Комплексный подход к оценке имущественных отношений между экономическими субъектами Российской Федерации (микро- и мезоэкономические аспекты)
Автор: Лушин С.В.
Журнал: Имущественные отношения в Российской Федерации @iovrf
Рубрика: Управление собственностью
Статья в выпуске: 4 (31), 2004 года.
Бесплатный доступ
Короткий адрес: https://sciup.org/170151143
IDR: 170151143
Текст статьи Комплексный подход к оценке имущественных отношений между экономическими субъектами Российской Федерации (микро- и мезоэкономические аспекты)
Теория прогресса Хокинса
Уйти нам трудно от мирских забот, Но Вечность постигает только тот, Кто на шаг сойдет с тропы привычной И путь продолжит от других отличный.
Авицена (Абу Али Ибн Сина, ок. 980 – 1037 гг.)
Переход от оценки эффективности инвестиционных проектов к моделям и алгоритмам теории графов
Развивая применение оценок эффективности инвестиционных проектов 2, перейдем к изучению зависимостей оптимального инвестиционного портфеля (ОИП) и структуры потенциальных инвесторов от изменения условий состояния макросреды. Для решения задач, обусловленных такой зависимостью, воспользуемся математическими моделями и методами в логистике из теории графов (алгоритмы Егервари и Гросса) . В целях сопоставимости количественных результатов по выбранным функционалам (критериям) не будем менять базу исходных данных A (i, j) для всех состояний макросреды. Составим вербальную модель действительного хода инвестиционного процесса с помощью определенной системы понятий и ограниченного набора показателей. Условное производственное объединение (ПО), состоящее из пяти дочерних предприятий (i = 1 ^ 5, i е I), сформировало по тендерам эмитентов инвестиционную программу из шести финансовых активов (j = 1 ^ 6, j е J) со следующими, «плавающими по времени», объемами инвестиций (I) млрд р.:
j ~ 1 ^ 5 < I < 13;
j ~ 2 ^ 3 < I < 12;
j ~ 3 ^ 4
j ~ 5’ ^ 6 < I < 15;
j ~ 6 ^ 3 < I < 10,
-
1 Часть I см. // Имущественные отношения в Российской Федерации. 2004, № 3.
-
2 Виленский П.Л., Лившиц В.Н., Смоляк С.А. Оценка эффективности инвестиционных проектов. Академия народного хозяйства при Правительстве Российской Федерации. М.: Дело, 2002.
где «нижняя планка» (соответственно 5, 3, 4, 8, 6, 3) означает минимальный размер первого лота (транша) инвестиций.
Дочерние предприятия, изучив инвестиционные проекты (1), направили в управление инвестиций ПО свои предложения [ A(i, j) ] относительно их участия в инвестиционной стратегии объединения.
Задача (обычно формулируется ЛПР в форме поручения (распоряжения) или приказа): на основе предложений дочерних предприятий управлению инвестиций подготовить проект решения совета директоров об оптимальных финансовых потоках и структуре потенциальных инвесторов (ПО и ДП) в инвестиционных портфелях объединения для следующих состояний макросреды: а) непредсказуемое; б) условно-стабильное; в) стабильное; г) динамично развивающееся. Вербальная модель сформулированной выше комплексной задачи имеет в своих проекциях на четыре состояния макросреды конкретные локальные постановочные задачи: минисуммную, максиминную, минимаксную и максиминную, рассмотрение которых – предмет содержательного изложения настоящей и последующих частей исследования.
Следующим шагом будет поэтапное решение локальных постановочных задач с помощью алгоритмов Егервари и Гросса и методов имитационного моделирования. Для наглядности, количественные показатели ОИП (объемы инвестиционных потоков, млрд р.) проиллюстрируем с помощью виртуальной «корзины» (рис. 1), а качественные показатели ОИП (структуру потенциальных инвесторов) – на орграфах, матрицах, таблицах и одномерных массивах.
Минисуммная постановка задачи
Способ решения – алгоритм Егервари. Макросреда: непредсказуемая. Функционал ( f ): составить ОИП, минимизирующий общий объем инвестиций ПО ( cost_min ).
В условиях непредсказуемого состояния макросреды, инвестиционный портфель формируется из соображений минимизации общего объема инвестиций ПО, в котором преобладают весьма осторожные планы дочерних предприятий, о чем свидетельствует результат решенной задачи (два инвестиционных потока по 3, один – 5, один – 8 и один – 10 млрд рублей, средний объем которых почти в два раза ниже среднего объема инвестиций, объявленного дочерними предприятиями), изложенной далее.
Максиминная постановка задачи
Способ решения – алгоритм Гросса. Макросреда: условно-стабильная. Функционал ( f ): составить ОИП, при котором самый большой объем инвестиций дочернего предприятия окажется минимально возможным, т. е. минимизировать max[i, p(i)] по всем многовариантным версиям.
Как показывает решение, приведенное далее, во всех многовариантных версиях преобладает почти средний объем объявленных дочерними предприятиями инвестиций (три инвестиционных потока по 8, один – 4 и один – 6 млрд рублей), что характеризует все еще осторожное отношение дочерних предприятий к изменению состояния макросреды.
Минимаксная постановка задачи
Способ решения – алгоритм Гросса. Макросреда: стабильная. Функционал (f): составить ОИП, при котором самый маленький объем инвестиций дочернего предприятия окажется максимально возможным, т. е. максимизировать min[i, p(i)] по всем многовариантным версиям.
Как показывает изложенное далее решение, дочерние предприятия стали более уверенными в макросреде, что подтверждается преобладанием в портфеле инвестиционных потоков, которые превышают средний объем объявленных дочерними предприятиями инвестиций (два инвестиционных потока по 11, один – 12, один – 13 и один – 15 млрд рублей).
Максисуммная постановка задачи
Способ решения – алгоритм Егервари. Макросреда: динамично развивающаяся. Функционал ( f ): составить ОИП, максимизирующий общий объем инвестиций ПО.
Рисунок 1 дает визуальное представление о смещении акцентов в инвестиционной стратегии ПО в зависимости от условий его окружения.

Рис. 1. Виртуальная корзина с ОИП для 4-х состояний макросреды
Обобщенные результаты по всем постановочным задачам будут изложены в последней части исследования.
Минисуммная постановка задачи
Решение
8 s ar
Содержание и иллюстрации в виде одномерных массивов, матриц (таблиц) и графов
<12 11 10 10 14 б<
A(i. j) =
^8 12 10 И 8 6)
, см. Приложение 1
a
Ж s xo
О
Приводим матрицу A(i, j) сначала по строкам, а затем и по столбцам с помощью постоянных приведения (const). Затем строим: а) двудольный граф на основе нулевых решений; б) начальное паросочетание М* «жадным» алгоритмом (паросочетанием в двудольном графе называется множество ребер, не имеющих общих вершин. Изначально паросочетаний может быть несколько. Мы делаем акцент на начальное паросочетание М*. которое имеет заданный алгоритм построения - «жадный»).
\j |
Г |
2' |
3' |
4' |
5' |
б' |
О |
1 |
б |
5 |
4 |
4 |
8 |
0 |
6 |
2 |
10 |
1 |
5 |
5 |
6 |
3 |
|
3 |
8 |
5 |
И |
б |
12 |
0 |
3 |
4 |
0 |
2 |
7 |
3 |
1 |
5 |
5 |
5 |
2 |
б |
4 |
5 |
2 |
0 |
6 |
X |
г |
2' |
3' |
4' |
5' |
6' |
1 |
6 |
5 |
3 |
1 |
7 |
0 |
2 |
10 |
0 |
0 |
2 |
4 |
б |
3 |
8 |
5 |
10 |
3 |
И |
0 |
4 |
0 |
2 |
6 |
0 |
0 |
5 |
5 |
2 |
б |
3 |
2 |
1 |
0 |
и |
0 |
0 |
1 |
3 |
1 |
0 |

Результат 1 -й итерации: увеличивающейся относительно М* цепи нет, но остаются ненасыщенными вершины 3 и 5, следовательно, наибольшее паросочетание нс построено. Переходим ко 2-й итерации.
Применим к трансформированной матрице, которая имеет наибольшее количество нулей, операцию Егервари Е(Г, Г, d).
Множество вершин, достижимых из 3 и 5:
для 8 = 3 такое множество {6’, 1 }~1 , , , для 8 = 5 такое множество {б', 1IJ - 11L J - {6 ).
Среди элементов b[i. j], где i е Г, a j е J" = JV находим элемент минимального веса, это Ь[1, 4'] = 1, в приведенной матрице обозначим его выделенным шрифтом (4).
\j |
Г |
2' |
3' |
4' |
5' |
6' |
1 |
6 |
5 |
3 |
1 |
7 |
0 |
2 |
10 |
4 |
6 |
|||
3 |
8 |
5 |
10 |
3 |
И |
0 |
4 |
2 |
6 |
5 |
|||
5 |
2 |
6 |
3 |
2 |
1 |
0 |
\j |
Г |
2' |
3' |
4’ |
5' |
6' |
1 |
5 |
4 |
2 |
6 |
||
2 |
10 |
2 |
4 |
7 |
||
3 |
8 |
5 |
10 |
3 |
11 |
|
4 |
2 |
6 |
6 |
|||
5 |
2 |
6 |
3 |
2 |
1 |

Наибольшее паросочетание получилось сразу из начального паросочетания «жадным» алгоритмом (по коротким матричным ребрам).
Мы получили оптимальный инвестиционный портфель (I, J) в логистическом решении на основе теории графов в виде одномерного массива Nas_u = {4, 2, 6, 1, 5}. Двумерное отображение решения можно представить не только в виде орграфа G', но и в виде таблицы и/или матрицы B(i, j). Покажем это схематично в последовательности: A(i, j), G'. B(i, j).
'12 |
11 |
10 |
10 |
14 |
6> |
||
13 |
3 |
4 |
8 |
8 |
9 |
||
A(i,j) = |
11 |
8 |
14 |
9 |
15 |
3 |
—> Nas_u = (4,2,6,1,5) |
5 |
7 |
12 |
8 |
6 |
10 |
||
v8 |
12 |
10 |
11 |
8 |
6 |

ВЦ, jj
\j |
Г |
2' |
3’ |
4* |
5' |
6' |
1 |
1 |
|||||
2 |
1 |
|||||
3 |
1 |
|||||
4 |
1 |
|||||
5 |
1 |
2 2 о
и
О
Если полученные объемы инвестиционных потоков, составляющие оптимальный инвестиционный портфель ПО, обозначить выделенным шрифтом (напр. 1О> в исходной матрице A(i, j), то сумма выделенных элементов окажется равной 29 (10+3+3+5+8). Это и есть значение функционала, соответствующее оптимальному инвестиционному портфелю в исходной задаче для непредсказуемой макросрсды, f = cost_min = 29: Nas_u = {4, 2, 6, 1, 5}.
Максисуммная постановка задачи
Решение
3 3 в* 1 |
Содержание и иллюстрации в виде одномерных массивов, матриц (таблиц) и графов |
ч о СО m |
42 И 10 10 14 б' A(i, j) =...... см. Приложение 1 .8 12 10 11 8 6у |
Приводим матрицу A(i, j) сначала по строкам, а затем и по столбцам с помощью постоянных приведения (const). Затем строим: а) двудольный граф на основе нулевых решений; б) начальное паросочетание М* «жадным» алгоритмом (по коротким матричным ребрам).


Результат 1-й итерации: увеличивающейся относительно М* цепи нет, но остается ненасыщенной вершина 3, следовательно, наибольшее паросочетание не построено. Переходим ко 2-й итерации.
Применим к трансформированной матрице, которая имеет наибольшее количество нулей, операцию Егервари Е(Г, J', d).
Множество вершин, достижимых из вершины 3. есть {5', 1), следовательно, Г = {1}, Г = {5'}.
Средн элементов b[i. j], где i е Г, a j е J" = JV находим элемент минимального веса, это b[l, 1] = 2. который в таблице обозначим выделенным шрифтом (2).
\j |
Г |
2' |
3' |
4' |
5' |
6' |
1 |
2 |
3 |
4 |
3 |
0 |
6 |
2 |
0 |
10 |
9 |
4 |
5 |
2 |
3 |
4 |
7 |
1 |
5 |
0 |
10 |
4 |
7 |
5 |
0 |
3 |
6 |
0 |
5 |
4 |
0 |
2 |
0 |
4 |
4 |
Е(Г. г, d)
\ j |
Г |
2* |
3* |
4' |
5' |
6' |
1 |
0 |
1 |
2 |
1 |
0 |
4 |
2 |
0 |
10 |
9 |
4 |
7 |
2 |
3 |
4 |
7 |
1 |
5 |
2 |
10 |
4 |
7 |
5 |
0 |
3 |
8 |
0 |
5 |
4 |
0 |
2 |
0 |
6 |
4 |
Трансформирование
Г |
2' |
3' |
4' |
5' |
6' |
и |
|
1 |
0 |
1 |
2 |
1 |
0 |
4 |
|
2 |
0 |
10 |
9 |
4 |
7 |
2 |
|
3 |
3 |
6 |
0 |
4 |
1 |
9 |
|
4 |
7 |
5 |
0 |
3 |
8 |
0 |
|
5 |
4 |
0 |
2 |
0 |
6 |
4 |

Как видим, наибольшее паросочетание из М* сразу не получилось, однако мы имеем увеличивающуюся относительно М* цепь благодаря наличию чередующейся цепи (2. 1', 1, 5'). Техническое построение наибольшего паросочстания G' получается заменой тонкого ребра (1, 1') на жирное, а жирных ребер (2, Г) и (1,

Мы получили оптимальный инвестиционный портфель (1, J) в логистическом решении на основе теории графов в виде одномерного массива Nas_u = {5, 1, 3, 6, 2). Двумерное отображение решения можно представить не только в виде орграфа G', но и в виде таблицы BT[i, j] и/или матрицы BM(i, j), а также совмещенного орграфа GS (рис. 3).

(° |
0 |
0 |
0 |
14 |
0 ) |
|
13 |
0 |
0 |
0 |
0 |
0 |
|
вма j) = |
0 |
0 |
14 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
10 |
|
1 0 |
12 |
0 |
0 |
0 |
0 J |
Если полученные объемы инвестиционных потоков, составляющие оптимальный инвестиционный портфель ПО, обозначить выделенным шрифтом (напр. 14 в исходной матрице A(i, j), то сумма выделенных элементов окажется равной 63 (14+13+14+10+12). Это и есть значение функционала, соответствующее оптимальному инвестиционному портфелю в исходной задаче для динамично развивающейся макросрсды.
Орграф G S

Рис. 3. Орграф, совмещающий матрицу BM(i, j), таблицу BT[i, j] и одномерный массив Nas_u = {5, 1, 3, 6, 2}
Приложение 1
Исходные данные: матрица A(i, j), граф G

где A(i, j) – матрица предпочтений дочерних предприятий;
i = (1:5) - номер (условный) дочернего предприятия (строка матрицы);
j = (1’:6’) - номер (условный) эмитента (столбец матрицы);
a(i, j) – объем заявленных инвестиций i -го дочернего предприятия в j -й вид акций инвестиционного портфеля, вес ребра u(i, j) ;
G – двудольный неориентированный граф, построенный по данным матрицы A(i, j) ;
I – множество дочерних предприятий, I = {1, 2, 3, 4, 5};
J – множество финансовых активов (видов акций), J = {1’,2’,3’,4’,5’,6’};
u(i, j) – ребра, соединяющие множества I и J на основе матрицы A(i, j) ;
f – функционал (критерий);
Nas_u – одномерный массив, инвестирование I в J , Nas_u = {…..};
f = ?, Nas_u = ?
Постановка задач, способы их решения и состояние макросреды в обобщенном виде
СР – способ решения задач (алгоритмы Егервари, Гросса);
A, B, C, D – итоговые суммы оптимального (рационального) инвестиционного портфеля ( A < B < C < D );
? – поиск результатов.
Приложение 2
Математическое описание алгоритма Егервари
s s Ш Q. Ф H S |
КАТЕГОРИЯ ПОСТАНОВКИ ЗАДАЧИ |
|
МИНИСУММНАЯ |
МАКСИСУММНАЯ |
|
§ CQ OQ |
a[i, j] - массив, задающий заявки дочерних предприятий (млрд р.) на участие в инвестиционных проектах |
a[i, j] |
§ I s s |
dob - рабочая переменная, хранящая сумму коэфф, приведения по строкам и столбцам; cpst_min - минимальная по сумме заявка; rpass_l[i], mass_J[j] - список строк Г и столбцов J'; Nas_u[i, j] - найденное на очередной итерации максимальное паросочетание; NasJ(M) рабочие массивы с элементами Nas_J(N) типа boolean, содержащие информацию о насыщенности вершин из м-в I и J, все элементы изначально равны false (т. е. характеристика неориентированного двудольного графа) |
dob - рабочая переменная, хранящая сумму коэфф, приведения по строкам и столбцам; cost_max - максимальная по сумме заявка; mass_l[i], mass_J[j] - список строк Г и столбцов J'; Nas_u[i, j] - найденное на очередной итерации максимальное паросочетание; Nas_l(M) рабочие массивы с элементами Nas_J(N) типа boolean, содержащие информацию о насыщенности вершин из м-в 1 и J, все элементы изначально равны false (т. е. характеристика неориентированного двудольного графа) |
>s §э 1 |
Привести массив a[i, j] в цикле по i = 1+М (по строкам) в цикле по j = 1+N найти мин. эл-т min[i] в цикле по j = 1+N a[i, j): = a[i, j] - min[i] dob: = dob + min[i] в цикле no j = 1+N (по столбцам) в цикле no i = 1+М найти мин. эл-т min[j] в цикле по i = 1+М a[i, j]: = a[i, j] - min[j] dob: = dob + min[j] cost_min: = dob |
Привести массив a[i, j] в цикле по i = 1+М (по строкам) в цикле по j = 1+N найти макс, эл-т max[i] в цикле по j = 1+N a[i, j]: = max[i] - a[i, j] dob: = dob + max[i] в цикле no j = 1+N (по столбцам) в цикле no i = 1+М найти мин. эл-т min[j] в цикле по i = 1+М a[i, j]: = a[i, j] - min[j] dob: = dob + min[j] cost_min: = dob |
2 |
Использовать Алгоритм построения максимального паросочетания, ввод: a[i, j], вывод Nas_u[i], u[i, j] |
Использовать Алгоритм построения максимального паросочетания, ввод: a[i, j], вывод Nas u[i], u[i, j] |
3 3.1 3.2 3.3 3.4 |
Выбрать ненасыщенные вершины и сформировать множества Г и J' В цикле по i = 1+М, если Nas_l[i] = false (т. е. ненасыщенная вершина), то использовать Алгоритм нахождения вершин, достижимых из данной: ввод Nas_l[i], u[i, j]; вывод: Pi[k] На основе всех Pi[k] сформировать р[к] - указать в нем номера вершин таких, что Pi[k] = -1 хотя бы для какого-нибудь i Среди элементов b[i, j], где: i е Г, j g J" = J\J' определить min В цикле по i = 1+М и i g Г, по j = 1+N и j g J1, b[i, j]: = b[i, j] - min, когда i g Г и b[i, j]: = b[i, j] + min, когда j g J' Возврат к n. 2 |
Выбрать ненасыщенные вершины и сформировать множества Г и J' В цикле по i = 1+М, если Nas_l[i] = false (т. е. ненасыщенная вершина), то использовать Алгоритм нахождения вершин, достижимых из данной: ввод Nas_l[i], u[i, j]; вывод: Pi[k] На основе всех Pi[k] сформировать р[к] - указать в нем номера вершин таких, что Pi[k] = -1 хотя бы для какого-нибудь i Среди элементов b[i, j], где: i е Г, j g J"=J\J' определить min В цикле по i = 1+М и i g Г, по j = 1+N и j e J1, b[i, j]: = b[i, j] - min, когда i g Г и b[i, j]: = b[i, j] + min, когда j g J' Возврат к n. 2 |
CQ |
Nas_u[i] - массив, задающий вариант оптимального инвестиционного портфеля cost_min - суммарный объем инвестиций ПО |
Приложение 3
Комментарий к математическому описанию алгоритма Егервари
Формулировка задач в терминах теории графов : дочерним предприятиям i (i = 1M) и инвестиционным проектам j (j = 1N) ставятся в соответствие вершины графа, а возможность участия i -го дочернего предприятия в j -м инвестиционном проекте отображается наличием в графе ребра u(i, j) с весом a(i, j) .
Возможные типы задач:
-
• максисуммная постановка. Даны M дочерних предприятий объединения и N инвестиционных проектов, отобранных экспертами и финансистами ПО , для формирования оптимального инвестиционного портфеля в условиях изменяемых состояний макросреды. Составить инвестиционный портфель, максимизирующий общий объем инвестиций ПО .
-
• минисуммная постановка. Составить инвестиционный портфель, минимизирующий общий объем инвестиций объединения.
Постановка задачи.
Дан двудольный граф
G =
Основная идея.
Суть алгоритма в том, чтобы привести матрицу по строкам и столбцам к виду с наибольшим числом нулей, т. е. b(i, j) = 0. Строится двудольный граф, где ребра соответствуют нулям. Затем по начальному паросочетанию, построенному «жадным» алгоритмом (по коротким ребрам), используя метод чередующихся целей, находится большее паросочета-ние. Если оно (большее паросочетание) оставляет некоторые вершины множества I ненасыщенными, то его следует увеличить. Для этого матрица вновь преобразовывается в целях повторной попытки построить наибольшее паросочетание. И так до тех пор, пока все вершины множества I не станут насыщенными.
Возможные сложности.
Как преобразовать матрицу, чтобы стало возможным увеличение полученного (начального) паросочетания?
Способы преодоления.
К приведенной матрице применяется так называемая операция Егервари E(I’, J’, d) : из каждой строки i из множества I ’ вычитается d , а к каждому столбцу j из множества J ’ прибавляется d , причем I ’ ⊂ I , а J ’ ⊂ J . Множества I ’ и J ’ определяются с помощью ненасыщенных вершин (стрелки ребер, исходящих из ненасыщенных вершин ориентированного двудольного графа, указывают на множества I ’ и J ’). Число d = b(i, j) – это элемент минимального веса среди элементов b(i, j) , где i ∈ I’ , j ∈ J ’’ = J\J ’. После проведения операции Егер-вари E(I’, J’, d) , станет возможным повторное приведение матрицы по строкам и/или столбцам, а полученное на основе такой матрицы начальное паросочетание окажется больше предыдущего.
Описанный алгоритм основан на идеях работы венгра Егервари, написанной еще в 1931 году.
Продолжение следует