Если допустить, что нормы являются оптимальными, то условные потери, которые отражаются в отчетности, свидетельствуют о том, что фактический организационно-технический [c.162]
В дипломных проектах научно-исследовательского направления содержание технико-экономического обоснования принимаемых технических решений зависит от характера (поискового или прикладного) выбранной темы. Если тема связана с разработкой установки или лабораторного макета, то в проекте должны быть решены вопросы технико-экономического обоснования и выбора структурной и принципиальной схем, выбора отдельных элементов схемы. Если же тема посвящена исследованиям и сравнительному анализу существующих методов решения тех или иных вопросов с целью выбора оптимального, то в проекте должен быть представлен технико-экономический выбор такого метода. [c.17]
Графический метод, применяемый для определения мертвой точки , т.е. для определения критического (минимального) объема продаж, может быть использован для образования массива вариантов ситуаций и стратегий, из числа которых, с помощью привлечения других методов, может быть выбран вариант если и не оптимальный, то приемлемый, в котором объем прибыли и степень риска соответствуют целевым установкам и возможностям предприятия. [c.388]
На предприятии имеются резервы неиспользуемых основных средств, поэтому в прогнозируемом периоде не планируется их увеличения. Предполагается, что на конец прогнозируемого периода экономический потенциал предприятия не должен снизиться, т.е. объемы оборотных средств должны удовлетворять прогнозируемым объемам производста. Если предположить, что величина и структура оборотных средств в базисном периоде были оптимальны, то на конец прогнозируемого периода они могут измениться прямо про- [c.518]
Несмотря на то, что для ответа на этот вопрос существует несколько возможных обоснований, наиболее приемлемым с точки зрения нашего предыдущего анализа является следующий. Если управленческий персонал поглощающей фирмы действует оптимально, то стремление приобрести контрольный пакет акций опирается на одно из трех рассмотренных выше соображений. Поскольку любая из этих трех причин приведет к повышению стоимости акций поглощающей фирмы, акционеры поглощаемой фирмы требуют компенсацию за то, что они дают такую возможность. [c.310]
Не вдаваясь подробно о исследование сложной проблемы построения целевой функции благосостояния, отметим, что большинство советских экономистов признает гипотезу о ее существовании. Эта гипотеза является чрезвычайно плодотворной, так как дает возможность с ее позиций оценить различные упрощенные критерии оптимальности, то есть исследовать теоретическую базу прикладных критериев оптимальности, рассмотреть их через призму объективной цели экономического развития общества. Например, с позиций существования целевой функции благосостояния можно оце- [c.65]
Так как вопрос построения параметрических рядов машин заключается в выборе из всех возможных вариантов оптимального, то, следовательно, для оценки уровня экономичности каждого из вариантов параметрических рядов вполне закономерным является использование критерия сравнительной экономической эффективности — величины приведенных затрат, который строится на базе основных показателей сравнительной экономической эффективности. [c.16]
Так как план оптимальный, то выполняются условия [c.46]
Попытки снять в какой-то мере это противоречие привели к поиску приближенных методов решения, которые дали бы возможность получить, используя достигнутый уровень развития математических методов и вычислительной техники, если не оптимальный, то хотя бы близкий к нему результат. [c.110]
Преследуемая при обучении цель формулируется в виде функционала. В нечеткой форме она состоит в улучшении работы и свойств. Если, однако, ввести меру качества работы в виде критерия оптимальности, то цель обучения [c.164]
Делайте много предложений о покупках. Когда я хочу приобрести какую-то недвижимость, я присматриваю подходящие варианты и делаю заявки о покупках на все. Если вам трудно определиться, какой же из вариантов наиболее оптимальный, то и мне тоже. Это — работа агентов по операциям с недвижимостью. Вариант подбирают они. Я делаю как можно меньше работы. Одна моя знакомая захотела, чтобы я показал ей, как покупать многоквартирные дома. Однажды, в субботу, она, ее агент и я пошли и осмотрели шесть многоквартирных домов. Четыре дома были так себе, но два — ничего. Я сказал, что надо написать заявки на все шесть домов, предлагая половину запрошенного владельцами. У моей знакомой, вмести с агентом, чуть не случился сердечный приступ. Они считали, что поступать так было неприлично, так можно было обидеть продавцов, но я полагаю, что все дело было в агенте моей знакомой, боявшемся перетрудиться. Они так ничего и не предприняли и отправились искать сделку получше. [c.68]
Здесь важно отметить, что проигрыш, который может произойти при торговле фиксированной долей (в процентах от вашего счета), исторически может быть такой же, как Другими словами, если равно 0,55, то проигрыш может составить 55% от вашего баланса. Если вы торгуете с оптимальным , то ваш наибольший проигрыш будет эквивалентен Допустим, что для системы составляет 0,55 при торговле 1 контрактом на каждые 10 000 долларов это означает, что вашим наибольшим убытком будет 5500 долларов. Когда вы встречаете наибольший проигрыш (снова мы говорим о том, что может произойти), можно потерять 5500 долларов по каждому открытому контракту, и если у вас 1 контракт на каждые 10 000 долларов на счете, то в этой точке проигрыш составит 55% вашего баланса. Более того, полоса проигрышей может продолжиться следующая сделка или серия сделок могут уменьшить счет еще больше. Чем лучше [c.39]
Таким образом, в среднем на контракт можно ожидать выигрыша в 328,09 доллара. Теперь перейдем к следующему значению f, которое должно тестироваться в соответствии с выбранной процедурой поиска оптимального В нашем случае мы проверяем значения от 0 до 1 с шагом 0,01, так что следующим тестируемым значением будет 0,02. Рассчитаем новый столбец ассоциированных HPR, а также найдем TWR и среднее геометрическое. Значение , которое в результате даст наивысшее среднее геометрическое, является оптимальным (для вводных параметров, которые мы использовали). Если бы для данного примера мы продолжили поиск оптимального , то получили бы = 0,744 (при расчете оптимального используется шаг 0,001). Среднее геометрическое в этом случае равно 1,0265. Соответствующая средняя геометрическая сделка составит 174,45 доллара. [c.116]
На самом деле, однако, есть некая оптимальная величина рычага — оптимальная точка на (п + 1)-мерной поверхности. Есть на ней и другие важные точки. Торгуя, вы автоматически оказываетесь где-то на этой поверхности (повторим, что не признавая этого факта, вы никоим образом его не устраняете). Старые модели это игнорируют. Новый подход, напротив, учитывает данное обстоятельство, в результате чего его последователи сразу же вооружаются пониманием того, что такое правильное и неправильное использование рычага в рамках оптимального портфеля. Короче говоря, новая методология просто дает гораздо больше полезной информации, чем ее предшественники. [c.41]
Способ моделирования по Монте Карло в данном случае мог бы выглядеть следующим образом. Предположим, у вас имеется начальный капитал величиной, скажем, в 50000 долл. Возьмите все сделки и бросьте их в мешок, а затем вытаскивайте их обратно по одной. Каждый раз, вытащив одну сделку, рассчитайте новую величину вашей ставки на основе значения f, которое вы сейчас тестируете. Повторяя это вновь и вновь, вы сможете взять за оптимальное /то, которое фактически дало вам наибольший выигрыш. [c.64]
На деле же, тот, кто не придерживается логарифмической функции предпочтения полезности, всегда может максимизировать полезность во многом подобно тому, как мы максимизируем капитал с помощью оптимального /, за тем исключением, что для каждого периода владения будет свое значение оптимального / То есть если чья-то функция предпочтения полезности отличается от In x (максимизация капитала), то его оптимальное/для максимизации (асимптотической) полезности будет переменным, в то время как его оптимальное / для максимизации капитала будет постоянным. Другими словами, если, зарабатывая больше денег, вы следуете такой полезности, что готовы рисковать все меньше, то ваше оптимальное/будет уменьшаться с завершением каждого периода владения. [c.125]
Применимость данного алгоритма, хотя он часто используется в нейронных сетях, не ограничивается исключительно ими. В наших условиях мы можем использовать его в качестве метода отыскания оптимальной точки на (п + 1)-мерном изображении. [c.189]
Первым важным моментом в понимании оптимальности потерь (т. е. минимизации потерь) является то, что к ней можно приблизиться в торговле. Оптимальная точка, в отличие от точки оптимального роста, не может быть достигнута никак иначе, чем путем отказа от торговли. Но к ней можно приблизиться. Таким образом, для минимизации потерь, то есть для приближения к оптимальности потерь, требуется использовать для каждой компоненты минимально возможные значения / Другими словами, для того чтобы приблизиться к оптимальности потерь, вы должны присесть в том углу поверхности, где значения всех / близки к 0. [c.256]
Итак, теперь мы завершили полный цикл от рассмотрения поверхности в пространстве рычагов и отыскания точки оптимального роста на ней до отступления от этой точки во имя удовлетворения реальных основополагающих ограничений по части минимизации потерь и сохранения капитала. Просто увеличив показатель степени тем или иным доступным образом, мы достигаем роста. Мы, возможно, достигнем эквивалентного роста, если сможем добиться достаточно большого Т, или достаточно высокого показателя степени. Поскольку показатель степени равен количеству периодов владения за данный отрезок времени, мы постараемся задействовать максимально возможное количество периодов владения за данный отрезок времени. Но при этом вовсе не обязательно торговать по максимально возможному количеству сценариев. Все корреляции приводят к одной. К тому же мы должны постоянно допускать случай, когда наихудшие сценарии реализуются одновременно для всех торгуемых компонент. Мы должны учитывать, что составное f, или сумма значений / для всех одновременно торгуемых компонентов, представляет собой потери, которые нам предстоит перенести. Отсюда вытекает, что, стараясь приблизиться к оптимальности потерь, но и стремясь получить такой же рост, как и в оптимальной точке роста, следует торговать по минимально возможному количеству компонент и при минимально возможных значениях / для каждого компонента, а также добиваться задействования максимально возможного количества периодов владения за данный отрезок времени. [c.259]
Теперь, когда вы определили оптимальную точку входа и приобрели акцию, что будете делать дальше Мы обнаружили, что прибыльней всего постепенно забирать деньги по мере повышения котировки акции. Вспомните наш пример с игрой в баскетбол, где один из игроков получил индивидуальное предупреждение о нарушении правил. У его соперника было два броска, каждый из которых не зависел от другого. Как игрок, которому на поле никто не мешает, он должен иметь 70 процентов успеха, но его шансы на успех от двух бросков составляли только 49 процентов (0,7x0,7=0,49). У вас та же самая проблема. Чтобы покупка акции оказалась удачной, вы должны приобрести бумагу правильно, но вы также должны продать ее правильно. Многие инвесторы покупают акцию правильно, наблюдают за тем, как она по дни- [c.84]
После того как сеть построена, можно, стартуя со случайного начального состояния, проследить ее эволюцию к стационарной конфигурации, которая может дать если не оптимальное, то по крайней мере хорошее решение задачи. К сожалению, в описанном виде сеть чаще всего "застревает" в локальном минимуме относительно далеком от оптимума. [c.113]
В нашем анализе мы намеренно делали упор на полной занятости и эффективности производства, которые позволяют обществу достичь любой точки на кривой производственных возможностей. Теперь мы снова сконцентрируем внимание на эффективности распределения ресурсов — проблеме определения наиболее ценной возможности, то есть оптимальной точки на кривой производственных возможностей. Какая из всех достижимых комбинаций пиццы и роботов на кривой (рис. 2-1) является оптимальной, или наилучшей Иначе говоря, какие объемы ресурсов следует направить на производство пиццы и какие — на производство роботов Экономический взгляд на вещи, о котором мы говорили в главе 1, указывает нам верный путь. Вспомним, что экономические решения основаны на сравнении предельной выгоды и предельных издержек. Любая экономическая активность, например производство или потребление, должна увеличиваться до тех пор, пока предельная выгода пре- [c.31]
Эффективное размещение ресурсов означает, что ресурсы используются для производства товаров и услуг, в наибольшей степени желательных для общества. Общество расположено в оптимальной точке на прямой производственных возможностей, в которой для каждого вида продукции предельные издержки равны предельной выгоде. Эффективность производства означает, что для производства нужных товаров и услуг используются производственные технологии, связанные с наименьшими издержками. [c.907]
Сторона предложения экономического роста иллюстрируется смещением наружу кривой производственных возможностей от АВ к D на рис. 19-1. Сторона спроса экономического роста показана перемещением из точки на кривой АВ к оптимальной точке на D, например от точки а к точке Ь. [c.918]
Если значение этого параметра существенно ниже оптимального, то это указывает на слабость экономики и может привести к ослаблению валюты. [c.72]
Игра на уровне оптимального f эмоционально тяжела, поскольку может давать 85 процентов неудач. Ее можно практиковать только с действительно рисковым капиталом. Ключевым пунктом является то, что если вы играете крупнее оптимального , то обязательно погубите свой счет. Урок прост если сомневаетесь, рискуйте меньшим. [c.151]
Если агрегирование оптимально, то все векторы оптималь- [c.39]
Если ф < ф - т.е. агрегирование не оптимально, то ни один [c.39]
Площадь, ограниченная кривой АВ С, будет оптимальной. Точка С определяет конечную плановую величину параметра М в заданное предельное время Т. В точку С можно прийти многими путями, которые лежат внутри фигуры АВгСВ А, где кривая АВ С определяет максимально возможный темп прироста параметра, АВ С описывает минимально возможные темпы прироста. Если определить на основе наибольшего приращения эффекта порядок очередности отдельных мероприятий (принцип приоритета), то в процессе реализации плана оргтехмероприятий можно получить дополнительный эффект, равный площади фигуры АВ СВгА. [c.232]
Анализ таких ситуаций осложняется, когда число объектов велико и аналогичные расчеты приходится проводить многократно, в связи с чем возникает задача автоматизации этих расчетов для лица, принимающего решения (ЛПР). Автоматизация расчетов, как правило, связана с попыткой свести многокритериальную задачу к однокритериалыюй, что соответственно приводит к ряду субъективных допущений. Обычно методы решения векторных задач оптимизации построены таким образом, чтобы выйти на одну из оптимальных точек по Парето, учитывая важность (приоритет) того или иного критерия. [c.202]
Методы поиска оптимальной точки, рассмотренные в этом разделе, позволили решить многие задачи механики, а также наиболее простые экономические задачи. Необходимо, однако, заметить, что в случае достаточно сложных функций U(x) решение уравнений (4.11) и тем более (4.12) представляется крайне затруднительным. Поэтому даже для функций с единственным локальным максимумом проблему безусловной оптимизации нельзя считать решенной только на основе соотношений (4.11) и (4.12). Проблема еще более усложняется, если функция U(x) не является достаточно гладкой. f С появлением вычислительной техники широкое распространение получили так называемые градиентные методы, состоящие в определении направления наискорейшего роста функции U(x) и в переходе от некоторой исходной точки к другой, более предпочтительной. Затем новая точка берется за исходную и процесс повторяется. В настоящее время построены различные варианты градиентных методов и разработаны вычислительные системы, позволившие численно решить многие важные задачи безусловной оптимизации (см., например, [31]). Однако проблему многоэкстремальности (т. е. неединственности локального экстремума) до сих пор нельзя считать решенной. [c.45]
Декомпозиционные методы основываются па том факте, что для выбора оптимального плана необходимо знать информацию об ограничениях на принимаемые решения лишь в окрестности оптимальной точки. Поэтому для решения задачи оптимизации Центр может удовлетвориться частичной информацией, получаемой от предприятий в процессе взаимодействия. Для получения необходимой информации Центр может, например, сообщать предприятиям цеыы на ресурсы и требовать в ответ оптимальные для предприятий варианты затрат ресурсов и выпуска продукции. В других декомпозиционных схемах Центр сообщает предприятиям варианты распределения ресурсов, они же в ответ сообщают свои оценки этих ресурсов. В любом случае при построении декомпозиционных схем важнейшим является вопрос о том, какие критерии нужно назначить отдельным подсисте- [c.350]
По классификационному признаку оптимальности все экономико-математические методы (задачи) подразделяются на две группы оптимизационные и неоптимизационные. Если метод или задача позволяет искать решение по заданному критерию оптимальности, то этот метод относят в группу оптимизационных методов. В случае, когда поиск решения ведется без критерия оптимальности, соответствующий метод относят к группе неоптимизационных методов. [c.98]
Па предприятии имеются резервы неиспользуемых осмонных средств, поэтом) н прогнозируемом периоде не планируется их увеличения. Предполагается, по на конец прогнозируемого периода экономический потенциал предприятия не должен снизиться, т.е. объемы оборотных средств должны удовлетворять прогнозируемым объемам производства. Если предположить, что величина и структура оборотных среден) в базисном периоде были оптимальны, то на конец прогнозируемого периода они могут измениться прямо пропорционально росту ооъемов производства, инфляции и цен на сырье, т.е. прогнозируем , их значения составят [c.402]
В какой именно точке на эффективной границе вы будете находиться (то есть какова эффективная КСП), является функцией вашего собственного неприятия риска, по крайней мере, в соответствии с моделью Марковица. Однако есть оптимальная точка на эффективной границе, и с помощью математических методов можно найти эту точку. Если вы выберете КСП с наивысшим средним геометрическим HPR, то достигнете оптимальной КСП Мы можем рассчитать среднее геометрическое из среднего арифметического HPR и стандартного отклонения HPR (обе эти величины у нас уже есть, так как они являются осями X и Y модели Марковица ) Уравнения (1.16а) и (1.166) дают нам формулу для оценочного среднего геометрического EGM (estimated geometri mean). Данный расчет очень близок (обычно до четвертого или пятого знака после запятой) к реальному среднему геометрическому, поэтому можно использовать оценочное среднее геометрическое вместо реального среднего геометрического. [c.45]
Первый из этих параметров, называемый сжатием (shrink), затрагивает среднюю сделку. Сжатие — это просто множитель нашей средней сделки. Вспомните, что когда мы находим оптимальное , то попутно получаем другие величины, которые являются полезными побочными продуктами оптимального Такие расчеты включают среднее геометрическое, TWR и среднюю геометрическую сделку. Сжатие является величиной, на которую мы умножаем среднюю сделку еще до того, как осуществляем поиск оптимального Следовательно, сжатие позволяет нам рассчитать оптимальное для того случая, когда средняя сделка затронута сжатием, а также рассчитать новые побочные продукты. Предположим, вы торгуете в системе, которая в последнее время работала очень эффективно. Вы знаете, что рано или поздно система прекратит работать так же успешно, поэтому хотите знать, что произойдет, если средняя сделка будет уменьшена наполовину. Используя значение сжатия 0,5 (так как сжатие является множителем, то средняя сделка, умноженная на 0,5, будет равна половине средней сделки), вы можете найти оптимальное , когда средняя сделка уменьшается наполовину. Вы сможете увидеть, как такие изменения затрагивают геометрическую среднюю сделку и другие величины. Используя значение сжатия 2, вы также сможете увидеть последствия удвоения средней сделки. Другими словами, параметр сжатия может также использоваться для увеличения вашей средней сделки. Более того, он позволяет вам взять неприбыльную систему (то есть систему со средней сделкой меньше нуля) и, используя отрицательное значение сжатия, посмотреть, что произойдет, если эта система станет прибыльной. Допустим, у вас есть система, которая показывает среднюю сделку -100 долларов. Если вы будете использовать значение сжатия -0,5, то получите оптимальное для этого распределения со средней сделкой 50 долларов, так как -100 -0,5 = 50. Если бы мы использовали фактор сжатия -2, то получили бы распределение со средней сделкой 200 долларов. Следует крайне аккуратно использовать параметры что если , так как они легко могут привести к неправильным результатам. Уже было упомянуто, что вы можете превратить систему с отрицательной арифметической средней сделкой в прибыльную систему. Это может привести к проблемам, если, например, в [c.109]
Когда вы торгуете портфелем с неограниченной суммой весов, используя дробное f, то находитесь на эффективной границе GHPR для портфелей с неограниченной суммой весов, но слева от геометрической оптимальной точки, которая удовлетворяет любому уравнению с (7.Оба) по (7.06д). Таким образом, ваш потенциальный выигрыш по отношению к риску меньше, чем в геометрической оптимальной точке. Это один из способов, с помощью которого вы можете комбинировать портфель с безрисковым активом. [c.222]
Предположим для простоты, что мы собираемся одновременно вести две игры. Каждая из них — это уже известная нам игра в монетку два-к-одному . Предположим далее, что попарная корреляция исходов отсутствует. Согласно новой методологии оптимальная точка, или вершина четырехмерного (п + 1) рельефа, будет соответствовать 23% для обеих игр. [c.40]
В этой книге, как и в двух предыдущих, мы продемонстрировали, что при заданной рыночной системе или сценарном спектре торговля на оптимальном / (или на наборе оптимальных /для нескольких одновременно действующих сценарных спектров или рыночных систем) даст асимптотически самый большой рост, то есть в итоге, по мере того, как количество периодов владения, в которые мы торговали, становится все больше и больше. Однако из Главы 2 мы узнали, что если у нас было конечное количество периодов владения и мы знаем, сколько периодов мы собираемся торговать, то действительно оптимальными будут такие величины, которые даже несколько агрессивнее, чем оптимальные / То есть это те значения /, которые максимизируют ожидаемый средний общий рост (EA G). [c.235]
Тщательно исследуя данный график многочисленными и сложными методами Теории Волн Эллиота, я пришел к заключению, что оптимальная точка начала этого более чем двухсотлетнего повышения цен находится на уровне 0,30 (т.е. 30 центов). По всей вероятности, рынок находился на этом уровне в году 1765 плюс-минус 10 лет. К подобному заключению меня привели следующие рассуждения [c.319]