Лисовенкова И.М.

Национальная горная академия Украины, г. Днепропетровск

МОДЕЛИРОВАНИЕ КОМПЛЕКСНОГО ПОКАЗАТЕЛЯ ПРОИЗВОДСТВЕННО-ХОЗЯЙСТВЕННОГО ПОТЕНЦИАЛА, КАК КЛЮЧЕВОЙ КАТЕГОРИИ САНАЦИОННЫХ ВОЗМОЖНОСТЕЙ ПРЕДПРИЯТИЯ

В условиях усиления финансово-экономического кризиса в Украине приобретает актуальности реформирование отечественного института банкротства, особенно, пристального внимания требуют вопросы, связанные с определением санационных возможностей предприятия.

Уровень удовлетворения требований государственных органов от ликвидации предприятий очень низкий, а поэтому необходимо, прежде всего, разрабатывать механизм антикризисного управления, который должен основываться на эффективном использовании производственно-хозяйственного потенциала предприятия.

Существо понятия производственно-хозяйственного потенциала, а также его структура нашли отражение в многочисленных исследованиях (М. Ф. Овчинникова, В. И. Кремянского, М. А. Иванова, и других).

На наш взгляд, производственно-хозяйственный потенциал подразумевает целостную интегрированную характеристику предпринимательских возможностей предприятия, базирующихся на комплексной оценке уровня использования всех видов ресурсов (материальных, трудовых, природных, технических, финансовых и др.). Поэтому, для оценки производственно-хозяйственного потенциала, как одной из категорий санационных возможностей предприятия, следует использовать интегральный показатель.

В данной статье предлагается подход к оценке производственно-хозяйственного потенциала предприятия на основе структурного моделирования.

Данный подход привлекателен тем, что существенно упрощает с вычислительной точки зрения процедуру выбора системы показателей, определяющей комплексный показатель оценки деятельности предприятия и открывающей возможности для выбора управляемых параметров исследуемого объекта.

В математическом аспекте речь идет об исследовании так называемых плохо структурированных систем, априорная информация о которых задается результатами пассивного эксперимента.

Характерной особенностью такого рода объектов является их многомерность, обусловленная большим числом взаимосвязанных элементов, причем с заранее неизвестными взаимосвязями.

Одной из основных проблем моделирования сложных систем остается проблема выбора лучших предикторов. Несмотря на различные подходы к решению этой проблемы, которые наметились в методах регрессионного анализа, методах факторного анализа, главных компонентов и др., - общим остается следующее: выбор наилучших в некотором смысле предикторов осуществляется в процессе параметрической идентификации модели, что, как правило, приводит к необходимым вычислительным затратам..

В данной статье изложен подход к определению лучших предикторов, основанный на структурном моделировании сложных систем.

Основное преимущество данного подхода состоит в том, что выбор лучших предикторов, описывающих исследуемый объект, проводится до параметрической идентификации модели, а следовательно, избавляет от тех проблем, о которых говорилось выше.

Изложим суть данного подхода. Пусть исследуемый объект описывается большим числом взаимосвязанных показателей Q ={Х _1, Х ₂ ,…Х n }, информация о которых задается результатами пассивного эксперимента в виде матрицы наблюдений

Х ₁₁ Х ₁₂ …Х _{1 n}

Х= Х ₂₁ Х ₂₂ …Х _{2 n}

_{…………………………..}

Х _{m 1} Х _{m 2…} Х _mn

Где Х _ij - значение показателя Х _j ( j = 1, n ) в i -м наблюдении, ( i = 1, m ).

Возникает задача выбора на множестве Q лучшего в некотором смысле набора предикторов М ? Q (одного, а может быть и нескольких).

Сформулируем три основные задачи, которые необходимо решать в следующей последовательности:

· задача структурного моделирования (задача С);

· задача структурной идентификации (задача И);

· задача параметрической идентификации (задача Р).

Остановимся подробней на первых двух, которые составляют основу структурного моделирования. Задача С – решает две подзадачи:

· восстановление взаимосвязей между элементами системы, что означает по сути восстановление структуры системы;

· построение множества всех наборов предикторов.

Необходимо отметить, что ключевым моментом при решении задачи С является определение локальной взаимосвязи между элементами Х _i и Х _{j .}

Будем считать, что Х _i и Х _j находятся в локальной взаимосвязи, если изменение одного из них приводит к изменению другого. В качестве меры взаимосвязи предлагается использовать бинарное отношение t , которое в силу определения локальной связи есть отношение толерантности:

Х _i t Х _j ? (( ? r _{ij ?} > r _кр ( a )) V (( ? r _{ij ? ?} r _кр ( a )) L ( ? K _{ij ?} > K _кр ( a )))),

г де r _ij – значение коэффициента корреляции

r _{кр( a )} – критическое значение, зависящее от принятого уровня значимости a .

К _ij – коэффициент m , учитывающий нелинейную взаимосвязь.

С отношением t , отражающим локальную взаимосвязь между элементами связывается по определенному правилу, сформулированному в [2] еще одно бинарное q , которое показывает, если это в принципе возможно, разложить множество показателей Q на непересекающиеся подмножества Q _1, Q _2,… Q _{p ,} что для исследователя означает, что модель исследуемого объекта может быть разложена на P независимых моделей, каждая из которых может изучаться отдельно. Это приводит к значительному снижению размерности задачи.

Таким образом, подход структурного моделирования к определению производственно-хозяйственного потенциала позволит получить систему показателей, определяющих его, не решая задачи параметрической идентификации, а следовательно позволит разработать более простую и удобную методику расчета комплексного показателя оценки предпринимательского потенциала предприятия.

Список литературы:

1. Афифи А., Эйзен С. Статистический анализ. Подход с использованием ЭВМ. - М.: Мир, 1982. – 488с.

2. Босов А.А., Мухина Н.А. Структурное моделирование по экспериментальным данным. - ХГПУ, 1999. – Вып. 72.

3. Дидык Л. М., Лисовенкова И. М. Предпринимательский потенциал предприятия и проблемы его оценки // Акад е м і чний огл яд: економіка та підприємництво. - 2000. - №2. – С. 90-92.