CC BY
26
к.В. Пителинский, с.А. Шиманский
УДк 517.538.72; 519.710.34
о применении нейронных сетей при изучении социоэкономических систем
в целях анализа темпоральной динамики сложных социоэкономических систем обоснована перспективность использования аппарата фрактального моделирования и искусственных нейронных сетей. в качестве примера рассмотрено прогнозирование цен на образовательные услуги, предоставляемые вузом.
Ключевые слова: системный анализ, ценообразование, фрактальное моделирование, нейронные сети.
K.V. Pitelinskiy, s.A. shimanskiy
application of neural networks in socioeconomic system studies
The paper demonstrates the perspective of the fractal modelling and artificial neural networks for the temporal dynamics analysis of complex socioeconomic systems. By way of example the paper looks into price prediction on educational services provided by a higher education institution.
Key words: system analysis, price determination, fractal modelling, neural networks.
Н а сегодняшним день рынок производственной и складской недвижимости (ПСН) еще мало изучен и очень закрыт, отчего трудно четко оценить его объем. Ранее главными критериями оценки объектов недвижимости (ОН) были площадь и географическое положение объекта, а ныне число параметров оценки ОН возросло - возникла и необходимость учета дополнительных возможностей ПСН.
Развитие в РФ системы кредитования предприятий требует достоверных данных о стоимости различных видов ОН. Кроме риэлторов, оценкой недвижимости занимаются и подразделения при банках по работе с залоговым имуществом. Организация и проведение оценочной деятельности - дорогой и сложный процесс, требующий, применения 1Т-технологий для оценки стоимости и привлечения квалифицированных экспертов-оценщиков. С накоплением знаний в оценочной деятельности стали применяться системы автоматизированной оценки стоимости, сокращающие трудоемкость этого процесса, повышающие точность расчетов и оперативность управления стоимостью ОН.
Эксперты-оценщики применяют сложные расчеты и методики выявления зависимости между различными исходными технико-экономическими показателями ОН и одним из его главных показателей - стоимостью. Полученные данные можно использовать при оценке ОН и управлении его стоимостью. Динамика рынка, жесткая конкуренция и растущий интерес к ПСН делают весьма актуальной разработку научно-обоснованных методов ее оценки (1).
Прогнозирование служит выяснению тенденций изменения характеристик ОН при турбулентной внешней и внутренней средах предприятия для формирования его устойчивой экономической политики (при оценке и управлении стоимостью ОН, при маркетинговом анализе рынка ОН, его структурной и конъюнктурной динамики, предложения-спроса и др.). Задача прогнозирования поведения сложных социоэкономических систем (в т.ч. и объектов ПСН) трудноформализуе-ма, ибо прогноз их динамики основан почти исключительно на выявлении латентных закономерностей в накопленных данных. эффективность определения рыночной стоимости ПСН определяется выбранными
Рис. 1. Классификация методов оценки и прогнозирования социоэкономических объектов.
менеджмент: научныш анализ
и использованными практическими методами, которые можно разбить на три большие группы: методы, основанные на использовании знаний и интуиции специалистов, методы формализованного представления систем управления и комбинированные методы (см. рис. 1).
в экономическом прогнозировании часто применяются качественные методы -реализованные алгоритмически методы экспертных оценок (анализа иерархий Т. Саати, Дельфи и др.). Методы экспертных оценок используются для решения следующих задач:
краткосрочного прогнозирования спроса для широкого выбора ОН;
разработки средне- и долгосрочных прогнозов спроса на оН.
определения отношений потребителей к оН и возможному спросу на них;
определение положения предприятия на рынке и др.;
оценки уровня конкуренции. Количественные методы прогнозирования основаны на применении модельных соотношений в виде систем алгебраических, дифференциальных, интегральных или конечно-разностных уравнений.
Комбинированные методы позволяют объединить достоинства качественных и количественных методов моделирования. При их построении производится предварительная декомпозиция процесса функционирования модели на составляющие субпроцессы. обычно используются аналитические модели, а для прочих процессов строятся алгоритмические модели.
Имитационная модель (ИМ) - формальное описание логики функционирования исследуемой системы и взаимодействия отдельных её элементов во времени, учитывающее самые существенные причинно-следственные связи, присущие данной системе и обеспечивающие проведение статистических экспериментов. При этом необходимо отметить, что:
• связь между элементами системы, описанными в модели и между системными параметрами может быть задана аналитически;
• модель реализуема и имеет практическую значимость, если в ней отражены лишь свойства реальной системы, влияющие на значения выбранного показателя эффективности.
Нс - обобщенное название групп алго-
Рис.2. Применение НС к временным рядам с сезонными колебаниями. 100 Вестник МиЛ
ритмов, «умеющих» обучаться на примерах, извлекая скрытые закономерности из потока данных (в т.ч., неполных, противоречивых или искаженных). Если между входами и выходами системы есть связь (не выявляемая корреляционными методами), НС может настроиться на нее с заданной степенью точности автоматически. НС может распознавать и симптомы приближения критических ситуаций, оценивать сравнительную важность разных видов входной информации и снижать ее объем без потери существенных актуальности и др. НС базируется лишь на данных без привлечения априорных соображений - это достоинство и недостаток одновременно, ибо имеющихся данных может не хватить для обучения, а размерность ее потенциальных входов может быть слишком велика (см. рис. 2).
Для оценки ОН пока применяются методы, не учитывающие автоматически информацию о связи цены образовательной услуги и характеристик оказывающего ее вуза, отчего возникает потребность в изучении свойств НС для адаптации этой технологии к оценке цен. Повсеместное применение НС во всех областях человеческой деятельности (в т.ч., в инвестиционной) ширится и ожидается, что в будущем НС позволят более эффективно решать задачи на рынке образовательных услуг. Сейчас на рынке специализированного ПО растет число универсальных нейропакетов, для решения задач экономико-математического моделирования, специализированных эС и средств решения других, более сложных и трудно формализуемых. Несмотря на отмеченные выше недостатки, можно уверенно утверждать, что сфера применения НС при решении прикладных задач будет медленно, но неуклонно расширяться.
Растет интерес к применению нечеткой логики и НС (как средств ИМ) в оценки ситуаций на рынке, при принятии сложных решений и др. Потребители этих методов ЛПР, знающие потенциал НС или владеющие традиционными методами анализа, но вынужденные искать более эффективные
методы решения прикладных задач. НС по своей природе нелинейны, не требуют глубокого знания связей между исходными данными и результатами и имеют ряд преимуществ перед традиционными методами. На коротком промежутке времени адаптивные НС всегда дают лучший прогноз, нежели стандартные линейные модели (1, 2).
Образование - востребованный обществом комплексный социокультурный феномен, требующий на уровне всех субъектов образовательной деятельности выработки единой методологии количественной оценки характеристик качества образования, сложившаяся в системе ВПО РФ ситуация требует понимания и решения проблемы повышения его качества.
Под качеством деятельности вуза понимается ее соответствие метрике (стандарту, норме). Метрика - выявленная общепринятая система эталонных требований к параметрам вуза. Качество учебного процесса вуза задается ГОС ВПО РФ, регламентирующим:
1) степень развития учебного и научного потенциалов вуза, ибо преподаватели специальных дисциплин (обычно) должны иметь ученую степень и/или опыт деятельности в соответствующей профессиональной сфере;
2) научную активность преподавательских кадров и степень их вовлеченности в НиР. Реализация основной образовательной программы должна обеспечиваться кадрами, систематически занимающимися научной и/ или научно-методической деятельностью.
Преимущества от внедрения системы менеджмента качества (СМК) вуза справедливы для:
• абитуриентов и студентов;
• государства;
• руководства вуза и его сотрудников;
• работодателя.
Одной из составляющих качественной реализации бизнес-процессов в вузе является экстраполяция динамики цен его образовательных услуг - важнейший элемент деятельности вуза, базирующейся на про-
менеджмент: научный анализ
гнозировании его будущего в зависимости от влияния факторов внутренней и внешней среды. Любая задача, связанная с перспективной деятельностью вуза связана с риском и требует тщательного анализа и прогнозирования. Формирование справедливой цены на образовательные услуги существенно зависит от качества образовательных бизнес-процессов и соответствия их общепризнанным стандартам. Важная задача руководства вуза - разработка и внедрение оригинальных внутренних систем управления и оценки качества всех сфер его деятельности. Необходимость выживания вузов в условиях кризиса и депопуляции требует постоянного повышения качества оказываемых вузом образовательных услуг и создания новых ценностей в образовательной парадигме. Динамика рынка образования, жесткая конкуренция и растущий спрос на образовательные услуги делают весьма актуальной разработку научно-обоснованных методов прогнозирования динамики цен на услуги вуза.
Несмотря на применение традиционных методов прогнозирования экономических временных рядов и цен, создания банковских экспертных систем (ЭС), обработки статистической информации и др. пока получены скромные успехи (из-за большого количества действующих факторов, которые не всегда можно строго учесть). традиционные финансовые эС основаны на инерционном анализе (т.е., используют негибкие линейные статистические модели). использование нейронных сетей (НС) при анализе процессов ценообразования - альтернатива (дополнение) указанным выше методам исследования. из-за своей адаптивности одни и те же НС могут использоваться для анализа различных объектов, а найденные ЛПР для конкретного оН закономерности могут хуже работать (или вообще не работать) в других
случаях. Видится весьма перспективным при решении задач о прогнозировании динамики ценообразования на услуги вуза применение различных междисциплинарных методов - в т.ч., фрактального моделирования и НС.
Прогнозирование служит выяснению тенденций изменения цен при турбулентной внешней и внутренней средах вуза для формирования его устойчивой экономической политики (при оценке и управлении стоимостью оН, при маркетинговом анализе рынка оН, его структурной и конъюнктурной динамики, предложения-спроса и др.). Задача прогнозирования поведения сложных соци-оэкономических систем трудноформализуе-ма, ибо прогноз их динамики основан почти исключительно на выявлении латентных закономерностей в накопленных данных. эффективность определения цен определяется выбранными и использованными практическими методами, которые можно разбить на три большие группы: методы, основанные на использовании знаний и интуиции специалистов, методы формализованного представления систем управления и комбинированные методы.
Подводя итог всему вышеизложенному, отметим, что иМ не имеют ограничений на область применения по типу моделируемой системы и речь идет лишь о целесообразности их в данной предметной области и об трудозатратах на её разработку и реализацию. Основа ИМ - метод статистических испытаний (метод Монте-Карло), наиболее эффективен при изучении функционирующих при сильных случайных воздействиях сложных систем. Однако, при определении стоимости услуг вуза любым из этих методов, необходимо исходить из того, что рыночная стоимость услуги - наиболее вероятная цена, по которой она может быть продана на открытом конкурентном рынке.
102 Вестник МиЛ
Литература
Пителинский К.В., Тюркин А.А. Применение нейронных сетей для оценки производственно-складской недвижимости // Автоматизация промышленности. - М.: ИПУ РАН.- № 10. - 2008. - С. 25-27.
Пителинский К.В. Перспективы применения нейронных сетей в оценочной деятельности // Сб. трудов XIV Всероссийского симпозиума «Стратегическое планирование и развитие предприятий». Москва, 9-10 апреля 2013 г. - М.: ЦЭМИ РАН. - Т.2. - С. 151-154.
Пителинский К.В. Наука и образование как стратегемы реализации социального заказа в современном обществе. Наука, образование инновации: Тезисы выступлений участников I всероссийской конференции. Москва, 10-12 ноября 2008 г. - М.: МГПУ, 2008 - С. 148-150.
Пителинский К.В., Шиманский С.А. Перспективы применения нейронных сетей при прогнозировании цен// Сб. трудов XIV Всероссийского симпозиума «Стратегическое планирование и развитие предприятий». Москва, 9-10 апреля 2013 г. - Т.2. - М.: ЦЭМИ РАН. - С. 157-160.
