Моделирование экономических результатов хозяйственной деятельности предприятий с оценкой надёжности

ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Методы Недостатки метод тыка" — метод проб и ошибок 1. Требуется длительное время для подбора подходящей функции. 2. Нет уверенности в качестве подбора функции. 3. Требуется вычисление параметров и оценка R для каждой функции. конечных разностей 1. Требуется равномерность шага по аргументу. 2. Точность значительно снижается при засорённых (за-шумлённых) выборках. 3. Функция одномерная. таблиц… Читать ещё >

Содержание

Введение — состояние рыночной экономики и необходимость ис- ^ пользования вероятностных расчётов. Неопределённость и риск
Глава 1. Сущность метода разрешения (различения) риска и неопределённости
- 1. 1. Существующие методы расчёта в условиях неопределённости: ^ достоинства недостатки и область применимости. Методы СПУ
- 1. 2. Применение нечёткого множества в виде треугольного распре- ^ деления
- 1. 3. Использование нечётких множеств в представлении Дюбуа- ^ Прада
- 1. 4. Применение нечётких множеств в представлении Орловского
Выводы
Глава 2. Предлагаемый метод технико-экономического обоснования (ТЭО) инвестиционных проектов
- 2. 1. Основа метода вероятностных расчётов. Теоретическое обоснование
- 2. 2. Квантование распределений и алгебра вероятностных расчётов. ^ Точность расчётов
- 2. 3. Достоинства вероятностных расчётов (метода Вёксицкого)
- 2. 4. Особенности интервальных вероятностных расчётов. Надёж- ^ ность и гарантия технических и экономических расчётов
- 2. 5. Расчёты с использованием вероятностных интервалов
Выводы

Моделирование экономических результатов хозяйственной деятельности предприятий с оценкой надёжности (реферат, курсовая, диплом, контрольная)

Актуальность темы

исследований. Рынок диктует совершенно другие условия по сравнению с плановой экономикой. Это связано с вероятностью появления любого события в сравнительно большом интервале возможной реализации. В плановой экономике колебания значений были значительно меньше ± 5%, если это не было связано с нарушением технологического цикла строительства — производство нулевого цикла при строительстве зданий зимой.

В условиях рынка ценовая ситуация постоянно меняется по всем видам ресурсов:

— сырье,.

— материалы,.

— покупные изделия и полуфабрикаты (как товары других отраслей или контрагентов),.

— финансы,.

— рабочая сила,.

— электроэнергия,.

— топливо и др.

К вероятностной ситуации добавляется неопределенность. Природа неопределенности может быть классифицирована по следующим категориям:

1. Неизвестность (незнание),.

2. Физическая неопределенность,.

3. Недостоверность (неполнота, недостаточность, не адекватность, расплывчатость),.

4.Неоднозначность, лингвистическая неопределенность.

Любая классификация служит определённой цели, а не сама по себе (вещь в себе). В первую очередь, это необходимо для создания однородной группы объектов (предприятий) по определённым признакам. Классическим примером является классификация царства растений и животных: класс, отряд, семейство, род, вид. Каждая наука рассматривает тех или иных живых существ по сходству или различию с целью познания, осмысления и запоминания — создания шаблона, стереотипа для экономии памяти.

В машиностроении, в зависимости от технологического назначения и области применения и обслуживания, все машины, аппараты и механизмы классифицируются по роду, классу, группам, видам, типам и типоразмерам (см. [121], с. 19).

Классификация по количественным признакам характеризует новое качество, служит основой создания однотипных самостоятельных технологических переделов, предприятий, отраслей. В этом случае упрощаются модели, уменьшается погрешность расчётов и с меньшим допуском (погрешностью) создаются технико-экономические и финансовые нормы и нормативы.

Неопределённость, неизвестность и риск имеют множество синонимов в научном и житейском плане: неясность, неточность, некорректность, нечёткость, обтекаемость, неопределительность, неконкретность, растажённость, незрелость.

Другой подход к классификации неопределенностей приводится в кн. Дж. Фон Неймана и О. Моргенштерна «Теория игр и экономическое поведение. 1970.»:

1. Комбинаторное количество вариантов, которое изучить (рассмотреть, просмотреть) в отведенное время невозможно даже при наличии быстродействующих ЭВМ (полный перебор вариантов невозможен). Примером большого количества вариантов стратегий (ходов) — шахматы, количество производственных структур машиностроительных предприятий, состоящих из 20 -г 30 технологических переделов и производств.

2. Случайные факторы происходящих событий как результат действия случайных сил:

— рассеяние попаданий в мишень при стрельбе;

— случайные потоки требований в обслуживающую систему;

— случайные потоки денежных средств в банковскую систему или на предприятие и т. д.

3. Стратегическая неопределенность (игровая неопределенность по существу) из-за неизвестного поведения (хода) противника (партнерадругого участника игры, включая игру с природой).

В чистом виде рассмотренные неопределенности встречаются редкочаще смешанные варианты. Так большинство игр можно рассматривать по типу неопределенности:

— Неопределенность стратегическая + комбинаторная => «морской бой».. .

— Неопределенность комбинаторная + стохастическая (вероятностная) => пасьянсы.

— Неопределенность стратегическая + стохастическая => покер.

— Неопределенность стратегическая + стохастическая + комбинаторная => преферанс.

В основном перечислены карточные игры, чему обязана развивающаяся теория игр, включая и теорию вероятностей. На этих примерах легче объяснить существо дела при рассмотрении выводов и доказательств. Конкретные экономические проблемы сложнее перевести на язык математики — облечь в математическую форму требуется довольно много времени. Не мало времени и трудностей занимает интерпретация полученных результатов.

Например, Дж. Сорос (см. Алхимия финансов. 1996) выражает сожаление о том, что «Он не может объяснить и предсказать ход событий (спад) тем способом, к которым мы привыкли за время нашего длительного романа с естественными науками, по той простой причине, что рефлексивные процессы не могут быть объяснены и предсказаны таким способом .».

Естественные науки здесь не причем, если не смогли задачу сформулировать математически.

Выход, однако, из сложившейся ситуации есть. Динамика процессов подобного типа может интерпретироваться в уравнениях Лотки — Воль-терра (Ьо1ка А.1., Уокегга V. см. Математическая теория борьбы за существование, 19 760), и Мэрди Дж. (МигсНе в. см. Модели популяций, в кн. [207]), используемых в биологии (экологии), или в уравнениях Ланчестера (РЖ Ьапс^ег), используемых для описания военных действий (см. Морз Ф. М., Кимбелл Дж. Е. Методы исследования операций. 1956., с. 148 — 172).

Кроме того, самой главной помехой для получения заданной точности прогноза служит фрактальность динамического (временного) ряда цен на фондовой бирже.

Фрактальность, по выражению Б. Мандельборта (см. [201], с. 69−80), есть размерность подобия (самоподобия, самоаффинннсти) связана с 'дикой' (хаотической) вероятностью в отличие от 'ручной' вероятности, присущей большинству игр, вероятность которых можно рассчитать и предвидеть. При 'ручной' вероятности с ростом количества испытаний случайность становится закономерностью — первая стадия неопределённости. При 'дикой' (хаотической) вероятности, — вторая стадия неопределённости, — этого не происходит.

Другой особенностью проявление случайного поведения огромного количества участников фондового рынка с индивидуальной вероятностью. Б. Мандельброт приводит пример лезвия ножа (см. [201], с. 81) «если рассматривать лезвие ножа в микроскоп, то оно покажется необычно неправильным (изрытым), однако для невооружённого глаза оно представляется абсолютно прямым, ровным».

Если бы инженеры при создании машин остановились, задумавшись о состоянии поверхности деталей (например, поршня и цилиндра двигателя внутреннего сгорания или паровой машины) и невозможности их достаточно плотного прилегания для’создания необходимого давления, ездили бы до сих пор на лошадях.

Инженеры постоянно ищут и находят пути разрешения противоречий и компромиссов, так и в прогнозировании стоимости ценных бумаг на фондовом рынке можно получить (сглаживая) фильтруя динамический ряд от помех (выделение сигнала на фоне помех давно используется при радиопередачах, радиолокации и пр.) — фильтры С. С. Александера (см. [201, с. 160]). Аналогичную позицию высказывает Н. Талеб — математик и менеджер по страхованию риска и приводит пример фильтрованной и не фильтрованной информации (см. рис. в.1 из [306], с. 210).

— 0.2.

0.6.

0.2.

0.4.

50 1100 150 «200 250 V А.

— 0.4.

Не отфильтрованная информация, содержащая сигнал и шум.

— 0.2.

0.4.

0.2.

Та же информация, с отфильтрованным шумом.

Рис. в.1. Результат фильтрации сигнала (временного ряда).

С ними категорически не согласен Б. Мандельброт, считая не возможным отфильтровать фрактальный шум. Н. Талеб считает основной ошибкой в прогнозировании рынка ценных бумаг пренебрежение или непонимание появления вероятностей редких событий. Однако в реальной действительности вместо нормального распределения могут быть распределения типа Коши 'с толстыми хвостами'. Тогда вероятность появления «редких» события с таким распределением не такая малая.

Предполагается заниматься динамикой экономических показателей, подчиняющихся более медленным процессам, нивелирующим скачки фондового рынка.

Основное отличие процессов в том, что в биологии (при описании биоценоза) процессы протекают годами, военные действия, — такие как армейские операции, — несколько суток, операции на фондовой бирже могут меняться за часы, и даже минуты.

Главная проблема заключается в расчленении игроков на бирже по величине «прожорливости», пропускной способности организации — возможности приобретения и продажи финансовых инструментов, а также по характеру риска, который можно увязать с разной оценкой полезности и степени предпочтения.

Таким образом, проблема лежит не в плоскости математики, а в формулировке ее на предметном языке. Для этого надо еще хорошо представлять реальный процесс финансовых операции и поведение разных категорий игроков при меняющихся обстоятельствах.

Третий подход к классификации неопределенности связан с психикой человека (человеческим фактором) регуляция поведения человека в обстановке повышенной сложности (см. [101]). Эти проблемы анализируются средствами когнитивной психологии:

1. Сложность — связана с комбинаторной степенью разнообразия: стап тической и динамической (Ш, где ш — число градаций состояний объекта, п — число объектов, рассматриваемого типа).

2. Непрозрачность — не все из того, что хочет видеть человек, — видно. Непрозрачность — еще один элемент неопределенности в ситуации планирования и принятия решений.

3. Незнание. Человек включен в сложные динамические системы, основной характеристикой которых является сетевое строение с многочисленными связями. Незначительное изменение в какойлибо ветви сети может вызвать существенные изменения во всей сети.

4. Ложные гипотезы: а). Недооценка интенсивности нарастания изменений в системе и, как следствие, неверный прогноз по срокам возникновения (реализации, появления) критической ситуации. б) Непонимание проблем, которые пока отсутствуют, но могут появиться в результате наших собственных действий.

Еще один подход к классификации неопределенности используется при проектировании работ (см. «Человеческий фактор», том 4, с. 209−242):

1. Человеческая неопределенность связана с невозможностью точного предсказания поведения людей в процессе работы. Люди отличаются друг от друга уровнем образования, опытом, творческими способностями, интересами. Индивидуальные реакции меняются изо дня в день, в зависимости от самочувствия, настроения, контактов с другими людьми и т. д.

2. Техническая неопределенность значительно меньше по сравнению с человеческой, однако, с ней надо считаться. Техническая неопределенность связана с надежностью оборудования, предсказуемостью производственных процессов, сложностью технологии, уровнем автоматизации, объемом производства, темпами обновления и т. д.

3. Социальная неопределенность определяется стремлением людей образовывать социальные связи и помогать друг другу. Люди ведут себя в соответствии с взаимно принятыми обязательствами, служебными отношениями, ролями, стимулами, конфликтами, традициями и т. п. Структура таких взаимоотношений пе всегда определена.

В этих условиях прогнозирование и планирование производства, объем продаж и величины денежных потоков, разработка проектов строительства и бизнес-планов, могут быть рассчитаны лишь приближенно. Особенно важно для практики иметь надежное оценивание эффективности инвестиционных проектов. ¦

Организация любого дела предполагает получить в результате деньги, превышающие вложенные средства (понесенные затраты), что равносильно помещению средств в надежный банк под проценты.

Но бизнес, вместо ожидаемой прибыли, может принести убытки, величина которых может превысить не только вложенные в дело средства, но и все имеющееся в его распоряжении имущество. Хорошим примером этому являются азартные карточные игры. Такого же, примерно, типа и игра на фондовой бирже — особенно нецивилизованной и игрок не искушенный.

Вероятностная природа рыночных операций и неопределенность ситуации при проведении любых операций приводят к риску. Проблема риска в рыночной экономике одна из главных в финансовой и производственной деятельности предприятий — в первую очередь, всех других видов деятельности — во вторую.

Риск — вероятность потери ценностей (финансовых, материальных товарных ресурсов) в результате деятельности, если обстановка и условия проведения деятельности будет меняться в направлении, отличном от предусмотренного планами и расчетами. Степень риска определяется величиной потерь при наступлении не предусмотренного события (математическим ожиданием величины потерь) в сравнении с вложенными средствами.

Степень риска, кроме всего прочего, зависит от характера и психологии человека.

Л.Н. Волгин в работе (см. [78], с. 121) приводит аналитическое выражение средней реакции человека V на воздействие (положительные или отрицательный стимул) и.

V = ¡-/(х)* м?(х-и)* с! х, где /(к) — психологическая функция отклика субъекта, у (х — и) — характеристика объективности субъекта по отношению к возможным исходам события.

Любой риск должен быть осознан. Планирование никогда не сможет, особенно в рыночной экономике, исключить риск из экономических решений.

Задача заключается в количественной оценке осознанного риска при проведении хозяйственных, торговых и других операций.

Степень риска можно соотнести с размером понесенного убытка: — первой степени — убыток пропорционален доле прибыли (с нулевой прибылью), при определённых действиях можно восстановить дееспособность бизнеса;

— второй степени — ущерб пропорционален доле затрат на производство (с отрицательной прибылью), так же при определённых усилиях можно выйти из кризиса;

— третьей степени — потери пропорциональны доле выручки, для налаживания бизнеса требуются значительные усилия. Они должны быть меньше чем полученная в будущем прибыль;

— четвертой степени — убытки пропорциональны стоимости акционерного капитала или стоимости фирмы — потеря бизнеса, банкротство.

Анализ риска производится в следующей последовательности:

1. Выявление внутренних и внешних факторов, увеличивающих и уменьшающих конкретный вид риска.

2. Анализ выявленных факторов.

3. Оценка конкретного вида риска с финансовой стороны с использованием двух подходов.

— 3.1. Определение финансовой состоятельности (ликвидности проекта).

— 3.2. Определение экономической целесообразности (эффективности вложений финансовых средств).

4. Установка допустимого уровня риска.

5. Анализ отдельных операций по выбранному уровню риска.

6. Разработка мероприятий по снижению риска.

7. Количественный анализ конкретного риска.

Степень изученности проблемы. Существуют методы решения задач в условиях неопределенности (см. [10]- [117]- [236]- [285]), однако, они сложны для формулировки исходных данных и интерпретации полученных результатов. Например, нечеткие множества в представлении Дю-буа-Прада выглядят в виде трапеции. Левая и правая части, ограниченные ребрами трапеции, характеризуют нечеткость, размытость исследуемой величины.

Примером решения задачи вероятностной оценки наименованной случайной величины является продолжительность работ по сетевым планам. Представление информации о продолжительности выполнения работ по методу Вёксицкого в виде кортежа <а, Ь, ш, з>.

Предложенные расчеты на основе интервалов Вёксицкого позволяют решать с достаточной точностью существующие проблемы надежности проектных показателей.

Следует отметить (см. [355], с. 8), что все методы измерения в социальных и экономических исследованиях имеют вероятностную природу, и потому в их основе лежит математический аппарат — математическая статистика.

Все чаще появляются высказывания о том, что встречающиеся в социальных и экономических науках распределения не являются в общем случае распределениями значений независимых случайных событий (см. [237], с. 3940). Следовательно, что количественный анализ социальных явлений требует использования математической статистики зависимых событий.

Нам представляется, что утверждения такого рода несколько опережают события и являются просто не совсем адекватной реакцией на объективные трудности количественного анализа социальных явлений. И в какой-то мере — продуктом недопонимания теории вероятностей.

На самом деле математическая статистика независимых событий дает самые разные распределения, в том числе и распределение Парето-Ципфа (см. [355], с. 105, 114). С п (х) = х>Х0> 0, со > а > 0 частотная дифференциальная форма,.

F (*) = с (г)С a*N А.

1 1 х* ха л0.

Хг.

1—частотная интегральная форма,.

Х (г) = г+вУ.

A* In — ранговая дифференциальная форма, г + В 1 + В.

Х-1.

1 = 1 l + Bf-1 (г + В).

Х-1.

— ранговая интегральная форма,.

ХФ1.

Сложности, возникающие при количественном анализе социальных и экономических явлений, имеют на современном этапе иные корни. Следует сначала ликвидировать другие, более простые источники некорректностей. И, если этого окажется мало, только тогда прибегать к громоздкому аппарату математической статистики зависимых событий.

На аппарат теории вероятностей, используемый в социальных науках, атака ведется и с другой стороны. Следуя JT. А. Заде, взамен вероятностных представлений выдвигаются-представления о так называемых нечетких [fuzzy] множествах (см. [27]- [131]- [234], с. 35−43- [235]), базирующиеся, в свою очередь, на представлениях о нечеткости мышления человека. Здесь обычное «четкое» множество, образуемое однозначно отнесенными к нему объектами, заменяется нечетким множеством, и вводится так называемая функция принадлежности, определяющая степень принадлежности объектов к этому множеству.

Аппарат нечетких множеств эквивалентен по своему идейному наполнению аппарату теории-вероятностей. Видимо, прав А. И. Орлов (см. [234], с. 39), утверждающий, что «нечеткие множества естественно рассматривать как &bdquo-одномерные проекции» случайных множеств", фигурирующих в теории вероятностей. Будучи идейно эквивалентной, теории вероятностей теория нечетких множеств, которой посвящено сегодня уже более, тысячи публикаций, более громоздка, и потому имеет невысокую конкурентоспособность.

Перед специалистами, занимающимися обработкой информации, одной из главных задач стоит задача определения функции, наилучшим образом аппроксимирующей выборочные (экспериментальные) данные, в случае, если не известна зависимость (закономерность, закон) поведения функции при изменении аргументов. .

Приведём некоторые приёмы, используемые для выбора функции: I. Обычно для выбора подходящей для аппроксимации функции часто используется подход, называемый «методом тыка». То есть осуществляется последовательный перебор ряда функций из огромного числа их.

Этот метод занимает много времени, не всегда приводят к выбору «хорошей» функции, с достаточной точностью аппроксимирующей выборочные данные. Объём работы можно сократить при наличии у специалиста опыта по обработке информации.

И. Другой подход к определению вида зависимости между функцией и аргументами основан на форме изменения конечных разностей.

Необходимо подчеркнуть, что вместо разности для числового ряда, следует вычислять их на основе значений функции при срединах разрядов ранжированного аргумента. Для этого нужно выполнить: аргумент, связь с функцией которого определяется, ранжировать и разбить на 12 + 15 разрядов (для получения постоянной разности r-го порядка в количестве m чисел необходимо k = г + m разрядов);

III. Определение вида зависимости между функцией и аргументом с помощью электронных таблиц Excel в следующей последовательности: записать в столбец электронных таблиц значения функции, ранжированных по аргументу, в срединах разрядоввыделить столбец (средние значения функций в разрядах) и построить график на основе этой информациипоставить курсор мышки на линию графика и правой клавишей мышки активировать «добавить линию тренда" — затем определить тип тренда из 6-ти возможных и обязательно указать параметры (поставить флажки (галочки) в две последних ячейки из 3-х, расположенных вертикально). Проделав несколько раз, получим несколько видов функции с указанием R (корреляционное отношение, характеризующее качество связи): по максимальному значению R выбрать тип зависимости в формальной форме.

IV. В последнее время появились работы по нейронным сетям и генетическим алгоритмам, которые могут быть использованы для определения типа зависимости. Их использование связано с большими трудностями даже при наличии компьютера: необходимы большие объёмы точной и размытой информации, подчиняющейся определённой закономерности, для настройки алгоритмов.

V. Для аппроксимации функций и интерполяции давно используются ортогональные многочлены: Ньютона, Лагранжа, Лаггера, Стерлинга, Бесселя, Гегенбауэра, Гаусса, Фурье, Чебышева, Эрмита, Якоби и пр. Достоинства и недостатки ортогональных многочленов приведены в табл. 1.

VI. Теория подобия и размерности может вскрыть закономерность при условии, что величины, входящие в отношение подобия имеют физическую размерность.

Таблица 1.

Достоинства и недостатки методов аппроксимации.

Методы Достоинства метод тыка" -метод проб и ошибок 1. Относительная простота выполнения операций. 2. При наличии профессионального опыта можно сократить объём работы. конечных разностей 1. Быстрота и удобство пользования. 2. При детерминированных данных в простейших случаях (одномерная функция) даёт достаточно точный результат. таблиц Excel 1. Быстрота и удобство пользования. 2. При детерминированных данных даёт хорошие результаты и точное решение параметров. 3. Электронный вариант «метод тыка». нейронных сетей 1. Могут быть получены хорошие результаты на случайных засорённых выборках (с погрешностями, размытых). ортогональные интерполяционные многочлены 1. Наилучшее приближение с оценкой по обобщённому средне квадратичному отклонению с различными весами для разных многочленов. 2. Устойчивость сплайнов относительно локальных возмущений. 3. Хорошая сходимость в отличие от многочленной. 4. Обладают экстремальными свойствами. теория подобия и размерности 1. Может вскрыть 'физику' процесса (явления). сплайны 1. Удобство использования при аппроксимации функций с различной гладкостью на разных участках аппроксимации. фрактальный анализ Используется при изучении финансовых рынков и динамических систем. О достоинствах и недостатках пока судить трудно из-за малого количества примеров практического использования. метод средних значений 1. Оптимальный выбор функции даже для засоренных выборок. 2. Для выбора функции не требуется вычисление параметров функции. 3. Процесс выбора можно автоматизировать и использовать «планирование эксперимента» .

VII. В графических работах по техническим дисциплинам широко используются сплайны (абрис и оболочки изделий), особенно после появления мощной и доступной вычислительной техники. Сплайны могут быть использованы и для приближения и для интерполяции функций.

Продолжение таблицы 1. Достоинства и недостатки методов аппроксимации.

Методы Недостатки метод тыка" - метод проб и ошибок 1. Требуется длительное время для подбора подходящей функции. 2. Нет уверенности в качестве подбора функции. 3. Требуется вычисление параметров и оценка R для каждой функции. конечных разностей 1. Требуется равномерность шага по аргументу. 2. Точность значительно снижается при засорённых (за-шумлённых) выборках. 3. Функция одномерная. таблиц Excel 1. Требуется равномерность шага по аргументу. 2. Для использования при засорённых (зашумлённых) выборках требуются значительные предварительные расчёты: разбивка на разряды. 3. Функция одномерная. нейронных сетей 1. Требуется для каждого типа функции большой объём определённой информации для настройки сети — обучение алгоритма по принципу распознавания образов. ортогональные интерполяционные многочлены 1. Трудность построения многочленов. 2. Коэффициенты и погрешности растут с увеличением степени. 3. Последовательность не всегда сходится к интерполируемой функции. 4. Возможны осцилляции, выходящие за пределы допустимых отклонений. 5. Часто не соответствуют модели явления. теория подобия и размерности 1. Необходимо иметь неформальное представление о процессе. 2. Переменйая величина, входящая в отношение подобия, должна иметь физическую размерность. сплайны 1. Система имеет решение не для любого набора узлов. 2. Наложение большого числа дополнительных условий. 3. Неустойчивость вычисления параметров сплайна из-за быстрого роста ошибки. 4. Возможны осцилляции, выходящие за пределы допустимых отклонений. 5. Часто не соответствуют модели явления. метод средних значений 1. Процесс усложняется при увеличении признакового пространства (количества аргументов) из-за комбинаторного числа вариантов возможных функций.

VIII. После 2000 года начинают интенсивно использоваться применение фрактального анализа. Пока только при изучении случайных процессов рынка ценных бумаг (финансовые рынки), неравновесных динамических систем и хаоса. Примеров аппроксимации функций с использованием данного метода пока нет.

Кроме некоторых математических приёмов, связанных с устойчивостью различного порядка разности и скорости роста или ускорения функции нет других методов, позволяющих подобрать наилучшую функцию. Существует очень трудоёмкий метод, связанный с полным перебором огромного множества различных функции — многомерных полиномов и позиномов.

IX. Ещё один из подходов, однозначно решающий задачу аппроксимации, рассмотренный в начале, основал па средних значениях аргументов и функций: гармоническом, геометрическом, арифметическом, квадратичном, кубическом и пр. Выбор функции осуществляется без определения параметров уравнений, что значительно облегчает вычислительный процесс и сокращает время. Ранее были рассмотрены только одномерные функции.

Каждый из приведённых выше методов аппроксимации имеет свои достоинства и недостатки (см. табл. 1).

Среди рассмотренных функций недостаёт только часто используемой использовать для оценки возможности аппроксимации выборочных данных логистической кривой.

Для определения возможности использовать для сглаживания (аппроксимации) логистическую функцию (кривую) необходимо:

Значение к характеризует высоту (по ординате) точки перегиба функции г®- = к/2. Это свойство можно.

— аргумент, связь с функцией которого определяется, ранжировать и разбить на 12 + 15 разрядов (для получения постоянной разности r-го порядка в количестве m чисел необходимо k = г + m разрядов);

Предлагаемый подход на основе средних значительно облегчает решение задачи выбора наилучшей функции без предварительного определения параметров функции. Эту операцию можно поручить ЭВМ.

Далее в работе рассматривается второй подход, связанный с обработкой информации. В практической деятельности человека любая работа может быть выполнена с определённой точностью, которая зависит от точности имеющегося оборудования (инструмента), либо имеющимися средствами и временем, отпущенным на эту работу.

При расчете технико-экономических показателей (ТЭП) по методу Вёксицкого разработанному автором используется мощный аппарат теории вероятностей и математической статистики, что дает уверенность в достижении поставленных целей лицу, принимающему решение (ЛПР).

Идеи, предложенные в работе, могут быть использованы:

— при подготовке специалистов высокого класса;

— в плановых, прогнозных и проектных работах специалистами разных отраслей народного хозяйства;

— для дальнейшего исследования и развития предложенных методов в научных работах и диссертациях.

Цель исследования. Разработка метода технико-экономического обоснования проектных решений при создании новых производств или разработка бизнес-плана существующих, действующих производств. Оценка надёжности, полученных расчётов.

Для достижения поставленной цели следует искать решение этой задачи на пути совершенствования сетевых методов планирования и управления (СПУ или ПЕРТ — в англоязычной литерации, что означает Program Evaluation and Review Technique — методы планирования оценки и проверки) (см. [88]- [89]- [217]- [288]).

Вместо интервальной оценки величины (в частности в СПУ — времени выполнения работы) следует использовать квантованную усечённую, как правило, плотность распределений. В результате квантования получаем вместо непрерывного распределения — дискретное распределение.

Пусть безразмерная случайная величина х е (од) имеет плотность распределения /(х). Наименованная случайная величина у е (а, Ь) зависит отх (у = а + (Ь-а)*х).

Примем число разрядов при квантовании = ш (рекомендуется принимать ш нечётное в пределах 13 < т < 21). Тогда:

X/ = -*(/-0.5)-средины разрядов случайной дискретной величины х т ie (l, т)).

Ь0≠ — - правые границы разрядов случайной дискретной величины хт йх х,+— 2 р, = |/(*)<£с" Ах * /(*,) — вероятность попадания случайной величины х в от.

Лг х-2 Ах Ах резок х,—-<*<*, + — 2 2, Наилучшим типом распределения является р-распределение, так как этим распределением легко аппроксимируется целый ряд распределений: равномерное, треугольное (Симпсона), 11-образное, экспоненциальное (геометрическое — Парето), Ципфа, нормальное и др. (см. [355], с. 151).

Об отсутствии надёжности экономических расчётов обеспокоены и зарубежные авторы. Одновременно с нашей публикации о вероятностных расчётах или спустя 1 — 2 года после появились переводные работы и работы, совместные с зарубежными авторами по вопросам моделирования результатов, в первую очередь, инвестиционной деятельности и управления финансами. В работе (см. [345]) используется компьютерное моделирование как одна из форм анализа риска. Речь не идёт о вероятностных расчётах. См. рис. в2.

Затраты на строи тельсгпво завода.

Рис. в2а.

Затраты на рабочую силу.

Рис. в2 В.

Затраты на топливо.

Рис. в2б.

Расходы на фрахт.

Рис. в2г.

Материальные затраты.

Рис. в2д.

Дисконт.

Рис. в2ж к V.

Полезный срок службы оборудования.

Рис. в2е.

Тор г о вы е издержка.

Рис. в2з.

Убытки по просроченным платежам.

Рис. в2и.

Вероятность л.

Эксплуатационные расходы.

Рис. в2к.

Продажа В m.

Цена продаж.

Рис. в2л Рис. в2м.

Рис. в2. Распределения основных экономических показателей.

В работе (см. [62], с. 198, 386, 438, 440, 446,456, 460) приводятся вероятности возможных денежных потоков в виде распределений или гистограмм, без указания как получены соответствующие распределения и без вероятностных расчётов (см. рис. вЗ).

Колас Б. в работе (см. [161], с. 424) указывает, что «Дэвид Герц (David Herts) первым в 1964 г подал идею использования моделирования в подходе к решению инвестиционных проблем в условиях неопределённости» (см. Рис. в4).

Герц считал независимыми переменными, влияющими на рентабельность: масштабы рынка, цена продажи, темпы роста рынка, доля предприятия на рынке, сумма инвестированного капитала, остаточная стоимость инвестиций, переменные и постоянные издержки, срок действия инвестиций.

При моделировании использовался метод Монте-Карло с предположением распределения соответствующих показателе на основе объективной (выборочной) или субъективной (интуитивной вероятности, определяемой на основе опыта, предпочтений и желаний участников рынка) (см. [264], с. 459 470) вероятности распределения соответствующих параметров.

Январь.

Февраль.

Март.

150 175 200.

Апрель.

Ж Лк.

75 100 125.

Май.

— 25 0 25.

Июнь.

11 111Ш1. 1"Ц|1и.

— 75 — 50 — 25.

— 50 -25 0.

0 25 50.

Рис. вЗ. Распределения денежных средств на конец месяца.

Субъективная вероятность может меняться с течением времени. Например, влияние моды может изменить конъюнктуру рынка в каком-либо сегменте.

Однако моделирование даже при наличии быстродействующих ЭВМ и пакетов программ довольно сложное дело и не даёт правильных результатов при объёме выборки 10 ООО и более.

Таким образов, для уверенности в экономических расчётах, связанных с инвестиционными проектами, с управлением предприятием и прочими расчётами целесообразно использовать вероятностные методы.

Объект исследования: предприятия не зависимо от отраслевой принадлежности и формы владения.

Предмет исследования: проектные решения, включая инвестициилюбые технико-экономические и финансовые расчёты.

Оценка вероятностных значений для каждой из главных переменных.

Случайный отбор и комбинирование этих факторов с учетом вероятности.

Определение собственной внутренней нормы рентабельности для каждой комбинации.

Повторение процесса для уточнения картины инвестиционного риска Г.

Вероятность.

IV 1.

Переменная.

Масштабы р

Продажная цена.

Темпы роста рынка я ил г^шуп.

Доля на рынке.

Инвестированный. I капитал Уя-а^ямА.

Остаточная стоимость инвестиции.

Переменные производственные издержки.

Постоянные издержки.

Срок действия ^^ V, инвестиции Вероятность.

Рис. в4. Схема моделирования инвестиционного проекта: метод Герца.

Теоретическая и методологическая база исследования. При исследовании проблемы технико-экономических расчётов в условиях рынка, создающего неопределённость и риск использованы общеметодологические принципы научного исследования, положения рыночных отношений, анализ производственно-хозяйственной деятельности, теории организации, планирования и управления, методы имитационного и аналитического моделирования, методы исследования операций, системный подход.

Результаты исследования, применённые на практических разработках технико-экономических обоснований, подтвердили правильность выводов.

Предложенные методы технико-экономических расчётов с использованием вероятностных расчётов укладываются (подчиняются правилам и законам) в законы и правила теории вероятностей и математической статистики: алгебра случайных величин и функций, теоремы и законы о числовых характеристиках случайных величин и функций.

Основные результаты исследования, полученные лично автором, и их научная новизна состоит:

— в разработке метода технико-экономического расчёта в условиях риска и неопределённости, который является дальнейшим развитием методов СПУ;

— определение функциональной зависимости затрат (себестоимости) и других технико-экономических показателей, которая зависит от используемой технологии, техники, структуры и организации производства существующего (действующего) или проектируемого предприятия с небольшим количеством исходной информации;

— вывод статистической формулы определения численности аппарата управления АУП = 6,14*{2* Н*(1 + н17)*п0)0,53 456 — 45;

— формализован метод расчёта опционных сделок по классическим типам опционов с применением мнемонического правила решения неравенств (длинный и короткий колл, длинный и короткий пут, спрэд быка и медведя, двойной стеллаж, длинный и короткий стрэнгл, стрэпы и стрипы, бабочка, забор и пр.) и многопериодным процентным опционам (длинный и короткий кэп, длинный и короткий флор, коллары, гибридные финансовые инструменты);

— разработан метод выбора типа функции в пространстве признаков (р > 1) для оптимальной аппроксимации выборочных (детерминированных, за-шумлённых, засорённых и качественных данных) данных на основе обобщённых средних значений функции и функций от средних аргументов в задачах:

— определения аналитической зависимости (закономерности, закона) изменения показателей;

— моделирования процессов и явлений.

— для устранения недостатков в теории оценки стоимости объекта собственности предложены подходы для их исключения, позволяющие устранить произвол в принятии нормативных данных и обеспечить однообразие и повторяемость расчётов стоимости одного и того же объекта разными экспертами;

— для оценки стоимости машин и оборудования приспособлены методы теории подобия и размерности;

— предложен новый способ (подход к рассуждению) при оценке стоимости собственности без использования весовых коэффициентов при определении стартовой стоимости-. .

— предложен подход и разработана процедура использования дискрими-нантных функций и факторного анализа для оценки состояния кризисности предприятия;

— разработана программа выполнения вероятностных расчётов на языке Pascal.

Основные положения диссертации, выносимые на защиту.

1. Вероятностные расчёты технико-экономических показателей, с оценкой вероятности риска, надёжности и гарантии безопасности бизнеса.

2. Использование метода средних для оптимальной аппроксимации выборочных данных на основе обобщённых средних значений функции и функций от средних значений аргументов в задачах прогнозирования и моделирования процессов и явлений.

Практическая значимость результатов исследования состоит в следующем: использование предложенных методов расчёта на основе вероятностных интервалов для технико-экономического обоснования инвестиционных проектов, бизнес-планов и расчёта финансовых потоковразработанный удобный интерфейс позволяет использовать вероятностные расчёты в учебном процессе при выполнении экономических расчётов и финансовых потоков для специалистов не знакомых с языками программирования высокого уровня.

Реализация результатов исследования. Теоретические, методические и прикладные результаты исследования использовались при технико-экономическом обосновании инвестиционных проектов: ТЭО сборочного производства газового счётчика (см. п. 4.1) — ТЭО организации мельницы (см. п. 4.2) — ТЭО организации мини завода по переработке нефти (см. п. 4.3) — Бизнес-план производства тканых мешков из полипропилена (см. п.

4.4) — использование методов вероятностных расчётов при разработке предложений выхода из кризиса барнаульского государственного авиапредприятия (БГАП) — использование методов вероятностных расчётов при совершенствовании работы ФПГ «Золотое зерно Алтая» в составе: ТОО «Мельница», ЗАО «Зерноцентр», ТОО КБ «Зернобанк», ТОО «Злак», АООТ «Элеватормельмаш», АООТ «Мельник», Агропромсоюз, АООТ Барнаульский «Хлебокомбинат N2», АООТ «Хлебокомбинат N5», ТОО «Акционер» — использование при разработке ТЭО освоение и производство нового кормозаготовительного прицепного комбайна на основе модели типа «Джон Дир» (США) и другие.

Апробация работы. Основные положения диссертации докладывались, обсуждались и получили одобрение на международных и региональных конференциях: на Всесоюзной научно-технической конференции «Углубление специализации производства в промышленности». (Ленинград, 1971) — на научно-практическом совещании «Проблемы оптимизации оперативного управления промышленным производством» (Барнаул, 1983);

9 на IV Сибирской научно-практической конференции по надежности научно-технических прогнозов (14−16 октября 1987, Новосибирск, СО АН СССР);

9 на международной конференции «Проблемы менеджмента на пороге XXI века» (Барнаул, 1996);

9 на симпозиуме «Стратегия кадрового менеджмента в вузах и на предприятиях» (Барнаул, 1998);

9 на межвузовской научно-практической конференции «Проблемы эффективности организации производства и приоритеты инвестиционной политики» (10−12 октября 2000 г. Новосибирск) — на конференции «Пятая краевая конференция по математике» (Барнаул, 2002);

9 на XXX юбилейной и XXXI, XXXII международных конференциях «Информационные технологии в науке, образовании, телекоммуникации и бизнесе» (Украина, Крым, Ялта-Гурзуф, в мае 2003;2006 гг.);

9 на семинаре академика С. А. Айвазяна в ЦЭМИ российской академии наук (Москва, 20 апреля 2005 г.).

По теме исследования опубликовано 62 научных работы общим объёмом свыше 240 пл. (лично автором — 158 пл. (158,665)) включая 5 монографий, 8 отраслевых методических материалов (в соавторстве).

Объём и структура диссертационной работы соответствует логике исследования. Диссертация включает: введение, 5 глав, содержит 24 параграфа, изложенные на 382 страницах, заключение, 5 приложений, список использованных источников и литературы (400 наименований). Работу иллюстрируют 34 самостоятельно выведенных рисунков и 80 таблиц, не считая таблиц, содержащих промежуточные или поясняющие расчёты.

ВЫВОДЫ.

Использование вероятностных расчётов в технико-экономическом обосновании позволяет более грамотно принимать решение о целесообразности финансирования и внедрения инвестиционного проекта.

Это отражено в выводах по каждому инвестиционному проекту, приведённому в главе 5: по газовому счётчику — с. 254- по мельнице — с. 285- по нефтеперегонному мини заводу — с. 300.

Приведём основные технико-экономические показатели создаваемых производств, надёжности результатов деятельности инвестиционных проектов при внедрении и функционировании. Бизнес-план составлен в разрезе: оценка рынка сбыта, план маркетинговой и производственной деятельности, организационного, финансового и юридического плана.

Технико-экономические показатели Газовый счётчик Мелышца Мининефте-завод.

Поставщики сырья Киев, Украина Алтай, край Якутия.

Потребители Алтай, край Сибирь, Д. Восток Якутия.

Годовой объём, производительность 10 тыс. шт./год 4953 т/год 86 тыс. т/год.

Текущие затраты (с/стоимость) 262 тыс. $./год 2570 руб./т 281 млн руб./год.

Стоимость (цена) реализации 472 тыс. $./год 2722 руб./т 378 млн руб./год.

Цена единицы товара 47,2 $./год 2722 руб./т 2,29 руб./л.

Чистая прибыль 7,8 $./год 59,56 руб./т 80,3 млн руб./год.

Коэффициент запаса у и надёжность по Ржаницыну Р{—} 4,73- 0,112 5,7- 0,2 5,89- 0,5.

Численность персонала 12 12 26.

Вероятность получения прибыли П0 =51,6 тыс. $./год П0 =245 тыс. руб./год П0 = 58 млн руб./год.

Р{Пр>П0} = а, а = 0,90 о: = 0,90 а =0,97.

Показать весь текст

Список литературы

Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. М.: ЮНИТИ, 1998.1022 с.
Айвазян С.А. и др. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985. 487 с. .
Айвазян С.А. и др. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989. 607 с.
Айвазян С.А. и др. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983. 471 с.
Алабужев П.М. и др. Теория подобия и размерности. Моделирование. М.: Высшая школа, 1968. 206 с.
Александров В.Т., Касьяненко Т. Г. Ценообразование в строительстве. СПб.: Питер, 2000. 256 с.
Алексеев A.B. Применение нечетких алгоритмов для управления в нечёткой среде // Принятие решений в условиях нестатистической неопределённости. Рига: Риж. политех, ин-т. Система ФАГОЛ, 1982. с. 4−12.
Алексеев A.B. Программное обеспечение моделей принятия решений в нечёткой среде: Система ФАГОЛ// Методы и модели анализа решений. Рига: Риж. политех, ин-т., 1981. с. 132−140.
Алексеев A.B. Имитационное моделирование процессов принятия решений в нечёткой среде// Методы и системы принятия решений. Информационное и алгоритмическое обеспечение моделей принятия решений. Рига: Риж. политех, ин-т. 1984. с. 44−53.
Алексеев A.B. Применение нечеткой математики в задачах принятия решений// Прикладные задачи анализа решений в организационно-технических системах. Рига: Риж. политех, ин-т. 1983. с. 38−42.
Алиев P.A. и др. Управление производством в нечёткой исходной информации. М.: Энергоиздат, 1991. 246 с.
Алиев P.A. Интеллектуальные роботы с нечёткими базами знаний, 1995.
Алиев Т.А. Экспериментальный анализ. М.: Машиностроение, 1991. 272 с.
Альгин А.П. Риск в экономической деятельности. М.: Знание, 1991. 63 с.
Альфред Г., Херцбергер Ю. Введение в интервальные вычисления: Пер. с англ. М.: Мир, 1987. 360 с.
Амелькин В.В. Дифференциальные уравнения в приложениях. М.: Наука, 1987. 160 с.
Анализ нечисловой информации в социологических исследованиях. Монография. М.: Наука, 1985. 222 с.
Арсеньев Ю.Д. Инженерно-экономические расчёты в обобщённых переменных. М.: Высшая школа, 1979. 215 с.
Арсеньев Ю.Д. Теория подобия в инженерно-экономических расчётах. М.: Высшая школа, 1979. 261 с.
Архипова Н.И., Кульба В. В. Управление в чрезвычайных ситуациях. М: ГРРУ, 1998.
Афоничкин А.И. Функции качества размытой информации// Управление, надёжность, навигация. Саранск, 1980. с. 115−118
Баззел Р. Д и др. Информация и риск в менеджменте. М.: Финстатин-форм, 1994. 95 с.
Балабанов И.Т. Риск-менеджмент. М.: Финансы и статистика, 1996. 188 с.
Бачкаи Т., Мессен д. Хозяйственный риск и методы его измерения/ Пер. с венгр. М.: Экономика, 1979.184 с.
Беллман Р. Заде JI. и др. Принятие решений в расплывчатых условиях// Вопросы анализа и процедуры принятия решений. М.: Мир, 1976. с. 172 215.
Бендат Дж., Персол А. Измерение и анализ случайных процессов. М.: Мир, 1974.464 с.
Бендат Дж., Персол А.Прикладной и анализ случайных процессов. М.: Мир, 1989. 540 с.
Бергстром А. Построение и применение эконометрических моделей. М.: Прогресс, 1970. 176 с.
Беренс В., Хавранек П. М. Руководство по оценке эффективности инвестиций/ Пер. с англ. М.: АОЗТ Интерэксперт, ИНФРА-М, 1995. 528 с.• 32. Берже П. и др. Порядок в хаосе. О детерминистском подходе к турбулентности/ Пер. с франц. М.: Мир, 1991. 368 с.
Бержье Ж. Промышленный шпионаж. М., 1972.
Бернстейн А. Справочник статистических решений. М.: Статистика, 1968. 162 с.
Бернштейн Э.С. Информационно-поисковые системы. М., 1965. 64 е.
Бачкаи Т., Месен Д. Хозяйственный риск и методы его измерения/ Пер. с венг. М.: Экономика, 1979. 184 с.
Бернштейн Э. С. Об информационных потребностях и качественном преобразовании информации НТП, серия 2, № 6,1967
Бешелев С.Д., Гуревич Ф. Г. Математико-статистические методы экспертных оценок. М.: Статистика, 1974. 160 с.
Бикел П., Доксам К. Математическая статистика. Методы оценивания/ Пер. с англ. Ю.А. Данилова/ Предисловие Ю. Н. Тюрина. Вып. 1. М.: Финансы и статистика, 1983. 278 с.
Бикел П., Доксам К. Математическая статистика. Регрессионный анализ и непараметрические методы оценивания./ Пер. с англ. Ю.А. Данилова/ Предисловие Ю. Н. Тюрина. Вып. 2. М.: Финансы и статистика, 1983. 254 с.
Блишун А.Ф. Моделирование процесса принятия решений в нечётких условиях на основе сходных понятий классов: Автореф. дис. канд. физ,-мат. наук. М.: ВЦ АН СССР, 1982. 16 с.
Блюменау Д.И. Информация и информационный сервис. Д.: Наука, 1989. 191 с.
Бобровников Г. Н., Клебанов А. И. Комплексное прогнозирование новой техники. М.: Экономика, 1989. 205 с.
Бокс Дж. и др. Анализ временных рядов. Прогноз и управление. Вып.1 (406 е.), вып. 2 (197 е.), М.: Мир, 1974.
Болотин В.В. Статистические методы в строительной механике. М.: Стройиздат, 1965. 280 с.
Большев J1.H. Смирнов Н. И. Таблицы математической статистики. М.: Наука, 1965.464 с.
Борисов А.Н. Модели анализа и выбора альтернатив на основе теории нечётких множеств// Проблемы и методы принятия решений в организационных системах управления. М.: ВНИИСИ, 1985. с. 45−55.
Боровков A.A. Математическая статистика. Оценка параметров. Проверка гипотез. М.: Наука, 1984. 472 с.
Боровков A.A. Математическая статистика. Новосибирск: Наука, изд-во Института математики, 1985. 772 с.
Боровиков В.П. Statistica. Статистический анализ и обработка данных в среде Windows. М.: Филинъ, 1997. 608 с.
Боровиков В.П. STATISTICA. Искусство анализа данных на компьютере: Для профессионалов 2-е изд. СПб.: Питер, 2003 688 с.
Боровиков В.П. Популярное введение в Statistica. М.: КомпьютерПресс, 1998.267 с.
Бородкин Ф.М. Статистическая оценка связи экономических показателей. М.: Статистика, 1968. 204 с.
Бородюк В.П., Лецкий Э. К. Статистическое описание промышленных объектов. М.: Энергия, 1971. 112 с.
Ботом H., Галатти Р. Экономическая разведка и контрразведка: Практическое пособие. Новосибирск, 1994.
Боярский Э.А. Порядковые статистики. М.: Статистика, 1972. 119 с.
Бусленко Н.П. Метод статистического моделирования. М.: Статистика, 1970. 112 с.
Бутузов В.Ф. Сингулярные возмущения. Математика и кибернетика, № 1,1988.
Вайну Я.Я.-Ф. Корреляционные ряды динамики. М.: Статистика 1977. 120 с:
Валдайцев C.B. Оценка бизнеса. Учебное пособие. СПб.: Изд-во СПб. ун-та., 1999. 157 с.
Ван Хорн Дж. К. Основы управления финансами: пер. с англ. /Гл. ред. серии Я. В. Соколов. М.: Финансы и статистика, 1966. 800 с.
Вапник В.Н. Восстановление зависимости по эмпирическим данным. М.: Наука, 1979.448 с.
Ватник П.А. Статистические методы оперативного управления производством. М.: Статистика, J9.78. 240 с.
Васильев В.Д. Информационные особенности патентной документации и их использование в справочно-информационной работе, 1972.
Васильев В.И. Распознающие системы. Справочник. Киев: Наукова Думка, 1969 (292 е.). 1983 (424 е.).
Василькова В.В. Порядок и хаос в развитии социальных систем. Синергетика и теория социальной самоорганизации. СПб.: Лань, 1999. 479 с.
Ватник П. А. Статистические методы оперативного управления производством. М.: Статистика, 1978. 240 с
Веденяпин Г. В. Общая методика экспериментального исследования и обработки опытных данных. 2-е изд. М.: Колос, 1967. 159 с.
Венецкий И.Г. Вариационные ряды и их характеристики. М.: Статистика, 1970. 159 с.
Венецкий И.Г., Венецкая В. И. Основные математико-статистические понятия и формулы в экономическом анализе.2 изд. Справочник, М.: Статистика, 1979. 448 с.
Вентцель Е.С. Теория вероятностей. 3-изд. М.: Наука, 1964. 576 с.
Вентцель Е.С., Овчаров JI.A. Теория вероятностей. Задачи и упражнения. М.: Наука, 1969. 368 с.
Вентцель Е.С., Овчаров Л. А. Теория вероятностей и её инженерные приложения. М.: Наука, 1964. 480 с.
Вознесенский В.А., Ковальчук А. Ф. Принятие решений по статистическим моделям М.: Статистика, 1975. 192 с. •
Вознесенский В.А. Статистические методы планирования эксперимента в технико-экономическом исследовании. М.: Финансы и статистика, 1981.263 с.
Волгин Л. Н. Принцип согласованного оптимума. М.: Сов. радио, 1977. 144 с.
Волгин Л. Н. Проблема оптимальности в теоретической кибернетике. М.: Сов. радио, 1968. 160 с.
Вольферц Дж. Теория кодирования и теория информации. М.: Мир, 1967. 248 с.
Воробьёв О.Ю. Среднемерное моделирование. М.: Наука, 1984. 132 с.
Гвоздик A.A. Решение нечётких уравнений// Изв. АН СССР. Техн. кибернетика. 1984. № 5. с. 176−183.
Гильде В., Альтрихтер 3. С микрокалькулятором в руках. М.: Мир, 1980. 186 с.
Глинский В.В., Ионин В. Г. Статистический анализ. Новосибирск: 1993. 168 с.
Глинский В.В., Ионин В. Г. Статистический анализ. Учебное пособие. М. Филинъ, 1998. 264 с.
Гмошинский Г. В. Инженерное прогнозирование технологии строительства. М.: Стройиздат, 1988. 296 с.
Гмошинский Г. В., Флиорет Г. И. Теоретические вопросы инженерного прогнозирования. М.: Наука, 1973. 304 с.
Говорухин В.Н. и др. Введение в МАРЬЕ. Математический пакет для всех. М.: Мир, 1997. 208 с.
Голенко Д.И. Статистические методы сетевого планирования и управления. М.: Наука, 1968. 400 с.
Голенко Д.И. Статистические модели в управлении производством. М.: Статистика, 1973. 368 с.
Горелик А.Л. Методы распознавания. Учеб. пособие. 2-е изд. М.: Высшая школа, 1984. 208 с.
Горелова В.Л. Основы прогнозирования систем. М.: Высшая школа, 1986. 287 с.• 92. Гранатуров В. М. Экономический риск: Сущность, методы измерения, пути снижения. Учеб. пособие. М.: Дело и сервис, 1999. 112 с.
Гранберг А. Г. Динамические модели народного хозяйства. М.: Экономика, 1985. 240 с.
Грандштейн И.С., Рыжик И. М. Таблицы интегралов, сумм, рядов и произведений. 4-е изд. М.: Физмат, 1962. 1000 с.
Грачёв Ю.П. Математические методы планирования экспериментов. Конспект лекций для слушателей факультета повышения квалификации и студентов. М.: Изд-во МТИПП, 1971. 118 с.
Гренаджер К., Хатанака М. Спектральный анализ временных рядов. М.: Статистика, 1972. 309 с.
Григорьева И.Л., Филиппов Л. А. Оценка экономического риска. Информационные технологии и проблемы управления на российских предприятиях: Концепции. Модели. Решения. Новосибирск: Изд-во НГУ, 2001, с. 131 141.
Гусейнова A.C. и др. Опыт имитационного моделирования исторического процесса. М.: Наука, 1984. 160 с.
Дёмина А.И., Мамченко Л. П., Растова Ю. И., Филиппов JI.A. Экономико-статистическая оценка резервов в территориально организованных системах: Монография. Барнаул: Изд-во АГУ, 2003, 268 с. (15,5/3,875 пл.).
Денисов A.A. Информационные основы управления. JI.: Энергоиздат, 1983.72 с.
Дёрнер Дитрих. Логика неудачи. Стратегическое мышление в сложных ситуациях. М.: Смысл, 1997. 243 с.
Дженкинс Г., Витте Д. Спектральный анализ и его приложения. Вып. 1 (316 е.), вып. 2 (287 е.). 1971.
Джефферс Дж. Введение в системный анализ: Применение в экологии. М.: Мир, 1981,256 с.
Диде Э. и др. Методы анализа данных. Подход, основанный на методе динамических сгущений. М.: Финансы и статистика, 1985. 360 с.
Доронин А.И. Бизнес-разведка. М.: Ось-89, 2002. 288 с.
Доугерти К. Введение в эконометрику. М.: Инфра-М, 1997. 402 с. изд-во МГУ, 1999. 402 с.
Дружинин Г. В., Сергеева И. В. Качество информации. М.: Сов. радио, 1990. 172 с.
Дружинин Н.К. Выборочные наблюдения и эксперимент. М.: Статистика, 1977. 176 с.
Дружинин Н.К. Выборочный метод и его применение в социально-экономических исследованиях. М.: Статистика, 1970. 104 с.
Дружинин Н.К. Основные математико-статистические методы в экономических исследованиях. М.: Статистика, 1968. 248 с.
Дубров A.M. и др. Многомерные статистические методы для экономистов и менеджеров. Учеб. М.: Финансы и статистика, 1998. 352 с.
Дубров A.M. и др. Моделирование рисковых ситуаций в экономике и бизнесе, 2-е изд. М.: Финансы и статистика, 2003. 224 с.
Дубров A.M. Математико-статистические оценки эффективности в экономических задачах. М.: Финансы и статистика, 1982. 176 с.
Дуглас Л.Г. Анализ рисков операций с облигациями на рынке ЦБ. М.: Финансы, 1998. 448 с.
Дуда P.O. и др. Распознавание образов и анализ сцен. М.: Мир, 1976. 512 с.
Дуж Я. Организация систем информации на предприятии. М.: Прогресс, 1972. 252 с.
Дюбуа Д. и др. Теория возможностей. Приложение к представлению знаний к информатике. М.: Радио и связь, 1990. 288 с.
Дюран Б., Одел П. Кластерный анализ. М.: Статистика, 1977.128 с.
Ежикова И.В., Поспелов Д. А. Принятие решений при нечётких основаниях: 1. Универсальная шкала// Изв. АН СССР. Техн. кибернетика. 1977. № 6. с. 3−11.
Ежикова И.В., Поспелов Д. А. Принятие решений при нечётких основаниях: 11. Система выбора// Изв. АН СССР. Техн. кибернетика. 1978. № 2. с. 5−11.
Ельяшевич А.Б. и др. Экономика социалистического машиностроения. M.-JL: Машгиз, 1957. 475 с.
Емельянов A.A. и др. Имитационное моделирование экономических процессов. Учеб. пособие. М.: Финансы и статистика, 2002. 368 с.
Ермаков С.М. Метод Монте-Карло и смежные вопросы. М.: Наука, 1971.327 с.
Ермилов А.П. Макроэкономическое прогнозирование в США. Новосибирск: Наука СО, 1987. 267 с.
Ефимов А.Н. Предсказание случайных процессов. М.: Знание, 1976. 64 с.
Жаке-Лаграз Э. Применение размытых отношений при оценке предпочтительности распределения величин// Статистические модели и многокритериальные задачи принятия решений. М.: Статистика, 1979. с. 168−183.
Жамбю M. Иерархический кластерный анализ и соответствия. М.: Финансы и статистика, 1988. 342 с.
Жданов С.А. Экономические модели и методы в управлении. М.: Изд-во Дело и Сервис, 1998. 176 с. .
Журавлева В.И. и др. Комплексный анализ. Составление таблицы для поиска информации и расчёт показателей. М.: Финансы, 1974. 158 с.
Загоруйко Н.Г. Методы распознавания и их применение. М.: Сов. радио, 1973. 206 с.
Заде J1. Понятие лингвистической переменной и ее применение к принятию приближённых решений. М.: Мир, 1976. 168 с.
Зельнер А. Байесовские методы в эконометрии. М.: Статистика, 1980. 438 с.
Зингер И.С. Моделирование информационных процессов в системах управления предприятием. М.: Статистика, 1974. 128 с.
Иванов Е.Ю., Филиппов J1.A. Информация в экономике и бизнесе. Барнаул: Изд-во АГУ, 2000, 68 с.
Ивасенко А.Г. Лизинг. Экономическая сущность и перспективы развития. М.-Новосибирск, 1997.
Ивахненко А.Г., Лапа В. Г. Предсказание случайных процессов. К.: Наукова Думка, 1971. 416 с.
Ивахненко А.Г., Лапа В. Г. Кибернетические предсказывающие устройства. К.: Наукова Думка, 1965. 215 с.
Идентификация и оптимизация нелинейных стохастических систем. М.: Энергия, 1976.440 с.
Инвестиционное проектирование. Практическое пособие по экономическому обоснованию инвестиционных проектов/Под ред. С. И. Шумилина. М.: АО Финстатформ, 1995. 240 с.
Информационное управление неопределёнными объектами/ Васильев В. И. и др.- Отв. Ред. Павлов В.В.- АН УССР, Институт кибернетики. Киев: Наукова думка, 1989. 216 с.
Интерпретация значений функции принадлежности и операций над нечёткими множествами// A.B. Алексеев и др.// Прикладные задачи анализа решений в организационно-технических системах. Рига: Риж. Политех. Ин-т. 1983.320 с.
Информационные системы в управлении производством/ Под ред. Ю. П. Васильева. М.: Прогресс, 1973. 251 с.
Информационные сис. темы в экономике. Учеб. пособие. Ростов н-Дон, 2004. 350 с.
Иыуду К.А. Оптимизация устройств автоматики по критерию надежности. М.: Энергия, 1966.194 с.
Карлик Е.М. и др. Оптимизация производственных объединений в машиностроении. Л.: Машиностроение, Л.О., 1981. 272 с.
Кейн Э. Экономическая статистика и эконометрия/ Пер. с англ. Р. Мошковича, под ред. Р. Этина. Вып. 1, М.: Статистика, 1977. 255 с.
Кейн Э. Экономическая статистика и эконометрия/ Пер. с англ. Р. Мошковича, под ред. Р. Этина. Вып. 2, М.: Статистика, 1977. 330 с.
Кендалл М. Дж. и др. Многомерный статистический анализ и временные ряды. М.: Наука, 1976. 736 с.
Кендалл М. Дж. и др. Статистические выводы и связи. М.: Наука, 1973.900 с.
Кендалл М. Дж. и др. Теория распределений. М.: Наука, 1966. 588 с.
Кильдашев Г. С., Френкель A.A. Анализ временных рядов и прогнозирование. М.: Статистика, 1973.100 с.
Классификация и кластер/Пер. с англ./ред. Дж. В. Райзмана. М.: Мир, 1980.389 с.
Клейнен Дж. Статистические методы в имитационном моделировании. Аспекты моделирования. Вып. 1 (221 е.), вып. 2 (335 е.). М.: Статистика, 1978.
Клейнер Г. Б. и др. Предприятие в нестабильной экономической среде: Риски, стратегии, безопасность. М.: Экономика, 1997. 288 с.
Клейнер Г. Б., Смоляк С. А. Эконометрические зависимости. Принципы и методы построения. М.: Наука, 2000. 104 с.
Клюев Н.И. Информационные основы передачи сообщений, 1966.
Ковалев А.П. Обеспечение экономичности обрабатываемых изделий машиностроения. М.: Машиностроение, 1986. 150 с.
Кокс Д., Снелл Э. Прикладная статистика. Принципы и примеры. М.: Мир, 1984. 200 с.
Кокс Д., Хинкли Д. Теоретическая статистика. М.: Мир, 1978. 560 с.
Кокс Д., Хинкли Д. Задачи по теоретической статистике с решениями. М.: Мир, 1981.224 с.
Колас Б. Управление финансовой деятельностью предприятия. Проблемы, концепции и методы: учеб. пособие/ Пер. с франц. Под общей ред. проф. Я. В. Соколова. М.: Финансы ЮНИТИ, 1997. 576 с.
Кондратьев В.П. Методы оптимизации сетевых планов работ. М.: Экономика, 1970. 199 с.
Кондратьев Н.Д. Проблемы экономической динамики. М.: Экономика, 1925. 523 с.
Корхин A.C. Моделирование экономических систем с распределённым лагом. М.: Финансы и статистика, 1981. 160 с.
Коссов В.В. Межотраслевые модели. Теория и практика использования. М.: Экономика, 1973. 359 с.
Кофман А. Введение в теорию нечётких множеств. М.: Радио и связь, 1982.432 с.
Кравец A.C. Природа вероятностей. Филосовские аспекты. М.: Экономика, 1976. 359 с.
Краснощеков П.С., Петров A.A. Принципы построения моделей. М.: Изд-во МГУ, 1983.264 с.
Кредиты инвестиций. М., 1994.
Кремер Н.Ш., Путко Б. А. Эконометрика. М.: Юнити-Дана, 2002. 311с.
Кроновер P.M. Фракталы (ли) и хаос в динамических системах. Основы теории. М.: Постмаркет, 2000. 352 с.
Кружанский А.Б. Управление и наблюдение в условиях неопределённости. М.: Наука, 1977. 392 с.
Крутик А.Б., Горенбургов М. Б. Малые предприятия и бизнес коммуникации. СПб.: Изд. дом Бизнес-пресса, 1998. 295 с.
Крутик А.Б. и др. Введение в предпринимательство. СПб.: Политехника, 1995. 582 с.
Крянев A.B., Лукин Г. В. Математические методы обработки неопределённых данных. М.: Физматлит, 2003. 216 с.
Кузнецов A.A. и др. Вероятностные характеристики прочности авиационных материалов и размеров сортамента. Справочник. М.: Машиностроение, 1970. 567 с.
Куприенко Н.В., Пономарёва O.A. Статистика. Методы анализа рядов динамики. Учебное пособие. СПб.: Изд-во СПБГТУ, 2001. 55 с.
Лабскер Л.Г. Вероятностное моделирование в финансово-экономической области. М.: Альпина, 2002. 224 с.
Ланге О. Введение в эконометрику/ Пер. с польск. М.: Прогресс, 1964. 208 с.
Ланкастер К. Математическая экономика.Нью-Йорк, 1968 г./Пер. с англ./Под ред. Д. Б. Юдина. М.: Сов. радио, 1972. 464 с.
Лапа В.Г. Математические основы кибернетики. Киев: Высшая школа, 1971.420 с.
Лапко A.B. Непараметрические методы классификации и их применение. Новосибирск: ВО Наука, Сиб. Изд. фирма, 1993. 152 с.
Лапуста М.Г., Шаршукова Л. Г. Риск в.предпринимательской деятельности. М.: Инфра-М, 1996. 224 с.
Леонтьев В.В. Межотраслевая экономика/Пер.с англ. А. Г. Гранберга, Экономика, 1997. 223 с.
Леонтьев B.B. Экономическое Эссе. Теория, исследование, факты и политика/Пер.с англ. М.: Политиздат, 1990. 415 с.
Лизер С. Эконометрические методы и задачи/ Пер. с англ. Е.М. Че-тыркина. М.: Статистика, 1971. 141 с.
Лимер Э. Статистический анализ неэкспериментальных данных. Выбор формы связи/ Пер. с англ. О. В. Ивановой и др./под ред.А. А. Рывкина. М.: Финансы и статистика, 1983. 381 с... .
Липкин М.И. Кривые распределения в экономических исследованиях. М.: Статистика, 1972. 144 с.
Литтл Р. Дж. А., Рубин Д. Б. Статистический анализ данных с пропусками. М.: Финансы и статистика, 1991. 336 с.
Лопатников Л.И. Экономико-математический словарь. Словарь современной экономической науки. 4-е изд. М.: Изд. ABF, 1996. 704 с.
Лукасевич И.Я. Анализ финансовых операций. Методы, модели, техника вычислений. М.: Финансы, ЮНИТИ, 1998, 400 с.
Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования . М.: Статистика, 1974. 254 с.
Лысов A.B. и др. Промышленный шпионаж в России. Методы и средства. М., 1994.
Ma Ш. Современная теория критических явлений/Пер. с англ., под общей ред. Н. Н Боголюбов и др. Мир, 1980. 298 с.
Магнус Я.Р. и др. Эконометрика. Начальный курс. М.: Дело, 2004. 576 с.
Мазур М. Качественная теория информации. М.: Мир, 1974. 239 с.
Макроэкономические модели планирования и прогнозирования: модели развития Японии, Германии и Франции на 2-ю половину 60-х годов. М.: Статистика, 1970. 471 с.
Маленво Э. Статистические методы в эконометрике. М.: Статистика, 1976.325 с. • '
Мамиконов А.Г. Управление и информация. М.: Наука, 1975. 184 с.
Мандель И.Д. Кластерный анализ. М.: Финансы и статистика, 1988. 176 с.'
Мандельброт Б. Фрактали, случай и финансы. Москва-Ижевск: НИЦ «Регулярная и хаотическая динамика», 2004. 256 с.
Мартино Дж. Технологическое прогнозирование/Пер. с англ./Общ. Ред. В. И. Максименко. М.: Прогресс, 1977.591 с.
Мандровский-Соколов Б.Ю., Туник A.A. Системы экстремального управления при случайных возмущениях. Справочник. Киев: Наукова Думка, 1970.172 с.
Математика и кибернетика в экономике. Словарь-справочник. 2-е изд. М.: Экономика, 1975. 700 с.
Математическая экономика на персональном компьютере/Под ред. М. Кубонива. М.: Финансы и статистика, 1991. 304 с.
Математический энциклопедический словарь/Гл. ред. Ю. В. Прохоров. М.: Сов. энциклопедия, 1988. 847 с.
Математическое моделирование. Сборник статей. М.: Мир, 1979. 277с.
Математическое обеспечение моделирования принятия решений в нечёткой среде/ A.B. Алексеев и др.// Тезисы V науч.-техн. семинара «Управление при наличии расплывчатых категорий». Пермь: Перм. политех, ин-т., 1982. ч. 1, с. 14−19. • •
Мелихов А.Н. и др. Ситуационные советующие системы с нечёткой логикой. М.: Наука, 1990. 271 с.
Мельников A.B. Риск менеджмент: Стохастический анализ рисков в экономике финансов и страховании. М.: Анкил, 2003. 159 с.
Мельников Ю.Н. Достоверность информации в сложных системах. М.: Сов. радио, 1973. 192 с.
Месяцев П.П. Применение теории вероятностей и математической статистики при конструировании и производстве радиоаппаратуры. М.: Обо-ронгиз, 1958. 262 с.
Методика и техника статистической обработки первичной социологической информации. М.: Наука, 1968. 328 с.
Методы анализа данных. Подход, основанный на методе динамических сгущений/ Под ред. B.C. Дадаяна. М.: Финансы и статистика, 1985. 357 с.
Моделирование глобальных эконометрических процессов. М.: Экономика, 1985. 320 с.
Моделирование рисковых ситуаций в экономике и бизнесе. Уч. пособие, /A.M. Дубов и др. /Под ред. Б. А. Лагоши. 2-е изд., М.: Финансы и статистика, 2003. 244 с.
Модер Дж., Филлипс С. Методы сетевого планирования и организации работ (ПЕРТ). М.-Л.: Энергия, 1966. 304 с.
Модин A.A. и др. Динамика производственных объединений и модели планирования их деятельности. М.: Наука, .1984. 232 с.
Модин A.A. и др. Исследование и анализ потоков информации на промышленных предприятиях/ Под ред. акад. Н. П. Федоренко. М.: Наука, 1970. 151 с.
Моргенштерн О. О точности экономико-статистических наблюдений. М.: Статистика, 1968. 324 с.
Морозов Д.С. Проектное финансирование: управление рисками. М.: Анкил, 1999. 120 с.
Мушук Э., Мюллер П. Методы принятия технических решений. М.: Мир, 1990. 208 с.
Мюллер П. и др. Таблицы по математической статистике. М.: Финансы и статистика, 1982. 278 с.
Налимов В.В., Чернов И. А. Статистические методы планирования экспериментов. М.: Наука, 1976. 366 с.
Настенко А.Д. и др. Прогнозирование отраслевого и регионального развития. М.: Гелиос, 2002. 143 с.
Негойце К. Применение теории систем к проблемам управления/ Пер. с румын. М.: Мир, 1981. 180 с.
Нечёткие множества в моделях управления и искусственного интеллекта/ Под ред. Д. А. Поспелова. М.: Мир, 1986. 180 с.
Нечёткие множества и теория возможностей. Последние достижения. Пер. с англ./Под ред. P.P. Ягера.'М.: Радио и связь, 1986. 408 с.
Николаенко H.A. Вероятностные методы динамического расчёта машиностроительных конструкций. М.: Машиностроение, 1967. 368 е.
Новожилов В.В. Проблема измерения затрат и результатов при оптимальном планировании. М.: Наука, 1972. 434 с.
Обработка нечёткой информации в системах принятия решений/ А. Н. Борисов и др. М.: Радио и связь, 1989. 304 с.
Омаров A.M. Предприимчивость руководителя. М.: Политиздат, 1990. 254 с.
Ордынцев В.М. Математическое описание объектов автоматизации. М.: Машиностроение, 1965. 360 с.
Орлов А.И. Задача оптимизации и нечёткие переменные. М.: Знание, 1980. 64 с.
Орлов А.И. Устойчивость в социально-экономических методах. М.: Наука, 1998. 396 с.
Орловский С.А. Проблемы принятия решений при нечёткой исходной информации. М.: Наука, 1981. 208 с.
Осипов Г. В. и др. Методы измерения в социологии. М.: Наука, 1977. 183 с.
Оуэн Д.Б. Сборник статистических таблиц. М.: Изд-во ВЦ АН СССР, 1966.586 с.
Первозванский A.A., Первозванская Т. Н. Финансовый рынок: расчёт и риск. М.: Инфра-М, 1994. 192 с.
Петере И., Штейн И. Математические таблицы. М.: Изд-во ВЦ АН СССР, 1965. 196 с.
Петере Э. Фрактальный анализ финансовых рынков: Применение теории Хаоса в инвестициях и экономике. М.: Интернет-рейдинг, 2004. 304 с.
Пирогов Г. Г., Федоровский Ю. Г. Проблема структурного оценивания в эконометрике. М.: Статистика, 1979. 327 с.
Плэтт В. Информационная работа стратегической разведки. М.: Изд-во ИЛ, 1958. 342 с.
Плюта В. Сравнительный многомерный анализ в экономическом исследовании: Методы таксономии и факторного анализа. М.: Статистика, 1980.152 с.
Поллард Дж. Справочник по вычислительным методам статистики. М.: Финансы и статистика, 1982. 344 с.
Поляк Ю.Г. Вероятностное моделирование на ЭВМ. М.: Сов. радио, 1971.400 с.
Попов В.А. Аналитическое выполнение арифметических операций над нечёткими числами// Тез. докл. Всесоюз. науч. семинара «Модели выбора альтернатив в нечёткой среде». Рига: Риж. политех, ин-т., 1980. с.14−15.
Пределы предсказуемости. Сб. статей. Ред. состав. Ю. А. Кравцов. М.: Центроком, 1997.247 с.
Предпринимательство и безопасность. В 3-х частях. М.: Изд-во Универсум, 1991. 507 и 397 с.
Прескотт Дж.Е. и др. Конкурентная разведка. Уроки из окопов. М.: Альпина Паблишер, 2003.
Представление и истолкование знаний/ Под ред. X. Уэно/ Пер. с яп. И.А. Иванова/ под ред. Н. Г. Волкова. М.: Мир, 1989. 220 с.
Принцип самоорганизации/ Пер. с англ./ Под ред. А.Я. JTepepa. М.: Мир, 1966. 621 с. •
Проблемы эконометрического моделирования/Под ред. Рывкина. М.: Изд-во ИМЭМО АН СССР, 1972. 299 с.
Проблемы экономической информации/ Ред. В. М. Симчера. М.: Наука, 1976.312 с.
Пугачёв B.C. Теория вероятностей и математическая статистика. М.: Наука, 1979. 496 с.
Прудников А.П. и др. Интегралы и ряды. Т. 1. Элементарные функции, 1981. 800 с.
Прудников А.П. и др. Интегралы и ряды. Т. 2. Специальные функции, 1983.752.
Прудников А.П. и др. Интегралы и ряды. Т. 3. Дополнительные главы, 1986. 800 с.
Пустылыгак Е.И. Статистические методы анализа и обработки наблюдений. М.: Наука, 1968. 288 с.
Рабочая книга по прогнозированию/ Ред. И.В. Бестужев-Лада. М.: Мысль, 1982. 430 с.
Радионов Н.В., Радионова С. П. Основы финансового анализа: Математические методы, Системный подход. СПб.: Альфа 1999. 592 с.
Райбман Н.С. Что такое идентификация? М.: Наука, 1970. 119 с.
Ржаницын А.Р. Определение запаса прочности сооружений// Строительная промышленность, № 8,1947.
Ржаницын А.Р. Статистические особенности расчётных коэффициентов. Материалы к теории расчёта по предельному состоянию, вып. 11. М.: Стройиздат, 1949.
Ржаницын А.Р. Теория расчёта строительных конструкций на надёжность. М.: Стройиздат, 1978. 239 с.
Риски в современном бизнесе/ П. Г. Грабовой и др. М.: Изд-во Алане, 1994. 200 с.
Розин Б.Б. Теория распознавания образов в экономических исследованиях. М.: Статистика, 1973. 224 с.
Рэдхэд К., Хьюс С. Управление финансовыми рисками. М.: Инфра-М, 1996.287 с.
Саати Т.Л. и др. Аналитическое планирование. Организация систем, 1991.
Саати Т.Л. Математические модели конфликтных ситуаций/ Пер. с англ./ Под ред. И. А. Ушакова. М.: Сов. радио, 1977. 304 с.
Сборник задач по ТВ, MC и теории случайных процессов, /под ред. Свешникова, М.: Наука, 1965. 632 с.
Севрук В.Т. Банковские, риски. М.: Дело ЛТД, 1994. 68 с.
Севрук М.А. АРМ экономиста-аналитика промышленного предприятия на базе персональных ЭВМ. М.: Финансы и статистика, 1991. 191 с.
Секей Г. Парадоксы в теории вероятностей и математической статистике/Пер. с англ. М.: Мир, 1990. 240 с.
Селихов А.Ф., Чижов В. М. Вероятностные методы в расчётах прочности самолёта. М.: Машиностроение, 1987. 240 с.
Семь нот менеджмента: Структуры. Финансы. Бизнес-план. Маркетинг. Учёт. Экономика. М.: ЗАО «Журнал эксперт», 1998. 420 с.
Сепетлиев Д. Статистические методы в научных медицинских исследованиях/Пер. с болг. М.: Медицина, 1968. 419 с.
Серебренников М.Г., Первозванский A.A. Выявление скрытых перио-дичностей. М.: Наука, 1965. 244 с.
Сидоренко Е.В. Методы математической обработки в психологии. СПб.: ООО Речь, 2003. 350 с.
Силов В.Б. Принятие стратегических решений в нечеткой обстановке (в макроэкономике, политике, социологии, менеджменте, экологии, медицине). М.: ИНПРО-РЕС, 1995. 228 с.
Синай Я.Г. Случайность неслучайного// Природа, № 3 (72), 1981.
Синтезирование ситуаций. Препринт. М., 1969.
Системы сетевого планирования и управления. Программное введение в ПЕРТ. М.: Мир, 1965. 147 с.
Смоляк С.А., Титаренко Б. П. Устойчивые методы оценивания. Статистическая обработка неоднородных совокупностей. М.: Статистика, 1985. 208 с.
Соболев В.И. Информационно-статистическая теория измерений. М.: Машиностроение, 1983. 224 с.
Советов Б.Я. Информационная технология. М.: высшая школа, 1994. 368 с.
Совместные предприятия на территории СССР/ B.C. Павлов и др./ Под общ. ред. B.C. Павлова. М.: Прейскурантиздат, Финансы и статистика, 1989. 136 с.
Согласование социально-экономических решений. Машинный эксперимент/ Отв. ред. B.C. Дадаян. М.: Наука, 1990. 173 с.
Соложенцев Е.Д. и др. Логико-вероятностная модели риска в банках, бизнесе и качестве. СПб.: Наука, 1999. 268 с.
Соложенцев Е.Д. Сценарное логико-вероятностное управление риском в бизнесе и технике. СПб.: Изд. дом Бизнес-пресса. 2004. 432 с.
Сорнете Д. Как предсказать крахи финансовых рынков: критические события в комплексных финансовых системах. М.: Интернет-трейдинг, 2003. 400 с.
Справочник по прикладной статистике. В 2-х томах. М.: Финансы и статистика, 1989−1990. 510 и 526 с.
Статистическое моделирование и прогнозирование. Учеб. пособие. М.: Финансы и статистика, 1990. 383 с.
Стефанов Н. и др. Управление, моделирование, прогнозирование. М.: Экономика, 1972. 143 с.
Стрелец A.A., Фирсов В. А. Размерные расчёты в задачах оптимизации конструкторско-технологических решений. М.: Машиностроение, 1988. 120 с.
Стрелецкий Н.С. Основы статистического учёта коэффициентов запаса прочности сооружений. М.: Стройиздат, 1947.
Стрелецкий Н.С. К вопросу установления коэффициента запаса прочности сооружений. Известия АН СССР, ОНТ, № 1, 1947.• 304. Сыроежин И. М. и др. Методы структурной настройки систем управления производством. М.: Статистика, 1976. 184 с.
Сыроежин И.М. Очерки теории производственных организаций. М.: Экономика, 1970. 247 с.
Талеб H.H. Одураченный случайностью. Скрытая роль Шанса на Рынках и в Жизни. М.: Интернет-трейдинг, 2002. 248 с.
Тейл Г. Прикладное экономическое прогнозирование. М.: Прогресс, 1970.510 с.
Теория прогнозирования и принятия решений. Учеб. пособие/Под ред. С. А. Саркисяна. Высшая школа, 1977. 351 с.
Тинбэрхэн Я., Бос X. Математические модели экономического роста/ Пер. с англ./ Под ред. М.М. Г^оланского. М.: Прогресс, 1967. 173 с.
Тинтнер Г. Введение в эконометрию/ Пер. с нем. C.B. Магалиф. М.: Статистика, 1965. 361 с.
Точность производства в машиностроении и приборостроении. М.: Машиностроение, 1973. 568 с.
Трауб Дж. и др. Информация, неопределённость, сложность/ Пер. с англ. М.: Мир, 1988. 184 с.
Трухаев Р.И. Модели принятия решений в условиях неопределённости, 1981.258 с.
Ту Дж., Гонсалес Р. Принципы распознавания образов. М.: Мир, 1978. 411 с.
Тутубалин В.Н. Теория вероятностей в естествознании. Знание серия «Математика и кибернетика», 2, 1972.
Тутубалин В.Н. Теория вероятностей. Краткий курс и научно-методические замечания. М.: Изд-во МГУ, 1972. 230 с.
Тьюки Дж. Анализ результатов наблюдений. Разведочный анализ. М.: Мир, 1981.693 с.
Тюрин Ю.Н., Макаров A.A. Статистический анализ данных на компьютере/ Под ред. В. Э. Фигурнова. М.: Инфра-М, 1998. 528 с.
Управление риском: Риск. Устойчивое развитие. Синергетика. Нелинейная динамика. М.: Наука, 2000. 431 с.
Факторный, дискриминантный и кластерный анализ/ Пер. с англ./ Дж. Ким и др. Под ред. И. С. Енюкова. М.: Финансы и статистика, 1989. 215 с.
Федотов В.П. Ринг «быков» и «медведей». М.: Политиздат, 1982. 112 с.
Федулов A.A. и др. Введение в теорию статистических ненадёжных решений. М.: Статистика, 1979. 279 с.
Федюк И. Математика против риска//Деловые связи, № 3, 1994.
Фельдбаум A.A. и др. Теоретические основы связи и управления. М.: Физматгиз, 1963. 932 с.
Филимонов Ю. А., Филиппов JI.A. Экономическая эффективность производственных систем (вопросы проектирования). (Монография). Барнаул: Изд-во АлтГТУ им. И. И. Ползунова, 1999,179 с.
Филимонов Ю. А., Филиппов Л. А. Технические предложения по организации специализированного производства агрегатов, узлов и деталей (Эталон). Москва: Изд-во НИИтракторосельхозмаш, 1988. 72 с. (4,5/2,28 пл.)
Филимонов Ю. А., Филиппов Л. А. Проблемы управления производственными системами в условиях научно-технической революции, монография. Барнаул: Изд-во АлтГТУ, 2000. 200 с.
Филиппов Л.А. и др. Способ выполнения алгебраических операций при задании нечетких членов гистограммой распределений. Информ. листок № 220−97. Алтайский ЦНТИ, 1997.
Филиппов Л.А., Галанин Д. Б. Управление риском при ведении биржевых сделок с премиями. Проблемы менеджмента на пороге XXI века. Тезисы докладов международной конференции. Барнаул: Изд-во АГУ, 1996, с. 163−166.
Филиппов М.Л., Филиппов Л. А. Выбор функции для оптимальной аппроксимации. Барнаул: Изд-во АГУ, 2002. 21 с. (2,0/1,0 пл.)
Филиппов Л.А. Оценка бизнеса и смежные вопросы. Учебно-методическое пособие. М.: Кнорус, 2006. 704 с. (45 пл.).
Филиппов Л.А., Юдинцев А. Ю. Менеджмент. Компьютерное моделирование: Учебное пособие. Барнаул: Изд-во АзБука, 2006. 196 с. (11,6/5,8 пл.).
Филиппов Л.А. Оценка бизнеса и смежные вопросы. Ч. 2. Оценка стоимости машин. Барнаул: Изд-во АзБука, 2006. 228 с. (13,4 пл.).
Филиппов Л.А. Оценка бизнеса и смежные вопросы, учебное пособие. Барнаул: Изд-во АлтГУ, 2001. 470 с.
Филиппов Л.А. Методические указания по разработке проекта организации производственных объединений в тракторной промышленности. Барнаул: Офсетная печать АНИТИМ, 1973.123 с. (7,0 пл.).
Филиппов Л.А. и др. Методика определения оптимального технологического процесса (Утверждена Зам. Министра тракторного и сельскохозяйственного машиностроения Вишняковым В. И., 22.05.78). Барнаул: Изд-во АНИТИМ, 1978. 99 с. (6,8/5,9 пл.).
Филиппов Л.А. Расчет рисков в управлении на основе интервалов Вёксицкого. Проблемы менеджмента на пороге XXI века. Тезисы докладов международной конференции. Барнаул: Изд-во АГУ, 1996, с. 244−247.
Филиппов Л.А. Финансовая среда предпринимательства и оценка риска: Учебно-методическое пособие. Барнаул: Изд-во Академия экономики и права. 1999. 100 с.
Филиппов JI.A., Григорьева И. Л. Расчёт доходности опционных сделок. ж.-л. Финансовый бизнес № 5, 2002, с.54−57.
Финансовое управление компанией./ Под общей ред. Е. Б. Кузнецовой. М.: Фонд правовая культура, 1995. 384 с.
Финансовый бизнес-план. М.: Финансы и статистика, 2000. 480 с.
Финтехгольц Г. М. Курс дифференциального и интегрального исчисления. Т. III. M.: Физмат, 1960. 656 с.
Фишер Ф. Проблема идентификации в эконометрике. М.: Статистика, 1978.223 с.
Фомин Я.А., Тарловский Г. Р. Статистическая теория распознавания образов. М.: Радио и связь, 1986. 263 с.
Фондовый портфель: Книга эмитента, инвестора, акционера. Книга биржевика. Книга финансового брокера. М.: СОМИНТЕК, 1992. 752 с.
Фостер Р. Обновление производства. Атакующие выигрывают. М.: Прогресс, 1987. 272 с. • •
Френкель A.A. Математические методы анализа динамики и прогнозирования производительности труда. М.: Экономика, 1972.
Фридман Д., Ордуэй Н. Анализ и оценка приносящей доход недвижимости. М.: Дело Лтд, 1995. 480 с.
Хайкин В. П и др. Корреляционное и статистическое моделирование в экономических исследованиях/ Под ред. Е. Г. Либермана. М.: Экономика, 1964.216 с.
Хайтун С.Д. Проблемы количественного анализа науки, М.: Наука, 1989.280 с.
Ханин Г. И. Советский экономический рост. Анализ западных оценок. Новосибирск: Экор, 1993. 158 с.
Ханк Д.Э., Учерн Д. У., Райте А.Дж. Бизнес-прогнозирование. 7-е изд.: Пер. с англ. М.: Издательский дом «Вильяме», 2003. 656 с.
Хардле В. Прикладная непараметрическая регрессия (складной нож и бутстреп). Мир, 1993. 349 с.
Хастингс Н., Пикок Дж. Справочник по статистическим распределениям. М.: Статистика, 1980. 95 с.
Хауштейн Г. Методы прогнозирования в социалистической экономике. М.: Прогресс, 1971. 398 с.
Хейс Д. Причинный анализ в статистических исследованиях. М.: Финансы и статистика, 1981. 255 с.
Химмельблау Д. Анализ процессов статистическими методами. М.: Мир, 1973. 957 с.
Хозяйственный риск и методы его измерения. М.: Экономика, 1979. 183 с.
Хорин А.Н. Оценка предпринимательского риска//Бухгалтерский учёт № 12, 1993.
Хоффман JI. Дж. Современные методы защиты информации/ Ред В. А Герасименко. М.: Сов. радио, 1980. 263 с.
Хохлов Н.В. Управление риском: Учеб. пособие для вузов.- М. :ЮНИТИ-ДАНА, 2001 .-239 с,
Цвейбек Я.И. Проверка достоверности отчётности предприятий. М.: Финансы и статистика, 1990. 240 с.
Цвиркун А.Д., Акинфиев В. К., Филиппов В. А. Имитационное моделирование в задачах синтеза структуры сложных систем. М.: Наука, 1985. 174 с.
Черкасов В.В. Проблемы коммерческого риска/ Под ред. М.И. Бака-нова. М.: Финансы и статистика, 1998. 127 с.
Чернов В.А. Анализ коммерческого риска. М.: Финансы и статистика. 1998. 128 с.
Чернышёв C.JI. Моделирование экономических систем и прогнозирование их развития: Учебник. М.: МГТУ им. Н. Э. Баумана, 2003. 232 с.
Четыркин Е.М. Методы финансовых и коммерческих расчетов.-2-е изд., испр. и доп.-М.: Дело ЛТД, 1995. 320 с.
Четыркин Е.М. Статистические методы прогнозирования, 1975. 184 с. (1977. 200 е.).
Четыркин Е.М. Теория массового обслуживания и её применение в экономике. М.: Статистика, 1970. 103 с.
Чубарев A.M. Невероятная вероятность. О прикладном значении теории вероятностей. М.: Знание, 1976. 128 с.
Чуев Ю.В., Михайлов Ю. Б. Технические задачи исследования операций. М.: Воениздат, 1971. 279 с.
Чумаченко Н.Г. Статистико-математические методы анализа в управлении производством США. М.: Статистика, 1973. 164 с.
Шалыгин A.C. и др. Прикладные методы статистического моделирования. Д.: Машиностроение JIO, 1986. 320 с.
Шапиро Д.И. Принятие решений в системах организационного управления. Использование расплывчатых категорий. М.: Энергоиздат, 1983. 185 с.
Шарп У.Ф. Инвестиции/ Пер. с англ. М.: Инфра-М, 1999. 1028 с.
Швырков В.В. Тайна традиционной статистики Запада. М.: Финансы и статистика, 1998. 144 с.
Шелобаев С.И. Математические методы и модели в экономике, финансах и бизнесе. М.- ЮНИТИ-ДАНА, 2000. 367 с.
Шеннон К. Работы по теории информации и кибернетике. М.: Изд-во ИЛ, 1963. 829 с. ' '
Шехтер Р. Вариационный метод в инженерных расчётах. Устойчивость в хаосе. Задача Бернрда. М.: Мир, 1971. 291 с.
Ширинская Е.Б. Операции коммерческих банков и зарубежный опыт. М.: Финансы и статистика, 1993.144 с.
Шляпонтох В.Э. Проблемы достоверности статистической информации в социологических исследованиях. М.: Статистика, 1973. 144 с.
Шор Я. Б. Статистические методы анализа и контроля качества и надёжности. М.: Сов. радио, 1962. 552 с.
Шустер Г. Детерминированный хаос. М.: Мир, 1988. с.
Эдельгауз Г. Е. Достоверность статистических показателей. М.: Статистика, 1977. 279 с. # .
Экономическая безопасность: Производство Финансы — Банки/ Под ред. В. К. Сенчагова. М.: ЗАО Финстатинформ, 1998. 621 с.
Эфрон Б. Нетрадиционные методы (складной нож и бутстреп) многомерного статистического анализа. М.: Финансы и статистика, 1988. 263 с.
Янко Я. Математико-статистические таблицы. М.: Госстатиздат, 1961.
Янч Э. Прогнозирование научно-технического прогресса. М.: прогресс, 1974. 586 с.
Ярочкин В.И., БузановаЯ.В. Корпоративная разведка. М.: Ось89, 2004. 288 с.
Ярушкина Н.Г. Основы теории нечётких и гибридных систем. Учебное пособие. М.: Финансы и статистика, 2004. 320 с.
Ясин Е.Г. Теория информации и экономические исследования. М.: статистика, 1970. 112 с.
Cloche P. Thebes de Beotie. Des origins a la conquette romine. Namur, 1950.
Hellwig Z. Schemat budowy prognozy statycznej metoda wag harmonic-znych. Przeglad Statystyczny, R. XIV, № 2, 1967.
Huff D. How to Lie with statistics. New York. Norton, 1954.
Lohmann W. Harmonische Analise zum terricht. Berlin, 1921.

Заполнить форму текущей работой