CC BY
350
МЕТОДОЛОГИЯ И ИНСТРУМЕНТАРИЙ УПРАВЛЕНИЯ
Г.Ю. СИЛКИНА, В.Н. ЮРЬЕВ
Галина Юрьевна СИЛКИНА — доктор экономических наук, профессор кафедры информационных систем в экономике и менеджменте Санкт-Петербургского государственного политехнического университета (сп6гпу).
В 1980 г. окончила Новосибирский государственный университет. С 2001 г. по настоящее время работает в СПбГПУ.
Автор более 100 научных и учебно-методических работ.
Сфера научных интересов — аналитическое обоснование управленческих решений, математические модели инноватики, модели и методы управления риском.
Владимир Николаевич ЮРЬЕВ — доктор экономических наук, профессор кафедры информационных систем в экономике и менеджменте Санкт-Петербургского государственного политехнического университета (СПбГПУ).
В 1970 г. окончил Ленинградский государственный университет. С 1986 г. по настоящее время работает в СПбГПУ.
Автор более 150 научных и учебно-методических работ.
Сфера научных интересов — экономико-математические методы и модели, информационные системы организационно-экономического назначения.
^ ^ ^
ЭКОНОМИКО-МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ В ПРИНЯТИИ ИННОВАЦИОННЫХ РЕШЕНИЙ
Введение. Моделирование, являясь мощным средством анализа проблемных ситуаций в экономике и обоснования управленческих решений, традиционно привлекает пристальное внимание специалистов — ученых и практиков. Из результатов выполненного исследования по применению математических методов и моделей в современной экономике следует, что количественные методы, непрерывно развиваясь, все глубже проникают в разноуровневые процессы принятия решений и охватывают почти все сферы экономики, менеджмента и социальной жизни. При этом необходимо отметить, что на сегодняшний день практически отсутствуют аналитические работы, в которых в систематизированном виде обосновывалась необходимость использования классического и новейшего математического аппарата в экономических исследованиях и принятии управленческих решений и демонстрировались лучшие практики такого использования. В настоящей статье предпринята попытка анализа масштабов применения экономико-математического моделирования в экономике и системах принятия решений на основе отечественных и зарубежных научных изданий в исследуемой области.
Сущность и назначение моделирования в экономике. Модели экономических процессов и явлений весьма многообразны. Они тесно коррелируют с функциями познания (науки) — феноменологической, объяснительной, прогностической, нормативной — и не всегда требуют применения строгого формализованного аппарата. Формируемые на начальных этапах исследования дескриптивные, кон-
ГРНТИ 06.39.21
© Г.Ю. Силкина, В.Н. Юрьев, 2014
44
Г.Ю. Силкина, В.Н. Юрьев
цептуальные, логико-структурные модели могут быть описаны на качественном уровне, в терминах анализируемой предметной области. И это не является их недостатком. Качественные модели позволяют проводить исследование, пользуясь специфическим языком предметной области и ее содержательными интерпретациями. Построенные на основе фактических данных, содержательные модели детерминируют логику процесса или явления и предоставляют возможность проводить дальнейшее аналитическое изучение на базе определенных гипотез об их структурных, статических и динамических характеристиках. Строгий количественный язык здесь не требуется, хотя его применение не исключается.
Прогнозные модели можно строить на экспертно-качественном уровне, однако здесь количественные модели гораздо более предпочтительнее — их проще идентифицировать, верифицировать, обосновывать, применять. В еще большей степени это относится к нормативным моделям, предназначение которых — обоснование путей достижения поставленных целей, выработки и реализации оптимальных управленческих решений. Само принятие управленческих решений невозможно без концепции числа, поскольку оптимальное управление — это наилучшее управление в заданных условиях места и времени при определенных ограничениях. И здесь без применения математического инструментария просто не обойтись. Проникновение математики в другие науки в значительной степени определяется тем, что она предоставляет наиболее точные и адекватные модели. В совокупности приведенные аргументы обосновывают формирование и развитие экономико-математического моделирования как инструмента экономической науки, современное состояние которого обусловливается взаимным действием нескольких факторов.
Прежде всего, это состояние экономической науки. Общепризнанным является положение: для того чтобы применение формализованных методов стало в принципе возможным, наука должна достичь определенной степени совершенства. В настоящее время доминирующим является системный подход к исследованию экономических явлений, что отражается и в эволюции моделей. По мере развития экономической науки эволюционировали и объекты моделирования. Если на начальных этапах рассматривались отдельные операции, то сегодня — производственные системы, системы поддержки принятия решений. Далее, это развитие собственно математики как теоретической основы экономикоматематического моделирования. Если язык классической математики состоял из формул алгебры, геометрии и анализа, то современный математический язык — это язык алгоритмов и программ, включающий прежний как частный случай; он становится все более универсальным, способным описывать многопараметрические объекты. Многократно усиленный мощью вычислительной техники и информационными технологиями, он позволяет моделировать практически все экономические системы, причем во всей их сложности и полноте. Среди базовых теоретических концепций достижением последних десятилетий следует считать формирование аппарата нечеткой математики. Из прикладных разделов математики, используемых в моделировании экономических процессов, наиболее стремительно в последние годы развиваются математическое программирование, аппарат теории графов, методы прогнозирования и имитации. И, наконец, это потребности практики — экономикоматематические модели по целям и средствам должны разрабатываться как основа рекомендаций для действий при решении практических проблем. Чем сложнее, масштабнее проблемы, тем менее допустимы в них волевые решения и тем важнее становятся научные методы, позволяющие заранее оценить последствия каждого решения, отбросить недопустимые варианты и рекомендовать наиболее удачные, установить, достаточна ли имеющаяся информация, и если нет — какую информацию нужно получить дополнительно. Слишком опасно в таких ситуациях опираться только на интуицию, опыт и здравый смысл. Сегодня техника и технология меняются так быстро, что опыт просто не успевает накапливаться; к тому же часто речь идет о мероприятиях уникальных, проводимых впервые. Опыт в таких случаях молчит, а здравый смысл легко обмануть, если он не опирается на расчет. Рост масштабов и усложнение задач потребовали решительного снижения ошибок в выборе наилучшего решения. Это требует привлечения аппарата количественного анализа решений, в том числе и средствами экономико-математического моделирования.
Несомненным приоритетом последнего времени следует признать ориентирование экономики на инновационное развитие. Применение экономико-математического моделирования в различных сферах инновационной экономики схематично представлено на рисунке.
МЕТОДОЛОГИЯ И ИНСТРУМЕНТАРИЙ УПРАВЛЕНИЯ
45
Рис. Сферы применения экономико-математического моделирования в инновационной экономике
Инновационное развитие как объект моделирования. Актуальность проблемы инновационного развития требует последовательного и всестороннего академического изучения, в том числе и средствами моделирования на различных уровнях. Фундаментальные свойства этого явления систематически изложены и проанализированы в работах [14; 23; 32; 40; 41]. В них обосновано влияние научнотехнической и инновационной деятельности на такие макроэкономические показатели, как величина национального продукта и темпы экономического роста. Выявленные исследователями закономерности инновационного развития нашли отражение и в современных экономико-математических моделях, которые формализовали выявленную на концептуальном уровне связь между механизмами экономического роста и процессами инновационного развития.
Аналитическое обоснование теоретических положений приведено в работе [1], где разработана и реализована методология математического моделирования структурных изменений в экономических системах, обеспечивающая системный характер исследования. В рамках этой концепции макроэкономические системы представлены нелинейными, недетерминированными и неравновесными системами, к моделированию которых применены подходы, основанные на теории аттракторов динамических систем и нелинейных функций. Конкретные числовые параметры структурных сдвигов отраслевого и технологического характера оценены с привлечением модели межотраслевого баланса.
Впервые идея применения балансовых моделей к анализу проблем инновационного развития прозвучала в трудах В.Л. Макарова [20]. Для построения этой модели были выделены n видов знаний (научных направлений), текущий уровень развития которых характеризовался неотрицательными переменными xi, i = 1,2,...,n, а уровень развития науки в целом — n-мерным вектором
X = X X2,.
, x.
,). Также были введены коэффициенты a, i = 1,2,...,n, j = 1,2,
, n, показывающие
интенсивность использования каждого знания при «производстве» других знаний, и обосновано, что для обеспечения научного прогресса уровень развития каждого востребованного знания должен быть не ниже необходимого значения. Формализованно это условие представлено в виде
, n , т. е. операция суммирова-
X > aifXj, i = 1,2,
, n,
j = 1,2,.,n или x. > max {a^Xj},i = 1,2,.,
j=1, 2,-
ния, традиционная для классического межотраслевого баланса, была заменена операцией взятия максимума. Содержательно этой моделью доказывалась необходимость сбалансированного развития науки — до того момента, когда все необходимые для развития некоторого научного направления знания не будут получены, прогресс в этом направлении попросту невозможен.
Альтернативный подход П. Ромера к моделированию экономического развития и принятию инновационных решений с привлечением аппарата производственных функций изложен в обзоре [28]. Мо-
46
Г.Ю. Силкина, В.Н. Юрьев
дель П. Ромера структурно представляется тремя секторами: исследовательским, создающим новые знания, концентрирующим запас знаний и человеческий капитал; сектором производства средств производства; сектором конечной продукции. Формализованно она представляется в следующих обозначениях: Y — выпуск товаров и услуг вторым и третьим секторами в совокупности; К — основные фонды; L — труд; Ly — труд, производящий товары и услуги; La — труд, производящий новые знания; А — технологии, знания и идеи; а — коэффициент производственной функции товаров и услуг;
8 — средняя производительность труда в производстве знаний (количество произведенных знаний на одного исследователя; 5, ф, X — константы. Связь между переменными модели устанавливают уравнения: Y = Ka(ALY )'' 0 <а< 1 (выпуск товаров и услуг); LY + LA = L (баланс труда); A = 8LA
(производство новых знаний); 8 = 8A<pLxa1 (средняя производительность знаний).
П. Ромер рассматривал конкретный вид производственной функции знаний при постоянном «эф-
A
фекте от масштаба», когда ф = X = 1: A = 8LaA , т. е. — = 8LA, в предположении о равенстве (в стацио-
A
нарном режиме) темпов всех экономических изменений g = —
kk
K
A
A ~ A
Исследование свойств
модели привело к выводу о том, что в долгосрочном периоде производство знаний, а точнее численность ученых, увеличивает темп экономического роста на душу населения. Таким образом, политика государства, направленная на повышение численности занятых в науке (например, посредством увеличения финансирования), оказывает прямое положительное воздействие на темп долгосрочного экономического роста. Модели подобного рода чаще всего используются на макроэкономическом уровне для обоснования государственной научно-технической и инновационной политики. В том, что касается принятия конкретных инновационных решений и их реализации, они чаще реализуются на мезо-экономическом уровне усилиями интегрированных структур, исследование свойств которых составляет самостоятельный научно-практический интерес.
Модели интегрированных структур. Концептуальные подходы к исследованию интеграционных процессов в современной экономике изложены в статьях [2; 5; 6; 27], авторами которых обоснована стратегическая цель интеграционных процессов в современных экономических условиях — формирование и развитие ключевых компетенций на основе создания предпринимательских структур, наиболее полно использующих возможности для достижения системных эффектов и усиления стратегических конкурентных преимуществ. В [2] приведена экономико-математическая модель формирования и развития интегрированных бизнес-структур; в [6] предлагается алгоритм управления эффективностью инновационно-ориентированной интегрированной структуры.
В качестве технологии реализации информационной поддержки развития интегрированных структур предлагается применять метод совмещенного формирования и оценки сложных инновационных систем [22]. В основу метода положена технология мультиагентных систем, в которой субъекты инновационной деятельности представлены в виде программных агентов, функционирующих и взаимодействующих в едином информационном пространстве, образуя мультиагентную систему с децентрализованной архитектурой. Агенты субъектов инноваций, обладая интеллектом, активностью и автономностью, способны самостоятельно воспринимать и адекватно реагировать на динамику всего обслуживаемого инновационного поля. Концептуальная модель агентно-ориентированной бизнес-среды развития инноваций включает три компоненты: множество объектов модели; отношения, задаваемые над множествами объектов; множества атрибутов объектов и отношений. Такая модель позволяет решать задачи информационной поддержки инновационной деятельности сложной интегрированной структуры.
Инновационный процесс сопряжен с взаимодействием субъектов и существенно зависит как от внутриорганизационных взаимосвязей, так и от отношений организаций с другими субъектами инновационной системы. Автором статьи [29] построена модель оценки производительности инновационной системы, включающей научно-исследовательские учреждения, университеты, производственные предприятия, посреднические фирмы. Эта модель основана на теории перколяционных процессов, представляющей универсальный математический аппарат для исследования упорядоченных и неупо-
МЕТОДОЛОГИЯ И ИНСТРУМЕНТАРИЙ УПРАВЛЕНИЯ
47
рядоченных сред. Перколяционные процессы проистекают в результате действия двух сил, называемых связующей силой и силой восприимчивости. Первая из них отражает количество взаимосвязей между субъектами в сети взаимодействия, а вторая — способность субъектов получать и воспринимать информацию. В представленной модели учтены две группы факторов — объем ресурсов и степень отлаженности взаимосвязей между субъектами, определены перколяции знаний в случайной сети из большого количества элементов. Модель полезна для анализа интенсивности взаимодействия и способности воспринимать инновации субъектами инновационной системы. Во многом сходные проблемы изучены в [30; 39], где обосновывается положение о том, что на национальном и международном рынках получает распространение особый тип межфирменных отношений — сетевые структуры. Они позволяют в дополнение к традиционной кооперации развивать новые формы взаимодействия, в том числе научные исследования и технические разработки. Сетевая организация бизнеса более приспособлена к генерированию, обмену и распространению знаний как основы инновационного развития.
Одним из видов интегрированных структур являются промышленные кластеры. Эффективность подобного вида взаимодействия созидающих субъектов доказана теоретически с привлечением дескриптивных и структурных моделей [15], многократно подтверждена анализом эмпирического материала. Однако до недавнего времени принятие инновационных решений в управлении промышленными кластерами никак не обосновывалось аналитически. В статье [35] сформулирована проблема планирования функционирования инновационно-промышленного кластера. Предложены экономикоматематические модели оперативного планирования, методы многокритериальной оптимизации.
Большое значение в системах операционного планирования имеет стремление менеджеров к одновременному достижению нескольких целей. Математическим инструментом, который здесь может быть успешно применен, служит методология решения задач многокритериальной оптимизации. В экономической литературе достаточно часто используются такие методы решения многокритериальных задач (МКЗ), как метод свертывания критериев, метод идеальной точки, метод последовательных уступок (пороговых значений) и др. Однако МКЗ могут быть решены и без использования стандартной идеи оптимизации локальных критериев. Это так называемый метод целевых установок [14]. Суть метода заключается в том, что лицо, принимающее решение (ЛПР), принимает относительно каждого критерия fj (x) одну из трех установок: а) желательно, чтобы значение fj (x) было не меньше
некоторого заданного ранее числа hj; в) желательно, чтобы значение fj (x) было не больше hj; с) желательно, чтобы значение fj (x) было равно hj.
Числа hj называются горизонтами планирования, их задает ЛПР. Если x Е D — допустимое решение, то величины Zj = fj(x) — hj, j = 1,...,N, характеризуют отклонение j-го критерия от горизонта планирования. Очевидно, Zj может принимать как положительные, так и отрицательные значения. Представим Zj в виде zj = z j — zj , где z;, z— * 0. Таким образом, к системе ограничений, которая определяет множество допустимых планов, добавляются N ограничений равенств zj — z— = fj(x) — hj и 2N новых неотрицательных переменных.
Целевая функция в оптимизационной модели представлена функцией
N
C( z) = Х (Р jZj ; qjzj ) ^ min . Коэффициенты pj, qj выбирает ЛПР, и они интерпретируются
j=1
как некие «штрафы» за отклонение j-го критерия от горизонта планирования hj . Если относительно критерия fj(x) должна быть выполнена целевая установка а), то, очевидно, Pj = 0 , qj > 0 (штрафом облагается только отклонение от горизонта планирования в меньшую сторону). В случае целевой установки в), наоборот, Pj > 0 , qj = 0 . В случае с) штрафами облагается решение x Е D, если значение fj (x) больше hj (Pj > 0 ) или меньше hj (qj > 0). Выбирая по своему усмотрению горизонты
48
Г.Ю. Силкина, В.Н. Юрьев
планирования и коэффициенты целевой функции, ЛПР может получать различные варианты решения
многокритериальной задачи. Если в результате решения задачи методом целевых установок оказыва-
* / * \
ется, что значение целевой функции C = C[z )= 0, то получается решение, для которого выполняются
все целевые установки. Достоинством данного метода является то, что при любых горизонтах планирования и любых положительных коэффициентах целевой функции всегда существует оптимальное решение.
Определяющим фактором целесообразного функционирования и устойчивого развития интегрированных структур становится формирование их инновационного потенциала [3; 8; 17]. В статье [3] проведен анализ методов и моделей оценки инновационного потенциала промышленного кластера. На основе данного анализа выделены комбинированные методы оценки инновационного потенциала промышленного кластера. Представлена методика оценки его инновационного потенциала.
Инновационные производственные системы. В условиях инновационного развития экономики в структуре хозяйственной деятельности субъектов все больший удельный вес приобретают инновационно-инвестиционные процессы. Как следствие, проблема планирования и оценки эффективности инновационной активности не может анализироваться обособленно от основной производственной деятельности предприятия и трансформируется в проблему оптимальной синхронизации производственной, инвестиционно-инновационной и финансовой деятельности, что находит адекватное отражение в экономико-математических моделях [4; 7; 9; 12; 38; 43]. В статье [7] рассматриваются инновационно-активные предприятия как производственные системы и их деятельность как фактор повышения конкурентоспособности и модернизации промышленных предприятий. Представлена динамическая модель, которая позволит прогнозировать величину прибыли производственной системы, а также уровень устойчивости предприятия.
При построении экономико-математических моделей инновационно-активных предприятий наиболее сложными являются задачи согласованного моделирования качественно разнородных процессов и обеспечение возможности применения методов оптимизации к динамическим моделям сложной структуры. В работе [13] сформулированная задача была решена путем построения двух моделей: комплексной вербальной модели функционирования предприятия и математической модели, объединяющей модели производства, инвестиционного проектирования и финансирования предприятия как основы последующей оптимизации параметров его функционирования. Статья [25] посвящена моделированию параметров производственного процесса промышленных предприятий для решения задач оптимального планирования — выбора вариантов производственной программы, выявления «узких мест» и резервов увеличения производства. Решение таких задач взаимосвязано с экономическим анализом планируемых изменений в производственном процессе.
Классические модели принятия решений, к числу которых относятся и вышеназванные, являются оптимизационными, т. е. нацелены на максимизацию выгоды. Недостаток подобных моделей заключается в вынужденном упрощении действительности, поскольку идентификация параметров модели должна быть ориентирована на возможности получения информации; как следствие, полученные рекомендации зачастую теряют практическую ценность. Получить более значимые результаты и рекомендации позволяет подход, сочетающий оптимизационное и имитационное моделирование. Этот подход реализован в статье [16] применительно к высокотехнологичному предприятию машиностроения. Комплекс оптимизационных моделей для поддержки принятия решений на стадиях организационного проектирования и организации функционирования включает: модель оптимизации пропускной способности элементов производственной структуры; модель оптимизации пропускной способности элементов производственного участка комплексной обработки деталей (сборочных единиц); модель оптимизации количества оборудования по технологическим зонам распределительного центра. Вариантные расчеты реализуются средствами дискретно-событийного имитационного моделирования при поддержке информационной системы для расчета, накопления и отображения статистики, позволяющей количественно идентифицировать параметры оптимизационных и имитационных моделей.
Современная методология оценки экономической эффективности деятельности предприятий, осуществляющих инновации, базируется на ценностно-ориентированном подходе [5; 6; 9; 14; 27; 36; 37]. В части определения экономических критериев эффективности управления предприятием важная роль принадлежит таким фундаментальным факторам эффективности, как изменение стоимости инве-
МЕТОДОЛОГИЯ И ИНСТРУМЕНТАРИЙ УПРАВЛЕНИЯ
49
стиционных ресурсов во времени; цена капитала; результат инновационно-инвестиционном деятельности в форме добавленной прибыли. Для анализа эффективности используются принципы максимизации стоимости акционерного капитала; концепция экономической маржи; критерии и модели инвестиционного анализа; теория опционов.
Управление рыночной стоимостью предприятия основано на оптимальном распределении ресурсов, выборе наилучшего варианта выполнения бизнес-процессов, решении других задач менеджмента. В отличие от традиционного инвестиционного анализа инновационных проектов, позволяющего осуществить выбор альтернатив при помощи оценки их экономической эффективности, управление стоимостью предприятия является процессом эффективного выбора в более широком смысле. Возрастает значимость определения факторов, влияющих на стоимость предприятия, разработки новых методов оценки и анализа его стоимости, учитывающих гибкость управления в условиях высокой неопределенности развития инновационного процесса.
Для анализа инвестиций в инновационную деятельность предприятия применяемые модели и методы можно классифицировать на 4 группы:
1) динамические методы, основанные на принципе дисконтированных денежных потоков, чистая приведенная стоимость (NPV), внутренняя и модифицированная нормы доходности (IRR и MIRR), индекс прибыльности (PI), динамический срок окупаемости (DPBP);
2) статические методы: срок окупаемости (PBP) и бухгалтерская норма доходности (ARR);
3) методы и модели ценностно-ориентированного подхода к определению рыночной стоимости будущих инноваций: методы, базирующиеся на добавленной стоимости (EVA); модель Эдвардса-Белла-Ольсона, основанная на оценке чистых активов и добавленной стоимости будущих нематериальных активов, формирующих превалирующую часть затрат на инвестиции (EBO); метод венчурного капитала;
4) вероятностные оценки будущих денежных потоков: методы и модели теории опционов, индексы предпочтительности и др.
Стремление к росту экономической добавленной стоимости предприятия приводит к необходимости оптимизации инвестированного капитала в проекты. Реализация оптимизационной модели, построенной на основе показателя эластичности, показывает, что рентабельность инвестированного капитала должна быть больше, чем средневзвешенная стоимость привлекаемых средств. Условие принятия решения о финансировании инноваций основано на принципе суммирования стоимостей:
V2 = V1 + NPVm ± ANPV , где V2 — стоимость предприятия после внедрения инноваций; V1 — стоимость предприятия до внедрения инноваций; NPVin — чистая приведенная стоимость инноваций; ANPV — эффект от инноваций. Решение об инвестировании в инновации принимается, если AV = V2 - V1 > 0.
Методология управления стоимостью предприятия, внедряющего инновации, основана на интеграции теории управления, экономического анализа, оценки бизнеса и финансового менеджмента, построенного преимущественно на математических моделях. Она учитывает специфику инноваций, включает новые методы измерения экономической эффективности, основанные на добавленной стоимости, с учетом риска и неопределенности. При выборе инновационных проектов мега- и мезоуров-ней, а также для реализации проектов на предприятиях достаточно часто применяются экспертные методы, в том числе: методы ранжирования, метод «смешанной альтернативы» Неймана-
Моргенштерна, методы парных сравнений, алгоритм медианы Кемени, принцип отбрасывания альтернатив Эрроу, алгоритмы выбора по принципу Парето, метод анализа иерархий Т. Саати и ряд других [31]. Практика применения этих методов показывает, что наиболее эффективно их комплексное использование, обеспечивающее повышение качества принимаемых управленческих решений.
Неопределенность и риск в инновациях. Осуществление инновационной деятельности тесно связано с различного рода рисками. Вследствие необходимости уменьшения вероятности наступления неблагоприятного события и оценки его последствий возникает потребность исследования сущности риска, определения его характера, возможности прогнозирования и оценки. Риски — необходимый атрибут любой инвестиционной и инновационной деятельности. Однако успех имеет тот инвестор или инноватор, который принимает разумные риски, управляемые в пределах его возможностей.
50
Г.Ю. Силкина, В.Н. Юрьев
Общий системный подход к управлению рисками и его применение к экономическим моделям представлены в [10]. Предложенная авторами общая модель управления риском задается оператором ^(F(х,и,y,I), G(x,и,y,I)), определяющим принцип оптимальности управления на основе соизмерения оценок эффективности и риска, которые являются выходами подмодели оценки эффективности F (х, и, y, I) и подмодели оценки риска G(x, и, y, I). В этой модели переменные x — состояние системы
или процесса в фазовом пространстве, и — управление, у — неконтролируемые факторы, влияющие на функционирование системы, в общем случае являются взаимосвязанными величинами. Исходные данные модели определяются информационной компонентой I, включающей описание вида неконтролируемых факторов (области значений неопределенных факторов, законы распределения случайных параметров) и информированности управляющего органа (схемы передачи, процедуры обработки информации и т. п.).
На формирование риска и его уровень влияют различные факторы, которые играют главную роль в принятии инновационных решений. Поэтому уровень совокупного предпринимательского риска определяется на основе анализа факторов риска, которые обусловлены наличием конкретной политической, социально-экономической и финансово-кредитной ситуации. Авторами статьи [34] приводится универсальная постановка задачи принятия решений в инновационном менеджменте с учетом факторов риска. Предлагаются математические методы решения задачи на основе выбора критериев, согласованных с мерой неприятия риска лицом, принимающим решение.
Статья [19] посвящена построению и апробации экономико-математической модели оценки уровня предпринимательского риска, в основу которой положена теория нечетких множеств. Достоинство данного подхода заключается в возможности решения задачи с ненадежными исходными данными, описание решений на языке, близком к естественному, использование знаний, опыта и интуиции экспертов. Метод позволяет качественно и количественно оценивать совокупный предпринимательский риск. Недостатком применения нечетко-множественного подхода является сложность построения и интерпретации функций принадлежности.
Экспертные методы, применяемые при построении функций принадлежности, субъективны. Частично устранить субъективную составляющую удается с помощью лингвистического анализа, суть которого заключается в построении нечетко-множественного классификатора, базирующегося на выборе классифицируемого фактора. Для моделирования многомерных зависимостей используются иерархические системы нечеткого логического вывода. В таких системах выходная переменная одной базы знаний служит входной для другой базы знаний.
Объекты интеллектуальной собственности. Важнейшей составной частью инновационной экономики является рынок объектов интеллектуальной собственности, взаимодействующий со всеми ее структурами посредством отношений, возникающих в процессе создания, освоения, купли-продажи, передачи в использование результатов интеллектуальной деятельности и согласования интересов субъектов по ценам, срокам и масштабам коммерциализации [26; 42]. Рынки объектов интеллектуальной собственности отличаются от рынков материальных продуктов. В случае продажи материального продукта все права переходят к новому владельцу. В случае продажи объекта интеллектуальной собственности, как правило, к покупателю переходит лишь часть прав, а основные права остаются за владельцем. Если предприятие использует чужую интеллектуальную собственность, оно выплачивает ее собственнику вознаграждение (доход). Этот доход может принимать самые разные формы — авторского гонорара за книгу, паушального платежа или роялти за лицензию и пр. Объекты интеллектуальной собственности зачастую взаимодействуют. В частности, это касается патента и бренда, когда новая техника выпускается под известным брендом.
Теоретическим основам формирования рынка объектов интеллектуальной собственности посвящена статья [24], где обоснована роль управления знаниями в экономическом развитии. Представлены современные концепции управления, интерпретирующие знания как частные, общественные и смешанные блага; предложены модели обмена знаниями, обеспечивающие их эффективное использование. Важнейшими условиями существования эффективного рынка объектов интеллектуальной собственности становятся вопросы о методах оценки стоимости объектов интеллектуальной собственности, средствах обеспечения правил, а также о параметрах, ограничивающих наличие интеллектуальной собственности (срок действия патента, авторских прав и пр.). Патентная система стимулирует
МЕТОДОЛОГИЯ И ИНСТРУМЕНТАРИЙ УПРАВЛЕНИЯ
51
развитие научно-технического прогресса и повышает эффективность производства за счет продвижения и использования новинок.
В статье [33] представлена модель анализа и оценки стоимости объектов интеллектуальной собственности, основанная на нечетко-возможностном подходе к аппроксимации неопределенности по схеме Fuzzy-технологий в нечетких системах Такаги-Суждено. Ожидаемый уровень риска этой оцен-
ки представляется интегралом по нечеткой мере и определяется соотношением
i(r )—f l (v,r )x gd(),
в
где i(r) — степень уверенности в появлении риска г; в — {v,} — множество критериев оценки эффективности решения конкретной бизнес-задачи; ge(') — мера важности критериев;
l (V r )—f
X
f h(x,, У,, r )x°Xi (-/v)
Y,
XVx (/ V )
Для количественной оценки величины риска предложено
использовать нечеткое отклонение от ожидаемого значения.
Социальное моделирование. Одним из бурно развивающихся направлений современной математической экономики является социальное моделирование [11; 21]. Обоснование необходимости включения субъективного фактора в модели инновационного развития восходит к трудам основоположника современной инноватики Й. Шумпетера, который разделил множество субъектов хозяйствования на два класса — инноваторов и консерваторов, имеющих различные цели и обладающих различными средствами их достижения. Адекватные реальности модели принятия инновационных решений должны учитывать эти различия, что и реализуется средствами социального моделирования.
Инструментами моделирования являются агент-ориентированные модели, которые позволяют описывать субъекты индивидуально, располагать их в близкой к действительности окружающей среде, напрямую задавать правила действия и взаимодействия субъектов, обеспечивать параллельное течение экономических процессов.
Заключение. Представленный в статье обзор применения экономико-математического моделирования в современной экономике и менеджменте, естественно, не исчерпывает всего его многообразия. Поэтому мы надеемся, что наш скромный труд получит продолжение в виде подобных аналитических исследований, результаты которых могут быть использованы учеными и практиками в качестве полезных рекомендаций. Также авторы с удовлетворением примут конструктивные замечания и предложения по дальнейшему совершенствованию данной работы.
ЛИТЕРАТУРА
1. Акаев А.А., Сарыгулов А.И., Соколов В.Н. Управление динамикой экономического развития с помощью структурных сдвигов // Доклады Академии наук. 2009. № 429/2. С. 168-173.
2. Александров С.А. Экономико-математическое моделирование процессов формирования и развития интегрированных бизнес-структур // Научно-технические ведомости СПбГПУ. Сер. «Экономические науки». 2013. № 6 (185). С. 231-235.
3. Бабкин А.В., Мошков А.А., Новиков А.О. Анализ методов и моделей оценки инновационного потенциала промышленного кластера // Научно-технические ведомости СПбГПУ. Сер. «Экономические науки». 2012. № 4 (151). С. 84-90.
4. Babkin A.V., Kudryavtseva T.J., Utkina S.A. Identification and Analysis of Industrial Cluster Structure // World Applied Sciences Journal. 2013. N 28 (10). Р. 1408-1413.
5. Бухонова С.М., Дорошенко Ю.А. Оценка эффективности и моделирование интеграционных подходов к активизации инновационной деятельности // Экономический анализ: теория и практика. 2007. № 9. С. 8-19.
6. Вертакова Ю.В., Ватутина О.О. Алгоритм управления эффективностью инновационно-ориентированных интегрированных структур // Научно-технические ведомости СПбГПУ. Сер. «Экономические науки». 2012. № 2 (144). С. 97-100.
7. Волкова О.В. Инновационно-активные производственные системы как основа устойчивого развития современной экономики // Научно-технические ведомости СПбГПУ. Сер. «Экономические науки». 2013. № 3 (173). С. 57-64.
52
Г.Ю. Силкина, В.Н. Юрьев
8. Волосатое В.Д., Бабанова Ю.В. Сущность и структура инновационного потенциала промышленного предприятия // Вестник Челябинского государственного университета. 2010. № 3 (184). С. 134-138.
9. Гонин В.Н., Кашурникое А.Н. Моделирование процесса принятия оптимальных решений оценки эффективности инновационной деятельности предприятий электроэнергетики региона // Современные проблемы науки и образования. 2013. № 4. URL: http://www.science-education.ru/110-9750 (дата обращения: 02.04.2014).
10. Горелик В.А., Золотова Т.В. Общий системный подход к управлению риском и его применение к стохастической и иерархической экономической моделям // Системный анализ в экономике — 2012. Секция 2. Материалы Научно-практической конференции. Москва, 27-28 ноября 2012 г. М.: ЦЭМИ РАН, 2012. С. 47-50.
11. Губанов Д.А., Новиков Д.А., Чхартишвили А.Г. Модели информационного влияния в социальных сетях // Проблемы управления. 2009. № 5. С. 28-35.
12. Жильцова Е.С., Плещинский А.С. Анализ инновационной стратегии предприятия с помощью вычислительной динамической модели // Системный анализ в экономике — 2012. Секция 2. Материалы Научнопрактической конференции. Москва, 27-28 ноября 2012 г. М.: ЦЭМИ РАН, 2012. С. 83-85.
13. Ивченко И.Ю. Управление в модели синхронизации производственной, воспроизводственной, инновационно-инвестиционной и финансовой деятельности предприятия // Вюник Хмельницького ушверситету. 2009. Т. 2.: Економiчнi науки. № 4. С. 198-205.
14. Инновационное развитие промышленного кластера / А.Б. Анисифоров и др.; под ред. И.В. Ильина, Г.Ю. Силкиной. СПб.: Изд-во Политехн. ун-та, 2012. 344 с.
15. Клейнер Г.Б., Качалов Р.М., Нагрудная Н.Б. Синтез стратегии кластера на основе системно-интеграционной теории // Наука — Образование — Инновации. 2008. № 7. С. 7-12.
16. Кобзев В.В., Радаев А.Е. Инструментарий управления высокотехнологичным производством промышленных предприятий на основе имитационного моделирования // Научно-технические ведомости СПбГПУ. Сер. «Экономические науки». 2013. № 6 (185). С. 138-144.
17. Колосова Т.В. Мониторинг инновационного потенциала как инструмент обеспечения устойчивого развития предприятий. URL: http: //www.science-bsea.bgita.ru/econom_2011 (дата обращения: 02.03.2014).
18. Крайнюков А.Н., Казарин С.Н. Управление инновационными процессами в условиях комплексного воздействия факторов риска // Поволжский торгово-экономический журнал. 2011. № 4. С. 58-68.
19. Лукашевич Н.С., Чачина Е.Г. Оценка уровня предпринимательского риска региона на основе нечеткого логического вывода // Научно-технические ведомости СПбГПУ. Сер. «Экономические науки». 2009. № 3 (79). С. 77-84.
20. Макаров В.Л. Обзор математических моделей экономики с инновациями // Экономика и математические методы. 2009. Т. 45. № 1. С. 3-14.
21. Макаров В.Л. Социальное моделирование набирает обороты // Экономика и математические методы. 2013. Т. 49. № 4. С. 5-17.
22. Маслобоев А.В. Метод совмещенного формирования и оценки эффективности региональных инновационных структур // Вестник МГТУ. 2008. Т. 11. № 2. С. 222-230.
23. Попов А.И. Создание новой модели развития: модернизация и условия перехода к новой экономике // Известия СПбУЭФ. 2012. № 4 (76). С. 18-26.
24. Силкина Г.Ю., Шевченко С.Ю. Модели обмена знаниями // Научно-технические ведомости СПбГПУ. Сер. «Экономические науки». 2012. № 2-1 (144). С. 125-131.
25. Соколицын А.С. Моделирование параметров производственного процесса промышленного предприятия // Научно-технические ведомости СПбГПУ. Сер. «Экономические науки». 2012. № 2-1 (144). С. 104-108.
26. Трубников Д.А., Трубникова Е.И. Интеллектуальная собственность в условиях современной России // Вестник СамГУ. 2013. № 4 (105). С. 57-64.
27. Фазлиахметов Р.Г. Кластер-эффект альянса // Микроэкономика. 2010. № 1. С. 113-118.
28. Фролов И.Э., Чаплыгина И.Г. Современные проблемы построения моделей научно-технической сферы экономики // Экономическая наука современной России. 2009. № 1. С. 1-7.
29. Хватова Т.Ю. К вопросу об оценке результативности инновационных систем // Научно-технические ведомости СПбГПУ. Сер. «Экономические науки». 2012. № 1 (139). С. 211-216.
30. Храмов Е.Н. Совершенствование управления знаниями в интегрированных корпоративных структурах промышленности // Вестник Удмуртского университета. Сер. «Экономика и право». 2011. Вып. 2. С. 58-64.
31. Чуркин В.В., Юрьев В.Н. Программная реализация метода многокритериального ранжирования альтернатив на основе экспертных оценок // Научно-технические ведомости СПбГПУ. Сер. «Экономические науки». 2012. № 2-1(144). С. 114-120.
32. Шабанов И.А. Региональный инновационный процесс как мультипроект // Известия СПбУЭФ. 2013. № 4 (82). С. 56-60.
МЕТОДОЛОГИЯ И ИНСТРУМЕНТАРИЙ УПРАВЛЕНИЯ
53
33. Шалынин В.Д. Подход к моделированию задач процесса трансфера инноваций на основе формализованной неопределенности и аппарата нечетких множеств // Вестник Саратовского государственного технического университета. 2010. Т. 3. № 1. С. 280-288.
34. Шевченко С.Ю., Силкина Г.Ю. Математическое обоснование процедур риск-менеджмента в инновационном предпринимательстве // Проблемы современной экономики. 2012. № 2 (42). С. 159-162.
35. Юрьев В.Н., Ильин И.В., Левина А.И. Модели и методы системы управления инновационно-промышленным кластером // Научно-технические ведомости СПбГПУ. Сер. «Экономические науки». 2012. № 4 (151). С. 198-206.
36. Яшин С.Н., Бородин О.С. Теоретические подходы к оценке эффективности инновационных проектов // Труды Нижегородского государственного технического университета им. Р.Е. Алексеева. 2011. № 2 (87). С. 248-254.
37. Blindenbach F. Innovation in project-based firms: the context dependency of success factors // Research Policy. 2006. N 35. P. 545-561.
38. Ciganek A.P., Haseman W., Ramamurthy K. Time to decision: the drivers of innovation adoption decisions // Enterprise Information Systems. 2014. N 1. Р. 47-53.
39. Cowan R., Jonard N. Network Structure and the Diffusion of Knowledge Codification // Journal of Economic Dynamics and Control. 2004. V. 8. N 28. P. 1557-1575.
40. Deok Soon Yim. Concept of national innovation system // European Journal of Innovation Management. 2006. N 4 (1). P. 31-42.
41. Dosi G. Technological innovation, institutions and human purposefulness in socioeconomic evolution: A preface to Cristopher Freeman Systems of Innovations // Selected Essays in Evolutionary Economics. 2007. N 20. P. 15-33.
42. Duguet E. Appropriation Strategy and the Motivation to the Use the Patent System: An Econometric Analysis at the Firm Level // Annales d'Economie et de Statistiques. 2003. N 49 (2). P. 289-328.
43. Ghorbanzad Y., EshlargyA.T., KazemiM.А. Optimization of Product Planning Using Mathematical Model // Interdisciplinary Journal of Contemporary Research in Business. 2012. Vol. 5. N 5. P. 845-856.
