автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.11, диссертация на тему:Система управления инвестиционной деятельностью вертикально-интегрированной нефтяной компании

На правах рукописи

Акопов Андраник Сумбатович

СИСТЕМА УПРАВЛЕНИЯ ИНВЕСТИЦИОННОЙ ДЕЯТЕЛЬНОСТЬЮ ВЕРТИКАЛЬНО-ИНТЕГРИРОВАННОЙ НЕФТЯНОЙ КОМПАНИИ

Специальность 05.13.11. - «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей»

Автореферат

диссертации на соискание ученой степени доктора технических наук

Москва - 2009 г.

003461850

Работа выполнена в Учреждении Российской академии наук Центральный экономнко-математический институт РАН

Официальные оппоненты: чл.-корр. РАН, д.ф.-м.н., профессор

Поспелов Игорь Гермогенович,

д.ф.-м.н., профессор Кузнецов Евгений Борисович,

д.т.н., профессор

Цыганов Владимир Викторович.

Ведущая организация: Учреждение Российской академии наук Институт системного анализа РАН

Защита состоится ¿9*аГга Ж /¿У на заседании Диссертационного Совета Д002.017.02 Учреждения Российской академии наук Вычислительный центр им. А.А.Дородницына РАН по адресу: 119333, Москва, Вавилова, 40.

С диссертацией можно ознакомиться в библиотеке Учреждения Российской академии наук Вычислительный центр им. А.А.Дородницына РАН

Автореферат разослан 200^г.

Учёный секретарь Диссертационного Совета Д 002.017.02 д.ф.-м.н., профессор

В. В. Рязанов

I. ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Деятельность вертикально интегрированных нефтяных компаний (ВИНК) характеризуется высокой сложностью управленческих решений, масштаб и стоимость которых, в большинстве случаев, существенно выше, чем в других сегментах экономики.

Актуальность темы исследования обусловлена следующими факторами.

Первое, высока стоимость неадекватных управленческих рен!е::;ы ь В;! .■'.. В частности, существует весьма актуальная задача выявления и «отключения» отдел*. -ных нерентабельных объектов инвестиционной деятельности нефтяной компании (например, скважин, месторождений и т.д.), и связанная с ней проблема сверхвысокой стоимости ошибочных «отключений» в реальной экономической системе.

Второе, имеется принципиальная сложность управления огромным пулом инвестиционных проектов ВИНК. В силу большой размерности задачи оптимизации инвестиционного портфеля и управления акционерной стоимостью нефтяной компании. в настоящее время наблюдается существенное снижение эффективности традиционных систем управления инвестициями вследствие их дезинтегрированности.

Третье, система подготовки принятия стратегических решений ВИНК требует учета сложного механизма взаимодействия предприятий для холдинга в виде вертикально интегрированной нефтяной компании.

В настоящее время для оценки эффективности инвестиционных вложений для отраслевых сегментов ВИНК используются различные методы и инструменты. Проблемам моделирования инвестиционной деятельности ВИНК посвящены работы таких отечественных и зарубежных ученых как Цвиркун А.Д., Карибский A.B., Кульба В.В., Щепкин A.B., Лившиц В.Н., Брагинский О.Б., Леффлер У. Л., Смоляк С.А., Хачатуров В.Р., и др. Важной проблемой ВИНК является оптимизация транспортных потоков на долгосрочную перспективу. Эффективный метод решения транспортной задачи разработан лауреатом Нобелевской премии академиком Канторовичем Л.В.

Проблемам развития компьютерных методов моделирования (в частности, поддерживающих принципы системной динамики) посвящены работы Форрестера Дж., Медоуса Д., Морриса П., Хоуга Г., Павловского Ю.Н., Емельянова В.В., и др.

Одним из подходов к прогнозированию динамики спроса и цен на нефтепродукты является использование технологии СвЕ-моделирования (вычислимые модели общего равновесия), научно-практические возможности которой исследованы в работах Леонтьева В.В., Йохансена Л.А., Диксона П.Б., Тайэлора Л., Харберга А., Скарфа X., Фелыптейна А., Шаха А., Макарова В.Л., Бахтизина А.Р., Бекларян Г.Л., и др.

Особый интерес заслуживают работы в области разработки и применения генетических оптимизационных алгоритмов и интеллектуальных систем. Наиболее важные работы в этой области представлены Холландом Дж., Гольдбергом Д.Е., Греффенестеном Дж., Журавлевым Ю.И., Рудаковым К.В., Эрлихом А.И., Хорошевским В.Ф., Курейчиком В.В., Еремеевым А.В. и др.

Целью диссертации является разработка научно-обоснованных моделей, методов и системы оптимального стратегического управления инвестиционной деятельностью вертикально-интегрированной нефтяной компании (ВИНК) реализованных в рамках программного комплекса, представляющего собой: совокупность разработанных моделей управления инвестициями ключевых звеньев ВИНК, реализуемых методами компьютерного моделирования, и позволяющих решать различные управленческие задачи; разработанный генетический огггимизационный алгоритм с угасающей селекцией, обеспечивающий эффективную процедуру поиска квазиоптимальных инвестиционных решений для максимизации акционерной стоимости ВИНК при различных ограничениях; интеграцию компьютерных моделей звеньев ВИНК с корпоративным информационным хранилищем.

Цель исследования обусловила необходимость постановки и решения следующих задач.

1. Анализ существующих методов и инструментальных средств, предназначенных для управления инвестиционными проектами в нефтедобыче

и нефтепереработке, а также компьютерных методов моделирования инвестиционной деятельностью ВИНК.

2. Анализ организационной структуры ВИНК, программных методов управления и существующих систем поддержки принятия решений вертикально-интегрированных нефтяных компаний.

3. Разработка укрупненной модели оценки акционерной стоимости ВИНК для выявления ключевых управляющих факторов, влияющих на капитализацию компании и направлений дальнейшего развития модели.

4. Разработка интегрированной модели управления инвестициями ключевых звеньев ВИНК (нефтедобычи, транспортировки, нефтепереработки и сбыта), обеспечивающей возможность максимизации ее акционерной стоимости.

5. Разработка модели управления инвестициями нефтегазодобывающего объединения (НГДО), отличительной особенностью, которой является дифференцированный принцип формирования проектов в нефтедобыче по месторождениям, что позволяет выявлять и «отключать» инвестиции в нерентабельные объекты эксплуатации, обеспечивая влияние на акционерную стоимость ВИНК. Данная модель является звеном в интегрированной системе управления инвестициями ВИНК.

6. Разработка модели управления транспортировкой товарной нефти, отличительной особенностью которой является реализация возможности оптимизации распределения сырья по направлениям поставок, в условиях динамически меняющихся объемов на входе (в пунктах отправки) и выходе (в конечных пунктах) внутренних и внешних маршрутов. Данная модель интегрирована с моделями звеньев нефтедобычи и нефтепереработки.

7. Разработка модели управления инвестициями нефтеперерабатывающего завода (НПЗ), отличительной особенностью, которой является реализация возможности реконфигурирования схемы построения НПЗ в зависимости от капиталовложений и спроса со стороны конечных потреби-

5

телеи во времени и интегрированность с моделями других звеньев ВИНК (нефтедобычи и транспортной системы), что позволило учесть цикл нефтепереработки в рамках единого инвестиционного процесса.

8. Разработка модели сбыта нефтепродуктов, интегрированной с моделью звена нефтепереработки, относящейся к классу CGE-моделей.

9. Разработка генетического алгоритма с угасающей селекцией, предназначенного для оптимизации акционерной стоимости ВИНК с учетом системы корпоративных ограничений и предпочтений.

10. Разработка алгоритмов и процедур, позволяющих решить важнейшую задачу ВИНК - максимизировать ее акционерную стоимость за счет эффективного управления инвестиционным капиталом.

11. Разработка и внедрение информационно-аналитической системы поддержки принятия инвестиционных решений ВИНК, особенностью которой является интеграция моделей звеньев ВИНК (реализованных на системе Powersim) с корпоративным информационным хранилищем (SAP BW) и оптимизационным модулем (реализованным на С++). Использование такой архитектуры позволяет осуществлять эффективное управление сверхбольшим Пулом инвестиционных проектов.

Основным объектом изучения данной работы является внутрикорпоративная инвестиционная стратегия вертикально-интегрированной нефтяной компании и ее ключевых звеньев:

■ геологоразведка и нефтедобыча;

■ транспортная система;

■ нефтепереработка;

■ сбыт нефтепродуктов.

При этом инвестиционная политика ВИНК рассматривается с учетом сложного взаимодействия показателей деятельности звеньев (через механизм перекрестных и обратных связей), наличием системы корпоративных ограничений и предпочтений, главным из которых является капитализация компании с учетом инфраструктурных особенностей (транспортной системы).

- 6

Основным предметом исследования данной работы являются программные средства управления инвестиционной деятельностью ВИНК, характеризуемой сложным механизмом взаимовлияния ключевых показателей деятельности холдинговой компании; необходимостью одновременного рассмотрения инвестиционных проектов по всем ключевым звеньям ВИНК; необходимостью принятия во внимание инфраструктурных особенностей (транспортной и сбытовой системы) и др.

Методическая база и методология исследования.

Предлагаемый в диссертации подход к разработке системы поддержки принятия решений ВИНК основан на использовании инструментальных методов компьютерного моделирования; теории эвристических оптимизационных алгоритмов; методов линейного программирования и эконометрического анализа; технологии СОЕ-моделирования и численных методов нелинейного программирования.

Достоверность научных результатов, выводов и рекомендаций, сформулированных в диссертации, определяется корректным применением теории управления и принятия решений, эконометрики, экономико-математического анализа и компьютерного моделирования.

Обоснованность теоретических разработок подтверждена вычислительными экспериментами на персональных компьютерах, результаты которых позволяют сделать вывод об адекватности разработанных моделей.

Основные положения, выноснмые на защиту.

1. Разработанное математическое и программное обеспечение системы управления инвестиционной деятельностью ВИНК для:

■ укрупненного подхода к оценке акционерной стоимости ВИНК;

■ интегрированного подхода к моделированию звеньев ВИНК и оценке акционерной стоимости.

2. Разработанный генетический алгоритм с угасающей селекцией, предназначенный для оптимизации акционерной стоимости ВИНК.

3. Разработанная процедура поиска квазиоптимальных инвестиционных решений ВИНК.

4. Компьютерная реализация информационной системы поддержки принятия инвестиционных решений ВИНК.

Научная новизна.

К наиболее существенным научным результатам относятся следующие:

1. впервые технически реализована система оптимизации портфеля инвестиционных проектов одновременно по всем звеньям ВИНК, что позволяет, в частности, оптимизировать акционерную стоимость;

2. разработана укрупненная модель ВИНК для первичной оценки акционерной стоимости, в которой в отличие от других существующих моделей ВИНК, реализована высокая степень детализации влияющих факторов, среди которых один из наиболее важных - динамика перехода скважин из нового фонда в старый с соответствующим изменением объемов добычи;

3. разработан новый методологический и программный инструментарий, позволяющий оценивать показатели эффективности инвестиционных проектов, с учетом обратных зависимостей между внутренними характеристиками как на уровне отдельных звеньев ВИНК, так и по компании в целом;

4. впервые использована технология CGE (computable general equilibrium models) для моделирования системы сбыта нефтепродуктов ВИНК, что позволяет на более качественном уровне прогнозировать динамику спроса и цен на нефтепродукты в долгосрочной перспективе;

5. разработана процедура формирования и отбора квазиоптимальных инвестиционных решений, отличительной особенностью которой является обязательное проведение анализа устойчивости портфеля инвестиционных проектов ВИНК по характеристике рентабельности;

6. для задачи максимизации акционерной стоимости ВИНК разработан новый генетический алгоритм (ГА) с правилами угасающей селекции, существенно повышающий эффективность процедуры поиска квазиоптимальных инвестиционных решений.

Научная и практическая значимость результатов исследования.

Совокупность результатов, полученных в диссертации, представляет собой новое достижение в области создания математического и программного обеспечения систем поддержки принятия решений для вертикально-интегрированных нефтяных компаний. Разработанная интегрированная модель управления акционерной стоимости ВИНК и ее ключевых звеньев, а также предложенная процедура поиска квазиоптимальных инвестиционных решений, предназначены для непосредственного применения на практике.

Реализация результатов работы.

Научные результаты, полученные в ходе диссертационного исследования, являются вкладом в теорию управления и методологию построения систем поддержки принятия стратегических решений для нефтяных компаний. Разработанные модели и методы успешно внедрены в ОАО «ЛУКОЙЛ» и используются при подготовке стратегических решений.

Апробация работы.

Результаты работы обсуждались на семинарах и конференциях: семинары лаборатории экспериментальной экономики ЦЭМИ РАН (1999, 2002, 2004, 2006, 2008), семинар «Проблемы моделирования производственных системы» (ЦЭМИ РАН, 2004), семинары «Многомерный статистический анализ и вероятностное моделирование реальных процессов» (ЦЭМИ РАН, 1998, 2000, 2003, 2004), семинары в Вычислительном Центре РАН (1999, 2005, 2008), пятый всероссийский симпозиум «Стратегическое планирование и развитие предприятий» (ЦЭМИ РАН, 2004), международная конференция «Государственное управление и новые технологии» (секши «Имитационные модели и игры в управлении природными ресурсами» (МГУ, 2004)), международная конференция «Системные проблемы надежности, качества информационных и электронных технологий» (Информационные Бизнес Системы -IBS, 2004), международный научно-практический семинар «Передовые концепции физикохимии и логистики ресурсосберегающих высоконадежных химических технологий, наукоемких производств и предприятий» (РХТУ им. Д.И. Менделеева, 2006) и др.

Публикации. Основное содержание диссертационной работы опубликовано в 31 печатной работе общим объемом 40 п.л. (личный вклад автора - 35 п.л.), в том числе 1 монография (лично) и 18 статей в журналах из перечня ВАК РФ (из них 3 в соавторстве).

Структура и объем.

Диссертация состоит из введения, 7 глав с выводами по каждой главе, заключения, приложений и списка литературы, содержащего 150 наименований. Общий объем работы составляет 271 страниц машинописного текста, включая 49 рисунков, 12 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность избранной темы диссертации, определены объект и предмет изучения, поставлены цели и задачи исследования. Отражены новизна полученных результатов, их практическая значимость, приведены сведения об апробации и внедрении результатов.

Первая глава диссертации посвящена анализу организационной структуры ВИНК, программным методам управления и системам принятия решений, а также содержательной постановке задачи стратегического управления инвестиционной деятельности ВИНК.

На рис.1 представлена общая классификация существующих систем управления ВИНК. Для нефтяной компании выделяются четыре уровня принятия решений и соответствующих систем:

■ АСУ ТП (автоматизированные системы управления технологическими процессами) - сбор и обработка первичной технологической информации;

" MES-системы (системы управления производством) - оперативное производственное (технологическое) управление;

■ ERP-системы - оперативное финансово-хозяйственное управление;

■ ВРМ-системы - стратегическое долгосрочное планирование, нацеленное на повышение экономической эффективности бизнеса.

ю

Разработанная система управления инвестиционной деятельностью ВИНК, реализованная на Poiversim и интегрированная с Корпоративным Хранилищем (SAP BW), обеспечивающая¡максилшацщс акщоущ>н.ой стош1ости ВИНК_________________

Рис. 1 Общая классификация существующих систем управления ВИНК.

Важной характеристикой системы управления ВИНК является ннтегрирован-ность всех ее подсистем (рис.1), т.е. для принятия стратегических решений верхнего уровня необходимы данные со всех нижних уровней. В результате возникает сложная задача управления сверхбольшим пулом информационных потоков, охватывающих все звенья ВИНК. Решение этой задачи потребовало построения корпоративного информационного хранилища интегрированного с разработанными компьютерными моделями звеньев ВИНК и разработки необходимого интеграционного программного обеспечения.

Разработанная в диссертации система управления инвестиционной деятельностью ВИ11К относится к классу ВРМ-систем. и вместе с тем нрпншшиалыю отличается от всех существующих систем такого класса тем. что позволяет решать важнейшую задачу ВИНК по максимизации ее акционерной стоимости при различных ограничениях и сценарных условиях.

Вторая глава посвящена разработке укрупненной модели управления акционерной стоимостью ВИНК.

Укрупненная модель представляет собой систему линейных конечно-разностных уравнений, описывающих динамику добычи нефти и скважин при различных ограничениях и сценарных условиях.

В отличие от других существующих моделей ВИНК в ней реализована высокая степ ли, детализации влияющих факторов, среди которых один из наиболее важных - динамика перехода скважин из нового фонда в старый с соответствующим изменением объемов добычи.

В рамках такой модели изучена чувствительность выбранного оценивающего функционала (акционерная стоимость) относительно влияющих факторов.

Такая укрупненная модель оказывается достаточно адекватной в условиях отсутствия дефицита инвестиционного капитала.

Итак, в укрупненной модели все сырьевые активы дифференцируются на два фонда скважин:

■ новый фонд, объем добычи, по которому наращивается за счет вновь введенных в эксплуатацию скважин с заданным начальным дебитом, и затем корректируется за счет влияния, так называемого среднего скин-фактора, понижающего итоговую продуктивность; • старый фонд, объем добычи, по которому равномерно снижается с заданными темпами.

Описана динамика перехода скважин из нового фонда в старый во времени с соответствующим изменением добычи нефти.

Динамика добычи нефти и скважин

Введем следующие обозначения: Db[r начальный дебит новых скважин, тонн/сут. -

■ЖЮ.ХЧ1.': Db'i'j- средний дебит старой скважины (тонн/год)- jkjo.vii.; Д\УТ - темп разбуривания

(скв./год) - жю.'сн.: Д W° - фонд скважин на начало (скв.) - жюгеи.: КС - коэффициент снижения и роду к п ш н ости скважины - жшгеч.: AV|j- теми падения добычи нефти для старых скважин (%/год) -■ m'w.'ch.; t = 1,2,...,Т, X = 1,2,...,Т - время (но годам).

* )к !о.\'п. жим синая, i .e. ниемолельпия переменная.

Динамика объема добычи нефти по новому фонду скважин (тыс. тонн) ¿[У,1,4 +Д\УТВЬ?, - У,т2]

У|'1=~-кс-' У|°1 = 0' (1)

(2)

у^ "К) ' еслит>5 (3)

Динамика объема добычи нефти по старому фонду скважин (тыс. тонн) = ¿к1 - ^"'ДУ,, + V*]. V» = \У°ОЬ|3,

Т = |

где У|2- объем добычи нефти переходного фонда скважин.

О, еслит<5

Динамика совокупной добычи нефти (тыс. тонн)

У.'^+У/з. (4)

Динамика общего фонда скважин 1

XV* + (5).

Т = |

Далее, на основе получаемых значений объемов добычи и с учетом экзогенно заданных значений других влияющих факторов (цен на нефть, затрат и т.д.) осуществляется расчет финансовых характеристик укрупненной модели.

Динамика финансовых показателей Введем следующие обозначения: 1{ - инвестиции в инфраструктуру (млн. руб.) - окзо-

ген.;

- инвестиции на бурение скважин - экзоген.; 1№ - расходы на бурение одной скважины (млн. руб./скв.) - экзоген.', С^ - условно-постоянные затраты на скважину (тыс. руб./скв.) - окзогеч.; С^ - - затраты на оплату труда (тыс. руб./скв.) - экзоген.; С^Н' - условно-переменные затраты на жидкость (млн. руб.) - экзоген.; Рг'*- прочая выручка, связанная с реализацией природного и нефтяного газа (тыс. тонн)- экзоген.; р{ -внутрироссийская цена на нефть

(руб./тонн)- экзоген.: Д'| - ставка НДПИ (налога на добычу полезных ископаемых) (%) - экзоген.;

13

- ставка налога на прибыль (%) - экзоген.; tax; - ндпи; tax!,- налог на прибыль; taXj -

прочие налоги (млн. руб.) - экзоген.; А1 - амортизация (млн. руб.) - экзоген. Инвестиции (капитальные затраты) (млн. руб.)

САРЕХ' = l{ +12. (6)

Операционные затраты (млн. руб.)

ОРЕХ'=CjvWt+C;W,+C'HHt. (7)

Выручка от реализации нефти (млн.руб.)

Рг< =р[У,' + Рг'*. (8)

Совокупные налоговые отчисления (млн. руб.) Tax' = tax{ + tax2 + tax3 > (9)

где

tax | = A'lpfV/,

tax^ = (Pr'-OPEX'-А')Д2.

Динамика акционерной стоимости

Введем следующие обозначения: DMA' - прибыль от реализации запасов (млн. руб.) - экзоген.; L' - заемный капитал (млн. руб.) - экзоген.; D' - прогноз дивидендов акционеров (млн. руб.) - экзоген.; Q!, - количество эмитированных акций (ед.) - экзоген.; В - коэффициент (равен горизонту планирования Т) - экзоген.

Денежный поток до финансирования (млн.руб.)

CF(5 = DMA' + Рг'- ОРЕХ' - Сарех' - Tax'. (10)

Денежный поток с учетом финансирования (млн.руб.) CF|' = CF^ + L'. (И)

Доход на акцию - акционерная стоимость (руб./ед.)

Ра'=В^-^. (12)

С использованием метода Монте-Карло проводилась оценка чувствительности выбранного функционала по каждому из предварительно выделенного ряда факторов (рис.2)

Степень влияния основных факторов на акционерную стоимость НК

Рис. 2. Оценка чувствительности акционерной стоимости к влияющим факторам.

В результате проведенных исследований, было выявлено, что наибольшее влияние на акционерную стоимость оказывают характеристики, непосредственно связанные с сырьевыми активами (существующий фонд скважин, начальный дебит и т.д.) и соответствующими инвестициями. Поэтому дальнейшим направлением развития модели акционерной стоимости становится детализация сырьевых активов по месторождениям, в рамках звена нефтедобычи, с выделением управляющей переменной в виде элементов матрицы «отключений» инвестиций н месторождения.

Третья глава посвящена разработке интегрированной модели управления акционерной стоимостью ВНИК.

Интегрированная модель управления стоимостью ВИНК представляет собой систему нелинейных уравнений, описывающих динамику характеристик звеньев ВНИК с учетом влияния сценарных условий, ограничений и различных управляющих параметров.

Отличительной особенностью интегрированной модели IUII1K является:

■ интегрировашюсть всех важнейших звеньев ВИНК. позволяющая оценивать эффективность как отдельных звеньев ВИНК, так и системы в целом;

■ высокая степень дифференциации звеньев и их подсистем, в частности, портфелей инвестиционных лроектов;

■ учет влияния обратных связей между отдельными характеристиками звеньев ВИНК.

Такая интегрированная модель оказывается достаточно адекватной в условиях дефицита инвестиционного капитала. Схема построения интегрированной модели представлена на рис.3

Акционерная стоимость Нефтяной Компании .

DCFI от Гсо

ргоразведки и нефтедобычи

DCF2 от нефтеперсрабо' и сбыта

Рис.3. Схема построения интегрированной модели ВИНК

В реальных условиях дефицита инвестиционных средств нефтяная компания определяет стратегию нефтедобычи. Для реализации выбранной стратегии нефтедобычи ВИНК формирует инвестиционный портфель во всех звеньях с целью максимизации акционерной стоимости.

В диссертации разработаны модели следующих ключевых звеньев ВИНК:

■ модель звена upstream (нефтедобыча):

■ транспортная модель;

■ модель звена downstream (нефтепереработка):

■ модель сбыта нефтепродуктов.

Акционерная стоимость BII11K имеет дне важнейшие составляющие (рис. 3):

■ Z)CF/ - дисконтированная финансовая стоимость от нефтедобычи (вычисляемая с учетом влияния транспортной системы);

■ ОС/^ - дисконтированная финансовая стойкость от нефтепереработки и сбыта (вычисляемая с учетом влияния добычи).

При дальнейшем описании моделей звеньев ВИНК жирным прямым шрифтом будем обозначать управляющие переменные, а переменные, формируемые в моделях других звеньев ВИНК (относительно рассматриваемого звена) будем обозначать жирным курсивом.

Модель звена нефтедобычи представляет собой управляемую систему распределенных материальных и финансовых потоков НГДО (нефтегазодобывающего объединения) при заданных сценарных значениях материальных потоков в целом по месторождениям. Такая модель является звеном в интегрированной системе управления инвестициями ВИНК.

Объем добычи нефти

Введем следующие обозначения: I = 1,2,...,Т- время по годам; ] = 1,2,...,]- индекс

предприятий (НГДО); 1 = 1,2.....- индекс инвестиционного проекта (месторождения);

у 11 6 {0;1} - элементы матрицы отключений инвестиционных проектов; ( - объем добычи

нефти по ¡-ым месторождениям ]-ого НГДО (тыс. тонн./год) - экзоген.\ V' - план по добыче нефти (тыс. тоннУгод) - экзоген.

Совокупный объем добычи по группе эксплуатируемых месторождений ВИНК

(13)

1=1

при заданном плане по добыче нефти |

¿V? > V1. (14)

j=l

Далее, на основе получаемых значений объёмов добычи и с учетом экзогенно заданных значений других влияющих факторов (цен на нефть, затрат и т.д.) осуществляется расчет финансовых характеристик модели звена нефтедобычи.

Финансовые показатели звена нефтедобычи Введем следующие обозначения: pj|, рj 2- цена нефти на внутреннем рынке

(рубль./тонна), и внешнем рынке (доллУтонна), с учетом транспортных издержек; 0)j ¡- доля поставок нефти на внешний рынок (%); Е1 - курс доллара - экзоген.; sf ( Vj , (0*j ), ( Vj , ) -удельные стоимости транспортировки, вычисляемые с помощью транспортной модели; h j; -инвестиции в месторождения - экзоген.; Cj ¡- операционные затраты (руб.), включающие переменные и постоянные затраты (без учета транспортных издержек) - экзоген.; Т) j j - совокупные налоговые отчисления: налог на добычу полезных ископаемых - НДПИ, экспортные пошлины и др. (без налога на прибыль) Т|-j = A^V-jp-j + A'3Vj ¡COj ¡Е'р -, + tax • j, где Д*2- ставка НДПИ (%) -

экзоген.; Д3- экспортная пошлина (%) - э кзоген.; tax j ¡- прочие налоги (%) - эюоген.; a j j - амортизационные отчисления - экзоген.; gj ¡- затраты (руб.) на геологоразведочные работы - окзоген.;

Г * -ставка дисконтирования - экзоген.; Д'| - ставка налога на прибыль (%) - экзоген. Доля поставок нефти на внешний рынок от j-ых НГДО Ni

0)3=^—. (.5)

vj

Чистая прибыль (до налога на прибыль) по ¡-ому месторождению j-oro НГДО

= vbO-<i)Pj,i +^(4|Е'р5>2 — Cj; -Tiji -aj., -gij. (16)

Цены на нефть на внутреннем и внешнем рынках для данного НГДО р1,.=р!-s'j^V'.uj'j), Vii^i-syvjMj). (17)

Совокупная чистая прибыль данного НГДО Ni

о*)

¡=i

Совокупные инвестиционные расходы данного НГДО

Ij=2>j.iYj.i- 09)

i —1

Совокупные операционные издержки данного НГДО N' ,

(20)

i=l

Поток от операционной деятельности

°j.i=(<i-A|*j.i) + gj.i+aj.i. (21)

Совокупный поток от операционной деятельности

0]=Ео'д[, (22)

¡=1

Чистая приведённая стоимость финансовых потоков по j-ому НГДО и i-ому проекту.

т fo'-- -h-Oy-•

NPV|, = V J'' (23)

J' tx (1 + r*)'

Совокупная чистая приведённая стоимость по всем проектам данного НГДО Ni.

NPVj=XNPVjJy}i. (24)

¡=i

Дисконтированный финансовый поток звена upstream (первая составляющая акционерной стоимости):

DCF,=£NPVj. (25)

• н-

Отметим, что в отличие от существующих моделей нефтедобычи ВИНК, предназначенных в основном для расчета технологических характеристик звена upstream (Например, прогнозирования дебита скважин и месторождений на основании оценки запасов) и являющихся изолированными, разработанная модель предназначена для управления инвестициями и нацелена на максимизацию акционерной стоимости.

Транспортная модель ВИНК представляет собой управляемую систему, описывающую распределение сырья по маршрутам.

В отличие от других существующих транспортных моделей ВИНК:

■ учитывает систему действующих ограничений, существенно влияющих на конечную стоимость транспортировки, в том числе ограничения по пропускной способности, стоимость транспортировки по участкам маршрутов, и др. а также динамику спроса и предложения на входе и выходе транспортной системы соответственно;

■ интегрирована с моделями управления инвестициями звеньев нефтедобычи и нефтепереработки.

Она представляет собой типичную транспортную задачу ВИНК'с функционалом в виде совокупных транспортных издержек имеющую две составляющие - затраты на поставки по внутренним и внешним маршрутам соответственно при балансовых соотношениях и ограничениях. В результате решения данной задачи определяются значения фазовых переменных у^ , у21тг представляющих собой объемы поставок, распределенных по внутренним (ш1) и внешним (ш2) маршрутам соответственно.

Введем следующие обозначения: ] = 1,2,...,.1 - индекс НГДО; к = 1,2.....К - индекс

НПЗ; с1|р|, с2- удельные стоимости поставок по внутренним и внешним маршрутам соответственно; Ш1 = 1,2,...,М1- пункты отправки (города, где НГДО) - окзогеп.; ш2 = 1,2,...,М2-конечные пункты (НПЗ)- экзогеп.; Ь = 1,2,...,В- индекс города;

2. =

-В,1

'1,2 пи

гг,г

В,2

Чв

Т1Ш

'2,В

'В,В

набор внутренних (¡=1) и внешних (¡=2) маршрутов, соеди-

няющих НГДО и НПЗ - окзоген.; г™ь 6 {1;0}, 1=1,2, Ь = 1,2,...,В; у1'т,, у2*т2 объемы поставок по внутренним маршрутам и внешним маршрутам (тыс. тонн); Х11т1 - спрос в конечных

20

пунктах внутренних маршрутов, вычисляемый в модели звена downstream (нефтепереработка); х2|п2 - спрос в конечных пунктах внешних маршрутов - экзоге/и; Sl(ml), S2(m2) -пункты внутренних и внешних маршрутов (где расположены НГДО) - зкзоген.; Е1(гп1), Е2(ш2)

- конечные пункты внутренних и внешних маршрутов (где расположены НПЗ) - зкзоген.; trl™^ -

пропускная способность участка {Ъ| > Ь2 } '~ого маРшРУТа (' = 1,2 )- экзоген.\ 1г2™^ - стоимость

прокачки нефти на участке {bj,Ьз } ¡-ого маршрута (i = 1,2)- окзоген.; Ulj - доля поставок нефти на внешний рынок j-ux НГДО, определяемая в модели звена upstream (нефтедобыча); V' - объем добычи нефти по НГДО, вычисляемый в модели звена upstream.

Транспортная задача ВИНК. Требуется минимизировать совокупные транспортные издержки:

Ml М2

ml=l ш2=1

min , (26)

y'Inl >У2т2

при балансовых соотношениях

I Sl(ml)]= l/y i'/ -U)'j),

(27)

M2r i

l^mi IJ= S2(m2)j= Vjwj, для всех j = l,2,...,J (28)

ml=l M2

m2=l

и ограничениях

в в в в

* I 1<Ь,<Ь,. У2|п2 * I Х<ь,<ь, , (29)

Ь,=1Ь,=1 Ь,=1Ь,=1

У1т1 У^ш2 - х^т2 (30)

для каждого из маршрутов: ш1 = 1,2,...,М1, ш2 = 1,2,...,М2. После решения транспортной задачи хорошо известным методом потенциалов и определения значений фазовых переменных {у!т1 ^ У^тЗ} вычисляются удельные транспортные издержки, объемы и цены поставок нефти на НПЗ.

p'^^lL---<34>

Вычисление удельных транспортных издержек и объемов поставок на НПЗ

Удельная стоимость поставки нефти по маршрутам (руб./тонн. и долл./тонн.)

d'm. = t t<bS<b2 . c^rnl = t (31)

b|=1b2=l b, =1 b2 =T

Удельные стоимости транспортировки для НГДО

Mir -i М2г п

XК,I jбSl(ml)J иу21т2с21т2 I j eS2(m2)J

ct _ ml=l_ „t _ m2=l_

Sj,l- Mir л — M2r , • V2>

ЁК, I jeSl(ml)] Цу2ш2 |jeS2(m2)j

ml = l m2=l

Цены net back по маршрутам

P4, р2^2=Р2-<2- (33)

Цена нефти, поставляемой на НПЗ

Z[ylmiPlmiikeEl(ml>]

_

Mir п

Х'уС. ikeEl(ml>J

ml=l

Объемы поставок нефти на НПЗ

©к= Е[уС,|кеЕ1(ш1)]. (35)

ml = l

Отметим, что в отличие от существующих транспортных моделей ВИНК, разработанная в диссертации модель является звеном в интегрированной системе управления инвестициями ВИНК и учитывает влияние спроса и предложения на входе и выходе транспортной системы.

Модель звена нефтепереработки представляет собой управляемую систему распределенных материальных и финансовых потоков НПЗ (нефтеперерабатывающего завода) при заданных материальных балансах.

Используемая параметрическая производственная функция является линейной формой при заданной системе балансовых соотношений. Вычисление значений производственной функции осуществляется при заданных материальных балансах, опи-

22

сывающих статичное взаимодействие нефтеперерабатывающих установок. Используемые для расчета производственной функции балансы подробно описаны в диссертации.

Данная модель НПЗ в отличие от других существующих моделей:

■ позволяет реконфигурировать схему построения НПЗ. в зависимости от динамики спроса на нефтепродукты и поставок сырья на входе и выходе предприятия соответственно;

■ интегрирована с транспортной и сбытовой моделями ВИНК.

Объем производства нефтепродуктов по видам

Введем следующие обозначения: к = 1,2,...,К - индекс НПЗ; г = 1,2,..., Я - регионы; и = 1,2,..., и - виды нефтепродуктов; I = 1,2,...,Т - время (по годам); ф - вариант реконструкции НПЗ, ф = 1,2,..., Ф; у£ф 6 {1;0} - элементы матрицы «отключений» инвестиций в оборудование, соответствующее различным вариантам реконструкции НПЗ; Гп - управляющая функция НПЗ (устоявшиеся технологические параметры) - окзолч.; £}[. - загрузка НПЗ (%) -■жзогеи.; - объем поставок товарной нефти от НГДО к к-ому НПЗ, вычислимый в транспортной модели (тонн); - объем поставок закупаемой нефти у сторонних поставщиков; хг,и " С"Р"С на нефтепродукты по регионам, вычисляемый в модели сбыта; \у[ ^ , к г „ - объем поставок на внутреннем и внешнем рынках.

Производственная функция НПЗ

Ок.и(Ф.пив*+©к);Ч). (36)

при выполнении балансовых соотношений

о'к.ЛФ.пи®* +0к);Ц)=1кк.г.„ +*,2.к.М1], (37)

Г = 1

К

ЕЧк.г.и =*£«/• г = 1,2,...,Я. и = 1,2,..., и. (38)

к=1

Характеристики потребления сырья

Потребление нефти в конечных пунктах внутренних маршрутов

<1 = 1к+0к1^Е1(ш1)] .

к = 1

Финансовые показатели звена нефтепереработки

Введем следующие обозначения: Ь[, (ф) - инвестиции в оборудование НПЗ - экю-ген.; р[ г и . р' г и " тРа'|сферт,,ая стоимость нефтепродуктов на внутренний и внешний рынки (себестоимость) - жжен.; р^ - цена нефти, поставляемой ВНИК па к-ый НПЗ, вычисляемая в транспортной модели; р'д - стоимость нефти, закупаемой у внешних поставщиков р^ >>р^-■жюл'н.; - совокупные налоговые отчисления (без налога на прибыль) - экзоген.; С[. - операционные затраты - экзол'н.; а{. - амортизация оборудования НПЗ - экюген.; г - внешние транспортные тарифы ($/тонну) - экзоген.; Е1 - курс доллара - экзоген.; V * - ставка дисконтирования-

Чистая прибыль НПЗ (до налога на прибыль) и я г

= ЦМ^иРи+ЕЧ^Р^-^+в;

и = 1г=1 Я

"ЕТ

I)

г=I

1гк,гХ№2,к.г.и

и=|

Поток от операционной деятельности НПЗ

Ок = (лк _^1лк) + ак-

Поток ог инвестиционной деятельности НПЗ

I

'к = ХТк.ф^к.ч; •

Ч» = 1

Чистый дисконтированный поток но НИЗ 1 П1 -I1

ыру, = У--- ■

(40)

(41)

(42)

Отметим, что в отличие от существующих моделей нефтепереработки ВИНК, предназначенных в основном для оптимизации внутренних технологических режимов оборудования НПЗ и являющихся изолированными, разработанная модель предназначена для управления инвестициями в различные варианты реконструкции НПЗ с учетом динамики спроса на нефтепродукты и инвестиций в добычу. Такая модель является звеном в интегрированной системе управления инвестициями ВИНК.

Модель сбыта нефтепродуктов, разработанная в диссертации:

■ представляет собой систему нелинейных уравнений, описывающих динамику спроса и цен на нефтепродукты на внутреннем рынке:

■ относится к классу квазиравповесных CGE-моделей (вычислимых моделей общего равновесия);

■ использует итерационную процедуру вычисления функции избыточного спроса, определяющую процесс перехода системы к общему экономическому равновесию.

В отличие от других существующих сбытовых моделей ВИНК:

■ основана на технологии CGE-моделей, принципиально улучшающей качество долгосрочного прогнозирования;

■ интегрирована с моделями звеньев ВИНК;

■ позволяет реконфигурировать каналы сбыта в зависимости от спроса и инвестиций.

Предложена принципиально новая сбытовая модель 13ИИК класса CGI:, которая описывает процесс перехода системы в состояние общего равновесия.

Введем следующие обозначения: г = 1,2,..., R - регионы: с = 1,2,...,С - каналы сбыта нефтепродуктов (ЛЗС, нефтебазы, франчанчипг и др.): U = 1,2,..., U - нефтепродукты но пи-дам; у[ с € {|;0} - >.кмсптм матрицы «отключении» каналов сбыта нефтепродуктов по регионам; xj. u с - спрос па нефтепродукты но каналам сбыта (тыс. тонн); х' ' с - сирое на нефтепродукты (тыс. тип), итисспшн in сгашсгикн (спрос прошлого года); Р| r u с - пены на нефгепро-

дукты (руб./тони.); Ег и с - эластичность спроса на нефтепродукты - экзоген.; ^ г и - объем поставок нефтепродуктов в г-ый регион от к-ого НПЗ, вычисляемый в модели звена нефтепереработки (тыс. тонн); р\ гис " трансфертная стоимость нефтепродуктов, поставляемых

с НПЗ, вычисляемая в модели звена нефтепереработки (тыс. тонн); и - прогнозируемая емкость рынка нефтепродуктов, с учетом доли конкурирующих ВИНК - экзоген.

Сбытовая задача ВИНК. Вычислить пару {х' и с,р'г и с}, при которых избыточный спрос на нефтепродукты равен нулю: С

Ки-ЦУг. сх,г,и,с=0' (44)

С = 1

хг.и.с = г-Х'Ги'С , ■ (45)

р',г,и,с ^Ркг.и.с]^

при ограничениях с

Е^г,схг,и.с^Хг,и- (46)

С = 1

К

= (47)

к = 1

Ри,и.с± Р}.г.и,с ' (48)

для всех г = 1,2,...,Я, и = 1,2,...,и, с = 1,2,...,С.

Показатель итогового спроса по регионам и нефтепродуктам

С

х;„=2Х„с. (49)

С = 1

Отметим, что решение задачи (44)-(48) неединственное. Для выбора решения привлекаются эвристические соображения, следующие из содержательной постановки задачи. Таким эвристическим соображением служит процедура нащупывания кпазиравнонеспого состояния происходящего в реальных системах, которое происходи! в рамках внутреннего быстрого времени (в частности, понедельно). Потому

следует указать алгоритм поиска квазиравновесного состояния с учетом возможностей системы и предыдущего квазиравновесного состояния.

Алгоритм вычисления равновесных цен в сбытовой модели Для каждого момента времени I:

1. Задаем количество итераций - <3 = [1/а] (где [ ] - означает целая часть числа, а - достаточно малое число), индекс итераций в рамках внутреннего быстрого времени - ц = 1,2,.„С>, начальные цены

Р1,г,и!с =Р|,~г!и,с' начальный спрос =х| г,ц с и начальный из-

с

быточный спрос = ~ Х^гГс'хгГи,с (гЛе г'и»с ■ индекс

с = 1

региона, нефтепродукта и канала сбыта соответственно, I- время (по годам), р{^!и,с <г!и.с" иены и спрос на нефтепродукты, известные за предыдущий момент времени).

2. Вычисляем приращения:

1,г,11 ' М,г,и,с П,г,и,с г 1,г,и '

3. Вычисляем новый избыточный спрос на нефтепродукты:

С я-' Е.*:?,и = <и - Ху'сХ^, , где х^ = --Хг-"-с .

[ри,и,с/р1;?.й!сГ'ис 4. Повторяем пп.2-3 до тех пор, пока Е[^и # 0 для всех г, и. В данном алгоритме количество итераций (} имеет порядок не менее чем дней в году. Эластичность спроса на нефтепродукты Ег и с > 0. Реальные объемы спроса

хг.и,с ограничены и положительны. Поэтому при достаточно малых а цены, формируемые в данном алгоритме также положительны, а сам процесс сходится. При этом очевидно, что количество итераций <3 для хорошего приближения к квазиравновесному состоянию зависит от величины а.

После вычисления равновесных (квазиравновесных) спроса и цен {х^ и с, р,с гис} рассчитываются финансовые характеристики модели сбыта.

Финансовые характеристики модели сбыта Введем следующие обозначения: инвестиции в каналы сбыта - экзоген.; о' с-

операционные затраты каналов сбыта-экзоген.; а' с- амортизация каналов сбыта - экзоген; с -совокупные налоговые отчисления (без налога на прибыль)- экзоген.

Чистая прибыль каналов сбыта (до налога на прибыль)

R

г=1

£ri.cXi.B,c(Pi,r,»,c ~ Pl,r,u,c)-l\A0\,c -а'г,с -Л'г.с) .11 = 1

Операционный поток, генерируемый каналами сбыта Инвестиционный поток по каналам сбыта

г=1

(50)

(51)

(52)

Чистый денежный поток звена downstream (вторая составляющая акционерной стоимости)

DCF2=£NPVk+££

с т0. _,t

\ Ч ^с. с

(53)

к=1 с^ы'О + г)'

Отметим, что существующие ранее сбытовые модели ВИНК являлись в основном линейными и изолированными. Разработанная сбытовая СбЕ-модель учитывает динамику перехода системы в состояние общего экономического равновесия и является звеном в интегрированной системе управления инвестициями ВИНК.

Четвертая глава посвящена важнейшей задаче ВИНК по максимизации ее акционерной стоимости.

Сформулированная задача:

■ относится к классу ЫР-трудных задач смешанного программирования;

■ на входе - инвестиционный портфель |у- |}, [у^ |у| с} и объем дополнительных закупок нефти "{о^ |;

■ на выходе - оптимальное значение акционерной стоимости.

В отличие от других задач по оценке акционерной стоимости ВИНК, представленная модель:

■ учитывает характеристики всех ключевых звеньев ВИНК;

■ позволяет управлять сверхбольшим пулом инвестиционных проектов, влияющих на целевую функцию;

■ учитывает систему конкурентных ограничений и предпочтений, охватывающих все звенья ВИНК;

■ решается с использованием технологии генетических алгоритмов (ГА). Задача максимизации акционерной стоимости ВИНК. Сформировать три

группы управляющих параметров |у|¡}{ук у,©к|>1х' с}• пРи которых обеспечивается максимальное значение акционерной стоимости ВИНК

ОС^+БС^-». шах (54)

{гЫк.еЦЫ

при выполнении корпоративных ограничений в каждый момент времени мшит инвестиционный расходов

ЭД + ЕП+К*!': (55)

]=1 к=1 с=1 лимит операционных затрат

1с5+2С<к+£С'<С'; (56)

]=1 к=1 с=1

минимально необходимый уровень операционного потока

+ (57)

]=1 к=1 с=|

минимальный уровень чистого дисконтированного финансового потока

PCF, + DCF? > PCF ; (58)

минимальный уровень прибыли (до уплаты налогов)

j=l k = l с = | план по добыче нефти N

(60)

j=l

план по поставкам нефтепродуктов К К

ЕЧк.г.и*^, 2>2,M,u^rjU ; (61)

к = | к = 1

и всех ограничений соответствующих звеньев ВИНК.

Здесь параметры корпоративных офаничений Г, С1, О1, PCF, Pl, V1,

W} r u , Wj г u являются экзогенными, а остальные характеристики вычисляются в

соответствующих моделях звеньев ВИНК для всех j-ых НГДО, k-ых НПЗ и с-ых каналов сбыта.

Особенностью рассматриваемой задачи является то, что на каждом шаге модельного времени t е {l,2,..,T} одновременно вычисляются характеристики всех звеньев ВИНК, влияющие на акционерную стоимость (объем добычи, совокупные транспортные издержки и структура поставок, объемы производства нефтепродуктов по видам, спрос и цены на нефтепродукты и др.). Большинство вычисляемых характеристик и управляющих параметров являются многомерными, т.е. имеют региональное, продуктовое и прочие измерения в зависимости от звена ВИНК, к которому они относятся. Кроме того, для определения ряда параметров (фазовых переменных транспортной модели ВИНК, равновесных спроса и цен на нефтепродукты в CGE-модели сбыта) применяются специальные внутренние итерационные процедуры (для решения транспортной задачи - алгоритм метода потенциалов, для сбытовой - алгоритм «нащупывания» равновесных цен). Сложность указанных процедур обусловлена нелинейными зависимостями. Таким, образом, рассматриваемую задачу

максимизации акционерной стоимости ВИНК можно отнести к классу ЫР-трудных задач большой размерности. Поэтому для ее решения был предложен генетический оптимизационный алгоритм с угасающей селекцией (ГЛ).

Пятая глава посвящена разработке генетического алгоритма с угасающей селекцией, используемого для максимизации акционерной стоимости ВИНК и формирования квазиоптимальных инвестиционных решений.

Представленный генетический алгоритм относится к классу эвристических алгоритмов.

Для рассматриваемой задачи максимизации акционерной стоимости ВИНК были разработаны правила угасаюгцей селекции, обеспечивающие эффективную процедуру поиска решения.

Дадим определения для ряда понятий.

Популяция - множество особей.

Особь - набору4 =( |у).^(7к,ч/}{Уг,с} ) |©к| допустимых управляющих переменных модели, фазовых переменных, а также вычислимых характеристик интегрированной модели ВИНК.

Хромосома - набор у' = (|у- ¡}(ук ц, ),{■/' с|) управляющих переменных данной особи.

Ген (проект) - заданная координата набора управляющих переменных (хромосомы).

ГА имеет два важнейших оператора, оператор кроссинговера и оператор мутации.

Функцией оператора кроссинговера является выбор двух наиболее сильных (приспособленных) родительских особей из популяции для скрещивания с целью формирования новых более сильных особей. Таким образом, осуществляется направленный поиск локальных экстремумов (и последовательное движение в сторону максимума) в рассматриваемой задаче.

Функцией оператора мутации является инверсия значения одного или нескольких генов в хромосоме выбранной особи с заданной вероятностью, с целью

обеспечения выхода из окрестностей локальных экстремумов и нащупывания других локальных экстремумов ■

Размер популяции фиксирован. Поэтому, после ее формирования на каждом последующем шаге ГА происходит автоматическое выталкивание (угасание) наиболее слабой особи из популяции за счет вставки новых более сильных особей.

Важнейшими характеристиками рассматриваемых операторов являются:

■ Вероятность выбора f-ой особи в качестве родительской особи при выполнении оператора кроссинговера

fitl;CT

Р&= Fr f , 0-Pf.ou,). f= 1.2,—,F, а = 1,2.....ЭТ. (62)

где F - размер популяции (внешний параметр ГА) - окзоген., fitj-'0 - фитнес-функция, вы-с t

численная для I -ой особи, Pf out - вероятность угасания особи при селекции; О - эпохи (итерации) ГА.

■ Вероятность выполнения оператора мутации для g-ого гена f-ой особи ,„ I Pmut еслиу'г^=1

Pr'.lmut = п п n , I _.f = 1.2.-,F, а = 1,2,...,Э1, (63)

[Pmut U — Pf;out )' если yfg =0

где

g е G = {(j,i), j = 1,2,..., J, i = 1,2,...,N -, (k,Y),k = 1,2,...,K, y = 1 ¿.....H»;

(г,с), Г = 1,2,..., R, C = 1,2,.., С } - индекс гена в хромосоме, pmut - базовая вероятность оператора мутации - окзоген. Соотношения (62)-(63) будем называть правилами угасающей селекции. Определение фитнес-функции для f-ой особи

fitf" = QfCT + (3 х DCFf°, (64)

где DCF° - целевая функция (акционерная стоимость) для /-ой особи, Qf'a - оценка расстояния /-ой особи от ОДЗ (области допустимых значений), (3 - весовой коэффициент, 0 < [3 < 1 -

При определении значения фитнес-функцин для каждой Г-ой особи следует знать значение П!'а. Для этого на шаге овычисляется невязка ограничений:

1.:a_J(Ifa-îlVît'ecjl»IfC-Î1>°

О, если Ilf;o -Г <0

f . Тс ? Г' (65)

(СГ-С)/С',еслиС--С>0 1 (бб)

" [ 0, еслиС[;а - С <0 j

Q,:? =|(О'-ОГ)/О',еслиО[-ОГ>0|

fj j 0,если0'-0';а<0 j

_ст [( PCF - PCF" У PCF, если PCF - PCF" > 01

"Г 4 = 1 „ (68)

[ 0, если PCF - PCF, < 0 J

[(р'-р^^/р'.еслир'-р;^«] f'5 [ 0, если Р <0 j

од [(У'-У-)/у',еслиу'-УГ>0| f'6 [ 0, если V -Vf <0 J

ol:o f(Wj;r u - u)/Wj.r и,если Wj;r u " > ® 1 • 10 ,71 "

''•"'"ï 0,если Wj;r u - Wf.:?r_u <0 fJ=U (71)

для всех f = 1,2,...,F, r = 1,2,...,R. u = 1,2,...,U. где

l[-"a - совокупные инвестиционные' расходы HI IHK. вычисленные для Г-ой особи: С]-'а - совокупные операционные расходы ВИНК для Г-ой особи; ОJ-'°- совокупный операционный поток IÏHIIK для Г-ой особи; PCF""- акционерная стоимость BWIK для i-ой особи; Р|!'°- прибыль ;шя Г-ой особи; V(Ua- обьем добычи для Г-ой особи; \V('.'"r ц - объемы внутренних (j=l) и внешних поставок (j=2) в г-ыс регионы u-ых нефтепродуктов, вычисленные для Г-ой особи; I1. С', О1. PCF. Р1. V*. Wj.r ц - параметры системы корпоративных ограничений жтген.

Тогда оценка расстояния Q}-'a f-ой особи от области допустимых значений (ОДЗ) равна

= -Ji^+tit^u- (72)

\fj=l j=lr=lu=l

Другой важнейшей характеристикой разработанного генетического алгоритма является вероятность угасания особи при селекции p'f out. Предлагается рассчитывать значение этой вероятности пропорционально доле нерентабельных проектов в инвестиционном портфеле. Для этого для каждого проекта рассматриваемых звеньев ВИНК следует вычислить IRR (внутреннюю норму окупаемости).

Для звена нефтедобычи рентабельность проектов IRRf.j j f-ой особи для j-ого

НГДО ¡-ого месторождения равна ставке дисконтирования irrf.j j (IRRf j -t =iiTf.j |) при условии, что чистая приведенная стоимость равна нулю:

NPVfü=ZOf:J,i."hr:J;i:=0' f = l>2,-,F, j = 1,2,...,J, 1 = 1,2,...,Nj, 1.1(1 + 1^.1)

где Of.j ph'f.jj - операционный и инвестиционный потоки j-ого ИГДО и ¡-ого месторождения, вычисленные для f-ой особи.

Количество нерентабельных проектов звена нефтедобычи для f-ой особи равно

j N; j=li=l

где IRR - минимально допустимый уровень рентабельности.

Для звена нефтепереработки рентабельность проектов IRRf.j| f-ой особи для k-ого НПЗ \\I - ого варианта реконструкции равна ставке дисконтирования irrf;k ,|( (IRRl;k l|, =irrf.k ) при условии, что чистая приведенная стоимость раина пулю:

№УГкЧ,=1°,Г;М! f = l,2,...,F, к = 1,2,...,К,

1=1 (1 + |п>;к.ч,)

х|/ = 1,2,...,Ч',

где ^ операционный и инвестиционный потоки к-ого НПЗ и -ого варианта

реконструкции НПЗ, вычисленные для Г- ой особи.

Количество нерентабельных проектов звена нефтепереработки для Р-ой особи

равно

1С ч* к=1ц/=1

Для звена сбыта рентабельность проектов ИШ^ с Г-ой особи для г-ого региона с-ого канала сбыта равна ставке дисконтирования ¡П>;г с ЦШ1Г.Г с = ¡ГГГгс) при условии, что чистая приведенная стоимость равна нулю:

№уГгс=Х°Г:Г'С.~Ь';Г;С=0' г = 1,2,..., Я, с = 1,2,...,С,

" !=1 (1+%с)

где 0(-.г С,Ь(-.Г с операционный и инвестиционный потоки г-ого региона и с-ого канала сбыта, вычисленные для Г- ой особи.

Количество нерентабельных проектов звена сбыта для Р-ой особи равно

Г=1С=1

Общее количество нерентабельных проектов в портфеле Г-ой особи равно 9Г =ЭГ;1+9,-.2+ЭГ;з. • (73)

Общее количество проектов в портфеле Р-ой особи равно з

9Г =^Ы] + К*Т + Я*С. (74)

Тогда вероятность р{- ои[ угасания /-он особи при селекции равна

Генетический алгоритм используется для разработки эффективной процедуры формирования квазиоптимальных инвестиционных решений. Центральным элементом такой процедуры является оценивание популяции ГА, использующее степень стабилизации фитнес-функции для популяции в качестве критерия сходимости.

Шестая глава посвящена разработке алгоритмов, процедур и вычислительных экспериментов по решению задачи оптимизации портфеля инвестиционных проектов и максимизации акционерной стоимости ВИНК с использованием разработанного генетического алгоритма.

Отличительной особенностью предлагаемого подхода является обязательная оценка устойчивости итогового портфеля проектов по характеристике рентабельности, что весьма актуально при долгосрочном стратегическом планировании.

Процедура решения задачи максимизации акционерной стоимости ВИНК (реализуемая в каждый момент времени I е {1,2,..., Т}) такова:

1. формирование начальной популяции состоящей из двух (-ых особей, хро-

мосома каждой из которых состоит из трех групп управляющих парамет-

2. расчет характеристик моделей звеньев ВИНК для каждой новой (-особи, входящей в популяцию при заданных сценарных условиях;

3. вычисление акционерной стоимости ВИНК и невязки ограничений для Р-особи, расчет значения фитнес-функции (-особи;

4. вставка пособи в популяцию при условии, что она является достаточно приспособленной;

5. оценивание популяции с точки зрения приспособленности и переупорядочивание особей в популяции по значению фитнес-функции;

6. выталкивание наиболее слабой особи из популяции;

7. селекция из популяции наиболее приспособленных особей для скрещивания (создания потомков);

8. выполнение операторов кроссинговера и мутации, формирование потомков и добавление их в популяцию;

9. оценка критерия сходимости ГЛ, переход к тагу 2, в случае, если критерий сходимости не выполнен.

Критерием сходимости ГА в данном случае является степень стабилизации фитнес-функции популяции с течением ст- итераций.

Рис. 4. Схема работы разработанной процедуры поиска квазиоптимальных инвестиционных решений ВИНК.

В рамках, разработанного алгоритма поиска квазноптимальпых инвестиционных решений (рис. 4) осуществляется обязательная процедура оценки устойчивости получаемых решений по характеристике рентабельности по следующей схеме:

1) выбор случайных значений единых сценарных условий (ЕСУ) - макроэкономических факторов (мировых цен на нефть, курса доллара и т.д.) в заданных пределах с использованием метода Монте-Карло для каждого момента времени;

2) прогон интегрированной модели ВИНК. предназначенной для расчета значений целевой функции (акционерной стоимости ВИНК) с применением разработанного ГЛ с угасающей селекцией:

37

3) сохранение значений полученных квазиоптимальных решений и отбор, наи-

более устойчивых посредством их сопоставления (рис.5).

Оценка расстояния Хэмминга между квазиоптимальными инвестиционными решениями ВИНК для различных вариантов ЕСУ

Доля "отключенных" проектов с структуре портфеля ВИКК для различных вариантов ЕСУ

30.0%

0.0% •

Сценарии 1 с Сценарии 2

Сценарии 1 от

16.5%

Сценарии 2 от Сценарии i

№ I

Сц.нлрийп Сценарии 2 Сц. нарим Э

варианты ЕСУ

варианты ЕСУ

Рис. 5. Оценка устойчивости получаемых решений по характеристике рентабельности.

Одной из важнейших полученных рекомендаций ВИНК является «консервативный» принцип формирования портфеля инвестиционных проектов (ожидание снижения цен на нефть до 40 долл. за баррель), при котором возможные потери в акционерной стоимости составят 5-10 % (в зависимости от того какие сложатся макроэкономические условия). Такой подход обеспечивает высокую устойчивость инвестиционного портфеля ВИНК по отношению к влиянию внешних факторов.

Седьмая глава посвящена методике разработки, программной реализации и практическому применению информационной системы поддержки принятия решений по управлению акционерной стоимостью ВИНК

На основе построенных математических моделей звеньев ВИНК. интегрированных с корпоративным информационным хранилищем, а также разработанного генетическою алгоритма, создана система поддержки принятия решений. которая, в частности, обеспечивает максимизацию акционерной стоимости нефтяной компании. 1} результате практического использования этой системы проведена серия вычислительных экспериментов и подготовлены принципиально новые рекомендации но «рациональному» управлению инвестициями ВИ11К.

Разработана архитектура системы поддержки принятия (CIIIIP) инвестиционных решений ВИНК (рис. 6). особенностью которой является интеграция нодсистс-

мы динамического моделирования Powersim, на которой реализованы математические модели звеньев ВИНК, с корпоративным информационным хранилищем (SAP BW). Использование такой архитектуры позволяет осуществлять эффективное сценарное инвестиционное планирование при управлении большим пулом проектов (в настоящее время в системе заложено свыше 2000 проектов с сотнями характеристик на горизонте 25 лет).

Важнейшим практическим результатом диссертационной работы является внедрение разработанной информационно-аналитической системы поддержки принятия решений (СППР), нацеленной на «рациональное» управление инвестициями ВИНК в крупнейшей нефтяной компании России - ОАО «ЛУКОЙЛ». Пользователями разработанной СППР является Главное управление стратегического и инвестиционного анализа ОАО «ЛУКОЙЛ», отвечающее за формирование долгосрочных инвестиционных программ. Внедрение системы обеспечило автоматизацию процесса инвестиционного планирован™.

Для эффективного использования разработанной СППР был разработан специальный регламент, документирующий процесс инвестиционного планирования (от формирования инвестиционных заявок до их обработки с помощью математических моделей звеньев ВИНК и дальнейшего мониторинга исполнения).

Архитектура разработанной интеллектуальной системы управления инвестиционной деятельностью ВИНК

Собственные параметры ГА

Исходные значения набора

управляющих параметров

Кпрппратиеиие п^рппиипта^

Генетический алгоритм (программа на С++) ..........X........

Итоговые значения набора управляющих параметров (

Квазиоптимальное значение ак-

ционерной стоимости ВИНК

Pnwnim МП К

---------------г----------------- Интегрированная модель управления инвестициями ВИНК (на Powersim)

Модель UPSTREAM (Нефтедобыча) ТРАНСПОРТНАЯ модель Модель DOWNSTREAM (Нефтепереработка) CGE-модель (Сбыт нефтепродуктов)

Исходные данные и рез льтаты моделирования

L Корпоративное информационное хранилище (SAP BWV

Рис. 6. Архитектура разработанной системы.

39

Особенностью разработанного программного комплекса является реализация автоматизированного управления инвестиционными заявками, поступающими от дочерних предприятий ВИНК в корпоративное информационное хранилище (SAP BW) с уровня ERP-систем в режиме реального времени. Такие заявки сопровождаются детальными технико-экономическими показателями (например, данные по десяткам тысяч скважин). Обработка таких заявок осуществляется с помощью разработанной интегрированной модели управления инвестициями ВИНК, реализованной на Powersim и интегрированной с хранилищем и генетическим оптимизационным алгоритмом посредством специальной программной библиотеки Powersim SDK (solution development kit). Результаты вычислений в Powersim в виде квазиоптимальных вариантов отключений инвестиционных заявок сохраняются в хранилище, и в дальнейшем анализируются пользователями с помощью инструментов класса OLAP (аналитической обработки данных в режиме реального времени).

Основные выводы и результаты диссертационной работы

К основным результатам диссертационной работы относятся:

■ Впервые создана и реализована интеллектуальная информа11ионная система по управлению инвестиционной деятельностью ВИНК для решения важнейшей задачи по оценке и максимизации акционерной стоимости нефтяной компании.

■ Разработано специальное математическое и программное обеспечение системы управления инвестиционной деятельностью ВИНК:

■ разработана модель управления инвестиционной деятельностью нефтегазодобывающего объединения интегрированная с транспортной моделью и учитывающая дифференцированный принцип формирования проектов по месторождениям;

■ разработана транспортная модель нефтяной компании, отличительной особенностью которой является учет ключевых характеристик действующей транспортной системы (в том числе, пропускных способностей,

различных маршрутов), возможность расчета цен на нефть по методу net back и связь с моделями звеньев upstream и downstream;

■ разработана модель звена нефтепереработки, которая в отличие от ранее известных моделей, позволяет реконфигурировать схему построения НПЗ в зависимости от динамики спроса на нефтепродукты и инвестиций в добычу;

■ разработана модель сбыта нефтепродуктов на внутреннем рынке (CGE-модель), интегрированная с имитационной моделью НПЗ, и позволяющая на более качественном уровне спрогнозировать долгосрочную динамику спроса и цен на нефтепродукты.

■ Разработан новый генетический алгоритм (ГА) с угасающей селекг/ией, позволяющий решать задачу максимизации акционерной стоимости ВИНК с наибольшей эффективностью за счет встроенной процедуры угасающей селекции.

■ Разработана архитектура системы поддержки принятия решений (СППР), обеспечивающая, в частности, максимизацию акционерной стоимости нефтяной компании при различных сценарных условиях и ограничениях за счет эффективного управления инвестиционным капиталом.

■ Осуществлено внедрение разработанной имитационной модели в крупнейшей российской нефтяной компании (ОАО «ЛУКОЙЛ»). В результате практического использования этой системы проведена серия вычислительных экспериментов и подготовлены рекомендации (подробно описанные в диссертации) по «рациональному» управлению инвестициями ВИНК.

Основные публикации по теме диссертации

Монография.

Акопов A.C. Проблемы управления субъектом ТЭК в современных условиях. / Монография, - М.: ЦЭМИ РАН, 2004,- 246 с.

Публикации в ведущих рецензируемых научных журналах и изданиях, рекомендованных ВАК для опубликования основных научных результатов докторских диссертаций по управлению, вычислительной технике и информатике.

1. Акопов A.C. Процедура и алгоритмы формирования квазиоптимальных инвестиционных решений вертикально-интегрированной нефтяной компании. // Труды Института Системного Анализа РАН, Выпуск 32(1), 2008.

2. Акопов A.C. О сходимости и устойчивости модифицированного генетического алгоритма в задаче управления инвестиционным портфелем вертикально-интегрированной нефтяной компании. // Труды Института Системного Анализа РАН, Выпуск 32(1), 2008.

3. Акопов A.C. Компьютерная модель транспортировки нефтепродуктов. // Труды Института Системного Анализа РАН, Выпуск 10(2), 2006, -с.281-293.

4. Акопов A.C. Компьютерная модель нефтеперерабатывающего предприятия. // Труды Института Системного Анализа РАН, Выпуск 10(2) 2006., -с.268 - 280.

5. Акопов A.C. Применение модифицированного генетического алгоритма в системе управления нефтеперерабатывающим предприятием // Труды Института Системного Анализа РАН, Том 25(1), 2006,-с.7-19.

6. Акопов A.C. Поддержка принятия управленческих решений для нефтегазодобывающих предприятий с помощью динамических имитационных моделей// Системы управления и информационные технологии, № 4, 2004. -с.51-56.

7. Акопов A.C. Использование средств динамического имитационного моделирования для подготовки управленческих решений в ТЭК // Системы управления и информационные технологии, № 2,2004. -с.72-77.

8. Акопов A.C. Системно-динамический подход в управлении инвестиционной деятельностью нефтяной компании. // Аудит и Финансовый анализ, № 2, 2006, - с. 153188.

9. Акопов А.С., Бекларян Г.Л. Применение системной динамики в управлении нефтегазодобывающим предприятием. // Аудит и Финансовый анализ, № 1, 2006, - с. 266-276.

10. Бекларян Л.А., Акопов А.С., Бекларян Г.Л. Сравнительный анализ производственных и инвестиционных характеристик нефтедобывающей и нефтеперерабатывающей отраслей экономики по регионам РФ, а также нефтяных компаний.// Аудит и Финансовый анализ, №1, 2005.-с.30-35.

П. Акопов А.С. Модели управления субъектом ТЭК// Аудит и Финансовый анализ, №1,2005. -С.40—44.

12. Акопов А.С. Проблемы управления субъектом ТЭК в современных условиях. // Сборник научных трудов. Приложение к Ж. Аудит и Финансовый анализ, № 4, 2004.-с.114-192.

13. Акопов А.С. Динамическое имитационное моделирование как инструмент подготовки и поддержки принятия управленческих решений для предприятий ТЭК. // Аудит и Финансовый анализ, №3, 2004. -с.251-256.

14. Акопов А.С. Об одной методике экономизации бизнес-процессов в нефтегазодобывающем объединении». // Аудит и Финансовый анализ, № 2, 2004. -с.268-272.

15. Акопов А.С., Бекларян Г.Л. Методика построения интегрированных матриц финансовых потоков (Social Accounting Matrix). Сравнительный анализ SAM для России и Франции. // Аудит и Финансовый анализ, №1, 2004. -с.209-215.

16. Акопов А.С. Модель двухпродуктовой олигополии, описывающая взаимодействие нефтяных компаний на внутреннем рынке». // Аудит и Финансовый анализ, № 1, 2004. -с.268-272.

17. Акопов А.С. Анализ поведения естественной монополии с помощью двухсектор-ной модели экономики. // Аудит и Финансовый анализ, № 1,2000. -с.132-145.

18. Акопов А.С. Модель поведения естественной монополии во взаимодействии с остальной составляющей экономики. // Аудит и Финансовый анализ, № 4, 1999 . -с.59-72.

Публикации в ведущих рецензируемых научных журналах и изданиях, рекомендованных ВАК для опубликования основных научных результатов докторских диссертаций по другим специальностям.

1. Акопов A.C., Бекларян ГЛ. Анализ эффективности регулирующей политики государства с помощью региональной ССЕ модели поведения естественных монополий (на примере электроэнергетики). // Экономическая наука современной России, №4, 2005. -с.123-129.

2. Акопов A.C. Методы повышения эффективности управления нефтегазодобывающими объединениями // М. Экономическая наука современной России, №3, 2004. -с.88-99.

3. Акопов A.C., Бекларян Г.Л. Сравнительный анализ производственных и инвестиционных характеристик отраслей ТЭК по регионам РФ. // Экономическая наука современной России, №1, 2004. -с.121-128.

Препринты и научные сборники.

1. Акопов A.C., Бекларян Л.А. Анализ эффективности государственной регулирующей политики по отношению к субъектам ТЭК с помощью динамического имитационного моделирования/ Препринт # WP/2004/174.- М.: ЦЭМИ РАН, 2004.-47с.

2. Акопов A.C. Динамическое имитационное моделирование как инструмент подготовки и поддержки принятия управленческих решений для предприятий ТЭК. / Сборник трудов молодых ученых «Теория и практика эффективного функционирования российских предприятий», Выпуск 2, -М.: ЦЭМИ РАН, 2004. -с.14-21.

3. Акопов A.C., Бекларян Г.Л. Модель взаимодействия предприятий монополий с другими субъектами экономики», сборник молодых ученых «Теория и практика эффективного функционирования российских предприятий», / Сборник трудов молодых ученых «Теория и практика эффективного функционирования российских предприятий», Выпуск 1, -М.: ЦЭМИ РАН, 2003. -с.142-151.

4. Акопов A.C. Модель поведения естественной монополии с учетом экспортной составляющей (на примере отраслей топливно-энергетического комплекса). / Сборник трудов сотрудников лаб. экспериментальной экономики. - М.: ЦЭМИ РАН, 2001. -с.77-101.

5. Бекларян Л.А., Акопов A.C. Модель поведения естественной монополии в условиях переходного периода./ Препринт # WP/2000/098.- М.: ЦЭМИ РАН, 2000.-70с. Тезисы докладов на конференциях и семинарах.

1. Акопов A.C. Поддержка принятия управленческих решений для нефтегазодобывающих предприятий с помощью динамических имитационных моделей. / Материалы международной конференции «Системные проблемы надежности, качества информационных и электронных технологий» и Российской научной школы. Информационные Бизнес Системы. Часть 3. - М.: Радио и связь, 2004.-C.78-88.

2. Акопов A.C., Бекларян Г.Л. CGE-модели как инструмент комплексного анализа экономической политики предприятий - монополий в условиях переходного периода. / Тезисы докладов и сообщений Пятого Всероссийского симпозиума «Стратегическое планирование и развитие предприятий». Москва, 13-14 апреля 2004 г.- М.: ЦЭМИ РАН, 2004.-c.8-9.

3. Акопов A.C. Оценка влияния инструментов государственного регулирования на рентабельность нефтегазодобывающего объединения с помощью динамической имитационной модели. / - МГУ, фак. гос. управления Сборник научных и методических работ: Имитационные модели и игры в управлении природными ресурсами. -М.: Университетский гуманитарный лицей, 2004.-С.41-43.

4. Бекларян J1.A, Акопов A.C. Поведение естественных монополий в условиях переходного периода./ Тезисы Международной конференции «Многомерный статистический анализ и вероятностное моделирование реальных процессов», 1999.-c.30.

Акопов Андраник Сумбатовнч

СИСТЕМА УПРАВЛЕНИЯ ИНВЕСТИЦИОННОЙ ДЕЯТЕЛЬНОСТЬЮ ВЕРТИКАЛЬНО-ИНТЕГРИРОВАННОЙ НЕФТЯНОЙ КОМПАНИИ

Специальность 05.13.11. - «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей»

Автореферат

диссертации на соискание ученой степени доктора технических наук

Закач № 63

Объем 2,8 п.л.

I ПМИ РАН

Тираж 100 жч.

Введение.

Глава I. Анализ организационной структуры и систем управления деятельностью ВИНК.

1.1 Существующие системы управления деятельностью ВИНК.

1.2 Анализ отраслевой специфики и методов стратегического управления ВИПК.

1.3 Системный подход в организации управления ВИНК.

1.4 Анализ организационной структуры ВИНК.

1.5 Содержательная постановка задачи стратегического управления инвестиционной деятельностью ВИНК.

1.6 Выводы.

Глава II. Разработка укрупненной модели оценки акционерной стоимости ВИНК.

2.1 Укрупненный подход к оценке акционерной стоимости ВИНК.

2.2 Разработка укрупненной модели оценки акционерной стоимостью ВИНК.

2.3 Оценка влияния ключевых факторов па акционерную стоимость ВИНК.

2.4 Предпосылки интегрированного подхода к управлению стоимостью ВИНК.

2.5 Выводы.

Глава III. Разработка интегрированной модели управления акционерной стоимостью ВИНК.

3.1 Интегрированная модель управления акционерной стоимости ВИНК.

3.2 Разработка моделей звеньев ВИНК: нефтедобыча и транспортная система.

3.3 Разработка моделей звеньев ВИНК: нефтепеработка и сбыт.

3.4 Выводы.

Глава IV. Задача максимизации акционерной стоимости ВИНК.

4.1 Задача максимизации акционерной стоимости ВИНК.

4.2 Разработка методики оценки и первичного отбора проектов ВИНК.

4.3 Управление жизненным циклом инвестиционных проектов ВИПК.

4.4 Выводы.

Глава V. Генетический алгоритм решения задачи максимизации акционерной стоимости ВИНК.

5.1 Схема работы и отличительные особенности разработанного ГА.

5.2 Оценка эффективности работы разработанного ГА.

5.3 Анализ сходимости и устойчивости разработанного ГА.

5.4 Выводы.

Глава VI. Алгоритмы, процедуры и вычислительные эксперименты по решению задачи максимизации акционерной стоимости ВИНК.

6.1 Процедура и алгоритмы формирования квазиоптимальных инвестиционных решений.

6.2 Программная реализация процедуры поиска квазиоптимальных инвестиционных решений ВИНК.

6.3 Вычислительные эксперименты.

6.4 Выводы.

Глава VII. Методика разработки, программная реализация и практическое применение разработанной системы управления инвестиционной деятельностью ВИНК.

7.1 Методика проектирования информационной системы поддержки принятия инвестиционных решений ВИНК.

7.2 Архитектура разработанной системы.

7.3 Реализация разработанных моделей звеньев ВИНК на системе имитационного моделирования Powersim.

7.4 Практическое использование разработанной системы управления инвестиционной деятельностью ВИНК.

7.5 Выводы.

Деятельность вертикально интегрированных нефтяных компаний (ВИНК) характеризуется высокой сложностью управленческих решений, масштаб и стоимость которых, в большинстве случаев существенно выше, чем в других звеньях экономики. Изменение доли экспортной составляющей в структуре конечного продукта, управление сырьевыми активами, принятие решений о консервации скважин на месторождениях, ценовая политика на внутреннем рынке нефтепродуктов, ввод в действие новых производственных мощностей — далеко неполный перечень управленческих решений высокой сложности и стоимости (как для нефтяной компании, так и для государства в целом). Все эти решения тесно связаны с инвестиционной политикой ВИНК, фактически определяющей финансовое состояние компании и ее производственно-сбытовые возможности в среднесрочной и долгосрочной перспективах.

Актуальность темы исследования обусловлена следующими факторами.

Первое, высока стоимость неадекватных управленческих решений в ВИНК. В частности, существуют весьма актуальная задача выявления и «отключения» отдельных нерентабельных объектов инвестиционной деятельности нефтяной компании (например, скважин, месторождений и т.д.), и связанная с ней проблема сверхвысокой стоимости ошибочных «отключений» в реальной экономической системе.

Второе, имеется принципиальная сложность управления огромным пулом инвестиционных проектов ВИНК. В силу большой размерности задачи оптимизации инвестиционного портфеля и управления акционерной стоимостью нефтяной компании, в настоящее время наблюдается существенное снижение эффективности традиционных систем управления инвестициями вследствие их дезинтегрированности.

Третье, система подготовки принятия стратегических решений ВИНК требует учета сложного механизма взаимодействия предприятий для холдинга в виде вертикально интегрированной нефтяной компании.

В настоящее время для оценки эффективности инвестиционных вложений для отраслевых сегментов ВИНК используются различные методы и инструменты. Проблемам моделирования инвестиционной деятельности ВИНК посвящены работы таких отечественных и зарубежных ученых как Лившиц В.Н., Брагинский О.Б., Леффлер У. Л., Смоляк С.А., Хачатуров В.Р., и др. Важной проблемой ВИНК является оптимизация транспортных потоков на долгосрочную перспективу. Эффективный метод решения транспортной задачи разработан лауреатом Нобелевской премии академиком Канторовичем Л.В.

Проблемам развития компьютерных методов моделирования (в частности, поддерживающих принципы системной динамики) посвящены работы Дж. Форрестера, Д. Медоуса, Морриса П., Хоуга Г., Павловского Ю.Н., Емельянова В.В., и др.

Одним из подходов к прогнозированию динамики спроса и цен на нефтепродукты является использование технологии CGE-моделирования, научно-практические возможности, которой исследованы в работах Леонтьева В., Ио-хансена, Диксона, Тайэлора Л., Харберга, Скарфа X., Фельштейна А., Шаха А., Макарова В.Л., Бахтизина А.Р., Бекларян Г.Л., и др.

Особый интерес заслуживают работы в области разработки и применения генетических оптимизационных алгоритмов и интеллектуальных информационных систем. Наиболее важные работы в этой области представлены Холлан-дом Дж., Гольдбергом Д.Е., Греффенестеном Дж., Журавлевым Ю.И., Рудаковым К.В., Эрлихом А.И., Хорошевским В.Ф., Курейчиком В.В., Еремеевым А.В. и др.

В то же время эффективное управление инвестиционной деятельностью ВИНК представляет собой принципиально сложную задачу. Основные трудности связанны в основном с необходимостью учета многих факторов при подготовке решений (макроэкономические показатели, технико-экономические показатели месторождений и скважин, затраты на консервацию, риски, спрос на нефтепродукты, производственные мощности, возможности транспортной системы и др.). Число этих факторов только для одного сектора upstream (нефтедобыча) измеряется сотнями. В целом же (с учетом временного фактора, а также общего количества месторождений, скважин, АЗС, нефтебаз, и др.) требуется провести одновременную компьютерную обработку нескольких десятков миллионов цифр, характеризующих все возможные проекты ВИНК. При долгосрочном инвестиционном планировании оценка влияния такого объема факторов принципиально сложная задача. Отметим, что она особенно актуальна для ВИНК (вертикально-интегрируемых компаний), в которых есть острая потребность в анализе всего портфеля проектов, в силу специфики организационно-бюджетной структуры компании, охватывающей все сферы ее многопланового бизнеса.

В российских нефтяных компаниях, как правило, принято проводить оценку инвестиционных проектов только на уровне отдельных звеньев и предприятий, например, в секторе upstream рассчитывать показатели месторождений, в секторе downstream (нефтепереработка) оценивать эффективность проектов в строительстве АЗС, и т.д. При этом забывается важный тезис о необходимости достижения сбалансированности в инвестиционной политике. В противном случае, нефтяная компания, может испытывать недостаток транспортных ресурсов, не получая достаточный эффект от наращивания добычи нефти. И наоборот, вкладывая значительные средства в строительство новых АЗС, за счет избыточной экономии на инновационных технологиях в нефтедобыче, компания рискует упустить дополнительную прибыль (особенно, в условиях стремительного роста цен на нефть, когда даже малодебитные скважины становятся рентабельными). К сожалению, такая несбалансированность в долгосрочном периоде может привести к более негативным последствиям (например, потеря позиций компании на ключевых рынках, ухудшение качества переработки, рост себестоимости добычи и т.п.). Высокие цены на нефть в определенной степени сглаживают эффект от несбалансированности, однако, с естественным падением уровня добычи в среднесрочной перспективе (5-10 лет), влияние просчетов, допущенных ранее, станет более ощутимым.

Сложность управления огромным портфелем проектов заключается, прежде всего, в трудности создания и технической реализации интегрированного программного комплекса уровня ВИНК. Необходимо отметить, что наиболее известные технологии, предназначенные для оптимизации инвестиционной политики нефтяных компаний (как западных, так и российских), имеют очень узкую специализацию (отдельные системы для upstream, downstream и т.д.), при этом связь между результатами деятельности предприятий различных звеньев, как правило, не учитывается. Другой принципиальной сложностью, является «изолированность» существующих систем управления, когда каждая отдельная система, предназначена для решения локальной задачи (например, оптимизации добычи на скважинах), без учета влияния других звеньев ВИНК. Кроме того, для успешного функционирования необходимо обеспечение полноты и непротиворечивости исходной статистической информации, которую практически невозможно достичь в российских условиях. И, наконец, существующие технологии не обеспечивают эффективной связки между стратегическим и оперативным планированиями. Недостаточно рациональное использование бюджетных средств на уровне дочерних добывающих предприятий зачастую приводит к существенному снижению эффекта от инвестиционной деятельности.

Многие управленческие решения подготавливаются «интуитивно», на основе экспертных знаний специалистов, методом простого ранжирования технических мероприятий на месторождениях. Конечно, в дальнейшем такие решения проходят некоторую апробацию (согласуются с руководством и другими подразделениями предприятия), однако эта процедура требует существенных временных и материальных затрат. Все это затягивает корпоративный инвестиционный процесс, и в определенной степени снижает эффект от капитальных вложений.

Нужно отметить, что в практике оперативного управления существуют и апробированы различные методы интенсификации добычи, направленные на увеличение коэффициента извлечения нефти (КИН). К их числу, можно отнести изменение сетки бурения, боковую зарезку стволов скважин, гидроразрыв пласта, приобщение пластов и др. В основном эти методы направлены на увеличение проницаемости пластов, либо снижение обводненности нефти. Их можно оценивать по эффективности, а также вероятности успешного проведения.

Вопросы прогнозирования дебита скважин и оценки эффекта от мероприятий остаются за рамками данной работы (этой теме посвящено много специализированных исследований), посвященной созданию системы управления инвестиционной деятельностью ВИНК, предназначенной, в частности, для максимизации ее акционерной стоимости.

При этом важнейшими управляющими параметрами системы являются: структура портфеля инвестиционных проектов во всех звеньях ВИНК; объемы поставок нефти, распределенные по внутренним и внешним маршрутам транспортной системы; объемы дополнительных закупок нефти у внешних поставщиков для нефтеперерабатывающих предприятий ВИНЮ, рыночные цены и спрос на нефтепродукты на внутреннем рынке, поставляемые по различным каналам сбыта ВИНК.

Цели и задачи исследования

Целью диссертации является разработка научно-обоснованных моделей, методов и системы оптимального стратегического управления инвестиционной деятельностью вертикально-интегрированной нефтяной компании (ВИНК) реализованных в рамках программного комплекса, представляющего собой: совокупность разработанных моделей управления инвестициями ключевых звеньев ВИНК, реализуемых методами компьютерного моделирования, и позволяющих решать различные управленческие задачи; разработанный генетический оптимизационный алгоритм с угасающей селекцией, обеспечивающий эффективную процедуру поиска квазиоптимальных инвестиционных решений для максимизации акционерной стоимости ВИНК при различных ограничениях; интеграцию компьютерных моделей звеньев ВИНК с корпоративным информационным хранилищем.

Цель исследования обусловила необходимость постановки и решения следующих задач.

1. Анализ существующих методов и инструментальных средств, предназначенных для управления инвестиционными проектами в нефтедобыче и нефтепереработке, а также компьютерных методов моделирования инвестиционной деятельностью ВИНК.

2. Анализ организационной структуры ВИНК, программных методов управления и существующих систем поддержки принятия решений вертикально-интегрированных нефтяных компаний.

3. Разработка укрупненной модели оценки акционерной стоимости ВИНК для выявления ключевых управляющих факторов, влияющих на капитализацию компании и направлений дальнейшего развития модели. 4

4. Разработка интегрированной модели управления инвестициями ключевых звеньев ВИНК (нефтедобычи, нефтепереработки и сбыта), обеспечивающей возможность максимизации ее акционерной стоимости.

5. Разработка модели управления инвестициями нефтегазодобывающего объединения (НГДО), отличительной особенностью, которой является дифференцированный принцип формирования проектов в нефтедобыче по месторождениям, что позволяет выявлять и «отключать» инвестиции в нерентабельные объекты эксплуатации, обеспечивая влияние на акционерную стоимость ВИНК. Данная модель является звеном в интегрированной системе управления инвестициями ВИНК.

6. Разработка модели управления транспортировкой товарной нефти, отличительной особенностью которой является реализация возможности оптимизации распределения сырья по направлениям поставок, в условиях динамически меняющихся объемов на входе (в пунктах отправки) и выходе (в конечных пунктах) внутренних и внешних маршрутов. Данная модель интегрирована с моделями звеньев нефтедобычи и нефтепереработки.

7. Разработка модели управления инвестициями нефтеперерабатывающего завода (НПЗ), отличительной особенностью, которой является реализация возможности реконфигурирования схемы построения НПЗ в зависимости от капиталовложений и спроса со стороны конечных потребителей во времени и интегрированность с моделями других звеньев ВИНК (нефтедобычи и транспортной системы), что позволило учесть цикл нефтепереработки в рамках единого инвестиционного процесса.

8. Разработка модели сбыта нефтепродуктов, интегрированной с моделью звена нефтепереработки, относящейся к классу CGE-моделей.

9. Разработка генетического алгоритма с угасающей селекцией, предназначенного для оптимизации акционерной стоимости ВИНК с учетом системы корпоративных ограничений и предпочтений.

Ю.Разработка алгоритмов и процедур, позволяющих решить важнейшую задачу ВИНК - максимизировать ее акционерную стоимость за счет эффективного управления инвестиционным капиталом.

11 .Разработка и внедрение информационно-аналитической системы поддержки принятия инвестиционных решений ВИНК, особенностью которой является интеграция моделей звеньев ВИНК (реализованных на системе Powersim) с корпоративным информационным хранилищем (SAP BW) и оптимизационным модулем (реализованным на С++). Использование такой архитектуры позволяет осуществлять эффективное управление сверхбольшим пулом инвестиционных проектов.

Основным объектом изучения данной работы является внутрикорпоративная инвестиционная стратегия вертикально-интегрированной нефтяной компании и ее ключевых звеньев: геологоразведка и нефтедобыча; транспортная система; нефтепереработка; сбыт нефтепродуктов.

При этом инвестиционная политика ВИНК рассматривается с учетом сложного взаимодействия показателей деятельности звеньев (через механизм перекрестных и обратных связей), наличием системы корпоративных ограничений и предпочтений, главным из которых является капитализация компании с учетом инфраструктурных особенностей (транспортной системы).

Основным предметом исследования данной работы являются программные средства управления инвестиционной деятельностью ВИНК, характеризуемой сложным механизмом взаимовлияния ключевых показателей деятельности холдинговой компании; необходимостью одновременного рассмотрения инвестиционных проектов по всем ключевым звеньям ВИНК; необходимостью принятия во внимание инфраструктурных особенностей (транспортной и сбытовой системы) и др.

Методы исследования в диссертации.

Предлагаемый в диссертации подход к разработке системы поддержки принятия решений ВИНК основан на использовании следующих методов теории управления, компьютерного моделирования и принятия решений: методы линейного программирования — для оптимизации распределения сырья (товарной нефти) по направлениям поставок; методы эконометрического анализа - для оценки эластичностей спроса на нефтепродукты по регионам РФ; технология CGE-моделирования (построения вычислимых моделей общего равновесия) и численных методов нелинейного программирования - для вычисления характеристик состояния квазиравновесия; генетические алгоритмы — для решения задачи максимизации акционерной стоимости ВИНК; инструментальные методы компьютерного моделирования, поддерживаемые пакетом имитационного моделирования Powersim -для реализации и интеграции разработанных моделей звеньев ВИНК на ЭВМ.

Достоверность научных результатов, выводов и рекомендаций, сформулированных в диссертации, определяется корректным применением теории управления и принятия решений, эконометрики, математического и компьютерного моделирования.

Обоснованность теоретических разработок подтверждена вычислительными экспериментами на персональных компьютерах, результаты которых позволяют сделать вывод об адекватности разработанных моделей. Основные положения, выносимые на защиту.

1. Разработанное математическое и программное обеспечение системы управления инвестиционной деятельностью ВИНК для: укрупненного подхода к оценке акционерной стоимости ВИНК; интегрированного подхода к моделированию звеньев ВИНК и оценке акционерной стоимости.

2. Разработанный генетический алгоритм с угасающей селекцией, предназначенный для оптимизации акционерной стоимости ВИНК

3. Разработанная процедура поиска кеазиоптимальных инвестиционных решений ВИНК.

4. Компьютерная реализация информационной системы поддержки принятия инвестиционных решений ВИНК.

Научная новизна.

К наиболее существенным научным результатам относятся следующие:

1. впервые технически реализована система оптимизации портфеля инвестиционных проектов одновременно по всем звеньям ВИНК, что позволяет, в частности, оптимизировать акционерную стоимость.

2. разработана укрупненная модель ВИНК для первичной оценки акционерной стоимости, в которой в отличие от других существующих моделей ВИНК, реализована высокая степень детализации влияющих факторов, среди которых один из наиболее важных - динамика перехода скважин из нового фонда в старый с соответствующим изменением объемов добычи.

3. разработан новый методологический и программный инструментарий, позволяющий оценивать показатели эффективности инвестиционных проектов, с учетом обратных зависимостей между внутренними характеристиками как на уровне отдельных звеньев ВИНК, так и по компании в целом;

4. впервые использована технология CGE (computable general equilibrium models) для моделирования системы сбыта нефтепродуктов ВИНК, что позволяет на более качественном уровне прогнозировать динамику спроса и цен на нефтепродукты в долгосрочной перспективе;

5. разработана процедура формирования и отбора квазиоптимальных инвестиционных решений, отличительной особенностью которой является обязательное проведение анализа устойчивости портфеля инвестиционных проектов ВИНК по характеристике рентабельности;

6. для задачи максимизации акционерной стоимости ВИНК разработан новый генетический алгоритм (ГА) с правилами угасающей селекции, существенно повышающий эффективность процедуры поиска квазиоптимальных инвестиционных решений.

Практическая значимость результатов исследования.

Совокупность результатов, полученных в диссертации, представляет собой новое достижение в области создания математического и программного обеспечения систем поддержки принятия решений для вертикально-интегрированных нефтяных компаний. Разработанная интегрированная модель управления акционерной стоимости ВИНК и ее ключевых звеньев, а также предложенная процедура поиска квазиоптимальных инвестиционных решений, предназначены для непосредственного применения на практике. Разработанный в диссертации генетический алгоритм может практически использоваться в рамках программного комплекса для оптимизации акционерной стоимости ВИНК. Разработанные компьютерные модели звеньев ВИНК, реализованные на платформе имитационного моделирования Powersim Studio, могут использоваться для оценки эффективности инвестиционных проектов соответствующих отраслевых сегментов ВИНК, либо самостоятельно, либо в составе разработанной автоматизированной системы управления в качестве инструментального средства долгосрочного инвестиционного планирования ВИНК.

Реализация результатов работы.

Научные результаты, полученные в ходе диссертационного исследования, являются вкладом в теорию управления и методологию построения систем поддержки принятия стратегических решений для нефтяных компаний. Разработанная система успешно внедрена в ОАО «ЛУКОЙЛ» и используются при подготовке стратегических решений.

Апробация работы.

Результаты работы обсуждались на семинарах и конференциях: семинары лаборатории экспериментальной экономики ЦЭМИ РАН (1999, 2002, 2004, 2006, 2008), семинар «Проблемы моделирования производственных системы» (ЦЭМИ РАН, 2004), семинары «Многомерный статистический анализ и вероятностное моделирование реальных процессов» (ЦЭМИ РАН, 1998, 2000, 2003, 2004), семинары в Вычислительном Центре РАН (1999, 2005, 2008), пятый всероссийский симпозиум «Стратегическое планирование и развитие предприятий» (ЦЭМИ РАН, 2004), международная конференция «Государственное управление и новые технологии» (секция «Имитационные модели и игры в управлении природными ресурсами» (МГУ, 2004)), международная конференция «Системные проблемы надежности, качества информационных и электронных технологий» (Информационные Бизнес Системы - IBS, 2004), международный научно-практический семинар «Передовые концепции физикохимии и логистики ресурсосберегающих высоконадежных химических технологий, наукоемких производств и предприятий» (РХТУ им. Д.И. Менделеева, 2006) и др.

Публикации. Основное содержание диссертационной работы опубликовано в 31 печатной работе общим объемом 40 п.л. (личный вклад автора - 35 п.л.), в том числе 1 монография (лично) и 18 статей в журналах из перечня ВАК РФ (из них 3 в соавторстве).

Структура и объем.

Диссертация состоит из введения, 7 глав с выводами по каждой главе, заключения, приложений и списка литературы, содержащего 150 наименований. Общий объем работы составляет 271 страниц машинописного текста, включая 49 рисунков, 12 таблиц.

Основные результаты работы.

Впервые создана и реализована интеллектуальная информационная система по управлению инвестиционной деятельностью ВИНК для решения важнейшей задачи по оценке и максимизации акционерной стоимости нефтяной компании.

Разработано специальное математическое и программное обеспечение системы управления инвестиционной деятельностью ВИНК: разработана модель управления инвестиционной деятельностью нефтегазодобывающего объединения интегрированная с транспортной моделью и учитывающая дифференцированный принцип формирования проектов по месторождениям; разработана транспортная модель нефтяной компании, отличительной особенностью которой является учет ключевых характеристик действующей транспортной системы (в том числе, пропускных способностей, различных маршрутов), возможность расчета цен на нефть по методу net back и связь с моделями звеньев upstream и downstream; разработана модель звена нефтепереработки, которая в отличие от ранее известных моделей, позволяет реконфигурировать схему построения НПЗ в зависимости от динамики спроса на нефтепродукты и инвестиций в добычу; разработана модель сбыта нефтепродуктов на внутреннем рынке (CGE-модель), интегрированная с имитационной моделью НПЗ, и позволяющая на более качественном уровне спрогнозировать долгосрочную динамику спроса и цен на нефтепродукты.

Разработан новый генетический алгоритм (ГА) с угасающей селекцией, позволяющий решать задачу максимизации акционерной стоимости ВИНК с наибольшей эффективностью за счет встроенной процедуры угасающей селекции.

Разработана архитектура системы поддержки принятия решений (СППР), обеспечивающая, в частности, максимизацию акционерной стоимости нефтяной компании при различных сценарных условиях и ограничениях за счет эффективного управления инвестиционным капиталом. Осуществлено внедрение разработанной имитационной модели в крупнейшей российской нефтяной компании (ОАО «ЛУКОЙЛ»). В результате практического использования этой системы проведена серия вычислительных экспериментов и подготовлены рекомендации (подробно описанные в диссертации) по «рациональному» управлению инвестициями ВИНК.

Рекомендации, подготовленные для ВИНК в результате практического использования разработанной системы.

1. Выявлены сотни нерентабельных проектов, закрытие которых улучшило расчетную акционерную стоимость компании. Вырученные средства были направлены на другие проекты и финансирование социальных программ.

2. Минимизированы транспортные издержки нефтяной компании, за счет разработки и интеграции транспортной модели в корпоративную инвестиционную модель ИДКМ.

3. Выявлена группа проектов, инвестирование которых предпочтительно при высоких ценах на нефть и курсе доллара, в частности проекты в звене upstream, относящиеся к интенсификации добычи (боковая зарезка стволов), период окупаемости которых составляет в среднем полгода.

4. Выявлена группа проектов, инвестирование которых сомнительно при высоких ценах на нефть, в частности проекты по строительству автозаправочных станций в Дальневосточном Федеральном округе (в котором наблюдается некоторое снижение спроса на бензин, за счет увеличения парка малолитражных автомобилей японского производства). Однако при снижении мировых цен на нефть, строительство АЗС в этом округе вновь станет рентабельным.

5. Найдены условно оптимальные варианты реконструкции НПЗ, работающие по сложной схеме. Обнаружено, что при снижении цен на нефть ниже 40 долл. за баррель и в условиях высокой монополизации российского рынка нефтепродуктов, важнейшим направлением развития НПЗ должна стать реконструкция коксового производства, а также реконструкция производства присадок и висбрекинг. В настоящее время, эти варианты развития НПЗ характеризуются низкой рентабельностью (так как дополнительные установки стоят миллионы долларов, а соответствующие инвестиционные проекты не выдерживают конкуренцию с альтернативными проектами по интенсификации добычи нефти для увеличения экспортной составляющей ВИНК).

6. Выявлена необходимость инвестирования в инфраструктуру добычи нефти, особенно в условиях растущего спроса на нефть со стороны мировых рынков. В частности, потенциально рентабельными оказываются морские проекты ВИНК и приобретение танкеров. Не смотря на огромные сопутствующие затраты, морские запасы нефти остаются наиболее перспективными (особенно на севере Каспия). Однако период окупаемости таких проектов, составляет 5 — 7 лет (без учета разведочного бурения), и поэтому развитие этих проектов требует привлечения крупных иностранных инвесторов, ориентированных на долгосрочные капиталовложения.

7. Выявлена потребность в реконструкции транспортной инфраструктуры (мощности трубопроводов могут значительно ограничить экспортные поставки уже в ближайшем будущем).

8. Проведено исследование портфеля инвестиционных проектов на устойчивость по отношению к макроэкономическим факторам, и установлено, что инвестиционный портфель ВИНК устойчив только на 15 - 20 % (в основном это проекты развития и обустройства вы-сокодебитных месторождений), не менее 20 % проектов являются нерентабельными даже в условиях высоких цен на нефть (в основном это проекты, касающиеся интенсификации добычи на малоде-битных месторождениях по старым технологиям, а также некоторые проекты по реконструкции НПЗ, работающих по сложной схеме), и почти 40 - 50 % проектов могут стать нерентабельными при падении мировых цен на нефть ниже 30 долл. за баррель. Для преодоления соответствующих трудностей, которые могут возникнуть в будущем, необходимо уже сегодня сбалансировать инвестиционную политику - существенно увеличить капиталовложения в сегменте downstream (строить новые НПЗ), развивать принципиально новые технологии интенсификации добычи нефти (горизонтальное бурение скважин).

Заключение

В настоящей научной квалификационной работе изложены научно-обоснованные решения по созданию математического и программного обеспечения для системы «рационального» управления инвестиционной деятельностью вертикально-интегрированной нефтяной компании (ВИНК) и представляющие собой: совокупность разработанных математических моделей ключевых звеньев ВИНК, реализуемых методами компьютерного моделирования, и позволяющих решать различные управленческие задачи; разработанный генетический оптимизационный алгоритм, обеспечивающий поиск квазиоптимальных инвестиционных решений максимизирующих акционерную стоимость ВИНК при различных ограничениях; интеграцию компьютерных моделей звеньев ВИНК с корпоративным информационным хранилищем.

1. Форрест Грей. Добыча нефти - .М: Олимп-бизнес, 2005.

2. Адонин А.Н. Выбор способа добычи нефти. М.Недра, 1971 г. — 184 с.

3. Ли Г.С. Экономическая эффективность газлифтного способа добычи нефти // РНТС ВНИИОНГ. Сер. Нефтепромысловое дело. 1976. - № 4 -С. 33 -35.

4. Ли Г.С., Аржанов Ф.Г., Башин В.А. Оценка технико-экономической эффективности применения газлифта на Правдинском месторождении // Нефтяное Хозяйство. 1975. - № 10. С. 21 - 23.

5. Кабиров М.М., Ражетдинов У.З. Интенсификация добычи нефти и ремонт скважин Уфа: Изд-во УГНТУ, 1994. - 127 с.

6. Смоляк С.А. Проблемы финансирования работ по ликвидации нефтяных месторождений / Оценка эффективности инвестиций. Сб. статей под ред. В.Н.Лившица. Выпуск 2. М.: ЦЭМИ, 2002, с. 139-158.

7. Смоляк С.А. Рациональные сроки прекращения разработки нефтяного месторождения // Аудит и финансовый анализ, # 3, 2002, с.230-24.

8. Смоляк С.А. Оценка нефтяных месторождений и национальное богатство России // Имущественные отношения в Российской Федерации, #9, 2003, с.61-63.

9. Гаврилов В.П., Дворецкий П.И., Дунаев В.Ф., Пономарев В.А., Руднев А.Н. "Геология и нефтегазоносность Московской и Мезенской синеклиз" ОАО "Газпром" 2000г.

10. Вдовыкин Г.П. Введение в нефтегазовую геологию трапповых регионов. М.: Недра, 1994. - 287 с.

11. Хаддэл Д.Г., Брэд К. Дж., Киннингхем Р. Тектоника зон сжатия и прогноз запасов природного газа. // Нефть, газ и нефтехимия за рубежом. -1992 №11/12-с.31-34.

12. Хачатуров В.Р., Аржанов, Ф.Г., Астахов Н.Д., и др. Система проектирования генеральных схем обустройств нефтяных месторождений на ЭВМ и опыт ее использования. ВНИИОЭНГ, 1980.

13. Хачатуров В.Р. Математические методы регионального программирования. М.: Наука. Гл. ред. физ.-мат. лит., 1989. - 304 с.

14. Хачатуров В.Р., Веселовский В.Е., Злотов А.В., и др. Комбинаторные методы и алгоритмы решения задач дискретной оптимизации большой размерности. М.: Наука, 2000. - 360 с.

15. Хачатуров В.Р. Алгоритм и программа решения задач размещения предприятий с неограниченными объемами производства // Экономика и мат. Методы. 1967. - т.З. вып. 2. - С. 240 - 251.

16. Черенин В.П. Решение некоторых комбинаторных задач оптимального планирования методом последовательных расчетов. Научно-методические материалы экономико-математического семинара ЛЭММ АН СССР, вып. 2, Москва, 1962 г.

17. Багриновский К.А. О математических методах решения задач оптимального размещения производства // Модели и методы оптимального развития и размещения производства. Научные тр. НГУ. Сер. Экономическая. Вып. 3. Новосибирск, 1965.

18. Hitchcock, F. L. "Distribution of a Product from Several Sources to Numerous Localities", The Journal of Mathematics and Physics, vol. 20, August 1941, pp. 224-230.

19. Л.В.Канторович. Математические методы организации и планирования производства. Ленинград: Изд-во ЛГУ, 1959.

20. Уильям Л. Леффлер. Переработка нефти М: Олимп-бизнес, 2005.

21. О. Брагинский. Экономические проблемы "нефтехимического крыла"нефтегазового сектора М.: ИНП РАН, 1999.258

22. О. Брагинский. Развитие нефтеперерабатывающей промышленности мира под влиянием требований к охране окружающей среды М.: ЦЭМИ РАН, 2000.

23. О. Брагинский, Э. Шлихтер. Мировая нефтепереработка: экологическое измерение. М. Академия, 2003 г.

24. Мешалкин В.П., Дови В., Марсанич А. Принципы промышленной логистики. — Москва, Генуя, 2002. 722 с.

25. Taylor L. Socially relevant policy analysis: structural list computable general equilibrium models for the developing world, MIT press, Cambridge (MA), 1990.

26. Johansen LA. Multicultural Study of Economic Growth, Amsterdam New Holland, 1960.

27. Dixon P.B., Paramenter B.R., Sutton J and Vincent D.R. ORANI: A Mul-tisectoral Model of the Australian Economy, Amsterdam New Holland, 1982.

28. Harberger A. The incidence of the corporate income tax. Journal of Political Economy 70:215-240, 1962.

29. Scarf H. The computation of economic equilibria. Yale University Press, New Haven and London., 1984.

30. Feltenstein A., Shah A. General equilibrium effects of investment incentives in Mexico, Journal of Development Economics 46, 1995, 253-269.

31. Koh Y. "Analysis of Oklahoma's Boom and Bust Economy by Means of a CGE Model." Unpublished Ph.D. Dissertation, Oklahoma State University, Stillwater, Oklahoma, 1991.

32. Berck P., Golan E. and Smith B. Dynamic Revenue Analysis for California. University of California, Berkeley, 1996.

33. Макаров В.JI. Вычислимая модель российской экономики (RUSEC). / Препринт # WP/99/069. М.: ЦЭМИ РАН, 1999.

34. Бекларян Г.Л. Анализ эффективности экономической политики государства России с помощью вычислимой модели общего равновесия, описывающей взаимодействие совокупного потребителя, совокупного производителя и государства. / -М.: Препринт ЦЭМИ РАН, 2002 г.

35. Бахтизин А.Р. Вычислимая модель "Россия: Центр Федеральные округа". / Препринт # WP/2003/151. - М.: ЦЭМИ РАН, 2003. - 67 с. (Рус.).

36. Thissen М. A Classification of Empirical CGE Modeling. SOM Research Report 99C01, University of Groningen, 1998.

37. Robinson, S., M. Kilkenny, and K. Hanson. "The USDA/ERS Computable General Equilibrium (CGE) Model of the United States." Staff Report No AGES 9049, Agricultural and Rural Economy Division , Economic Research Service, USDA, 1990.

38. Devarajan S., Lewis J, Robinson S., External Shocks, Purchasing Power Parity, and Equilibrium Real Exchange Rate. California, Agriculture Experiment Station, Working Paper, № 661, 1991.

39. Berck P., Golan E. and Smith B. Dynamic Revenue Analysis for California. University of California, Berkeley, 1996.

40. Debreu G. Theory of value // Gowles foundation monograph, 17, New York, John Wiley and sons, inc., 1959.

41. Walras L. Elements of pure economics / trans. W. Jaffe, Homewood, 111., Richard D. Irwin, inc., 1954.

42. Keunne R.E. The theory of general economic equilibrium, Princeton, N.J., Princeton university press, 1963.

43. Марашима M. Равновесие, устойчивость, рост. M.: Наука, 1972.

44. Arrow K.J., Debreu G. Existence of an equilibrium for a competitive economy // Econometrica, 22, 1954, 265-290.

45. Arrow K.J. Economic equilibrium, international encyclopedia of the social sciences, vol. 4, New York, The Macmillan Company and the free press.

46. Wald A. On some systems of equations of mathematical economics, // Econometrica, 22,1954, 147-161.

47. Узяков M.H. Проблемы построения межотраслевой модели равновесия

48. Российской Экономики. // Проблемы прогнозирования, 2000 г.260

49. Серебряков Г.P. "Russian Interindustry Model: Private Income and Consumption Expenditures" Доклад на VII международной конференции INFORUM World Confertnce (Beijing, China, 22-29 Aug., 1999).

50. B. Decaluwe, L. Savard and E. Thorbecke. General equilibrium approach for poverty. Analysis. CREFA, Departement d'economique, Universite Laval, G1K 7P4, Quebec, Canada. 2001.

51. GAMS Development Corporation, Website, www.GAMS.com, February 13, 1999.

52. Jay W.Forrestter. «Industrial dynamics», Productivity Press, Portland Oregon, 1961.

53. Edward B. Roberts, editor «Managerial Application of System Dynamics», Productivity Press, Cambridge, Massachusetts Norwalk, Connecticut, 1994.

54. Toil D.R. System dynamics — background, methodology, and applications, Part 2, Applications. Computing and Control Engineering Journal, December, 261-66, 1993.

55. Sobotka Anna. Simulation modeling for logistics re-engineering in the construction industry, Construction Management & Economics; Mar 2000.

56. Riddalls С. E, Bennett S. Modeling the dynamics of supply chains, International Journal of Systems Science; Aug 2000.

57. Thompson Ray, Understanding cash flow: a system dynamic analysis, Journal of Small Business Management; Apr 1986.

58. С. E. RIDDALLS, S. BENNETT and N. S. TIPI. Modelling the dynamics of supply chains International Journal of Systems Science ISSN 0020±7721 print/ ISSN 1464±5319 online # 2000 Taylor & Francis Ltd.

59. H. L I, P. E. D. LOVE & D: S. DREW. Effects of overtime work and additional resources on project cost and quality © 2000 Blackwell Science Ltd.

60. Arditi D. Factors that affect process quality in the life cycle of building projects. ASCE Journal of Construction Engineering and Management, 124, 1998, 194-203.

61. Chan, D.W.M. & Kumaraswamy, M.M. A study of the factors affecting construction duration's in Hong Kong. Construction Management and Economics, 13, 1995,319-333.

62. Halligan, D.W., Demsetz, L.A., Brown, J.D. & Pace, C.B. Action-response model and loss of productivity in construction. ASCE Journal of Construction Engineering and Management, 120, 1994,47-64.

63. High Performance Systems Inc. IThink Users Man-ual. High Performance Systems Inc. Hong Kong Housing Authority (1989-90). Hong Kong, 1994.

64. M.M. & Chan, D. W.M. Housing Authority Annual Report. Hong Kong Special Ad-ministrative Region Government Publishers. Kumaraswamy, (1998), Contribu-tors to construction delays. Construction Management and Economics, 16, 17-29.

65. Love, P.E.D., Li, H. & Mandal, P. Rework a symptom of a dysfunctional supply-chain. European Journal of Purchasing and Supply Management, 5, 1999a, 1-11.

66. Love, P.E.D., Li, H. & Mandal, P. Determining the causal structure of rework influences in5 construction. Construction Management and Economics, . 17, 1999b, 505-517.

67. Love, P.E.D., Mandal, P., Smith, J. & Li, H. Modelling the dynamics of design error induced rework in construction. Construction Management and Economics.

68. Majid, M.Z.A. & McCaffer, R. Factors of non-excusable delays that influence contractors' performance. ASCE Journal of Management in Engineering, 14, 1998, 42-49.

69. John Wiley & Sons, New York, New York Mohapatra, P.K.J., Mandel, P. & Bora, M.C. Introduction to System Dynamics Modeling. Universities Press, Delhi, India, 1994.

70. Nkado, R.N. Construction time-influencing factors: the contractor's perspective. Construction Management and Economics, 13, 1995, 81—89.

71. Okpala, D C. & Aniekwu, A.N. Causes of high costs of construction in Nigeria. ASCE Journal of Construction Engineering and Management, 1988, 114, 233-244.

72. Rodrigues, A. & Bowers, J. The role of system dynamics in;project management. International Journal of Project Management, 14, 1996, 213-220.

73. Scott, S. Delay claims in UK contracts. ASCE Journal of Construction Engineering and Management, 123, 1997, 238-244.

74. Yogeswaran, К., Kumaraswamy, M.M: & Miller, D.R.A. Perceived sources and causes of construction claims. Journal of Construction Procurement, 3; 1997, 3-26.

75. Багриновский К.А. Имитационное моделирование переходной экономики России / В сб. "Управление экономикой переходного периода". Вып.2 М.: Наука, 1998.

76. Багриновский К.А., Бендиков М.А., Хрусталев Е.Ю. ИнформационныеАтехнологии формирования и управления крупными научно-техническими проектами // Автоматика и телемеханика, № 8, 1999.

77. Егорова Н.Е. Вопросы согласования плановых решений с использованием имитационных систем. / М.: Наука, 1987.

78. Сидоренко В.Н. Системная динамика. М.: ТЕИС, 1998.

79. Емельянов А.А. Имитационное моделирование экономических процессов, М. «Финансы и статистика», 2002г.

80. Горбунов А. «Управление финансовыми потоками», М.: ТОРА-ИнфоЦентр, 2000.

81. Евсюнина К, Чесалова М. Работа с пакетом динамического моделирования Powersim. М.: ТОРА-ИнфоЦентр, 1998.

82. Горохов В. Системная динамика регионального развития, -СПб. Наука, 2003 г. . £' ^

83. Акопов А. С. Системно-динамический подход в управлении инвестиционной деятельностью нефтяной компании. // Аудит и Финансовый анализ, № 2, 2006, с. 153-188.

84. Акопов А. С., Бекларян Г.Л. Применение системной динамики в управлении нефтегазодобывающим предприятием. // Аудит и Финансовый анализ, № 1, 2006, с. 266-276.

85. Акопов А.С. Модели управления субъектом ТЭК // Аудит и Финансовый анализ, №1, 2005. -с.40-44.

86. Акопов А.С., Бекларян Г.Л. Анализ эффективности регулирующей политики государства с помощью региональной CGE модели поведения естественных монополий (на примере электроэнергетики). // Экономическая наука современной России, №4, 2005.

87. Акопов А. С. Проблемы управления субъектом ТЭК в современных условиях. / Монография, ML: ЦЭМИ РАН, 2004,- 246 с.

88. Акопов А.С. Проблемы управления субъектом ТЭК в современных условиях. // Сборник научных трудов. Приложение к Ж. Аудит и Финансовый анализ, № 4, 2004. -с.114-192.

89. Акопов А.С. Использование средств динамического имитационного моделирования для подготовки управленческих решений в ТЭК// Системы управления и информационные технологии М., № 4, 2004. -с.51-56.

90. Акопов А.С. Методы повышения эффективности управления нефтегазодобывающими объединениями // М. Экономическая наука современной России, №3, 2004. -с.88-99.

91. Акопов А.С. Динамическое имитационное1 моделирование как инструмент подготовки и поддержки принятия управленческих решений для предприятий ТЭК. // Аудит и Финансовый анализ, №3, 2004. -с.251-256.

92. Акопов А.С., Бекларян Л.А. Анализ эффективности государственной регулирующей политики по отношению к субъектам ТЭК с помощью динамического имитационного моделирования/ Препринт # WP/2004/174.-М.: ЦЭМИ РАН, 2004.-47с.

93. Акопов А. С. Модель поведения естественной монополии с учетом экспортной составляющей (на примере отраслей топливно-энергетического комплекса). / Сборник трудов сотрудников лаб. экспериментальной экономики. М.: ЦЭМИ РАН, 2001. -с.77-101.

94. Акопов А. С. Анализ поведения естественной монополии с помощью двухсекторной модели экономики. // Аудит и Финансовый анализ, № 1, 2000. -с. 132-145.

95. Bremermann Н. J., Roghson J., SalaffS. Global properties of evolution processes. Natural automata and useful simulations. London: Macmillan. 1966. pp 3-42.

96. Мб.Holland J. H. Adaptation in natural and artificial systems. Ann Arbor: University of Michigan Press. 1975.

97. Растригин Л. А. Случайный поиск — специфика, этапы истории и предрассудки. Вопросы кибернетики. Вып. 33 (1978), с. 3—16.

98. Goldberg D. Е. Genetic algorithms in search, optimization, and machine learning. Reading, MA: Addison-Wesley. 1989.

99. Rechenberg I. Evolutionsstrategie: Optimierung technischer Systeme nach Prinzipien der Biologischen Information, Freiburg: Fromman, 1973.

100. Mirchandani P. В., Francis R. L. Discrete Location Theory. New York: John Wiley and Sons, 1990.

101. Александров Д. А. Алгоритм муравьиной колонии для задачи о минимальном покрытии. XI междунар. Байкальская школа-семинар Методы оптимизации и их приложения, Труды, тЗ (1998), Иркутск, с. 17-20.

102. Береснев В. Л., Гимади Э. X., Дементьев В. Т. Экстремальные задачи стандартизации. Новосибирск: Наука, 1978.

103. Гончаров Е. Н., Кочетов Ю. А. Поведение вероятностных жадных алгоритмов для многостадийной задачи размещения. Дискретный анализ и исследование операций. Сер.<2. тб (1999), № 1, с. 12-32.

104. Aggarwal С. С., Orlin J. В., Tai R. P. Optimized crossover for maximum independent set. Oper. Res. v45 (1997), pp 225-234.

105. Eiben A. E., Raue P. E., Ruttkay Zs. Genetic Algorithms with multiparent recombination. Parallel Problem Solving from Nature III. Berlin: Springer Verlag, (LNCS), v866 (1994), pp 78-87.

106. Boese K. D., KahngA. В., Muddu S. A new adaptive multi-start technique for combinatorial global optimizations. Oper. Res. Lett. vl6 (1994), N2, pp 101114.

107. Johnson D. S., McGeoch L. A. The traveling salesman problem: a case study. Local search in combinatorial optimization, Chichester: Wiley, pp 215-310.

108. Велъмисов А. П. Формирование портфеля ценных бумаг с использованием ГА. Тезисы докладов XXXV научно-технической конференции.

109. ХЪЪ.Курейчик В.М: Генетические алгоритмы. Таганрог: изд-во ТРТУ, 1998. - 242 с. // Фундаментальная теорема ГА, стр.65-101.

110. Акопов А.С. Процедура и алгоритмы формирования квазиоптимальных инвестиционных решений вертикально-интегрированной нефтяной компании. // Труды Института Системного Анализа РАН, Выпуск 32(1), 2008.

111. Акопов А.С. О сходимости и устойчивости модифицированного генетического алгоритма в задаче управления инвестиционным портфелем вертикально-интегрированной нефтяной компании. // Труды Института Системного Анализа РАН, Выпуск 32(1), 2008.

112. Акопов А.С. Применение модифицированного генетического алгоритма в системе управления нефтеперерабатывающим предприятием // Труды Института Системного Анализа РАН, Том 25(1), 2006,-с.7-19.

113. Выгон Г.В. Методы оценки нефтяных компаний в условиях неопределенности // Ж. Аудит и финансовый анализ 2001'1.

114. Виленский П.Л., С. А. Смоляк. Как рассчитать эффективность инвестиционного проекта. Расчет с комментариями. М.: Инст. пром. развития (Ин-формэлектро), 1996.

115. Выгон Г. В. Оценка фундаментальной стоимости нефтяных месторождений: метод реальных опционов//Экономика и математические методы. — 2002. том 37. - № 2. - С. 54-69.