Выбор оптимальной инвестиционной стратегии в условиях неопределенности Текст научной статьи по специальности «Экономика и бизнес»

В рамках выделенных основных типов системы дополнительного образования и повышения квалификации могут существовать различные их сочетания, вариативные подтипы обучения: прямого и/ или контекстного; диалогового и/или инструктивного; информирующего и/или исследовательского; индивидуального и/или коллективного; внешнерегулируемого и/или самообразовательного.

Именно их интегративная ориентация обусловливает соответствующие тенденции формирования педагогических (организационно-методических, а также процессуально-технологических) условий обучения.

Практика реализации различных типов повышения квалификации преподавателей высшей школы показали, что учебно-познавательная деятельность оказывается эффективной, когда органически использует и включает самые различные современные методы, формы и направления, а сами отдельные программы являются неотъемлемой составной частью общего единого интегрированного пространства системы дополнительного образования, что позволяет наблюдать позитивную уровневую динамику сформированности педагогической компетентности преподавателей, включенных в единую систему работы по формированию педагогической компетентности через различные формы дополнительного образования.

ПИМАХОВ Р.Ю.

ВЫБОР ОПТИМАЛЬНОЙ ИНВЕСТИЦИОННОЙ СТРАТЕГИИ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ

Автором разработаны методические рекомендации по использованию инструментов эконометрики для выбора оптимальной ценовой стратегии в условиях неопределённости рыночной конъюнктуры. Автор предлагает следующий алгоритм построения модели:

1. На основе данных маркетингового исследования определяются возможные состояния рыночной конъюнктуры и возможные стратегии предприятия.

2. По результатам данного исследования строится платёжная матрица (табл.1). Ячейки матрицы заполняются прогнозными значениями объёмов продаж. Эти значения определяем методом множественного регрессионного анализа.

Таблица 1

Платёжная матрица (на пересечении столбцов и строчек указываются значения объёмов продаж при реализации данной стратегии при данной конъюнктуре)

Предлагаемые прич их Возможные состоянии рыночной конъюнкт фы

Ш Ш пз Пш

Стратегия ] VII У12 У13 У1ш

Стратегия 2 У21 У22 У23 У2т

Стратегия 3 У31 У32 УЗЗ ■ Г I УЗт

... ...

Стратегия п Уп 1 Уп2 УпЗ Ути

N

01

г

03 □

□ си

о

I—

ф

I— ^

о

а

®

ей ^

X

>

О О

О

а

о

<

>

о о

о о

о

ей

о

I—

о о сь

Для этого строим модель множественной регрессии в виде зависимости между функцией (объём реализации) и факторами (цена реализации, цена конкурента, себестоимость, расходы на рекламу, индекс потребительских цен и т.д.) и использовать её как прогнозную модель. У=А+а1*Х1+а2*Х2+а3*Х3+а4*Х4+а5*Х5+ ...+ ап*Хп (1) где: У - прогнозный объём продаж;

Х - независимые переменные (цена реализации, цена конкурентов расходы на рекламу и т.д.); А - константа регрессии; а - коэффициенты регрессии.

Oi

01

z

03 □

□

О

I—

CD

3. Прогнозные значения объёмов продаж для платёжной матрицы получают варьируя значениями переменных в соответствии с содержанием предлагаемых стратегий и возможных состояний рыночной конъюнктуры (Пт). В качестве состояний рыночной конъюнктуры рассматриваем различные сочетания внешних, независимых от предприятия факторов (цены конкурентов, инфляция, ёмкость рынка и т.д.), т.е. Пт - это прогнозное состояние рыночной конъюнктуры, характеризуемое определённым уровнем инфляции, ценовой политикой конкурентов, ёмкостью рынка и другими независимыми от предприятия внешними факторами.

В качестве стратегий предлагается рассматривать совокупность целенаправленных мероприятий предприятия, характеризующихся определённой ценовой и сбытовой политикой, уровнем издержек, рекламным бюджетом и другими подконтрольными предприятию факторами.

4. На основе данных платёжной матрицы определяются максиминные оценки стратегий (по Валь-ду), показывающие гарантированный максимальный выигрыш (объём продаж) в наихудших условиях.

5. Строим матрица рисков, в которой на пересечении столбцов и строчек указываются значения риска реализации данной стратегии при данном состоянии рыночной конъюнктуры, рассчитанные по формуле (2):

R=Ymax-Y (2)

где: Y max - максимально возможный объём продаж при данном состоянии рыночной конъюнктуры; Y - объём продаж при реализации данной стратегии (табл.2).

Таблица 2

Матрица риска

Предлагаемые Возможные СОСТОЯНИЯ рыночной конъюнктуры

стратегии П1 П2 ГО Пт

Стратегия 1 R11 R12 R13 Rim

Стратегия 2 R21 R22 R23 R2m

Стратегия 3 R31 R32 R33 R3m

Стратегия п Rnl Rn2 Rn3 Rnm

о а

>

о о

о а

о

<

>

о

О

о о

о

со

о

I—

о о

CL

О Ф

О ф

о

X

о

о

6. Значения матрицы рисков используются для определения минимаксных оценок стратегий (по Сэвиджу), показывающих гарантированное минимальное значение риска в самой неблагоприятной ситуации.

7. Для определения компромиссного решения между пессимистической оценкой по критерию Вальда (Ш) и оптимистической максимаксной оценкой (Б), определяем значение критерия Гурвица (0) для каждой стратегии по формуле (2.43)

0 = X * Ш + (1-?) * Б (2.43)

где: X - показатель пессимизма-оптимизма, определяемый экспертом на основе анализа конкурентных преимуществ. Для определения ? целесообразно использовать матрицы "Бостон консалтинг" групп и "МакКинзи".

8. На основании данных расчетов выбираем ту стратегию, компромиссное решение которой (критерий Гурвица) максимально.

Практическое применение технологии проиллюстрировано на фактической информации бизнес-проекта ЗАО "Прайм-тайм".

Рассмотрим выбор оптимальной ценовой стратегии предприятия при следующих условиях: Маркетинговое исследование показало, что определяющей характеристикой состояния рыночной конъюнктуры является индекс потребительских цен. В связи с этим в качестве состояний внешней среды рассматриваются различные темпы инфляции (12%, 14%, 18%, 20%, 22% от первоначального уровня).

В качестве стратегий предприятия - его ценовые стратегии:

Стратегия 1: Цена на 10% выше чем у конкурентов на данный момент;

Стратегия 2: Цена на 5% выше чем у конкурентов на данный момент;

Стратегия 3: Цена такая же как у конкурентов на данный момент;

Стратегия 4: Цена на 5% ниже чем у конкурентов на данный момент;

Стратегия 5: Цена на 10% ниже чем у конкурентов на данный момент.

Задача заключается в том, чтобы определить оптимальную ценовую стратегию предприятия для данных условий. Критериями оптимизации в данном случае выступают с одной стороны требования минимизации риска, а с другой максимизации выручки. Для построения платёжной матрицы строим прогнозную модель объёмов продаж методом множественного регрессионного анализа. Суть метода заключается в установлении функциональной зависимости между функцией (объём реализации) и факторами (цена реализации, цена конкурента, себестоимость, расходы на рекламу и т. д.). В качестве исходной информации автор использует данные об объемах реализации, цене реализации, цене конкурентов, рекламном бюджете, себестоимости и индексе потребительских цен, собранные за 24 месяца и представленные в таблице 3.

Таблица 3

Исходные данные

01

01

СО □

□

01

о

ф

о

а

ф

ей

О

о

ф ей

О d

О

<

>

о о

о о

о

ей

о

I—

о

о ^

Для построения регрессионной модели автор рекомендует использовать опцию "Регрессия" пун- ^ кта "Анализ данных" меню "Сервис" ППП MS Excel. х

В ходе регрессионного анализа были рассмотрены все возможные статистически значимые мо- ®

ей

дели: шестифакторная модель, пяти-, четырёх-, трёх и двухфакторные модели. Из них в соответствии

с F-критерием, коэффициентом детерминации, величиной стандартного отклонения остатков, и ана- |

лизируя значимость факторов модели с помощью t-критерия выбираем наиболее значимые. ®

Из рассмотренных моделей наиболее адекватно описывает существующие данные следующая |

модель (рис.3.). §

Запишем её в виде формулы: *

Объем pCLL'l Г 3IILLI111 Время Цнн реализации (руб.) Цена конкурента PMXOJDJ на рекламу CefieiiTLiH-мость Hwu потребнгельаенк иен

полк И174.4 L 6 11 2,04664 I25J279 100%

UBiytr 507Й.32Ч6 2 u 12,5 2,04664 125,1279 103,40%

■тчтяРрь 3 8.7 12,5 2,04664 125,1275 107.40%

UPCITtfipip 3257,19917 4 12,5 1,11436 81.31461 1 11,604

нелОрь 3400.64735 5 9А 13,5 l.MSJfi 81,34461 1 1 5,7fl%

jeraTipi. 2466.71 77& 6 9,7 13,5 1,11436 Й 1.34461 1 17,50%

ЯНБ^рЬ 2l47,142tt 7 111. 1 13,5 0.64127 6* .65045 121,50%

ijlk'UpUJI ь 132S.5-673S » 10,5 15,2 0.64127 6« .65045 126,50%

чирт 2240.45 да 4 15,7 0,84127 6* .65045 131.40%

апрель 2953,34 № ]0 N.4 15,7 2,526 148,7527 137.40%

МАЙ 4216.2(^47.6 II 11,8 15,7 2,526 14«,7527 142.10%

Winilb 6227.56Ч4Ч 12 i гз 15,7 2,526 14« .7527 147,60%

пик 617 4.4 13 12» 15 J 3.26002 IW.9445 1 53,60%

Uttiytr 507&.3246 14 15,7 3,26002 1ЭД9449 156,20%

Согпбрь 15 16,4 3,26002 190,4444 162,20%

Октябрь 2257.19917 14.1 16,4 1,79216 127,4325 169,20%

ноябрь 3400.64735 17 15,0 16.4 1,79216 127,4525 174.30%

JBK^rfipb 246H.7I77& ]S IS/i 16.4 1,79216 127,4525 i8i,uo%

flFITUpb 2147.142SS 14 1ЙД 16,7 1.3464 112,4034 187,70%

ijimpu^lb ] 325.5673 & 2(1 16.9 IP/7 1.3464 1 12,4034 195,60%

ЧирТ 2240.4564J4 2] 17,5 17,9 1.3464 1 1 ¡1,9031 204j0%

апрель 245334109 22 16,2 2ia 4.04741 241.5544 :I0L40%

май 4216.2&476 2 3 1^.0 2U 4,04741 241.5544 : 13,50%

WIHPIb 622Л56444 24 19,7 21J 4,04741 241.5544 22<MU%

У= 6184,83 - 571,33*Х1+2420,16*Х2 - 1207,06*Х3 + 16524,67*Х4 - 310,87*Х5

Где: У - объём реализации; Переменная XI - время; Переменная Х2 - цена реализации; Переменная Х3 - цена конкурентов; Переменная Х4 - расходы на рекламу; Переменная Х5 - индекс потребительских цен.

-: --— ■л 1 г

2

3 иС'' 1 ГУч спи/лсмл^^а

4 и.ы I вое^э 1в

Р> Г. Г н Л/Т-Ч I 0.б<5?915712

6. ЬЮрниинмьМ 4.5-165175

7 Ста-щаргнап ОШНСИй 1 А ЗЕ:-

и. Я

я

10

и в 1®-1 ээсигз

1Я Вння 1.334 ее ее

13 Цст1а р^вгыза^н 2430 1-:ык

и. Цечэ

15 Рвои^ьшй р^чччлу

10 Оейест-пн«-

1Т

18 .1 .

N

01

г

03 □

□ си

о

I—

ф

I— ^

о а ф

ей ^

X

>

О

о

о а

о

<

>

о о

о о

о

ей О

I—

О

о сь

о ф

о ф

о

X

о

о

Рисунок 3. Прогнозная регрессионная модель.

Построенная модель имеет коэффициент корреляции г=0,816 и в значительной степени отражает динамику объёма продаж. Кроме того, при использовании специализированных математических и статистических пакетов точность построения моделей может быть существенно увеличена.

На основании прогнозной модели строим платёжную матрицу (табл. 4). В ней показаны прогнозные значения объёмов продаж на октябрь месяц следующего сезона при различных сочетаниях стратегий и состояний среды.

Таблица 4

Платёжная матрица

Пешими С||>Л[|ИМ (нн'ипиши' |ЛЛ|<Г'||1||И К№Н1,№НКТ} ры Мяпииыы яр« К^впра! Ra.ij.ji Мжврили строки

III 112 113 N4 [15

Стргопи 1 3+56,14 }287,45 2878,05 2754,1 2И7,1 25(17,14 3456,Ы

Стратепи 1 3153,56 ¿В64,]3 3300,74 1М5Р] 1945.1 311.1,?«

(.'прагепая 3 2646,55 2365,57 21*9,09

Стютсгни4 2124,74 2Qj4.il 1897,45 ]Щ1 IHH.1I 2124.74

Сциспа 5 1ЙОД9 ]753,4$ 1709,19 1673^ 111-1,74

Минина нс стмЛцд 365С.1 3287* М7Я,1 17Я1 2^7,1

5).

Чтобы оценить степень влияния того или иного состояния на исход, строим матрицу рисков (табл.

Таблица 5 Матрица рисков

Ценовые стратегии Гостя пне рыночном конъюнктуры Максимальный риск Критерия СЭВ1ЩЖЯ

П1 П2 № П4 Л?

Стратеги 1 0 0 0 0 0 А 1851,75

Стратеги 2 532,5В 423,33 354Л 553,36 622,03 622,013

Стратегия 3 1009,8 741,22 612,45 565.01 660,51 1009,8

Стратегия 4 1531,4 125-2,4 454,41 556,65 763,15 1531,4

Стратегия 5 Ш1,$ 1511,5 12246 1044,9 1851,8

Примечание: на пересечении столбцов и строчек даны значения риска реализации данной стратегии при данном состоянии внешней среды, рассчитанные по формуле (2).

Для определения компромиссного решения между пессимистической оценкой по критерию Вальда и оптимистической оценкой максимакса определяем значение критерия Гурвица для каждой стратегии (табл. 6):

Таблица 6

Компромиссное решение

Uciniiii.if стрггегнн Компромисс

Стрвттня 1 (цена зашт.) 23,1

Стратег ия 2 (цена ja шт,) 22,CS 22411

Стратегия 3 (Lena чи шт.) 21 im

Стратегия 4 (иена м шт,) im

Стратега! 3 (цеш за шт,) 1Ш 17П6

Примечание: Значения критерия Гурвица рассчитаны для показателя пессимизма-оптимизма с =0,75.

На основании данной таблицы выбирается та стратегия, компромиссное решение которой максимально. В данном случае это Стратегия 1.

На основании расчета критерия Сэвиджа следует, что стратегией обеспечивающей минимальный риск в самых неблагоприятных условиях (оценка максимина) будет стратегия № 5.

Помимо технологии описанной выше, автор рекомендует сочетать модели теории игр и методы ^ прогностики, например, данные платёжной матрицы можно получить, используя не только регресси- ^ онный анализ, но и нейросетевое прогнозирование, а оптимальным сочетанием было бы комплекс- ^ ное применение этих инструментов, при котором, например, прогностические модели уточнялись в □ соответствии с регулярным мониторингом ключевых факторов. О

Литература.

1. Беляев Л.С. Решение сложных оптимизационных задач в условиях неопределенности. Новосибирск: Наука, 1987.

2. Борисов А.Н. и др. Принятие решений на основе нечетких моделей: примеры использования. Рига: Зинатне, 1990.

3. Дюбуа Д., Прад А. Теория возможностей: приложения к представлению знаний в информатике. М.: Радио и связь, 1990.

4. Кофман А., Хил Алуха Хайме. Введение теории нечетких множеств в управлении предприятиями. Мн: Выш. шк., 1992.

5. Кофман А., Хил Алуха Хайме. Модели для исследования скрытых воздействий. Мн: Выш. шк.,

1993.

6. Минцберг Г., Альстрэнд Б., Лэмпел Дж. Школы стратегий. СПб.: Питер, 2000.

7. Прикладные нечеткие системы / Под ред. Т. Тэрано, К. Асаи, М. Сугэно. М.: Мир, 1993.

8. Томпсон А., Стрикленд А. Стратегический менеджмент. Искусство разработки и реализации стратегий. М.: Банки и биржи, 1998.

РОГАЧЕВ А.Ф., БАБНЮХОВ P.E.

ОПТИМИЗАЦИЯ ПРОИЗВОДСТВЕННЫХ ПРОЦЕССОВ С ИСПОЛЬЗОВАНИЕМ ЛОГИСТИЧЕСКОГО

МОДЕЛИРОВАНИЯ

о

I—

ф

I—

s

о

а

ф

ей

х

>

О О

о а

о

<

>

о о

о

о

Ö ей

о

I—

о о

CL

В рыночной экономике в условиях усиления конкуренции актуальной для производственных предприятий является проблема оптимизации производственных процессов. В результате улучшения производственных процессов снижаются затраты и повышается конкурентоспособность производи-

о ф

о

х

О

О