0,1) (0,3) (0,15) (0,05) (0,07) (0,13)
МИП 1 0,3 0,2 0,8 0,4 0,1 0,1 0,25
Выполним перестановку значений X в порядке убывания соответствующих им значений свойств для «МИП 1»
Л 0={ 0,3 0,15 0,2 0,13 0,1 0,07 0,05}
'ст(У)
V <=1
-е
'ст(У)
V <=1 У
Вычислим вектор весов OWA оператора по формуле (1).
’1 = 0
’2= 0(0,3 + 0,15) - 0(0,3) = 0,125 ’3 = 0(0,3 + 0,15 + 0,2) - 0(0,3 + 0,15) = 0,5 ’4 = 0(0,3+0,15+ 0,2+ 0,13) - 0(0,3+ 0,15 + 0,2) = 0,325 ’5 = 0(0,3+0,15 + 0,2+0,13+0,1) - 0(0,3+0,15+ 0,2+0,13) = 0,05
’6= ’7 = 0
Таким образом, имеем следующий весовой вектор
W = {0 ; 0,125 ; 0, 5 ; 0,325; 0,05 ; 0 ; 0}
Используя полученные значения, проведём свертку свойств в единый показатель
H(al...a1.) = wlbl...+w1b1 =0 * 0,8 + 0,125 * 0,4 + 0,5 * 0,3 + 0,325 * 0,25 + 0,05 * 0,2 + 0 + 0 = 0,29125
Значение этого показателя представляет собой количественную характеристику «Уровня конкурентной среды», полученную с учётом нескольких разнородных и нечётких факторов с учётом допустимой формы компромисса между оценками по разным критериям.
Таким образом, использование OWA оператора Ягера позволяет интегрировать разнородные данные и тем самым осуществлять сжатие пространства факторов, поступающих на вход ДСМ системы оценки риска инвестирования.
Список литературы:
1. Аверченков В.И., Лагерев А.В., Подвесовский А.Г. Представление и обработка нечеткой информации в многокритериальных моделях принятия решений для задач управления социальными и экономическими системами/ Вестник Брянского государственного технического университета. — 2012. — № 2(34)
2. Каган Е.Б. Ключевые аспекты оценки инновационного потенциала промышленного предприятия / Е.Б. Каган // Материали за 7-а научна практична конференция «Найновите постижения на европейската наука», Том 9. Икономики. София: «Бял ГРАД-БГ» — 2011. — С. 34—38
3. Мыльников Л.А. Прогноз развития параметров инновационных проектов с учетом их взаимовлияний друг на друга на основе когнитивных карт // Экономический анализ: теория и практика, — 2012, — № 45 (300). — с. 55—64.
4. Рейтинговое агенство «Эксперт РА» . Оценка инновационного риска // risk-manage.ru: информационный портал [Электронный ресурс] — Режим доступа. — URL:http://www.risk-manage.ru/research/innovations/part9/ (дата обращения: 15.06.2013).
5. Халин Ю.А. Подход к прогнозированию состояний конкурирующих предприятий на основе ДСМ-метода автоматического порождения гипотез //Естественные и технические науки. — 2011. — № 6. — С. 521—522.
6. Черняк В.В. Автоматизированная оценка инвестиционной привлекательности инновационных проектов / Дисс. канд. техн. наук. СПБ., 2004. — 182 с.
7. Yager R.R. On ordered weighted averaging aggregation operators in multicriteria decision making / R.R. Yager // IEEE Transactions on Systems, Man, and Cybernetics. — 1988. — Vol. 18. — P. 183—190.
