Инструменты оптимизации финансовой стратегии крупных корпораций в Китае (на примере «Petrochina»)

В современном управлении, планировании и анализе часто необходимо принимать обоснованные решения в условиях наличия некоторого количества критериев. Существует множество способов поддержки принятия решений (СППР), каждый из которых имеет свои особенности, преимущества и ограничения. Остановимся на трех из них, наиболее распространенных с нашей точки зрения, и проведем их сравнительный анализ. Будем рассматривать классический метод анализа иерархий (МАИ, AHP), J-ELECTRE 1v (вариант метода ELECTRE),TOPSIS (Technique for Order Preference by Similarity to Ideal Solution)

Классический МАИ (AHP — Analytic Hierarchy Process) - метод, предложенный Томасом Саати, представляет проблему в виде иерархии целей, критериев и альтернатив. Он основан на парных сравнениях и субъективной оценке предпочтений.

Его ключевые этапы:

—  Формирование иерархии.

— Сравнение элементов попарно по шкале Саати.

—   Расчёт весов и проверка согласованности (CI, CR).

— Выбор альтернативы с максимальным приоритетом.

К плюсам данного метода можно отнести:

—  Удобство для экспертных оценок.

—  Интуитивную понятность.

—  Возможность учета иерархической структуры.

Минусами являются:

—   Зависимость от субъективности экспертов.

— Проблемы с масштабом (при большом числе критериев и альтернатив).

Метод J-ELECTRE 1v является одной из версий метода ELECTRE, который относится к классу методов сверхранжирования (outranking). Эта версия адаптирована для работы с бинарными отношениями предпочтений.

Основные принципы метода J-ELECTRE 1v:

— Определение степени доминирования одной альтернативы над другой.

— Использование конкордансных и дискордансных индексов.

—  Построение графа предпочтений.

—  Отбор альтернатив, не доминируемых другими.

Плюсами данного метода являются:

—  Эффективность при слабой формализуемости.

—  Возможность использования для конфликтных и неполных данных.

—  Не требуется нормализации весов.

К минусам метода можно отнести:

— Требуется настройка порогов (конкорданс, дискорданс).

—  Возможна неоднозначность при ранжировании.

—   Сложность восприятия для непосвящённых пользователей.

Метод TOPSIS (Техника упорядочивания на основе приближённости к идеальному решению) предлагает выбирать альтернативу, наиболее близкую к идеальной и наименее близкую к наихудшей.

Его ключевые этапы:

—  Построение нормализованной матрицы решений.

—  Учет весов критериев.

—   Определение идеального (best) и антиидеального (worst)

решений.

— Расчёт расстояний и относительной близости к идеалу.

Плюсы метода TOPSIS:

—   Учитывает как положительные, так и отрицательные аспекты.

—   Прост в реализации.

—  Хорошо масштабируется.

Минусы данного метода:

—  Зависимость от нормализации данных.

— Может    игнорировать    логические    несоответствия предпочтений.

— Не работает с нечисловыми критериями.

Проведем сравнительный анализ данных методов по некоторым критериям и представим результаты в таблице 1.

Таблица 1

Название метода Критерии	Классический метод анализа иерархий	J-ELECTRE 1v	TOPSIS
Тип метода	Парные сравнения	Сверхранжирование	Математическое расстояние
Требование к числовым данным	Низкое	Среднее	Высокое
Учет субъективных факторов	Да	Да	Нет
Поддержка неполных данных	Частично	Да	Нет
Интерпретируемость	Высокая	Средняя	Высокая
Устойчивость к изменениям	Средняя	Высокая	Средняя
Наличие ранжирования	Да	Частично (сверхранж.)	Да
Простой расчет	Относительно простой	Сложный	Простой

Сравнительные результаты показывают, что классический МАИ подходит для ситуаций, где важны экспертные мнения и возможно создание иерархической структуры. Он рекомендуется при относительно небольшом числе альтернатив и критериев.

Метод J-ELECTRE 1v эффективен в конфликтных и слабоформализованных задачах, особенно если трудно задать точные числовые оценки. Однако он требует большей аналитической подготовки.

Метод TOPSIS хорош для задач с числовыми критериями и четко определенными весами, когда важна объективность и скорость анализа.

Таким образом, выбор метода зависит от характера задачи, типа данных, доступных ресурсов и компетенций экспертов.