Статья:

Обзор по результатам исследований на тему «Стохастическое моделирование нормируемого ожидаемого убытка и риска убыточности предприятия»

Журнал: Научный журнал «Студенческий форум» выпуск №6(142)

Рубрика: Технические науки

Выходные данные
Трутнева Л.А. Обзор по результатам исследований на тему «Стохастическое моделирование нормируемого ожидаемого убытка и риска убыточности предприятия» // Студенческий форум: электрон. научн. журн. 2021. № 6(142). URL: https://nauchforum.ru/journal/stud/142/87186 (дата обращения: 27.02.2024).
Журнал опубликован
Мне нравится
на печатьскачать .pdfподелиться

Обзор по результатам исследований на тему «Стохастическое моделирование нормируемого ожидаемого убытка и риска убыточности предприятия»

Трутнева Людмила Александровна
студент, Казанский национальный исследовательский технологический университет, РФ, г. Казань

 

В наше время, в быстроменяющийся век, риск становится естественным и неизбежным, но стохастическое моделирование может показать большую эффективность и возможность предупредить и уменьшить возможные риски при помощи решения задач по определению оптимального производства, уровня запасов, инвестиционного портфеля.

Стохастическое моделирование подробно показывает экономическую реальность с точки зрения среднесрочного планирования. Более того, применение стохастического моделирования значительно повышает эффективность детерминированных моделей в формировании оптимального производственного плана, улучшает финансово-экономические результаты деятельности компании, в том числе показатели прибыли.

Указанные характеристики не подходят для определения оптимального направления, если требуется увеличение размаха планирования в условиях риска и неопределенности. На практике задачи оптимизации со случайными начальными параметрами являются случайными. Например, при планировании деятельности на промышленных предприятиях всегда существует неопределенность, связанная с неточностью или неполнотой информации, изменение рыночных цен, поставщики и так далее.

Большую актуальность это имеет для предприятий с длинным производственным циклом. Случайные переменные включают интенсивность заказов на предприятиях сферы услуг: количество покупателей в магазинах, количество пассажиров и т. д. Поэтому, если невозможно установить параметр однозначно оцениваемый (нормативы затрат ресурсов, запасы сырья, объем и т.д.) в прикладной задаче называется стохастическим моделированием. Методы решения задач со случайными факторами называются методами стохастической оптимизация.

В научных трудах по проблемам анализа рисковых ситуаций представлен широкий спектр результатов исследований. Методологическим, организационным и технологическим аспектам риск-менеджмента посвящены исследования К.В. Балдина, С.Н. Воробьёва [1]. Авторами предложены методы системного анализа и математического моделирования при оценке рисковых ситуаций. Вопросы теории и практики риск-менеджмента на предприятии освещены в работе Е.Н. Станиславчик [2], Г.В. Черновой [3], Э.А. Уткина и Д.В. Фролова [4].

Проблемы формирования и развития стратегического управления предприятием исследованы в трудах: А. П. Градова, Б. И. Кузина, Р. А. Фатхутдинова, А. Т. Зуба, И. Ансоффа, П. Друкера, А. Томпсона, и др.

Среди современных отечественных и зарубежных ученых внесли свой вклад: Титов А.Н., Тазиева Р.Ф., Фадеева Е.П, М. В. Грачева, А. Б. Секерин, Э. Б. Песиков, Г. Б. Клейнер, В. С. Ступаков, Н. В. Хохлов, А. Холмес, Дж. Холивел, M. Кройби.

Теоретическая база для построения аналитических моделей планирования на предприятии заложена в трудах отечественных ученых таких, как В. А. Ивлев, Н. Н. Скворцов, Л. И. Омельченко, П. В. Терелянский, А. В. Андрейченков и западных ученых: К. Исикава, Т. Саати, Е. Келлер, Дж. Де Марле, M. Л. Шилито и других.

Результаты фундаментальных исследований в области моделирования сложных систем, проведенных отечественными учеными Н. П. Бусленко, Ю. Г. Карповым, Б. Я. Советовым, С. А. Яковлевым, Э. Б. Песиковым, К. А. Багриновским и зарубежными авторами Р. E. Шенноном, T. Дж. Шрайбером, Дж. Кляйненом, создают необходимую теоретическую базу для разработки имитационных (статистических) моделей и методов принятия стратегических решений. Одним из недостатков значительного количества работ, посвященных теории моделирования, является неоднозначность общепризнанных теоретических положений о риске, поверхностность методов его оценки.

Отсутствие практических рекомендаций о путях и способах его минимизации, предотвращения и прогноза требуют введения новых понятий, разработки новых алгоритмов и методов анализа. В рамках данной работы предполагается расширить возможности и границы математического аппарата обоснования управленческих решений в результате применения стохастического моделирование нормируемого ожидаемого убытка и риска убыточности предприятия. Проведенное научное исследование предлагает достаточно эффективный модельный инструментарий для количественного измерения ожидаемого убытка и риска убыточности предприятия. Дальнейшие исследования в данном направлении представляются перспективными в контексте того, что ожидаемый убыток и риск убыточности возникают на предприятиях любого типа, поэтому так важно уметь идентифицировать, описывать и анализировать его, давать качественную оценку и рекомендации.

 

Список литературы:
1. Титов А.Н., Тазиева Р.Ф., Фадеева Е.П. Стохастическое моделирование нормируемого ожидаемого убытка и риска убыточности предприятия и его деструктурирование. Вестник Казанского технологического университета. – Казань, 2018. Т.21. №  11. 
2. Розанова Л.Ф. Розанова Ж.Б. Стохастическое программирование в задачах планирования на предприятиях с непрерывным процессом производства. Управление экономическими системами: электроннный научный журнал – 2015г.
3. Титов А.Н., Тазиева Р.Ф., Фадеева Е.П. Иммитационное стохастическое моделирование чистого дисконтированного дохода и риска инвестиционного проекта - Вестник Казанского технологического университета. – Казань, 2017. Т.20. №  19. 
4. Y. N. Kashtanov A. A. Gormin. The weighted variance minimization in jump-diffusion stochastic volatility models. Monte Carlo and Quasi-Monte Carlo Methods 2008, pages 383 394, November 2009.
5. N. Bruti-Liberati and E. Platen. Strong approximations of stochastic equations with jumps. Journal of Computational and Applied Mathematics, 205:982-1001, 2007.