Это является достаточно грубым приближением, которое не учитывает разброс результатов конкретной сделки. Более точная оценка вероятности убытка основана на многократном численном моделировании результатов серии сделок по методу Монте-Карло. Принципиальная схема такого алгоритма имеет вид [c.200]
Описание параметров численного моделирования [c.64]
Численное моделирование распространения [c.92]
Численное моделирование течений и загрязнений в водотоках [c.99]
Интересный подход к поиску на ЭВМ плотных укладок разных кругов в лист фиксированного размера предложен в [297] лист рассматривается как поперечное сечение узкого высокого ящика, в который случайно бросаются тяжелые цилиндры. Укладки находятся численным моделированием этого процесса. [c.254]
Структура электронной таблицы. Таблица, отображаемая на экране дисплея, для рассматриваемой модели содержит 16 строк (показателей). Графы таблицы, начиная со второй, представляют собой исходные данные и результаты очередного расчета (этапа численного моделирования). Фрагмент электронной таблицы приведен в табл. 3.4.5. [c.127]
Следует еще раз подчеркнуть, что электронная таблица позволяет не только автоматически выполнять расчеты, но и является очень эффективным средством для проведения численного моделирования. Меняя во всевозможных сочетаниях значения исходных параметров, можно наблюдать за изменением выходных данных [c.311]
Численное моделирование значений PJ и 2, заключающееся в апробировании различных плановых входных параметров, и пропускание полученных данных через критерий (2.23) должно помочь в выборе адекватной инвестиционной политики. [c.111]
Кроме того, было проведено численное моделирование, имеющие целью определить, как влияют г, Р и у на величину перекрытия. В серии экспериментов варьировалась величина параметра у от 0 до 0,7191. Верхний уровень параметра у был определен в соответствии с его оценкой, полученной в эконометрической части исследования. Для сравнения была выполнения вторая серия расчетов для значений параметров г = 0,2 и Р = 0,6. Значение Р, равное 0,6, соответствует более высокому уровню внешней экономии и росту отдачи на инвестиции в случае агломерации производства. Результаты расчетов размера перекрытия представлены на рис. 3.3. Отметим, что перекрытие, а, следовательно, и возможность ожиданий инвесторов влиять на пространственное распределение инвестиций, исчезает для у, равного 0,1. Для альтернативного набора параметров экономики г и Р перекрытие исчезает для у, равного 0,023. Перекрытие постепенно сокращается на интервале значений от 0,8 до 0,1. Как видим, в современной российской экономике, где г = 0,3125, Р = 0,2573 и у = 0,7191, ожидания играют ведущую роль, не оставив места для [c.39]
Подгонка к историческим данным требуется при обоих подходах. Развиваемый в настоящей главе непараметрический подход является иным по самой своей сути. Он не требует априорных предположений о виде функционала процесса, формирующего структуру процентных ставок, и распределения, характеризующего динамику наблюдаемых случайных величин. Мы использовали алгоритм СОК для того, чтобы получить картину распределения структуры процентных ставок и ее изменения с течением времени (скачки процентных ставок) на материале набора исторических данных. Прибегнув затем к численному моделированию методом Монте-Карло, мы получили картину изменения структуры процентных ставок в долгосрочной перспективе. [c.65]
Приступая к численному моделированию поведения процесса в будущем на основании исторических данных, начнем с составления матрицы наблюдений процесса. Процесс может характеризоваться одной или несколькими наблюдаемыми переменными. Начальная матрица, обозначим ее D, имеет размерность [Т, Р], где Т — число наблюдений и Р — число наблюдаемых переменных. [c.67]
Опираясь на полученные нами условные эмпирические распределения изменения частот, применим метод Монте-Карло, описанный в разд. 2.3, для численного моделирования структуры процентных ставок. В случае процентных ставок эта процедура принимает следующий вид [c.74]
Специфика данного предприятия, свойства его технологической схемы, производственные возможности установок и всего предприятия отражаются при численном формировании условий (24.1) — (24.5). Именно в численном формировании условий (24.1) — (24.5) заключается суть моделирования предприятия как объекта оптимизации. Пример такого формирования дан ниже. При формировании модели наглядно проявляется роль информационного обеспечения в модель входят такие показатели, как расходные нормы, коэффициенты отбора, показатели качества, удельные затраты, цены. Подобные показатели формируются и упорядочиваются при построении подсистемы информационного обеспечения. [c.413]
Учитывая, что развитию нефтедобывающих районов предшествует подготовительный — инкубационный — период, определяющий объемы добычи нефти по району, базирующиеся на геолого-технических характеристиках месторождений, период активных вложений можно рассматривать как самостоятельный этап развития. Ограничениями при моделировании развития района в данном случае могут быть, кроме объемов добычи нефти, число вводимых эксплуатационных скважин по месторождениям и годам их разработки, система разработки месторождений и объемы закачки для поддержания пластового давления и т. д., т. е. основные параметры, позволяющие рассчитать потребность в транспорте, численности населения, объемов капитальных вложений и т. д. При этих условиях в качестве одного из методов решения задачи по выбору рациональной организации района можно принять агломерационную сетевую модель развития района с учетом очередности проведения технологических и организационных процессов. [c.64]
Размерность задачи может быть снижена за счет игнорирования каких-либо аспектов, например игнорирования изменения и, следовательно, моделирования такого фактора производства, как численность работающих установления постоянной величины таких факторов, как скорость обращения денег соотношения между государственными и частными инвестициями и т.д. [c.101]
При расчете этих показателей используется прием моделирования. Объем производства представляется как произведение экстенсивных и интенсивных факторов. Абсолютный прирост продукции разлагается на сумму факторных приростов показателей-сомножителей (численности персонала и его производительности, стоимости основных производственных фондов и фондоотдачи и т.д.). [c.171]
Эта формула устанавливает зависимость объема продукции от изменений удельного веса числа рабочих в общей численности работающих (У), среднего количества дней, отработанных одним рабочим за год (Д), средней продолжительности рабочего дня (Т), средней часовой производительности труда одного рабочего (ВЧ). Выявление и исследование подобных зависимостей между экономическими показателями осуществляются при помощи методов детерминированного моделирования. Зависимости вида (1) и (2) представляют собой факторные модели показателя объема продукции, удовлетворяющие различной степени детализации анализа этого показателя. [c.269]
Исследование взаимных распределений значений экономических показателей и нахождение соотношений функционирования производственных систем представляет следующий важный класс задач анализа хозяйственной деятельности, например, задачу определения средней линии изменений объема продукции (ТП) в зависимости от изменения численности работающих (Ч) и производительности труда (В) по заданной совокупности предприятий. Такая задача решается методами стохастического моделирования. Здесь моделируется конкретное аналитическое выражение для зависимости [c.277]
Метод экономико-математического моделирования Экономико-математическое моделирование позволяет дать количественную оценку взаимосвязям между финансовыми показателями и факторами, влияющими на их численное значение. Данная взаимосвязь выражается через экономико-математическую модель, которая представляет собой точное описание экономических процессов с помощью математических символов и приемов (уравнений, неравенств, графиков, таблиц и др.). В модель включают только основные (определяющие) факторы. Модель может базироваться на функциональной или корреляционной связи. [c.321]
Устраняет риски. Использование моделей не несет в себе каких-либо существенных рисков. Если бы не было модели, то различные стратегии пришлось бы проверять в реальной ситуации. Так, можно увеличить цену на товар и понаблюдать, как это скажется на объеме продаж или спросе, или сократить численность персонала и посмотреть, как это скажется на уровне обслуживания клиентов. Такой процесс связан с рисками потерь доходов или клиентов. Применение моделирования позволяет устранить такие риски. [c.337]
Моделирование финансовой системы характеризуется тем, что не всегда имеется возможность четко выделить численные значения параметров потоков и определить функциональную часть блоков, так как потоки могут перераспределяться от случая к случаю и зависеть [c.127]
В данном случае вычисление вероятности разорения гораздо проще можно провести численно путем многократного моделирования результатов серии сделок по методу Монте-Карло. Изложим принципиальную схему алгоритма [c.202]
Численное моделирование показало высокую чувствитель- [c.31]
Пример оценки мощности нефтяных месторождений методом Монте-Карло — великолепная иллюстрация основного аспекта численного моделирования. Между пористостью и водонасыщен-ностью существует взаимосвязь, на примитивном уровне выражаемая фразой чем выше пористость, тем ниже водонасыщен-ность. На языке же моделирования это звучит так существует взаимная зависимость двух переменных. Пористость частично влияет на водонасыщенность, то есть последняя переменная не может считаться независимой. Таким образом, при построении модели наличие взаимосвязи не учитывать нельзя. [c.170]
Далее перейдем к описанию результатов численного моделирования динамики загрязнения воды при вероятных нарушениях герметичности проектируемого перехода трубопровода через реку Ангару на расстоянии 34—37 км судового хода от г. Иркутска. На этом участке река делает левый поворот, а на расстоянии 34,5 км судового хода ее русло делится островом Ашун. Глубины реки снимались с батиметрической карты масштаба 1 5000 с шагом 25 м. [c.105]
Аргучинцев В. К. Численное моделирование распространения аэрозолей в пограничном слое атмосферы // Оптика атмосферы и океана, 1994. Т. 7, № 8, С. 1106-1111. [c.412]
Марчук А.Г., Чубарое Л.Б., Шокин Ю.И. Численное моделирование волн цунами. — Новосибирск Наука, 1983. [c.423]
В Суперкалке помимо средств создания электронной таблицы имеются дополнительные возможности наглядного представления информации в виде секторных и столбиковых диаграмм, разнообразных графиков. Кроме того, пакет является весьма эффективным средством проведения численного моделирования хозяйственных процессов. Более обширные сведения о Суперкалке и его возможностях для анализа финансовой деятельности можно почерпнуть из [9, 12]. [c.125]
Для оценки финансовых активов существует множество моделей. Как правило, их целью является определение реальной цены котируемых финансовых инструментов, например облигаций, либо оценка рискованности портфеля активов с помощью прогнозирования. Эти модели позволяют выработать политику управления рисками и определить коэффициенты хеджирования. Зачастую определение коэффициентов хеджирования является их основной целью, еще более важной, чем теоретическая оценка самих активов. Существует два основных подхода к моделированию структуры процентных ставок и ее динамики параметрический и непараметрический. В данной главе нами будет рассмотрен непараметрический подход, не требующий принятия никакой априорной гипотезы относительно вида функционала процесса, формирующего структуру процентных ставок, а также вида распределения, характеризующего динамику наблюдаемых случайных величин. На примере исторического набора данных Эрик де Бодт, Филипп Грегори и Мари Коттрелл используют алгоритм СОК для аппроксимации распределения структуры процентных ставок и ее изменения с течением времени (структурных потрясений). Производимое на этой основе численное моделирование методом Монте-Карло позволяет получить картину долгосрочного развития структуры процентных ставок в течение пяти лет. [c.63]
Численное моделирование методом Монте-Карло широко использовалось для оценки стоимости производных финансовых инструментов в тех случаях, когда не существует аналитического решения. Впервые этот метод был использован Бой-лем (Boyle, 1977) для оценки опционов. Метод состоит в формировании большого числа путей с дискретными шагами. Продвижение вперед во времени зависит от заранее заданных значений смещения и скорости изменения. [c.66]
На рис.2-4 представлен пример результатов численного моделирования системы (4.2)-(4.4). На рис. 2 показан закон управления sopt(t), определяющий элементы системы, к которым в каждый момент тт, т=т ,...,М, приложено импульсное воздействие. На рис. 3 изображен вид функции -sign p(sop m),rm), которая определяет [c.13]
В основном все работы, посвященные проблемам численности и структуры профессорско-преподавательского персонала, можно условно разделить на две группы. В работах первой группы рассматриваются вопросы дальнейшей дифференциации или частичного изменения "штатных коэффициентов" для вузов разного профиля в рамках неизменного "штатного коэффициента" в целом по стране. В работах второй группы рассматриваются вопросы распределения выделенных вузу штатов профессорско-преподавательского персонала между факультетами (кафедрами) и приведения их структуры в соответствие с заданными или определяемыми критериями. Работы, в которых рассматривается проблема моделирования динамики изменения численности и структуры педагогических кадров в зависимости от изменяющихся внутренних и внешних условий, единичны [105]. [c.304]
Анализируя подходы к моделированию штатов профессорско-преподавательского и учебно-вспомогательного персонала, логичнее представить их не как попытки моделирования, а, скорее, как методы расчета соответствующих штатов. Рассматривая их как модели, можно отметить следующие присущие им недостатки. Во-первых, они не позволяют исследовать динамику изменения структуры и численности соответствующего персонала, так как по существу являются статическими параметрическими моделями, связывающими статические показатели структуры и численности преподавательского состава в вузе с экзогенно вводимыми показателями (численностью студентов, учебной нагрузкой и т.п.). Во-вторых, эти модели не рассматривают процессы воспроизводства преподавательских кадров, динамические условия и ограничения, при которых будет обеспечено не ухудшение или улучшение их структуры. В-третьих, в данных подходах не учитываются обратные связи рассматриваемой подсистемы с другими подсистемами вуза (например, ухудшение качественной структуры преподавательского состава может повлиять на отсев, что, в свою очередь, повлияет на численность и структуру преподавательских кадров и т.д.). И, наконец, не совсем оправданной представляется жесткая увязка структуры преподавательских штатов с учебным планом это не только тормозит естественные процессы педагогического и научного роста, которые должны подкрепляться соответствующими [c.307]
Количественное соотношение экстенсивности и интенсивности экономического развития выражается в показателях использования производственных и финансовых ресурсов. Показателями экстенсивности развития выступают количественные показатели использования ресурсов численность работающих, величина израсходованных предметов труда, величина амортизации, объем основных производственных средств и авансированных оборотных средств (активов). Показатели интенсивности развития — качественные показатели использования ресурсов, т.е. производительность труда (или трудоемкость), материалоотдача (или материалоемкость), фондоотдача (или фондое№1 кость), количество оборотов оборотных средств (или коэффициент закрепления оборотных средств). Следует указать, что фондоотдача N/F (фондоемкость — F/N) обобщает в себе такие показатели интенсивности, как амортизациоотдача — N/A (амортизациоем-кость — A/N) и оборачиваемость основных производственных средств в годах — F/A (обратный коэффициенту оборачиваемости — A/F). Рассмотрим эту взаимосвязь на примере моделирования фондоемкости [c.389]
Достигнутый прогресс в разработке частных моделей оптимизации и в их численной реализации не означает, однако, что становление моделирования нефтяной отрасли дюжно считать завершенным. Особенно это касается нефтедобывающей продшшленности, представляющей собой сложную систему, включающую подготовку запасов, добычу (разработку нефтяных месторождений) и транспортировку нефти от районов добычи к пунктад потребления. [c.94]
Система условий (2.58) — (2.61), при определенных допущениях, может оыть сведена к детерминированной нелинейной системе [43]. Включение указанных условий в оптимизационную задачу с целью единовременного комплексного решения проблемы выбора оптимальных уровней надежности и варианта производственной программы комплекса НПП представляет собой сложную, а ввиду отсутствия в настоящее время эффективных численных методов практически нерешаемую в реальном масштабе времени проблему. Все это позволяет утверждать, что перспективы развития методов динамического моделирования связаны, прежде всего, с развитием методов стохастического программирования. [c.49]
Исследовалась взаимосвязь макро и мегапоказатели, т.е. были взяты следующие показатели по Казахстану, объем валовой продукции сельского хозяйства, экспорт, импорт, инвестиции в основной капитал и по Западно-Казахстанской области освоение инвестиций в основной капитал, производство основной продукции животноводства, производство молока, численность скота и птицы, поголовье свиней, поголовье,> лошадей, поголовье верблюдов и по ОАО Западно-Казахстанская РЭК доход от реализации продукции,. . себестоимость реализованной продукции, доход от основной деятельности, чистый доход предприятия. Такой прием позволяет выявить наиболее значимые взаимосвязи с целью их последующего использования при дальнейшем моделировании. [c.192]
При построении модели на первом этапе необходимо идентифицировать типовые блоки работ по реализации нововведения, относящиеся по своему содержанию к различным функциональным сферам деятельности предприятия (НИОКР, маркетинг, товародвижение, логистика), с четкой регламентацией целей и результатов каждого этапа. Далее, необходимо построить различные варианты структурных и функциональных связей и отношений между составными блоками инновационного цикла, адекватные объективным процессам адаптации хозяйствующих субъектов к устойчивому функционированию в рыночной среде. Следующий этап построения модели состоит в углублении информационного представления об объекте исследования и включает в себя определение численных значений параметров и оценку вероятностных характеристик инновационного процесса. Дополнение системного описания инновационного цикла комплексом математических процедур, позволяющих осуществлять имитационное моделирование процесса на ЭВМ, является средством решения ряда математических задач определения наиболее вероятных сроков и затрат, связанных с созданием и выводом на рынок конкретного изделия. [c.195]
Причинно-следственное моделирование (многофакторные модели) нацелено на анализ достаточн двумя или более переменными. Например, при разработке прогноза объема спроса на швейные изде уровень доходов населения, взаимозаменяемость товаров, уровень цен, объем производства и другие ф Степенные, линейные многофакторные уравнения регрессии могут использоваться и при оп численности работников по той или иной управленческой функции и для решения множества других г [c.110]
Смотреть страницы где упоминается термин Численное моделирование
: [c.148] [c.14] [c.14] [c.422] [c.43] [c.281] [c.25]Смотреть главы в:
Популярный экономико-математический словарь -> Численное моделирование