автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Модели управления инвестиционными потоками в региональной социально-экономической системе

На правах рукописи

АФАНАСЬЕВ Виталий Юрьевич

МОДЕЛИ УПРАВЛЕНИЯ ИНВЕСТИЦИОННЫМИ ПОТОКАМИ В РЕГИОНАЛЬНОЙ СОЦИАЛЬНО-ЭКОНОМИЧЕСКОЙ СИСТЕМЕ

Специальность 05.13.10 — Управление в социальных и экономических системах

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Уфа 2003

* л,

Работа выполнена на кафедре экономики предпринимательства Уфимского государственного авиационного технического университета

Научный руководитель:

д-р техн. наук, проф. ИСМАГИЛОВА Лариса Алексеевна

Официальные оппоненты:

заслуж. деят. науки РФ, академик МАИ,

д-р техн. наук, проф.

ДЬЯЧКО Анатолий Григорьевич

канд. техн. наук, доц. АРДИСЛАМОВ Виль Камильевич

Ведущая организация:

Институт социально-экономических исследований Уфимского научного центра Российской академии наук

Защита состоится « 2003 г. в часов

на заседании диссертационного совета Д-212.288.02 в Уфимском государственном авиационном техническом университете по адресу: 450000, г. Уфа, ул. К.Маркса, 12.

С диссертацией можно ознакомиться в библиотеке Уфимского государственного авиационного технического университета.

Автореферат разослан « 24 » октября 2003 г.

Ученый секретарь диссертационного совета, д-р техн. наук, проф.

В.В. МИРОНОВ

А

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Развитие экономики региона в значительной степени определяется инвестиционной деятельностью. Инвестиционная деятельность - это широкое понятие, включающее управление инвестиционными потоками во времени и иерархии отношений субъектов инвестиционной деятельности, таких как: государство, регион, предприятие, инвестиционный проект. Изменение в иерархии отношений определяется классификацией по показателям инвестиционной привлекательности региона, оценкой инвестиционного проекта, классификацией и выбором объекта для инвестирования. Инвестиционные потоки — это изменяемые во времени обобщенные показатели инвестиционной деятельности, определяющие финансовые возможности инвесторов, перечень и финансовые характеристики проектов, а также финансовое состояние предприятия, реализующего выбранный инвестиционный проект.

В рыночных условиях функционирования экономики управление инвестиционными потоками будет эффективным только в том случае, если в его основе лежат глубоко проработанные и обоснованные алгоритмы и методы оценки привлекательности региона, потока реальных инвестиционных проектов и предприятий, реализующих выбранные проекты. Исследованиям способов оценки реальных проектов с учетом рисков посвящены работы Р. Мюррейя, В.А. Москвина, А.Г. Шахназарова, В.В. Ковалева. Характеристики инвестиционной привлекательности регионов строятся с разных позиций в работах ученых - И. Фишера, Б. Грэма, Д. Додда. Рейтинги регионов составляются и публикуются с целью привлечения зарубежных инвесторов в научных и популярных изданиях, таких как журнал «Эксперт», агентство «РосБизнесКонсалтинг». Много работ посвящено исследованию проблем управления реализацией проектов на предприятии, в том числе инновационных. Наиболее известны работы Ф. Фабоцци, П.Л. Виленского, В.Н. Лившица, С.А. Смоляка. Однако компоненты анализа инвестиционной деятельности исследуются отдельно друг от друга, что приводит к принятию несогласованных решений по управлению инвестициями и снижает эффективность внедрения реальных инвестиционных проектов в региональной социально-экономической системе (РСЭС). Не рассматривается также инвестиционный процесс с точки зрения анализа динамики и оценки состояния региона и предприятий.

В связи с этим большое значение имеют исследования, направленные на создание комплексного подхода к управлению инвестиционными потоками, основанного на моделях и алгоритмах оценки, во-первых, инвестиционной привлекательности региона, во-вторых, характеристик инвестиционных проектов, учитывающих риски и стратегию инвестора, и, в-третьих, на моделях управления реализацией проектов с позиций собственника предприятия, -

В соответствии с изложенным, актуальными являются теоретическое обоснование, создание и апробация моделей и алгоритмов управления инвестиционными потоками В РСЭС, построеннру НЯ лгинамичягк-иу И интеллектуальных методах оценки и прогнозирвнанййШООАЛМАИ янвестици-

БИБЛИОТЕКА } СИ 09

онной деятельности в регионе, финансовых характеристик проектов и финансового состояния предприятий.

Целый исследований является теоретическое обоснование, создание и апробация моделей управления инвестиционными потоками в региональной социально-экономической системе.

Для достижения поставленной цели необходимо решить следующие задачи:

1. Исследовать и обосновать интеллектуальную технологию оценки инвестиционной привлекательности региона, учитывающую потенциал, риск и динамику развития РСЭС.

2. Разработать алгоритм многокритериальной оценки инвестиционных проектов, учитывающий неопределенность, региональные и проектные риски, стратегию инвестора.

3. Разработать динамическую модель управления инвестиционными потоками на предприятии, учитывающую стратегию собственника.

4. Построить динамическую модель оценки инвестиционного развития региона, отражающую динамику инвестиций и валового продукта.

5. Апробировать на практических примерах достоверность предлагаемых алгоритмов и моделей и исследовать их эффективность.

Методы исследований базируются на применении системного анализа, теории управления, методах искусственного интеллекта, таких как нейронные сети и теория нечетких множеств, эконометрических моделях и теории статистики.

На защиту выносятся:

1. Интеллектуальная технология оценки инвестиционной привлекательности региона, использующая нейронные сети, нечеткие множества и позволяющая классифицировать регионы, определять соотношение регионального потенциала и риска.

2. Алгоритм многокритериальной оценки инвестиционных проектов, использующий показатели региональной привлекательности и стратегии инвестора, основанный на нечетких множествах и позволяющий проводить сравнительную оценку, выбор альтернативных проектов.

3. Динамическая модель управления инвестиционными потоками на предприятии, учитывающая стратегию собственника, привлечение заемных средств, и предназначенная для определения оптимальной доли собственных Средств в общем объеме инвестиций при реализации выбранного инвестиционного проекта.

4. Динамическая модель инвестиционного развития региона, которая отражает темпы инвестиций и позволяет определить уровень насыщения и эффективность инвестиций.

Научная новизна:

1.' Интеллектуальная технология оценки инвестиционной привлекательности региона, построенная с применением нейронных сетей для прогнозирования инвестиционного потенциала региона, и нечетких функций, настраиваемых на статистические данные с учетом значимости ситуаций для оценки

потенциала и риска, отличающаяся обоснованностью решения задач классификации регионов с учетом риска и перспектив развития.

2. Предложен алгоритм многокритериальной оценки инвестиционных проектов, использующий показатели региональной привлекательности и стратегии инвестора. Алгоритм реализован в виде настраиваемых на статистические данные нечетких функций и базы правил, учитывающей стратегию инвестора.

3. Динамическая модель управления инвестиционными потоками на предприятии, учитывающая стратегию собственника, привлечение заемных средств, отличающаяся возможностью определения оптимальной доли средств собственника предприятия, направляемой в инвестиции.

4. Модель инвестиционного развития региона, разработанная в классе динамических моделей, позволяющая определить уровень насыщения и оптимизировать темпы роста инвестиций с позиций управления эффективностью инвестирования.

Практическая значимость и внедрение результатов работы. Практическую значимость исследований определяют следующие результаты диссертации:

1. Интеллектуальная технология оценки инвестиционной привлекательности региона позволяет осуществлять более обоснованную классификацию и оценку отношения потенциал/риск, на основе прогнозирования и анализа исходных данных с помощью нейросетевой и нечеткой моделей.

2. Алгоритм многокритериальной оценки инвестиционных проектов позволяет осуществлять выбор проектов с учетом региональных характеристик и стратегии инвестора.

3. Динамическая модель управления инвестиционными потоками на предприятии позволяет определять оптимальную долю средств, направляемых собственником предприятия на реализацию внедряемого проекта.

4. Динамическая модель инвестиционного развития региона позволяет проводить исследования в любом регионе, определяя темпы роста инвестиций, степень насыщенности инвестициями и текущую эффективность инвестиций.

5. Апробация предлагаемых теоретических положений, алгоритмов и моделей на фактических данных о функционировании экономической системы Российской Федерации, Португалии, Республики Башкортостан, а также промышленных предприятий РБ.

Основные результаты диссертационной работы внедрены на ФГУП УАПО, Министерстве экономики Республики Башкортостан в виде комплексной методики управления инвестиционными потоками в региональной социально-экономической системе и щклраммное обеспечение данной методики, реализованной в форме информационной системы на персональном компьютере. Результаты работы внедрены в учебный процесс на базе Уфимского государственного авиационного технического университета и изложены в методических указаниях к лабораторным работам по курсу «Эконометрика» «Модели линейной регрессии (с использованием программы MS Excel)» для

1

i

подготовки студентов специализации 060814.01 «Управление инвестициями» и 060800.01 «Организация производства».

Связь исследований с научными программами. Результаты исследований являются частью научных исследований по проекту №4-33 «Диагностика состояния и интеллектуальное управление поведением предприятия в условиях рынка на основе имитационного моделирования»; работа проводилась в рамках международной программы № M-JEP10723-1999 «Tempus-Tacis».

Апробация работы. Основные положения работы представлены в 17 публикациях и на следующих научно-технических конференциях:

- международная молодежная научно-техническая конференция «Интеллектуальные системы управления и обработки информации», Уфа, 1999;

- международная конференция ASI'99 «Подходы жизненного цикла к производственным системам: менеджмент, управление и контроль», Левен (Бельгия), 1999;

- российская научно-методическая конференция с международным участием * «Управление экономикой: методы, модели, технологии», Уфа, 2002;

- V международная конференция «Компьютерные науки и информационные технологии CSIT'2003», Уфа, 2003.

Структура и объем работы. Диссертационная работа состоит из введения, 4 глав, заключения, списка литературы и приложений. Работа содержит 135 страниц машинописного текста, включая 52 рисунка и И таблиц, 30 страниц приложений. Список литературы из 112 наименований.

ОСНОВНЫЕ ПОЛОЖЕНИЯ РАБОТЫ

Во введении обосновывается актуальность, излагаются цели и задачи исследования, раскрывается научная новизна, вклад автора в научные исследования и практическая ценность работы.

В первой главе анализируются известные методы оценки инвестиционной привлекательности регионов, разработанные отечественными и зарубежными специалистами, такие так: рейтинг субъектов федерации по условиям инвестирования, составляемый консалтинговым агентством «Эксперт-Регион», основанный на интегральной оценке инвестиционного потенциала и риска; рейтинг регионов РФ по их инвестиционной привлекательности, подготовленный экономическим департаментом Банка Австрии; рейтинговая оценка i инвестиционного климата во взаимосвязи с типом воспроизводства; подход к оценке инвестиционной активности в регионах, основанный на категории «рыночная реакция региона»; подход к оценке общей инвестиционной привлекательности регионов с использованием многомерной средней.

Проведен обзор методов оценки эффективности инвестиционных проектов. Отмечено, что эти методы, используются в двух вариантах: 1) для 1 определения эффективности независимых инвестиционных проектов (абсолютная эффективность), когда делается вывод о том, принять проект или отклонить; 2) для определения эффективности взаимоисключающих друг друга

проектов (сравнительная эффективность), когда делается вывод о том, какой проект принять из нескольких альтернативных в условиях противоречивости критериев эффективности.

Выявленные недостатки и проблемы применения рассмотренных методов оценки инвестиционной привлекательности региона и эффективности инвестиционных проектов обуславливают необходимость разработки интеллектуальной системы оценки инвестиционной привлекательности региона, алгоритма оценки инвестиционных проектов с учетом региональных особенностей и стратегии инвестора.

Во второй главе разрабатываются теоретико-множественные модели объектов управления: региональной социально-экономической системы, инвестиционного проекта, предприятия.

Модель РСЭС является теоретической основой для разработки интеллектуальной технологии оценки инвестиционной привлекательности региона: = {id, IDevelopmentJ, (1)

где Id - идентификатор (название) РСЭС;

А - вектор показателей инвестиционной привлекательности репиона;

{^Emnpnsc} _ множество предприятий различных отраслей, находящихся в регионе;

Class - процедура оценки, классификации инвестиционной привлекательности РСЭС;

^Development - модель инвестиционного развития.

Вектор показателей инвестиционной привлекательности имеет следующие координаты:

Л = {{;>},{С},<?,/,{£}}, (2)

где {Р} - показатели инвестиционного потенциала: ресурсно-сырьевой, производственный, потребительский, инфраструктурный, интеллектуальный, институциональный, инновационный;

{С} - показатели инвестиционного риска: экономический, политический,

социальный, экологический, криминальный;

G, I - объем валового (регионального) продукта и прямых инвестиций;

{5} - экономические и производственные показатели строительной промышленности: мощности промышленности строительных материалов, средний размер предприятия промышленности строительных материалов, среднемесячная заработная плата работающих в региональном строительном комплексе и промышленности строительных материалов.

Создана модель инвестиционного проекта: MPTB,ea={ld,{Fe},{L}}, (3)

где Id - идентификатор инвестиционного проекта;

— множество финансовых критериев эффективности: величина инвестиций; чистый дисконтированный доход, внутренняя норма доходности, индекс рентабельности, дисконтированный срок окупаемости;

{£} - региональные характеристики: локальные показатели необходимого инвестиционного потенциала и допустимого риска.

Предприятие, как объект управления, характеризуется тремя комплексными показателями и включает динамическую модель реализации инвестиционных проектов на предприятии:

={mmaiFiows}, (4)

где, F(t) - финансовые потоки на предприятии, включая инвестиционные средства: прибыль, материальные затраты, заемные средства, выплаты по процентам, накопления;

P(t) - производственные мощности предприятия;

О - характеристики формы собственности;

IFlows - динамическая модель управления инвестиционными потоками на предприятии.

Разработанные теоретико-множественные модели позволили отразить взаимосвязь и иерархию отношений в объектах управления, являются основой для разработки алгоритмов и моделей, в соответствии с поставленными задачами.

Третья глава посвящена разработке модели системы управления инвестиционными потоками и ее элементов. В системе управления последовательно в три этапа осуществляется: 1) оценка инвестиционной привлекательности РСЭС, в ходе которой прогнозируются объемы и темпы инвестирования,, валового продукта; 2) выбор инвестиционных проектов, источниками которых являются предприятия, инновационные, правительственные структуры, частные, зарубежные инвесторы, с позиций, во-первых, оценки эффективности, во-вторых, с учетом инвестиционной привлекательности региона и, в-третьих, с учетом возможных стратегий инвесторов; 3) управление внедрением принятого для реализации проекта путем принятия решений по оптимизации доли собственных средств направляемых в инвестиции. Таким образом, основными функциональными элементами системы управления являются:

- интеллектуальная технология оценки инвестиционной привлекательности региона, включающая нейросетевую модель прогнозирования инвестиционного потенциала;

- многокритериальная оценка и выбор инвестиционных проектов, с учетом инвестиционных характеристик региона и стратегии инвестора;

- динамическая модель управления инвестиционными потоками на предприятии;

- динамическая модель инвестиционного развития.

Структурная схема системы управления инвестиционными потоками в РСЭС приведена на рисунке 1.

Рисунок 1 - Структурная схема системы управления инвестиционными потоками в РСЭС

Интеллектуальная технология оценки инвестиционной привлекательности региона на основании ряда показателей инвестиционного потенциала и риска позволяет классифицировать РСЭС с определением степени принадлежности, дает относительную характеристику потенциал/риск и может быть представлена следующим образом:

Ciass = {{/»},{C},{Rank},AflV,A<F,^,AV,^wc}. (5)

где {Rank} — множество классов инвестиционной привлекательности;

NN - нейросетевая модель прогнозирования инвестиционного потенциала;

MF — нечеткие функции принадлежности классам потенциала и риска; - оценка принадлежности классу по инвестиционному потенциалу;

цс — оценка принадлежности классу по инвестиционному риску;

/л,чс — относительная оценка потенциал/риск.

Особенность предлагаемого подхода в том, что диапазою0тзменения по- • казателей риска и потенциала ставятся в соответствие со ветствующие нечеткие трехмерные функции принадлежности, позволяющие не только проводить обоснованную классификацию, но и находить степень принадлежности классам по показателю потенциал/риск, которые далее используются при оценке проектов.

Нейросетевая модель прогнозирования инвестиционного потенциала служит источником уточнения исходных данных для интеллектуальной системы

системы оценки инвестиционной привлекательности и динамической модели инвестиционного развития региона. На вход подаются значения экономических и производствейных показателей строительной промышленности. На выходе получается прогнозное значение валового продукта:

NN = {{£}, Net, (6)

где Net - нейронная сеть.

Модель Net ' представляет двухслойную нейронную сеть обратного распространения:

Net = {1п{10, (Г), А, (Г),*2 (f), Д2 (Г), x3(t), А3 (/), х4 (/), Д4 (г), ^зСОтАз (')>)}> Layer { (1,10), (2,10)}, Out {1, G^}} ' (7)

где In- входной слой с указанием количества входов и именами входных переменных, Layer - внутренние слои с указанием номера слоя и количества сумматоров, Out - выходной слой с указанием размерности и именем выходных переменных;

x,(t), А,(/) - входные переменные - координаты вектора {#} и их приращения.

Динамическая модель инвестиционного развития IDevelopment призвана определить темпы роста инвестиций, эффективность инвестиций, уровень насыщения инвестициями РСЭС:

IDevelopment = (8)

где G, G^, I — входные данные - объемы валового продукта фактические и

прогнозные, объем инвестиций соответственно; <И

--темпы роста инвестиции;

dt

Г - уровень насыщения инвестициями - оптимальный объем инвестиций, который может быть переработан экономической системой страны или региона в текущих условиях. Критерием оптимальности является эффективность инвестированных средств;

уэ - эффективность инвестиций. Знание об уровне насыщения и эффективности инвестиций позволяет проводить корректировку плановых объемов инвестирования в регионе.

Предложена многокритериальная оценка инвестиционных проектов, включающая алгоритм выбора проекта с учетом инвестиционных характеристик региона. Проекты, одобренные для реализации в данной РСЭС, проходят оценку эффективности с учетом стратегии инвестора. Алгоритм оценки разработан с применением нечетких множеств и базы правил:

PEstimation = {/if/c,{Project}m,IStrategy,F5'}, (9)

где {Project}^ - множество из т проектов, эффективных при реализации в

данном регионе;

¡Strategy - стратегия инвестора;

FS - алгоритм поддержки решений на основе теории нечетких множеств, содержащий базу данных. База данных отражает влияние стратегии инвестора на оценку эффективности и выбор проекта.

Динамическая модель управления инвестиционными потоками на предприятии состоит из ряда подмоделей и предназначена для управления инвестиционными потоками в рамках конкретного предприятия и проекта (Project,) во времени:

f Project,, F(t), P(t ), £ (i), ]

lFlows = -{ . . k (10)

[nntemal, IFlowsForm, FinState, Ilmpl, {A: (f)}, NPVZ (r)J v

где Ilntemal - модель определения доли собственных инвестиций в чистой прибыли в зависимости от стратегии собственника;

IFlowsForm - модель формирования и распределения инвестиционного потока;

FinState — модель оценки финансового состояния предприятия;

Птр1 - модель реализации инвестиционного проекта;

s(t) - случайные возмущения;

- множество управляющих решений;

NPVt (/)- суммарный эффект от реализации инвестиций.

Управление инвестиционными потоками на предприятии реализовано по принципу управления по модели (см. рисунок 2). Предполагается формирование управляющего воздействия на основании сравнения процесса изменения регулируемых координат NPVZ (f), F(t) при функционировании предприятия в условиях случайных возмущений s(t) со значениями модели IFlows -

NPVz{t)M, F(t)M, т.е. на основании ошибки 5(f). Блок управления формирует вектор управляющих решений, которые направлены на изменение параметров формирования и распределения инвестиционных потоков на предприятии {AT(f)}, или параметров инвестиционного проекта.

Рисунок 2 - Функциональная схема системы управления инвестиционными потоками на предприятии

Взаимосвязь входящих в состав ПЛо^^ (10) моделей приведена на схеме рисунка 3.

Пмегпа!

т

{X)-► /Иоич.Роля-► Л'пЛо/е-

Ч1тр1

т

Рисунок 3 - Структурная схема динамической модели управления инвестиционными потоками - ДОот

Модель формирования и распределения инвестиционного потока ПЧоугеРогт представлена на рисунке 4.

Рисунок 4 — Модель формирования и распределения инвестиционного потока - ОТомУЭРогт

В модели чистая прибыль Ря формируется из балансовой Рь посредством вычета налога на прибыль со ставкой г:ах. Чистая прибыль, после вычета платежей по процентам кредитов Я, делится на собственные инвестиции 10 и потребление Ри в соответствии с коэффициентом формы собственности к{. К

потоку собственных финансовых инвестиционных средств предприятие привлекает заемные средства 1Ь, со стоимостью характеризуемой процентными ставками г, и задержками по возврату денег г1. В результате суммирования с амортизационным фондом, скорость расходования которого регулируется множителем г,, получается суммарный инвестиционный поток Д , который предприятие готово реализовать при благоприятном финансовом положении.

Управление инвестициями требует анализа состояния РСЭС, которое может быть оценено с точки зрения динамики основных макроэкономических

показателей: валового продукта и прямых инвестиций. Для решения этой задачи разработаны модели инвестиционного развития ГОеуеЬртеШ (8):

- модель насыщения инвестициями;

- модель эффективности инвестиций с состоянием системы.

Первая модель описывается уравнениями (11), (12) и предназначена для определения уровня насыщения инвестициями:

~ = а1~р1\ (11)

т

л 1

где —, I - темп и объем инвестиции; Л

а, р - коэффициент спроса и предложений.

Преобразуя уравнение (11), можно оценить уровень насыщения РСЭС инвестициями:

| = "4 С")

.. а

где / = — - уровень насыщения инвестициями.

Модель эффективности инвестиций с состоянием системы учитывает:

- влияние объемов валового продукта, как определяющего показателя состояния экономической системы;

- учитывает время реакции системы на изменения в спросе на инвестиции;

- дает определение эффективности инвестиций.

Модель разработана в форме уравнения динамики:

= /?/,_, (ЛС,_,-/_,). (13)

к

/,.,, б,., - объем инвестиций и валового продукта в предшествующий период;

Я - коэффициент относительного спроса - доля валового продукта, величина которой соответствует уровню насыщения инвестициями.

Критерием оптимизации уровня инвестиций, является эффективность инвестированной денежной единицы — отношение темпов роста валового

продукта С? к темпам роста инвестиций /: уэ = (см. рисунок 5 и 6).

Ш

Функциональная схема системы управления инвестиционными потоками _ в РСЭС, включающая разработанные модели и алгоритмы приведена н^ рисунке 7.

где

- темпы инвестирования в наблюдаемый период

Предложение

Рисунок 5 - Спрос-предложение инвестиций

Гэ idt i

Рисунок б - Эффективность инвестиций

Рисунок 7 - Функциональная схема системы управления инвестиционными потоками в РСЭС

В работе приведены исследования нечетких алгоритмов в системах принятия решений по управлению, проанализированы зависимости между параметрами функций принадлежности входных переменных и изменением значений выходных переменных. Определено понятие значимости ситуаций. Алгоритм модификации параметров функций принадлежности разработан с целью выявления значимых ситуаций. Алгоритм используется при построении функций принадлежности в интеллектуальной системе оценки инвестиционной привлекательности региона Class и модели многокритериальной оценки

инвестиционных проектов РЕзйтайоп, и позволяет наиболее обосновано проводить классификацию регионов и многокритериальную оценку эффективности проектов.

Разработанная система управления позволяет управлять инвестиционными потоками во времени и иерархии отношений субъектов инвестиционной деятельности.

Четвертая глава посвящена разработке информационной технологии, анализу алгоритмов и моделей системы управления инвестиционными потоками в РСЭС.

В соответствии с представленными моделями последовательно разработана нейросетевая информационная система прогнозирования инвестиционного потенциала региона, реализующая нейросетевую модель NN (6). Ядром информационной системы является зарегистрированный программный продукт Не1\Уогх. Применение нейросетевой модели позволило повысить точность прогнозирования на 20% по сравнению с традиционными методами регрессионного анализа, при этом максимальная ошибка не превышает 6%.

Разработана информационная система многокритериальной оценки альтернативных инвестиционных проектов с учетом стратегии инвестора в соответствии с моделью РЕзйтаиоп (9). Основным элементом информационной системы является интеллектуальная система поддержки решений с использованием теории нечетких множеств, которая реализована в виде зарегистрированного программного продукта АИ^к.

Применение модели управления инвестиционными потоками на предприятии ФГУП «Уфимское агрегатное производственное объединение» обеспечило повышение эффективности производственно-сбытовой деятельности предприятия на 12% за счет принятия решений, обоснованных результатами математического моделирования при реализации проекта «Организация производства асинхронных взрывозащищенных электродвигателей».

Проведены эксперименты по многокритериальной оценке инвестиционных проектов. В качестве исходных данных использовались инвестиционные проекты, предлагаемые для реализации на территории РФ. Результатом явился ранжированный ряд инвестиционных проектов по эффективности реализации в данном регионе с учетом стратегии инвестора.

Приведены примеры применения моделей инвестиционного развития и информационной технологии при оценке инвестиционных характеристик экономических систем в Португалии, РФ, РБ. Постоянная часть прироста инвестиций в Португалии составляет 1,64% от текущего объема инвестиций, РФ - 10%, РБ - 2,45%. Уровень насыщения инвестициями национальной экономической системы Португалии составляет 30% от валового продукта, РФ - 78,6%, РБ - 16,3%.

По результатам исследований и апробации сформирована методика использования модели управления инвестиционными потоками в РСЭС, внедренная на ФГУП УАПО, Министерстве экономики РБ, в учебный процесс на базе Уфимского государственного авиационного технического университета.

I I

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

В диссертационной работе предложена новая модель управления инвестиционными потоками в региональной социально-экономической системе, построенная на динамических, интеллектуальных методах оценки и прогнозирования.

В ходе исследований были получены следующие результаты:

1. Интеллектуальная технология оценки инвестиционной привлекательности региона с использованием нейросетевой модели прогнозирования инвестиционного потенциала, настраиваемых на статистические данные нечетких функций с учетом значимости ситуаций, позволяющих проводить классификацию и оценку инвестиционного потенциала и риска.

2. Алгоритм многокритериальной оценки инвестиционных проектов с использованием показателей региональной привлекательности и риска, реализованный в виде настраиваемых нечетких функций и базы правил, учитывающий стратегию инвестора, позволяющий осуществлять наиболее обоснованный выбор альтернативных и независимых инвестиционных проектов.

3. Динамическая модель управления инвестиционными потоками на предприятии, учитывающая стратегию собственника, привлечение заемных средств, и предназначенная для определения оптимальной доли собственных средств в общем объеме инвестиций при реализации выбранного проекта.

4. Динамическая модель инвестиционного развития региона, которая отражает темпы инвестиций и позволяет определить уровень насыщения и эффективность инвестиций.

5. Результаты апробации моделей и алгоритмов на практических примерах, доказывающие достоверность предлагаемых теоретических положений, алгоритмов и моделей и подтверждающие их эффективность. Экспериментально показано, что применение нейросетевой модели позволило повысить точность прогнозирования на 20% по сравнению с традиционными методами, при этом максимальная ошибка не превышает 6%. Применение модели управления инвестиционными потоками на промышленном предприятии обеспечило повышение эффективности производственно-сбытовой деятельности предприятия на 12% за счет принятия решений, обоснованных результатами математического моделирования. Использование модели инвестиционного развития региона позволило определить уровень насыщения инвестициями, как в абсолютных величинах, так и долях от валового продукта. В результате исследования инвестиционного состояния РСЭС установлено, что уровень насыщения зависит от объемов валового продукта; эффективность инвестиций в регионе определяется опережающим темпом роста валового продукта.

СПИСОК ПУБЛИКАЦИЙ

1. Афанасьев В.Ю. Разработка автоматизированной системы на Основе нечеткой логики // Тез. докл. студ. науч.-техн. конф. - Уфа, 1998. - С. 18-19.

2. Сергеева И.Г., Афанасьев В.Ю. Модель подцержки решений при управлении производством в условиях неопределенности // Интеллектуальные системы управления и обработки информации: Тез. докл. междунар. молодежи, науч.-техн. конф. - Уфа, 1999. - С. 59.

3. Ismagilova L.A., Afanassiev V.U. Intelligent decisión support system for production management in conditions of uncertainty on the base of fÜ2zy set theory // Proc. of ASI'99 Life' Cycle Approaches to Production Systems: Managment, Control and Supervisión. Leuven, Belgium, 1999.-P. 46-51.

4. Афанасьев В.Ю. Построение базы правил с помощью нейронных сетей в системах поддержки решений, основанных на теории нечетких множеств / XXVI Гагаринские чтения: Тез. докл. междунар. молодежи, науч. конф. - М.: «ЛАТМЭС», МАТИ, 2000. - Т.2. - С. 501.

5. Исмагилова Л.А., Афанасьев В.Ю. Интеллектуальная система поддержки решений по управлению производством в условиях неопределенности // Информационные технологии. 2000. № 11. - С. 32—37.

6. Исмагилова Л.А., Орлова Е.В., Сергеева И.Г., Афанасьев В.Ю. Нейросетевая модель анализа инвестиционного потенциала // Математическое моделирование экономических систем и процессов: Матер. Всерос. науч.-практ. конф. - Чебоксары, 2000. - С. 72-74.

7. Исмагилова Л.А., Орлова Е.В., Афанасьев В.Ю. Информационная технология оценки и прогнозирования налогового потенциала // Экономика и управление. 2001. № 1. - С. 50-53.

8. Исмагилова Л.А., Сергеева И.Г., Афанасьев В.Ю. Особенности прогнозирования макроэкономических показателей в условиях неопределенности // Управление экономикой: методы, модели, технологии: Сб. науч. тр. - Уфа, 2001. -Ч. III.-С. 141-147.

9. Исмагилова Л.А., Сергеева И.Г., Афанасьев В.Ю., Орлова Е.В. Модели прогнозирования макроэкономических показателей на основе нейронных сетей // Управление экономикой: методы, модели, технологии: Сб. науч. тр.-Уфа, 2001.-Ч. III.-С. 147-153.

10. Исмагилова Л.А., Орлова Е.В., Афанасьев В.Ю. Информационная технология оценки и прогнозирования налогового потенциала муниципального образования // Экономическая мысль XXI века: Сб. науч. тр. Выпуск I. -Калининград, 2001. - С. 27-29.

11. Афанасьев В.Ю. Исследования методов интеллектуального управления экономическими системами в условиях неопределенности // Вестник УГАТУ №2 (4), Уфа, 2001. - С. 163-167.

12. Afanassiev V.U. Portugal: economics and investment model II Экономика, менеджмент и финансы в окружающем мире: Сб. статей участников проекта Tempus-Tacis, Уфа, 2002. - С. 61-79

13. Свид. об офиц. рег. программы для ЭВМ 990006 (РФ). Система поддержки решений на основе нечеткой логики / Б.Г. Ильясов, J1.A. Исмагило-ва, РТ. Валеева, И.Г. Сергеева, В.Ю. Афанасьев. Зарег. в РосАПО 10.01.1999

14. Исмагилова J1.A., Сергеева И.Г., Афанасьев В.Ю., Орлова Е.В.

Интеллектуальная система анализа и управления процессами формирования бюджета региона // Управление экономикой: методы, модели, технологии: Сб. науч. тр. - Уфа, 2002. - С. 307-310.

15.Исмагилова JI.A., Ильясов Б.Г., Валеева Р.Г., Сергеева И.Г., Афанасьев В.Ю. Диагностика состояния и интеллектуальное управление поведением предприятия в условиях рынка на основе имитационного моделирования // Реферативный сборник конкурсных проектов, получивших гранты на исследования в области фундаментальной экономики в 1999-2000 годах.- СПб.: Изд-во СПбГУЭФ, 2002. - С. 49-50.

16. Ильясов Б.Г., Исмагилова JI.A., Афанасьев ВЛО. Модель инвестиционного развития региона // Проблемы управления и моделирования в сложных системах: тр. V междунар. конф. / Под ред.: академика В.П. Мяснико-ва, академика Н.А. Кузнецова, профессора В.А. Виттиха- Самара: Самарский научный центр РАН, 2003. - С. 424-430.

17. Ismagilova L.A., Afanassiev V.U. Dynamic models of macroeconomic systems investmerit development // Proc. of the 5Л Int. Workshop on Computer Science and Information Technologies CSIT'2003. - Ufa, 2003. - V. 2, P. 126-129.

В.Ю. Афанасьев

АФАНАСЬЕВ Виталий Юрьевич

МОДЕЛИ УПРАВЛЕНИЯ ИНВЕСТИЦИОННЫМИ ПОТОКАМИ В РЕГИОНАЛЬНОЙ СОЦИАЛЬНО-ЭКОНОМИЧЕСКОЙ СИСТЕМЕ

Специальность 05.13.10 - Управление в социальных

. и экономических системах

♦

!

| АВТОРЕФЕРАТ

^ диссертации на соискание ученой степени

I кандидата технических наук

( t

i

it

( I

) /

Подписано к печати 22.10.03 г. Формат 60x84 1/16. Бумага офсетная. Печать плоская. Гарнитура Times New Roman. * Усл.печ.л. 1,0. Усл.кр.-отг. 1,0. Уч.-изд.л. 0,9. Тираж 100 экз.

> Заказ № 120

Уфимский государственный авиационный технический университет Редакционно-издательский комплекс УГАТУ

450000, Уфа-центр, ул. К. Маркса, 12

fÜOb '

ВВЕДЕНИЕ

1 УПРАВЛЕНИЕ ИНВЕСТИЦИОННЫМИ ПОТОКАМИ КАК ОБЪЕКТ НАУЧНОГО АНАЛИЗА

1.1 Особенности инвестиционных процессов в регионах Российской Федерации

1.1.1 Тенденции и условия инвестиционной деятельности в региональных социально-экономических системах

1.1.2 Перспективы развития инвестиционного процесса в регионах

России

1.2 Анализ моделей и методов оценки инвестиционных характеристик регионов

1.3 Обзор методов оценки эффективности инвестиционных проектов 40 1.3.1 Сравнение показателей эффективности проекта. Особенности оценки альтернативных проектов

1.4 Цели и задачи 50 Выводы к первой главе

2 РАЗРАБОТКА МОДЕЛЕЙ РЕГИОНАЛЬНОЙ СОЦИАЛЬНО-ЭКОНОМИЧЕСКОЙ СИСТЕМЫ И ЕЕ ЭЛЕМЕНТОВ

2.1 Разработка теоретико-множественных моделей объектов управления

2.2 Инвестиционный потенциал региональной социально-экономической 57 системы

2.3 Инвестиционные потоки на предприятии

2.3.1 Структура и характеристики инвестиций на предприятии

2.3.2 Источники финансирования инвестиций на предприятии

2.4 Оценка эффективности инвестиционных проектов с учетом стратегии инвестора 66 Выводы по второй главе

3 РАЗРАБОТКА СИСТЕМЫ УПРАВЛЕНИЯ ИНВЕСТИЦИОННЫМИ ПОТОКАМИ

3.1 Разработка теоретико-множественных моделей системы управления

3.2 Интеллектуальная технология оценки инвестиционной привлекательности региона

3.2.1 Прогнозирование инвестиционного потенциала с использованием нейронной сети

3.2.2 Оценка инвестиционной привлекательности регионов с использованием нечетких функций

3.3 Динамическая модель управления инвестиционными потоками на предприятии

3.3.1 Модель определения доли собственных инвестиций в чистой прибыли в зависимости от стратегии инвестора

3.3.2 Модель формирования и распределения инвестиционного потока

3.4 Динамическая модель инвестиционного развития региона

3.5 Разработка алгоритма построения нечетких функций принадлежности с учетом значимости ситуаций

3.5.1 Исследование влияния вида и параметров функции принадлежности на результаты принятия решений

3.5.2 Исследование влияния параметров термов на процесс поддержки принятия решений

3.5.3 Степень значимости ситуаций 101 Выводы по третьей главе 103 4 ИНФОРМАЦИОННАЯ ТЕХНОЛОГИЯ ДИНАМИЧЕСКОГО УПРАВЛЕНИЯ ИНВЕСТИЦИОННЫМИ ПОТОКАМИ

4.1 Разработка нейросетевой информационной системы прогнозирования инвестиционного потенциала региона

4.2 Применение нейросетевой системы для оценки и прогнозирования инвестиционного потенциала РБ

4.3 Информационная система многокритериальной оценки альтернативных инвестиционных проектов с учетом стратегии инвестора

4.4 Применение системы многокритериальной оценки инвестиционных проектов с учетом региональных особенностей и стратегии инвестора

4.5 Реализация динамических моделей управления инвестиционным развитием в Республике Башкортостан, России и Португалии

4.6 Применение динамической модели инвестиционных потоков предприятия 127 Выводы по четвертой главе 133 ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ 134 Список литературы 136 Приложение А. Информация об инвестиционном проекте. Формат

UNIDO

Развитие экономики региона в значительной степени определяется инвестиционной деятельностью. Инвестиционная деятельность - это широкое понятие, включающее управление инвестиционными потоками во времени и иерархии отношений субъектов инвестиционной деятельности, таких как: государство, регион, предприятие, инвестиционный проект. Изменение в иерархии отношений определяется классификацией по показателям инвестиционной привлекательности региона, оценкой инвестиционного проекта, классификацией и выбором объекта для инвестирования. Инвестиционные потоки - это изменяемые во времени обобщенные показатели инвестиционной деятельности, определяющие финансовые возможности инвесторов, перечень и финансовые характеристики проектов, а также финансовое состояние предприятия, реализующего выбранный инвестиционный проект.

В рыночных условиях функционирования экономики управление инвестиционными потоками будет эффективным только в том случае, если в его основе лежат глубоко проработанные и обоснованные алгоритмы и методы оценки привлекательности региона, потока реальных инвестиционных проектов и предприятий, реализующих выбранные проекты. Исследованиям способов оценки реальных проектов с учетом рисков посвящены работы Р. Мюррейя, В.А. Москвина, А.Г. Шахназарова, В.В. Ковалева. Характеристики инвестиционной привлекательности регионов строятся с разных позиций в работах ученых - И. Фишера, Б. Грэма, Д. Додда. Рейтинги регионов составляются и публикуются с целью привлечения зарубежных инвесторов в научных и популярных изданиях, таких как журнал «Эксперт», агентство «РосБизнесКонсалтинг». Много работ посвящено исследованию проблем управления реализацией проектов на предприятии, в том числе инновационных. Наиболее известны работы Ф. Фабоцци, П.Л. Виленского, В.Н. Лившица, С.А. Смоляка. Однако компоненты анализа инвестиционной деятельности исследуются отдельно друг от друга, что приводит к принятию несогласованных решений по управлению инвестициями и снижает эффективность внедрения реальных инвестиционных проектов в региональной социально-экономической системе (РСЭС). Не рассматривается также инвестиционный процесс с точки зрения анализа динамики и оценки состояния региона и предприятий.

В связи с этим большое значение имеют исследования направленные на создание комплексного подхода к управлению инвестиционными потоками, основанного на моделях и алгоритмах оценки, во-первых, инвестиционной привлекательности региона, во-вторых, характеристик инвестиционных проектов, учитывающих риски и стратегию инвестора, и, в-третьих, на моделях управления реализацией проектов с позиций собственника предприятия.

В соответствии с изложенным, актуальными являются теоретическое обоснование, создание и апробация моделей и алгоритмов управления инвестиционными потоками в РСЭС, построенных на динамических и интеллектуальных методах оценки и прогнозирования показателей инвестиционной деятельности в регионе, финансовых характеристик проектов и финансового состояния предприятий.

Целью исследований является теоретическое обоснование, создание и апробация моделей управления инвестиционными потоками в региональной социально-экономической системе.

Для достижения поставленной цели необходимо решить следующие задачи:

1. Исследовать и обосновать интеллектуальную технологию оценки инвестиционной привлекательности региона, учитывающую потенциал, риск и динамику развития РСЭС.

2. Разработать алгоритм многокритериальной оценки инвестиционных проектов, учитывающий неопределенность, региональные и проектные риски, стратегию инвестора.

3. Разработать динамическую модель управления инвестиционными потоками на предприятии, учитывающую стратегию собственника.

4. Построить динамическую модель оценки инвестиционного развития региона, отражающую динамику инвестиций и валового продукта.

5. Апробировать на практических примерах достоверность предлагаемых алгоритмов и моделей и исследовать их эффективность.

Методы исследований базируются на применении системного анализа, теории управления, методах искусственного интеллекта, таких как нейронные сети и теория нечетких множеств, эконометрических моделях и теории статистики.

На защиту выносятся:

1. Интеллектуальная технология оценки инвестиционной привлекательности региона, использующая нейронные сети, нечеткие множества и позволяющая классифицировать регионы, определять соотношение регионального потенциала и риска.

2. Алгоритм многокритериальной оценки инвестиционных проектов, использующий показатели региональной привлекательности и стратегии инвестора, основанный на нечетких множествах и позволяющий проводить сравнительную оценку, выбор альтернативных проектов.

3. Динамическая модель управления инвестиционными потоками на предприятии, учитывающая стратегию собственника, стоимость привлеченных заемных средств, и предназначенная для определения оптимальной доли собственных средств в общем объеме инвестиций при реализации выбранного инвестиционного проекта.

4. Динамическая модель инвестиционного развития региона, которая отражает темпы инвестиций и позволяет определить уровень насыщения и эффективность инвестиций.

Научная новизна:

1. Интеллектуальная технология оценки инвестиционной привлекательности региона, построенная с применением нейронных сетей для прогнозирования инвестиционного потенциала региона, и нечетких функций, настраиваемых на статистические данные с учетом значимости ситуаций для оценки потенциала и риска, отличающаяся обоснованностью решения задач классификации регионов с учетом риска и перспектив развития.

2. Предложен алгоритм многокритериальной оценки инвестиционных проектов, использующий показатели региональной привлекательности и стратегии инвестора. Алгоритм реализован в виде настраиваемых на статистические данные нечетких функций и базы правил, учитывающей стратегию инвестора.

3. Динамическая модель управления инвестиционными потоками на предприятии, учитывающая стратегию собственника, привлечение заемных средств, отличающаяся возможностью определения оптимальной доли средств собственника предприятия, направляемой в инвестиции.

4. Модель инвестиционного развития региона, разработанная в классе динамических моделей, позволяющая определить уровень насыщения и оптимизировать темпы роста инвестиций с позиций управления эффективностью инвестирования.

Практическая значимость и внедрение результатов работы. Практическую значимость исследований определяют следующие результаты диссертации:

1. Интеллектуальная технология оценки инвестиционной привлекательности региона позволяет осуществлять более обоснованную классификацию и оценку отношения потенциал/риск, на основе прогнозирования и анализа исходных данных с помощью нейросетевой и нечеткой моделей.

2. Алгоритм многокритериальной оценки инвестиционных проектов позволяет осуществлять выбор проектов с учетом региональных характеристик и стратегии инвестора.

3. Динамическая модель управления инвестиционными потоками на предприятии позволяет определять оптимальную долю средств, направляемых собственником предприятия на реализацию внедряемого проекта.

4. Динамическая модель инвестиционного развития региона позволяет проводить исследования в любом регионе, определяя темпы роста инвестиций, степень насыщенности инвестициями и текущую эффективность инвестиций.

5. Апробация предлагаемых теоретических положений, алгоритмов и моделей на фактических данных о функционировании экономической системы Российской Федерации, Португалии, Республики Башкортостан, а также промышленных предприятий РБ.

Основные результаты диссертационной работы внедрены на ФГУП ^ «Уфимское агрегатное производственное объединение» (УАПО), в

Министерстве экономики Республики Башкортостан в виде комплексной методики управления инвестиционными потоками в региональной социально-экономической системе и программное обеспечение данной методики, реализованной в форме информационной системы на персональном компьютере. Результаты работы внедрены в учебный процесс на базе * Уфимского государственного авиационного технического университета и изложены в методических указаниях к лабораторным работам по курсу «Эконометрика» «Модели линейной регрессии (с использованием программы MS Excel)» для подготовки студентов специализации 060814.01 «Управление инвестициями».

Связь исследований с научными программами. Результаты ф исследований являются частью научных исследований в рамках гранта по фундаментальным исследованиям в области экономических наук «Диагностика состояния и интеллектуальное управление поведением предприятия в условиях рынка на основе имитационного моделирования» (шифр гранта №4-33, код ГАСНТИ: 06.56.21), международной программы № M-JEP10723-1999 '0 «Tempus Tacis».

Апробация работы. Основные положения работы представлены в 17 публикациях, в том числе 3 тезиса, 12 статей, свидетельство о регистрации программы для ЭВМ, научно-исследовательский отчет. Результаты докладывались на следующих научно-технических конференциях:

- международная молодежная научно-техническая конференция «Интеллектуальные системы управления и обработки информации», Уфа, 1999;

- международная конференция А8Г99 «Подходы жизненного цикла к производственным системам: менеджмент, управление и контроль», Левен (Бельгия), 1999;

- российская научно-методическая конференция с международным участием «Управление экономикой: методы, модели, технологии», Уфа, 2002;

- V международная конференция «Компьютерные науки и информационные технологии С81Т'2003», Уфа, 2003.

Структура и объем работы. Диссертационная работа состоит из введения, 4 глав, заключения, списка литературы и приложений. Работа содержит 135 страниц машинописного текста, включая 52 рисунка и 11 таблиц, 30 страниц приложений. Список литературы из 112 наименований.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

В диссертационной работе предложена новая модель управления инвестиционными потоками в региональной социально-экономической системе, построенная на динамических, интеллектуальных методах оценки и прогнозирования.

В ходе исследований были получены следующие результаты:

1. Интеллектуальная технология оценки инвестиционной привлекательности региона с использованием нейросетевой модели прогнозирования инвестиционного потенциала, настраиваемых на статистические данные нечетких функций с учетом значимости ситуаций, позволяющих проводить классификацию и оценку инвестиционного потенциала и риска.

2. Алгоритм многокритериальной оценки инвестиционных проектов с использованием показателей региональной привлекательности и риска, реализованный в виде настраиваемых нечетких функций и базы правил, учитывающий стратегию инвестора, позволяющий осуществлять наиболее обоснованный выбор альтернативных и независимых инвестиционных проектов.

3. Динамическая модель управления инвестиционными потоками на предприятии, учитывающая стратегию собственника, стоимость привлеченных заемных средств, и предназначенная для определения оптимальной доли собственных средств в объеме инвестиций при реализации выбранного проекта.

4. Динамическая модель инвестиционного развития региона, которая отражает темпы инвестиций и позволяет определить уровень насыщения и эффективность инвестиций.

5. Результаты апробации моделей и алгоритмов на практических примерах, доказывающие достоверность предлагаемых теоретических положений, алгоритмов и моделей и подтверждающие их эффективность.

Экспериментально показано, что применение нейросетевой модели позволило повысить точность прогнозирования на 20% по сравнению с традиционными методами, при этом максимальная ошибка не превышает 6%. Применение модели управления инвестиционными потоками на промышленном предприятии обеспечило повышение эффективности производственно-сбытовой деятельности предприятия на 12% за счет принятия решений, обоснованных результатами математического моделирования. Использование модели инвестиционного развития региона позволило определить уровень насыщения инвестициями, как в абсолютных величинах, так и долях от валового продукта. В результате исследования инвестиционного состояния РСЭС установлено, что уровень насыщения зависит от объемов валового продукта; эффективность инвестиций в регионе определяется опережающим темпом роста валового продукта.

1. Абалкин J1. И., Аганбегян А. Г. и др. Политическая экономия. М.: Политиздат, 1990.• 2. Бакитжанов А., Филин С. Инвестиционная привлекательность региона: методические подходы и оценка// Инвестиции в России. 2001. №5.

2. Берес В., Хавранек П. «Руководство по оценке эффективности инвестиций», М.: Интерэксперт, 1995.

3. Бирман Г., Шмидт С. Экономический анализ инвестиционных проектов: Пер. с англ. под ред. JT.Белых М.: Банки и биржи, ЮНИТИ, 1997.

4. Богатин Ю.В., Швандар В.А. Инвестиционный анализ: Учебное пособие для вузов. М. : ЮНИТИ-ДАНА, 2000. - 286 с.

5. Бочарников В.П., Свешников C.B., Возняк С.Н. Прогнозные коммерческие расчеты и анализ рисков на Fuzzy for Excel. К.: 2000. - 159 с.

6. Виленский П.Л., Лившиц В.Н., Смоляк С.А. Оценка эффективности инвестиционных проектов: Теория и практика: Учеб.-практ. пособие. М.: Дело, 2001.-832 с.

7. Гузнер С.С., Харитонов В.Н., Витин И.А., Регион: экономика и социология. М.: 1997. - 54 с.

8. Дерябина Я. Сравнительный анализ подходов к оценке инвестиционной привлекательности и инвестиционной активности российских регионов // Инвестиции в России. 2003. №8.

9. Ю.Ежов A.A., Шумский С.А. Нейрокомпьютинг и его приложения в экономике и бизнесе. М.: МИФИ, 1998. - 224с.

10. П.Завьялов П.С. Маркетинг в схемах, рисунках, таблицах: Учебное пособие. М.: ИНФРА-М, 2001. - 496 с.

11. Заде Л. Понятие лингвистической переменной и ее применение к принятию приближенного решений. Пер. с англ. Н.И. Венто; Под ред. Моисеева Н.И. -М.: Мир, 1976.- 163 с.

12. Заде Л.А., Дезоер Ч.А. Теория линейных систем. Метод пространства состояний. Пер. с англ. В.Н. Варыгина; Под ред. Г.С. Поспелова. -М.: Наука, 1970.-703 с.

13. Заика И., Крюков А. Национальная экономика и инвестиции // Экономист. 2003. №7. с.21-26

14. Закон «Об инвестиционной деятельности в Республики Башкортостан».

15. Закон «Об иностранной инвестиционной деятельности в Республике Башкортостан».20.3инченко Г. Индикаторы инновационного развития национальной экономики // Инвестиции в России. 2003. №1.

16. Иванова В., Крепышева Н. Финансово-кредитные организации в системе регионального управления социально-экономическим развитием // Экономист. 2003. №7.

17. Ильясов Б.Г., Исмагилова Л.А., Валеева Р.Г. Моделирование производственно-рыночных систем. Уфа: Изд. УГАТУ, 1995. - 321 е.: ил.

18. Ильясов Б.Г., Исмагилова Л.А., Валеева Р.Г., Сергеева И.Г., Афанасьев В.Ю. Система поддержки решений на основе нечеткой логики (программа для ЭВМ) // Св. №990006 об официальной регистрации программы для ЭВМ от 10.01.1999

19. Ильясов Б.Г., Исмагилова Л.А., Валеева Р.Г., Сергеева И.Г., Гареев А.М. Система моделирования на нейронных сетях // Свидетельство об официальной регистрации программы для ЭВМ №990005, 1999.

20. Инвестиционные проекты. Выпуск V. Министерство внешних связей и торговли Республики Башкортостан. 2000. 92 с.

21. Инвестиционный потенциал Башкортостана. http://www.uic.bashedu.ru/konkurs/fattakhov/index.htm

22. Инвестиционные возможности России www.ivr.ru

23. Интеллектуальные системы управления с использованием нейронных сетей: Учебное пособие / В.И. Васильев, Б.Г. Ильясов, С.С. Валеев и др.; Уфимск. гос. авиац. техн. ун-т. Уфа, 1997. -92с.

24. Интеллектуальные системы управления с использованием нечеткой логики: Учебное пособие / В.И. Васильев, Б.Г. Ильясов; Уфимск. гос. авиац. техн. ун-т. Уфа, 1995. -80с.

25. Казанцев C.B. Промышленное развитие регионов РФ // Проблемы прогнозирования. -1997. -№1. -С. 46-48.

26. Климова Н.И. Инвестиционный потенциал региона. Екатеринбург: Изд-во УрО РАН, 1999. - 276 с.

27. Ковалев В.В. Методы оценки инвестиционных проектов. М.: Финансы и статистика, 1998. - 144 е.: ил.

28. Котляренко В., Шабалин А. Исследование рисков инвестирования в организацию оценки имущественных комплексов. Метод обеспечения доходности собственной предпринимательской деятельности оценщиков // Инвестиции в России, № 3-4, 1997.

29. Кугаенко A.A. Основы теории и практики динамического моделирования социально-экономических объектов и прогнозирование их развития. М., 1998, 392 с.

30. Криворучко О.Н. Зайцев A.A. Лобанов С.Н. Становление предпринимательской экономики в России. М.: «Экономика», 2000. - 54 с.

31. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия - Телеком, 2001. - 382 е.: ил.

32. Лопатников Л.И. Экономико-математический словарь/ Словарь современной экономической науки. Изд. 4-е, перераб. и дополнен. М.: Издательство «ABF», 1996. 704 с.

33. Лычкин Ю. Потенциал строительного комплекса. // Экономист, №6, 1997.

34. Львов Д.С., Поршнев А.Г. Управление социально-экономическим развитием России: Концепции, цели, механизмы. М.: Экономика, 2002, 702с.

35. Макаров И.М., Лохин В.М., Романов C.B., Васильев A.A., Храпов A.A. Особенности нечетких преобразований в задачах обработки информации и управления. 4.1 // Информационные технологии, №10, 1999. - С.21-26.

36. Макаров И.М., Лохин В.М., Романов C.B., Васильев A.A., Храпов A.A. Особенности нечетких преобразований в задачах обработки информации и управления. 4.II // Информационные технологии, №11, 1999. - С.24-29.

37. Мелихов А.Н., Берштейн Л.С., Коровин С.Я. Расплывчатые ситуационные модели принятия решений: Учебное пособие. Таганрог: ТРТИ, 1986.-92 с.

38. Методические рекомендации по оценке эффективности инвестиционных проектов и их отбору для финансирования, Информэлектро. -М., 1994.

39. Методологические рекомендации по оценке эффективности инвестиционных проектов и их отбору для финансирования. Утв. Госстроем России, Минэкономики РФ, Минфином РФ, Госкомпрома России. — М.: Информэлектро, 1994.

40. Методологические рекомендации по оценке эффективности инвестиционных проектов (Вторая редакция). М-во экон. РФ, М-во фин. РФ, ГК РФ по стр-ву, архит. и жил. политике. М.: ОАО «НПО Изд-во «Экономика», 2000.

41. Миллер Т., Пауэл Д. Использование Delphi 3. Специальное издание / Пер. с анлг. C.B. Кравчука и др; Под ред. В.Г. Касперовича. Киев: Диалектика, 1997.-768 е.: ил.

42. Москвин В. Влияние улучшения характеристик качества на ценупродукции и прибыль компании // Инвестиции в России. 2003. №6.

43. Орлик C.B. Секреты Delphi на примерах: Версии 1.0 и 2.0. М.: Бином,1996.-325 е.: ил.

44. Оценка инвестиционного климата регионов России. Методика экономического департамента банка Австрии. // Директор.-Новосибирск: Наука,1997. №5. -С. 23-28.

45. Петрищев B.C. Анализ плохих данных (Статистический анализ технико-экономической информации), Обнинск: ГЦИПК, 1999. - 91 с.

46. Плышевский Б. Потенциал инвестирования. // Экономист, №3, 1996г.

47. Постановление Правительства РФ от 13.10.1995 г. №1016 "О комплексной программе стимулирования отечественных и иностранных инвестиций в экономику Российской Федерации".

48. Постановление Правительства РФ от 15 апреля 1995 г. №336 "О мерах по развитию рынка ценных бумаг в Российской Федерации". Рынок ценныхбумаг.-Ч. 8.-М.: 1995.

49. Постановление Правительства РФ «Об утверждении положения о предоставлении государственных гарантий под инвестиционные проекты социальной и народно-хозяйственной значимости» №1249 от 12 ноября 1999 г.

50. Проскуряков В.М. Самоукин А.И. Экономический потенциал социальной сферы: содержание, оценка, анализ. М.: Экономика, 1991. - 45 с.

51. Потемкин В.Г. Начало работы с Matlab. http://www.rnatlab.ru/ml/book3/index.asp61 .Пу Т. Нелинейная экономическая динамика. Ижевск: Издательский дом «Удмуртский университет». 2000. - 200 с.

52. Риск-анализ инвестиционного проекта: Учебник для вузов / Под ред. М.В. Грачевой. М.: ЮНИТИ-ДАНА, 2001.- 351 с.

53. Россия в цифрах. 2002. М.: Госкомстат России, 2002.

54. Рязанова JI.A., Ройзман И.И., Шахназаров А.Г. и др. Комплексная оценка инвестиционной привлекательности российских регионов: проблемы, методика, результаты // Федеративные отношения и региональная социально-экономическая политика. 2001. №8. С.6-27.

55. Ройзман И.И. Комплексная оценка и анализ инвестиционной активности в субъектах Российской Федерации: межрегиональная дифференциация // Экономика строительства. 2000. №10.

56. Ройзман И., Гришина И., Шахназаров А. Типология инвестиционного климата регионов на новом этапе развития российской экономики // Инвестиции в России. 2003. №3.

57. Сергеева И.Г. Интеллектуальное управление производственно-экономической системой в условиях неопределенности на основе имитационного моделирования. Диссертация Уфа: Изд. УГАТУ, 2000. -140 с.

58. Статистическое моделирование и прогнозирование / Под ред. А.Г. Гранберга, М: Финансы и статистика, 1990. - 400с.

59. Стешин А.И. Оценка коммерческой состоятельности инвестиционного проекта. М.: Издательско-консультативная компания «Статус-Кво 97», 2001. - 280с.

60. Сухарев О., Берестов В., Кузнецов С. Управление инвестиционным процессом на промышленном предприятии // Инвестиции в России. 2003. №4.

61. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика / Пер. с англ. М.: Мир, 1992. - 240с.

62. Фаронов В.В. Delphi 5. Учебный курс. М.: Нолидж, 2001. - 465 е.: ил.

63. Федеральный закон «Об иностранных инвестициях в Российской Федерации» №160-ФЗ от 9 июля 1999 г.

64. Федеральный закон «Об инвестиционной деятельности в Российской Федерации, осуществляемой в форме капитальных вложений» №39-Ф3 от 25 февраля 1999 г.

65. Федеральный закон «Об инвестиционной деятельности в РСФСР» № 1488-1 от 26 июня 1991 г.

66. Фабоцци Ф. Управление инвестициями: Пер. с англ. М.: ИНФРА-М, 2000. - XXVIII, 932 с.

67. Федеральный закон «О защите прав и законных интересов инвесторов на рынке ценных бумаг» N 46-ФЗ от 5 марта 1999 г. Федеральный закон «О лизинге» № 164-ФЗ от 29 октября 1998 г.

68. Фишер П. Прямые иностранные инвестиции для России: стратегия возрождения промышленности. -М.: Финансы и статистика, 1999.

69. Четыркин Е. М. Финансовый анализ производственных инвестиций. -М.: Дело, 2002, 256с.

70. Чуб Б.А. Деятельность основных субъектов национальной экономики на мезоуровне. М.: БУКВИЦА, 2001, 227 е., с ил.

71. Чуб Б.А. Управление инвестиционными процессами в регионе. М.: БУКВИЦА, 1999, 186 е., с ил.

72. Шахназаров А., Ройзман И. Инвестиционная привлекательность регионов И Инвестиции в России. 1996. №9. с.-8-10.

73. Шубин И., Косорученко Т. Современные проблемы анализа и отбора инвестиционных проектов для финансирования // Инвестиции в России. 2003. №6.

74. Экономика и жизнь. 2000. №№31, 32.

75. Экономика и жизнь. 2001. №27.

76. Экономика и жизнь. 2003. №12.

77. Эксперт, №№38, 45, 2002 г.88.Эксперт, №12,2003 г.

78. Alfred L. Guiffrida and Rakesh Nagi (1998) Fuzzy set theory applications in production management research: a literature survey. Journal of Intelligent Manufacturing 9, 39-56

79. Bauer P., Nouak S., Winkler R. (1999) Fuzzy Logic Course http://www.austinlinks.com/Fuzzy/

80. Dixit A., Pindyck R. Investment under Uncertainty. Princeton University Press, 1994.

81. European Economy. Report on the Implementation of the 2000 Broad Economic Policy Guidelines. №2, 2001.

82. European Economy. Supplement A. Economic trends. №3/4-March/April 20011.

83. European Economy. Supplement A. Economic trends. №10/11-October/November 2001.

84. Fisher I. The theory of interest. As determined by Impatience to spend income and opportunity to interest it. New York: Kelley, 1965.

85. Forgionne G.A. Quantitative Decision Making. Wadsworth Publishing Company, 1986.

86. Groumpos P.P., Ilyasov B.G., Ismagilova L.A., Valeeva R.G. Production control as of a complex dynamic object. Prep, of the 8 th IF AC Symposium on Large Scale systems: theory and applications. Rio Patras, Greece, 1998, Vol.1, P.527-530.

87. Haugen R.A. Modern Investment Theory, 4-th ed. Prentice Hall, 1997.

88. Ilyasov, B.G., Ismagilova L.A., Valeeva R.G. Intelligent control for dynamic organizational production-market systems. Proceedings of ICI&C97, St.Petersburg, Russia, 1997, vol.2, pp. 606-611.

89. International Financial Statistics. International Monetary Fund. 2001, 2002, 2003

90. Информация доступна на сайте http://europa.eu.int/comm/economy finance

91. Irwin F.W. Stated expectation as function of probability and desirability of outcomes // J. Person. No 21. 1953.

92. James F. Brule (1998) Fuzzy systems a tutorial, http://www.flll.uni-linz.ac.at/pdw/flizzy/fuzzy.html

93. Mirer, Thad M. Economic statistics and econometrics. 2nd edition. New York, London, 1988,405 pp.

94. Robert S. Pindyck, Daniel L. Rubinfeld, Econometric models and economic forecast. 3rd edition. 1991, 350 pp.

95. Ross S. Uses, Abuses and Alternatives to Net Present-Values Rule // Financial Management. V. 24. #5. 1995

96. Rowe W.D. Understanding Uncertainty. Risk Analysis. Vol.14. No 5.1994.

97. Simon H.A. The new science of management decision. Englewood Cliffs, N.J., Prentice Hall Inc., 1975.

98. Sidney Cottle, Roger F. Murray, Frank E. Block. Graham and Dodd's Security Analysis. McGraw-Hill Book Company / Пер. с англ. M.: Олимп-Бизнес, 2000. — Объем: 704 е.: ил.

99. Survey of Current Bussiness. September 2002.

100. The Economist. 2000, April 4; 2001, March 1; 2002, May 3.

101. Wagner C. Facilitating space-time differences, group heterogeneity and multysensory task work through a multimedia supported group decision system/ Decision Support Systems v. 15, p. 197-210, 1995.