Разработка логико-вероятностных моделей, методов и алгоритмов для управления риском и эффективностью в структурно-сложных системах
ЛВ-исчисления) и логико-вероятностных моделей (ЛВ-моделей) риска с группами несовместных событий (ГНС). При этом используются статистические данные поведения системы (данные мониторинга). Для 5 разных приложений предложены одинаковые представления базы данных и базы знаний, логические и вероятностные модели, методы анализа и оптимизации. Однако каждое приложение имеет свою специфику и требует… Читать ещё >
Содержание
- ГЛАВА 1. АНАЛИЗ МЕТОДОВ УПРАВЛЕНИЯ РИСКОМ И
- ЭФФЕКТИВНОСТЬЮ В СТРУКТУРНО-СЛОЖНЫХ СИСТЕМАХ
- 1. 1. Логико-вероятностное моделирование
- 1. 1. 1. J1 В-модслирование надежности и безопасности в технике
- 1. 1. 2. JlB-модели риска с группами несовместных событий
- 1. 1. 3. Выводы
- 1. 2. Выбросы случайных процессов
- 1. 2. 1. Основные характеристики выбросов
- 1. 2. 2. Гауссовский процесс
- 1. 2. 3. Распределение высоты абсолютного максимума (минимума)
- 1. 2. 4. Выводы
- 1. 3. Проблема риска и эффективности инвестиций
- 1. 3. 1. Инвестиции и ценные бумаги
- 1. 3. 2. Рыночные риски
- 1. 3. 3. Выбор портфеля ценных бумаг по Марковицу
- 1. 3. 4. Волатилыюсть, коэффициенты бета и альфа как меры риска
- 1. 3. 5. VaR (Valuc-at-Risk)
- 1. 3. 6. Альтернативные VaR меры риска
- 1. 3. 7. Нечеткий подход к оптимизации портфеля
- 1. 3. 8. Выводы
- 1. 4. Цель и задачи работы
- 1. 1. Логико-вероятностное моделирование
- ГЛАВА 2. РАЗРАБОТКА ЛВ-МОДЕЛЕЙ, МЕТОДОВ И АЛГОРИТМОВ ДЛЯ УПРАВЛЕНИЯ РИСКОМ И ЭФФЕКТИВНОСТЬЮ В
- СТРУКТУРНО-СЛОЖНЫХ СИСТЕМАХ
- 2. 1. Основы ЛВ-подхода к управлению риском и эффективностью
- 2. 1. 1. База статистических данных
- 2. 1. 2. Модификация базы данных
- 2. 1. 3. Структурная модель системы
- 2. 1. Основы ЛВ-подхода к управлению риском и эффективностью
- 2. 1. 4. Логическая и вероятностная функции для состояний системы. Свойство ортогональности
- 2. 1. 5. Снижение вычислительной сложности. Метод Монте-Карло
- 2. 2. ЛВ-модсли риска и эффективности
- 2. 2. 1. Модель без учета зависимости
- 2. 2. 2. Модель с полным учетом зависимости
- 2. 2. 3. Модель с учетом зависимости от внешнего фактора
- 2. 3. Оценка и анализ риска и эффективности
- 2. 3. 1. Показатели риска и эффективности
- 2. 3. 2. Частотный анализ
- 2. 3. 3. Вероятностный анализ
- 2. 4. Оптимизация весов влияющих параметров
- 2. 4. 1. Критерии оптимизации
- 2. 4. 2. Постановка задачи оптимизации
- 2. 4. 3. Метод случайного поиска
- 2. 4. 4. Метод градиентов
- 2. 5. Выводы
- 3. 1. Исследования JIB-модсли без учета зависимости влияющих параметров
- 3. 1. 1. Сопоставление аналитического и ЛВ-подхода
- 3. 1. 2. Выбор шага дискретизации
- 3. 1. 3. ЛВ-моделирование риска для произвольных дискретных распределений
- 3. 1. 4. Оценка точности моделирования методом Монте-Карло
- 3. 2. Сравнение JIB-моделсй риска и эффективности
- 3. 2. 1. Сопоставление результатов вычисления вероятностей состояний системы
- 3. 2. 2. Верификация моделей риска и эффективности на исторических данных
- 3. 2. 3. Выбор модели риска и эффективности
- 3. 2. 4. Расчет показателей риска и эффективности
- 3. 3. Оптимизация весов влияющих параметров
- 3. 3. 1. Исследования по оптимизации методом градиентов и методом случайного поиска
- 3. 3. 2. Сопоставление результатов оптимизации при разных моделях риска и эффективности
- 3. 3. 3. Исследования оптимизации по числу состояний в хвосте
- 3. 3. 4. Выбор начальных значений
- 3. 3. 5. Исследования по управлению риском и эффективностью
- 3. 4. Исследования по анализу риска и эффективности 111 — 3.4.1 Частотный анализ
- 3. 4. 2. Вероятностный анализ
- 3. 4. 3. Перспективы применения ЛВ-анализа
- 3. 5. Выводы
- 4. 1. Функции и структура программного комплекса
- 4. 1. 1. Функциональные требования
- 4. 1. 2. Системные требования
- 4. 1. 3. Среда разработки
- 4. 1. 4. Модули ПК
- 4. 2. Инструкция пользователя
- 4. 2. 1. Запуск
- 4. 2. 2. Просмотр и редактирование портфелей
- 4. 2. 3. Обновление базы данных
- 4. 2. 4. Анализ риска портфеля
- 4. 2. 5. Оптимизация портфеля
- 4. 2. 6. Тестирование управления портфелем на исторических данных
- 4. 2. 7. Тестирование моделей риска
- 4. 3. Выводы
Разработка логико-вероятностных моделей, методов и алгоритмов для управления риском и эффективностью в структурно-сложных системах (реферат, курсовая, диплом, контрольная)
Актуальность работы. В настоящее время большое внимание уделяется проблеме управления риском в технических, экономических и социальных системах [13, 33, 42, 48]. Однако риск в системе нельзя рассматривать в отрыве от эффективности ее функционирования. В самом общем случае эффективность это уровень соответствия результатов какой-либо деятельности поставленным задачам, а риск это возможность неуспеха этой деятельности. При этом неуспех может сопровождаться и другими неприятными последствиями, как-то аварии, человеческие жертвы или материальные убытки. В процессе управления необходимо учитывать оба эти параметра. Например, в инвестиционной деятельности рассматривается портфель, состоящий из активов, имеющих разную стоимость, изменяющуюся случайным образом под действием множества причин [33, 79]. Эффективностью и риском являются прибыль и вероятность убытков.
Рассматриваемые системы характеризуются большим количеством элементов, объединенных логическими связями. Параметры элементов имеют множество состояний, а их изменение носит случайный характер. Будем называть такие системы структурно-сложными. Для управления риском и эффективностью в таких системах требуется соответствующий математический аппарат.
Принимая во внимание большой практический и теоретический интерес к проблеме управления риском и эффективностью, а также выявленные в ходе проведенного анализа недостатки существующих методов, сделан вывод о том, что разработка новых эффективных подходов, моделей, методов и алгоритмов в этой области является актуальной.
В работе проблема рассматривается на основе логико-вероятностного подхода с использованием логико-вероятностного исчисления.
ЛВ-исчисления) [42] и логико-вероятностных моделей (ЛВ-моделей) риска с группами несовместных событий (ГНС) [47]. При этом используются статистические данные поведения системы (данные мониторинга). Для 5 разных приложений предложены одинаковые представления базы данных и базы знаний, логические и вероятностные модели, методы анализа и оптимизации. Однако каждое приложение имеет свою специфику и требует отдельного рассмотрения. На реальных статистических данных разработанный подход, модели, методы и алгоритмы апробировались на примере портфеля ценных бумаг и газоперекачивающего агрегата, используемого в системах магистрального транспорта газа.
Цель работы: разработка логико-вероятностного подхода, а также реализующих его моделей, методов и алгоритмов, для управления риском и эффективностью в структурно-сложных технических, социальных и экономических системах с использованием данных мониторинга их функционирования.
Задачи работы:
1. Выполнить анализ методов управления риском и эффективностью, а также JTB-методов моделирования риска в технике и экономике.
2. Разработать JlB-подход к управлению риском и эффективностью в структурно-сложных системах.
3. Выполнить постановку задачи оптимизации, сформулировать критерии и разработать алгоритмы оптимизации для определения весов параметров, влияющих на эффективность системы.
4. Предложить методы анализа, основанные на расчете вкладов влияющих параметров и их градаций в риск и эффективность системы.
5. Разработать JlB-модели риска и эффективности для рассматриваемых приложений.
6. Провести расчетные исследования разработанных моделей, методов и алгоритмов на реальных статистических данных.
7. Разработать программный комплекс, реализующий предложенные ЛВ-модели, методы и алгоритмы для управления риском и эффективностью портфеля ценных бумаг.
Объект и предмет исследования. Объектом исследования являются структурно-сложные технические, социальные и экономические системы. Предметом исследования являются риск и эффективность функционирования структурно-сложных технических, социальных и экономических систем.
Методы исследования. Для решения поставленных задач использовались методы теории вероятностей, математической статистики, дискретной математики, нелинейной оптимизации, моделирования Монте-Карло, математической логики и JIB-исчисление И. Рябинина. На защиту выносятся:
1. JIB-подход к управлению риском и эффективностью в структурно-сложных системах.
2. Критерий оптимальности по минимизации риска при заданном уровне минимально допустимой эффективности.
3. Алгоритмы оптимизации для определения весов параметров, влияющих на эффективность системы, основанные на методах случайного поиска и градиентов.
4. Методы анализа, основанные на расчете вкладов влияющих параметров и их градаций в риск и эффективность системы.
5. JTB-модели риска и эффективности: без учета зависимости между влияющими параметрамис полным учетом зависимости между влияющими параметрамис учетом зависимости влияющих параметров от внешнего фактора.
6. Программный комплекс, реализующий предложенный подход, ЛВ-модели, методы и алгоритмы для задач управления риском и эффективностью портфеля ценных бумаг.
Обоснованность и достоверность разработанных ЛВ-моделей, методов и алгоритмов управления риском и эффективностью структурно-сложных технических, социальных и экономических систем подтверждается использованием строгого математического аппарата, а также результатами расчетных исследований на реальных статистических данных.
Научной новизной обладают следующие результаты работы:
1. ЛВ-подход, который отличает использование статистических данных, логических и вероятностных моделей, баз знаний в виде систем логических уравнений, что расширяет возможности для анализа и управления риском и эффективностью в структурно-сложных системах.
2. Критерий оптимальности по минимизации риска, как вероятности несоответствия системы требуемому уровню эффективности, отличающийся прозрачностью и удобством в использовании.
3. Алгоритмы итеративной оптимизации для определения весов параметров, влияющих на эффективность системы, которые обеспечивают устойчивую сходимость процесса оптимизации при использовании дискретной целевой функции, заданной в неявной форме.
4. Методы анализа, дающие возможность оценить вклады каждого параметра и его состояний в риск и эффективность системы в целом, что служит основой для принятия решений при управлении.
5. JlB-модели риска и эффективности, отличающиеся использованием дискретных распределений для параметров системы, логических и вероятностных функции, что позволяет повысить точность прогнозирования.
Практическая значимость работы заключается в возможности использования разработанных моделей, методов и алгоритмов для решения реальных задач моделирования, оценки, анализа и управления риском и эффективностью в структурно-сложных технических, социальных и экономических системах. Разработанный программный комплекс для управления риском и эффективностью портфеля ценных бумаг может использоваться в прикладных и учебных целях.
Реализация результатов работы. Результаты работы внедрены:
1. В ООО «Городской центр экспертиз» при разработке системы анализа надежности объектов магистрального газопровода.
2. В учебный процесс СПб ГУАП.
3. В компании «Inotel» для управления инвестиционными портфелями.
Апробация работы. Работа выполнялась в рамках программ фундаментальных исследований ОЭММПУ РАН «Защищенность, безопасность, эффективность многокомпонентных машиностроительных систем по критериям риска и полезности» (2004;2008 гг.) [36] и «Проблемы управления и безопасности энергетики и технических систем» (2009;2011 гг.).
Результаты работы докладывались на шестой научной сессии аспирантов ГУАП (2003г.), на научной сессии ГУАП (2008г.), на Международной научной школе «Моделирование и Анализ Безопасности и Риска в Сложных Системах» (2006 г), на международной конференции Машиностроение в экологии и безопасности человека (2004 г).
Публикации. Основные результаты опубликованы в 9 научных работах [2, 3, 4, 5, 6, 7, 68, 69, 87], в том числе одна статья в журнале, рекомендованном ВАК [2].
Объем и структура работы. Работа состоит из введения, четырех глав, заключения и списка литературы из 93 наименований. Общий объем работы, изложенный на 154 страницах машинописного текста, включает 33 таблицы и 54 рисунка.
Во введении обосновывается актуальность темы, названы цель и задача работы, представлены положения, выносимые на защиту, изложены научная новизна и практическая значимость.
В первой главе проводится обзор методик в области управления риском и эффективностью в технических, социальных и экономических системах. Рассматриваются исследования по выбросам случайных процессов и управлению риском и эффективностью инвестиций. По результатам анализа с учетом выявленных недостатков существующих методик и подходов формулируется цель и задачи работы.
Во второй главе изложены JIB-модели, методы и алгоритмы управления риском и эффективностью структурно-сложных систем. Основой подхода является введение в базу статистических данных со значениями влияющих параметров конечных множеств, что позволяет использовать ЛВ-исчисление и строить логические и вероятностные функции для моделирования и анализа риска и эффективности. Разработаны модели риска с учетом и без учета зависимости между параметрами, влияющими на эффективность. Предложены методы анализа риска и эффективности. Разработаны критерии и алгоритмы оптимизации весов влияющих параметров.
Третья глава посвящена расчетным исследованиям на реальных и модельных данных. Основная часть исследований проводилась для проблемы портфеля ценных бумаг. Показана одинаковая точность результатов при использовании аналитического и ЛВ-подхода, если значения влияющих параметров описываются нормальным законом распределения. Показаны преимущества использования ЛВ-подхода, если распределения произвольные. Проведено сравнение ЛВ-моделей риска и эффективности, предложен подход к оценке точности и выбору наиболее подходящей модели, апробированы алгоритмы оптимизации. Исследования по анализу проводились для такой системы как газоперекачивающий агрегат (ГПА), используемый для повышения давления в газопроводах.
В четвертой главе сформулированы требования и описан программный комплекс, реализующий разработанные ЛВ-модели, методы и алгоритмы для управления риском и эффективностью портфеля ценных бумаг. Программный комплекс позволяет не только рассчитывать характеристики и показатели риска, но также проводить оптимизацию состава портфеля, верификацию моделей риска и тестирование управления портфелем на исторических данных.
4.3 Выводы.
Согласно предъявленным требованиям в ходе настоящего исследования был разработан программный комплекс, реализующий предложенные в работе модели, методы и алгоритмы для управления риском и эффективностью портфеля ценных бумаг. Он может использоваться, как для управления инвестиционными портфелями, так и для обучения студентов экономических специальностей. Программный комплекс предоставляет следующие возможности:
1. Поддержка базы данных с историей котировок ценных бумагвозможность импорта котировок.
2. Формирование портфелей ценных бумаг, вывод их параметров.
3. Вывод графиков цен активов и портфеля.
4. Моделирование риска портфеля с учетом и без учета зависимости между активами.
5. Расчет характеристик и показателей риска портфеля таких, как минимально допустимая доходность, риск, VaR, и др.
6. Оптимизация структуры портфеля методом случайного поиска и градиентов.
7. Тестирование управления портфелем на исторических данных с выводом показателей эффективности.
8. Тестирование моделей риска на исторических данных для обеспечения возможности сравнения и выбора наиболее подходящей модели.
Заключение
.
В результате выполненного диссертационного исследования сделаны следующие основные выводы:
1. Предложен JlB-подход к управлению риском и эффективностью в структурно-сложных системах, в основе которого лежит введение конечных множеств для значений влияющих параметров и использование ЛВ-исчисления.
2. Сформулированы критерии и разработаны алгоритмы оптимизации весов влияющих параметров на основе методов случайного поиска и градиентов, учитывающие особенности ЛВ-моделей риска и эффективности.
3. Предложены методы анализа по вкладам влияющих параметров и их градаций в риск и эффективность.
4. Разработаны ЛВ-модели риска и эффективности: без учета зависимости между влияющими параметрамис полным учетом зависимости между влияющими параметрамис учетом зависимости влияющих параметров от внешнего фактора.
5. Расчетные исследования на реальных и модельных данных для портфеля ценных бумаг подтвердили: одинаковую точность расчета характеристик при аналитическом описании и с помощью ЛВ-модели, если доходности активов имеют нормальное распределениеэффективность использования ЛВ-моделей в случае, когда распределение доходности активов произвольноевозможность замены полного числа состояний портфеля неполным числом случайных состояний, полученных методом Монте-Карло, что решает проблему вычислительной сложностибольшую точность прогнозирования ЛВ-моделей по сравнению с аналитической, использующей нормальный закон распределенияэффективность разработанных алгоритмов оптимизации на основе методов случайного поиска и градиентов.
6. Проведенные исследования по анализу риска и эффективности ГПА показали перспективность использования ЛВ-похода для диагностирования ГПА в режиме эксплуатации.
7. Разработан программный комплекс, реализующий ЛВ-модели, методы и алгоритмы для задач управления риском и эффективностью портфеля ценных бумаг, который используется в прикладных и в учебных целях.
Полученные в диссертационной работе результаты содержат решение актуальной научно-технической задачи по созданию математического и программного обеспечения для управления риском и эффективностью в структурно-сложных технических, социальных и экономических системах на основе логико-вероятностного подхода.
Развитие настоящего исследования заключается в разработке ЛВ-моделей риска и эффективности для различных структурно-сложных систем, экспертизе и сертификации методик и программных средств.
Список литературы
- Александрова Е. В. Анализ риска и эффективности ресторанного бизнеса / Е. В. Александрова, Е. Д. Соложенцев // Управление финансовыми рисками. 2008. № 3. С. 228−242.
- Алексеев В. В. Логико-вероятностное моделирование риска портфеля ценных бумаг / В. В. Алексеев, Е. Д. Соложенцев // Информационно-управляющие системы. 2007. № 6. С. 49−56.
- Алексеев В. В. Исследование оптимизации по LP-VaR структуры инвестиционного портфеля / В. В. Алексеев // Материалы международной конференции по машиностроению и безопасности человека. СПб ГУАП. 2004. С. 337−345.
- Алексеев В. В. Логико-вероятностное моделирование риска портфеля ценных бумаг с использованием копул / В. В. Алексеев В. В. Шоколов Е. Д. Соложенцев // Управление финансовыми рисками. 2006. № 3. С. 272−274.
- Алексеев. В. В. Методические указания к лабораторным работам «Логико-вероятностная теория риска портфеля ценных бумаг» / В. В. Алексеев, Е. Д. Соложенцев, В. В. Шоколов. СПбГУАП. 2007. 48 с.
- Айвазян С. И. Прикладная статистика и основы эконометрики / С. И. Айвазян, В. С. Мхитарян М.: ЮНИТИ, 1998. 1022 с.
- Арчер Т. Основы С#. Новейшие технологии / Т. Арчер- пер. с англ. М.: Издательско-торговый дом «Русская Редакция», 2001. 448 с.
- Введение в управление кредитным риском. Прайс-Уотерхаус, 1994. 196 с.
- Волошин И. VaR подход к поиску оптимального портфеля активов / И. Волошин, http://bankclub.ru/library.htm
- Гандерлой М. ADO и ADO.NET. полное руководство / М. Гандерлой- пер. с англ. К.: ВЕК+, СПб.: КОРОНА принт. — М.: Энтроп, 2003. 910 с.
- Гневко В. А. Управление риском и эффективностью на основе построения базы знаний по статистическим данным / В. А. Гневко, Е. Д. Соложенцев // Экономика и управление. 2008. № 3. С. 199−205.
- Грэхем Р. Конкретная математика. Основание информатики / Р. Грэхем, Д. Кнут- пер с англ. М.: Мир, 1998. 703 с.
- Дубовцев А. В. Microsoft .NET в подлиннике / А. В. Дубовцев- под ред. В. Е. Пышкина. СПб.: БХВ-Петербург, 2004. 704 с.
- Заде Л. Понятие лингвистической переменной и ее применение к принятию приближенных решений / Л. Заде. М.: Мир, 1976. 165 с.
- Зарицкий С. П. Диагностика газоперекачивающих агрегатов с газотурбинным приводом /. М.: Недра, 187. 198 с.
- Каминский А. Статистический анализ риска и доходности на новых европейских рынках акций / А. Каминский // Труды Международной Научной Школы МАБР. 2003. С. 333−339.
- Витлинский В. В. Применение методологии Value-at-Risk при отсутствии нормальности распределения / В. В. Витлинский, А. Б. Каминский // Труды Международной Научной Школы МАБР. 2005. С. 46−51.
- Кендалл М. Дж. Многомерный статистический анализ / М. Дж. Кендалл, А. Стьюарт. М.: Наука, 1976. 736 с.
- Кибзун А. И. Оптимальное управление портфелем ценных бумаг / А. И. Кибзун, Е. А. Кузнецов. АиТ. 2001. № 9. С. 101−113.
- Колмогоров А. Н. Введение в математическую логику / А. Н. Колмогоров, А. Г. Драгалин М.: МГУ, 1982. 120 с.
- Лебедев Н. Ю. Логико-вероятностные модели риска неуспеха менеджмента компании / Н. Ю. Лебедев, Е. Д. Соложенцев // Управление финансовыми рисками. Изд. дом Гребенникова, 2005. № 4. С. 30−43.
- Маршал Дж. Ф. Финансовая инженерия. Полное руководство по финансовым нововведениям / Дж. Ф. Маршал, В. К. Бансал. М.: ИНФРА, 1998. 784 с.
- Можаев А. С. Теоретические основы общего логико-вероятностного метода автоматизированного моделирования систем / А. С. Можаев, В. Н. Громов. СПб.: БИТУ, 2000. 143 с.
- Молсаев А. С. Программный комплекс автоматизированного структурно-логического моделирования сложных систем (ПК АСМ 2001) / А. С. Можаев // Труды межд. научн. школы «Моделирование и анализ безопасности и риска в сложных системах». 2002. С. 49−54.
- Можаев А. С. Автоматизированное логико-вероятностное моделирование технических систем. Руководство пользователя ПК АСМ, версия 5 / А. С. Можаев, А. О. Алексеев, В. Н. Громов. СПб.: ВИТУ, 1999. 64 с.
- Нагтан Э. Малая энциклопедия трейдера 3-е изд. перераб. и доп. / Э. Найман. М.: Альпина Паблишер, 2003. 378 с.
- Недосекин А. О. Фондовый менеджмент в расплывчатых условиях / А. О. Недосекин. СПб.: Сезам, 2003.
- ЪХ.Недосекин А. О. Нечетко-множественный анализ риска фондовых инвестиций. http://sedok.narod.ru/s files/Book 22 002. zip
- Недосекин А. О. Новый подход к оптимизации фондового портфеля в нечеткой постановке задачи. http://sedok.narod.ru/s files/2003/Art 100 703. doc
- Первозванский А. А. Финансовый рынок: расчет и риск / А. А. Первозванский, Т. Н. Первозванская. М.: Инфра, 1994. 192 с.
- Платт Д. С. Знакомство с Microsoft .NET / Д. С. Плат- пер. с англ. М.: Издательско-торговый дом «Русская Редакция», 2001. 254 с.
- Поляков Г. Н. Техническая диагностика трубопроводных систем / Г. Н. Поляков, А. С. Пиотровский, Е. И. Яковлев. СПб.: Недра, 1995. 448 с.
- Программа фундаментальных исследований ОЕММПУ РАН № 18 «Динамика и устойчивость многокомпонентных машиностроительных систем с учетом техногенной безопасности». Проект «логико-вероятностное управление риском в сложных высокоточных системах».
- Пугачев В. С. Введение в теорию вероятностей / В. С. Пугачев. М.: Наука, 1968.368 с.
- Ротштейн А. П. Проектирование бездефектных человеко-машинных технологий / А. П. Ротштейн, П. Д. Кузнецов. Киев: Техника, 1992. 180 с.
- Рохилла С. Microsoft ADO.NET: Разработка профессиональных проектов / С. Рохилла, С. Натан, С. Мэлхотра. СПб.: БХВ-Петербург, 2003. 768 с.
- Рыжов А. П. Элементы теории нечетких множеств и измерения нечеткости / А. П. Рыжов. М.: Диалог-МГУ, 1998. 81 с.
- Рябинин И. А. Логико-вероятностный метод исследования надежности структурно-сложных систем / И. А. Рябинин, Г. Н. Черкесов. М.: Радио и связь, 1981. 264 с.
- Рябинии И. А. Надежность и безопасность структурно-сложных систем / И. А. Рябинин. СПб.: Политехника, 2000. 248 с.
- Рябинин И. А. Феномен логико-вероятностного исчисления / И. А. Рябинин // Труды Международной Научной Школы МАБР. 2005. С. 16−28.
- Рябинин И. А. Безопасность и математическая логика / И. А. Рябинин // Труды Международной Научной Школы МАБР. 2003. С. 20−24.
- Соболь И. М. Численные методы Монте-Карло / И. М. Соболь. М.: Наука, 1973.312 с.
- Соложенцев Е. Д. Сценарные логико-вероятностные модели риска взяток" / Е. Д. Соложенцев // Финансы и Бизнес. № 1. 2007. С. 125−138.
- Соложенцев Е. Д. Сценарное логико-вероятностное управление риском и эффективностью в экономике: учебное пособие / Е. Д. Соложенцев. СПб.: ГУАП, 2008. 160 с.
- Соложенцев Е. Д. Сценарное логико-вероятностное управление риском в бизнесе и технике. Издание второе / Е. Д. Соложенцев. СПб.: Издательский дом «Бизнес-пресса». 2006. 530 с.
- Соложенцев Е. Д. Прозрачность методик оценки кредитных рисков и рейтингов / Е. Д. Соложенцев, Н. В. Степанова, В. В. Карасев СПб.: Изд-во С.-Петербургского ун-та, 2005. 197 с.
- Соложенцев Е. Д. Логико-вероятностная модель оценки кредитного риска физических лиц в коммерческом банке / Е. Д. Соложенцев, Н. В. Степанова, А. В. Рыбаков // Управление финансовыми рисками. № 4. 2005. С. 30−43.
- Соложенцев Е. Д. Оптимизация в задачах идентификации логико-вероятностных моделей риска / Е. Д. Соложенцев, А. В. Рыбаков // Автоматика и телемеханика. 2003. № 7. С. 51−63.
- Соложенцев Е. Д. Логико-вероятностные модели риска в банках, бизнесе и качестве / Е. Д. Соложенцев, В. В. Карасев, В. Е. Соложенцев. СПб.: Наука, 1999. 118 с.
- Соложенцев Е. Д. К логико-вероятностной теории точности: в кн. «Проблемы машиностроения» / Е. Д. Соложенцев. СПб.: Наука, 2005. С. 90−102.
- ТахаХ. Введение в исследование операций: в 2-х т. / X. Таха. М.: Мир, 1985.
- Теория вероятностей / Под. ред. В. С. Зарубина, А. П. Крищенко. М.: Издательство МГТУ, 2004. 456 с.
- Тихонов В. И. Выбросы траекторий случайных процессов / В. И. Тихонов, В. И. Хименко. М.: Наука, 1987. 304 с.
- Троелсен Э. Язык программирования С# и платформа .NET 2.0, 3-е издание / Э. Троелсен- пер. с англ. М.: ООО «И.Д. Вильяме», 2007. 1168 с.
- Хан Г. Статистические модели в инженерных задачах / Г. Хан, С. Шапиро- пер. с англ. М.: Мир, 1969. 400 с.
- Чернов В. 77. Математическое и компьютерное моделирование экономической динамики / В. П. Чернов. СПб: Наука, 2001. 224 с.
- Шарп У. Инвестиции / У. Шарп, Г. Александер, Дж. Бэйли. М.: ИНФРА, 2001. 1028 с.
- Ширяев А. 77. Основы стохастической финансовой математики: в 2-х т / А. Н. Ширяев. М.: Фазис, 1998.
- Эрлих А. Справочник по техническому анализу для товарных и финансовых рынков / А. Эрлих. М.: Инфра, 1996. 172 с.
- Энциклопедия финансового риск-менеджмента / под ред. А. Лобанова, А. Чугунова. М.: Альпина Паблишер, 2003. 878 с.
- Юсупов Р. М. Научно-методологические основы информатизации / Р. М. Юсупов, В. П. Заболотский. СПб.: Наука, 2000. 455 с.
- Якобсон А. Унифицированный процесс разработки программного обеспечения / А. Якобсон, Г. Буч, Дж. Рамбо. СПб.: Питер, 2002. 452 с.
- Язенин И. А. О методах оптимизации инвестиционного портфеля в нечеткой случайной среде / И. А. Язенин // Сложные системы: обработка информации, моделирование и оптимизация. Тверь: ТГУ, 2002. С. 24−32.
- Aven Т. Stochastic models in reliability / Т. Aven, U. Jensen. New York: Springer Verlag, 1999. 288 pp.
- Alexeev V. V. Logical-and-probabilistic modeling of security portfolio and copulas / V. V. Alexeev, V. V. Shokolov, E. D. Solojentsev // Mathematical Economics. Wrozlaw. № 10. 2006. pp.73−88.
- Giannopoulos K. VaR modelling on long run horizons / K. Giannopoulos // Proc. of Int. Scien. School «Modelling and Analysis of Safety and Risk in Complex Systems», July 2−5 2002. St. Petersburg: Business Press, pp. 34−39.
- Giannopoulos K. A non parametric measure of expected shortfall (ES) / K. Giannopoulos // Proc. of Int. Scien. School «Modelling and Analysis of Safety and Risk in Complex Systems», August 20−23 2003, pp. 130−136.
- Heckman J. Handbook of Econometrics: vol. 5 / J. Heckman, E. Learner. 2002. 235 pp.
- Hovanov N. V. Syntetic Money / N. V. Hovanov, J. W. Kolari, M. V. Sokolov // in book: Multidisciplinary Economics (Edited by Peter de Gusel). Springer, 2005, pp. 293−305.
- Lisnianski A. Multi-state system reliability. Assessment, Optimization and Applications / A. Lisnianski, G. Levitin. New Jersey, London, Singapore, Hong Kong: Word Scientific, 2003. 376 pp.
- Markowitz H. Portfolio selection / H. Markowitz // Journal of Finances. 1952. No. 7. pp. 77−91.
- Nilsson N. J. Probabilistic Logic / N. J. Nilsson // Artificial Intelligence, vol. 28. Elsevier Science Publ., North Holland, 1986. pp. 31−56.
- Philips D. W. Neural Computing Theory and Practice / D. W. Philips // New York: ANSA Research, 1990. 230 pp.
- Rotshtein A. Fuzzy Reliability Analysis of Man-Machine Systems / A. Rotshtein // In «Reliability and Safety Analysis under Fuzziness, Studies in Fuzziness». Berlin: Physika-Verlag, Springer-Verlag, 1995. pp. 245−270.
- Ryabinin I. A. A suggestion of a new measure of system components importance by means of a Boolean difference / I. A. Ryabinin // Microelectron Reliability v. 34. 1994, № 4. pp.603−613.
- Seitz J. Consumer Loan Analysis Using Neural Network / J. Seitz, E. Stickel // Adaptive Intelligent Systems, Proc. Bankai Workshop. 1992. pp. 177−189.
- Solojentsev E. D. Scenario logic and probabilistic models of bribes. -Mathematical Economics / E. D. Solojentsev // Mathematical Economics. Wrozlaw. 2006. № 10. pp. 5−24.
- Solojentsev E. D. Scenario Logic and Probabilistic Management of Risk in Business and Engineering: Second edition / E. D. Solojentsev. Springer: 2008. 458 pp.
- Solojentsev E. D. Credit Risk: Tips for Identification and Assessment / E. D. Solojentsev, N. V. Stepanova // Global Association of Risk Professionals. 2005. Issue 25. pp. 42−43.
- Solojentsev E. D. Risk logic and probabilistic models in business and identification of risk models / E. D. Solojentsev, V. V. Karassev // Informatica. 2001. № 25. pp. 49−55.
- Solojentsev E. D. Logic and probabilistic theory of security portfolio risk / E. D. Solojentsev //Finance India, vol. XVITT. № 3. 2004. pp. 1269−1293.
- Uryasev S. Conditional value-at-risk for general loss distributions / S. Uryasev, R. T. Rockafellar // Journal of Banking & Finance. 2002. № 26. pp. 1443−1471.