Содержание к диссертации
Введение
Глава 1. Производственные функции объектов микроэкономики: методы построения и сфера применения 12
1.1. Методология построения и использования производственных функций 12
1.2. Методы моделирования производственных функций 30
1.3. Конструктивный подход к моделированию производственной функции предприятия на основе аппарата нейронных сетей 46
1.4. Выводы 65
Глава 2. Анализ, классификация и методы формализации рисков рыночной деятельности промышленного предприятия 72.
2.1. Неопределенность и риски рыночной сферы предприятия 72
2.2. Риски производственной и финансовой деятельности предприятия 81
2.3. Методы и модели формализации рисков производственной и финансовой сфер рыночной деятельности предприятия 93
2.4. Методы и модели формирования барьерных значений показателей риска финансовой и производственной сфер рыночной деятельности предприятия 111
2.5. Выводы 127
Глава 3. Методология моделирования производственной деятельности предприятия с учетом факторов риска 132
3.1. Сценарий и стратегия в задаче параметрического моделирования рыночной деятельности предприятия 132
3.2. Элементный состав и структура математической модели формирования производственной стратегии предприятия 150
3.3. Параметрическое представление производственной функции и решаемые на ее основе задачи оценки эффективности и планирования производства 178
3.4. Выводы 188
Заключение 196
Список литературы 202
Приложения 213
- Конструктивный подход к моделированию производственной функции предприятия на основе аппарата нейронных сетей
- Методы и модели формализации рисков производственной и финансовой сфер рыночной деятельности предприятия
- Сценарий и стратегия в задаче параметрического моделирования рыночной деятельности предприятия
- Параметрическое представление производственной функции и решаемые на ее основе задачи оценки эффективности и планирования производства
Введение к работе
Актуальность темы исследования
Неопределенность внешних и внутренних условий функционирования и развития, рост риска и увеличение числа угроз потери экономической устойчивости предпринимательских структур различного уровня, ставшие характерной чертой постиндустриального этапа развития мировой экономики, предполагают необходимость учета рисков при решении задач оценки эффективности и управления их рыночной деятельностью.
В научной литературе подходы к решению подобных задач в основном рассмотрены для финансово-кредитных организаций, деятельность которых характеризуется высокой интенсивностью ресурсно-информационных потоков, что позволяет на основе накопленной статистики достоверно определять показатели и количественные характеристики исследуемых рисков и разрабатывать адекватные их содержанию подходы к управлению на основе методов математической статистики.
Риски производственного предприятия, сопровождающие его производственную и финансовую деятельность, с одной стороны, намного разнообразнее, но, при этом, статистика большинства из них не обеспечена соответствующими процедурами мониторинга, а, с другой, — характер их проявления в силу специфики производственной деятельности, характеризующейся многовариантностью принятия решений на различных этапах и иерархических уровнях, существенно повышающей субъективизм и неопределенность, не позволяет в полном объеме использовать арсенал традиционных методов планирования и управления, основанных на упрощенных процедурах учета риска. Это значительно снижает эффективность управленческих решений: риск либо не учитывается, либо, наоборот, против риска резервируется необоснованно высокие активы, что приводит к снижению экономической устойчивости предприятия даже в условиях стабильной экономики.
В этой связи разработка и совершенствование экономико-математического инструментария, включающего адекватные складывающимся рыночным реалиям и требованиям хозяйственной практики методы и модели количественной оценки, учета и управления рисками производственной и финансовой сфер промышленного предприятия, приобретает особую актуальность.
Степень научной разработанности проблемы
Теория планирования и управления производственной и финансовой сферами промышленного предприятия, функционирующего в условиях стабильного рыночного окружения, насчитывает более чем вековую историю, а ее развитие связано с исследованиями основоположников и последователей неоклассической и неокейнсианской школ: Р. Аллена, Л. Вальраса, Ф. фон Визера, П. Дугласа, Дж. Кейнса, Ч. Кобба, А. Маршалла, К. Менгера, В. Парето, Ф. Розенблатта, П. Самуэльсона, Р. Солоу, Р. Хехт-Нильсена, Дж. Хикса, А. Фримена, К. Эрроу и др. Их результаты базируются на построении и использовании в задачах производственного планирования и управления производственной и финансовой сферами рыночной деятельности предприятия производственной функции (ПФ), связывающей в аналитическом или табличной формах результат рыночной деятельности предприятия с величиной затрачиваемых факторов производства .
Метод ПФ в дальнейшем получил широкое распространение в задачах математической формализации процедуры формирования оптимальной производственной стратегии предприятия, функционирующего в условиях детерминированной макроэкономической среды. В этой связи следует отметить работы представителей советской, а в дальнейшем - российской
1 Для каждого допустимого набора производственных факторов определяется максимальное (в стоимостном выражении) значение рыночного результата экономико-математической школы: К.А. Багриновского, М.А. Бендикова, М.Х. Блехермана, В.Н. Борисова, А.Г. Гранберга, Л.В. Канторовича, Г.Б. Клейнера, Б.А. Лагоши, В.Н. Лившица, В.Л. Макарова, В.В. Новожилова, В.М. Полтеровича, Н.П. Федоренко, Е.Ю. Хрусталева и др. авторов.
В работах этих авторов ПФ предприятия получается в процессе математического моделирования оптимального варианта его производственной деятельности с учетом объемных и, как следствие, детерминированных факторов внешней (рыночной) и внутренней (производственно-технологической) сред предприятия. Игнорирование или неудовлетворительный учет в моделях предприятия высокой динамичности, неопределенности и связанных с ними рисков внешней и внутренней его сред значительно снижают качество принимаемых на основе этих моделей управленческих решений.
Проблемы учета рисков в управлении функционированием экономических объектов различного уровня рассмотрены в работах Г. Марковица, М. Миллера, Дж. Милля, Ф.Х. Найта, А. Пигу, И.У. Сениора, У. Шарпа, О.С. Виханского, В.Ю. Королева, М.А. Рогова, B.C. Ступакова, Н.П. Тихомирова, А.Н. Ширяева и др. исследователей.
Однако проблемы управления рыночной деятельностью промышленных предприятий в условиях риска потери их производственной и финансовой устойчивости в научной литературе рассмотрены явно недостаточно. Например, до сих пор не решены проблемы определения элементного состава, методов количественной оценки и учета в моделях формирования производственной стратегии предприятия рисков, инициированных не только высокой изменчивостью внешней (рыночной) среды, но и обусловленных состоянием его производственно-технологической и финансово-ресурсной баз. Нерешенность этой проблематики и предопределила цель и задачи исследования. Цель, направления и задачи исследования
Целью диссертационного исследования является разработка и совершенствование теоретических подходов, экономико-математических методов и математических моделей формирования производственной стратегии предприятия с учетом рисков производственной и финансовой сфер его рыночной деятельности.
Для достижения поставленной цели в работе сформулированы и решены следующие задачи:
- структурированы риски предпринимательской деятельности предприятия, учитываемые при формировании его производственной стратегии, проведена их классификация и группировка по производственной и финансовой сферам;
- определен минимально полный и непротиворечивый набор финансово-экономических показателей, характеризующих уровень риска производственной и финансовой сфер предприятия;
- разработаны теоретические подходы, методы и процедуры формирования барьерных значений финансово-экономических показателей-индикаторов допустимого уровня риска;
- определены адекватные задаче формирования производственной стратегии предприятия, функционирующего в условиях динамично изменяющихся внешней (рыночной) и внутренней (производственно-технологической) сред, методы моделирования ПФ, в аналитическом представлении которой отражено состояние его производственно-технологической и финансово-ресурсной баз, а также рыночные и «рисковые» ограничения его рыночной деятельности;
- разработаны постановка задачи, теоретический подход и метод экономико-математического моделирования производственной стратегии предприятия, включающий: • численную процедуру количественной оценки и учета рисков производственной и финансовой сфер рыночной деятельности предприятия;
• математическую модель формирования оптимального варианта производственной стратегии предприятия с учетом рисков его рыночной деятельности и численный алгоритм поиска оптимального решения;
• численные процедуры определения интервала устойчивости оптимального решения задачи формирования производственной стратегии предприятия;
- разработан инструментарий методов, моделей и программных средств формирования оптимального варианта производственной деятельности и проведена его опытная эксплуатация на машиностроительном предприятии.
Объект и предмет исследования
Объектом исследования является промышленное предприятие акционерной формы собственности, функционирующее в условиях неопределенности внешней (рыночной) и внутренней (производственно-технологической) сред.
Предметом исследования являются экономико-математические методы и модели формирования производственной стратегии промышленного предприятия с учетом риска его рыночной деятельности.
Методологическая, теоретическая и информационная основа исследования Теоретико-методологической основой исследования являются положения классической теории производства, разработанные отечественными и зарубежными учеными подходы и методы оценки и учета рисков рыночной деятельности предприятия, а также математический инструментарий моделирования производственной и финансовой сфер его рыночной деятельности. В работе использовались методы дифференциальных уравнений, эконометрики, нейронных сетей и математического программирования, финансового анализа, теории риска и математики нечетких множеств.
Информационную основу исследования составили информационные и справочные материалы, отражающие актуальное положение предприятий в различных отраслях промышленности, законодательные акты, регламентирующие производственную и финансовую деятельность предприятий, а также данные бухгалтерской и финансовой отчетности российских предприятий, собранные и систематизированные автором.
Научная новизна результатов исследования
Научная новизна результатов диссертационного исследования состоит в разработке теоретического подхода и метода математического моделирования оптимального по рыночному критерию варианта производственной стратегии предприятия с учетом производственно-технологических, финансово-ресурсных, рыночных, а также отражающих приемлемый уровень риска его производственной и финансовой сфер ограничений.
Наиболее важными результатами, полученными лично автором и выносимыми на защиту, являются следующие:
- выявлены риски производственной и финансовой сфер предприятия, а также характеризующий их уровень набор финансово-экономических показателей, включающий коэффициенты рентабельности собственного капитала (как индикатора производственного риска) и автономии (как индикатора финансового риска), для которого обоснованы полнота и непротиворечивость индикаторов риска;
- разработаны подход и численные процедуры определения пороговых значений индикаторов риска производственной и финансовой сфер предприятия, позволяющие учесть экономическую природу риска и возможности его отражения в системе ограничений и целевой функции модели предприятия;
- разработан теоретический подход к моделированию производственной деятельности предприятия с учетом рисков его производственной и финансовой сфер, основанный на использовании метода формирования набора сценариев, учитывающих возможные изменения внешних и внутренних условий его функционирования;
- разработаны теоретический подход и метод количественной оценки влияния факторов внешней и внутренней сред предприятия на результаты его рыночной деятельности, основанные на использовании двойственных оценок производственно-технологических, финансово-ресурсных, рыночных и «рисковых» ограничений, учитываемых в коэффициентах ПФ;
- для задач дискретной оптимизации большой размерности разработана процедура поиска квазиоптимального решения соответствующего непрерывного аналога с использованием процедуры локальной оптимизации получаемого на очередном шаге решения, позволяющая существенно повысить скорость сходимости итерационного алгоритма.
Теоретическая и практическая значимость исследования
Теоретическая значимость результатов исследования заключается в разработке и совершенствовании теоретических подходов, экономико-математических методов и математических моделей формирования оптимальной производственной стратегии предприятия с учетом рисков производственной и финансовой сфер его рыночной деятельности.
Практическая значимость результатов исследования заключается в том, что разработанные автором подходы, методы и численные процедуры формирования производственной стратегии промышленного предприятия могут быть использованы в его практической деятельности при планировании производства и выборе тактики поведения на материальных и финансовых рынках.
Апробация и внедрение результатов исследования
Основные результаты диссертационной работы обсуждены и одобрены на заседаниях кафедры математических методов в экономике РЭА им. Г.В.Плеханова, докладывались на XXII Международных Плехановских чтениях (г. Москва, 2009 г.), на III международной научно-практической конференции «Управление в XXI веке» (г. Киров, 2009 г.).
Математическая модель формирования оптимального варианта производственной стратегии предприятия использовалась при разработке постановок задач и программно-информационного комплекса автоматизированной системы управления производственной и финансовой деятельностью ОАО «Сантехприбор» (г. Казань, Республика Татарстан).
Публикации по теме диссертации
Основные положения диссертационной работы отражены в шести авторских публикациях общим объемом 3,51 п.л. (из них авторских - 2,42 п.л.), в том числе в трех работах, опубликованных в изданиях, рекомендованных ВАК.
Конструктивный подход к моделированию производственной функции предприятия на основе аппарата нейронных сетей
Представленная в виде (1.43) математическая модель искусственного нейрона позволяет далее рассматривать его в качестве элементарного преобразователя, который выполняет процедуру вычисления взвешенной суммы входных сигналов со. х(. и формирует на ее основе с помощью своей нелинейной функции активации / значение у для выходного сигнала.
Таким образом, с учетом математической постановки модели искусственного нейрона можно сформулировать теперь более точное с содержательной точки зрения определение для ИНС. Согласно ему, ИНС задается совокупностью определенным образом соединенных друг с другом и с внешней средой посредством синаптических связей, сила которых характеризуется значениями соответствующих им весовых коэффициентов со, нейроподобных элементов вида (1.43) [43].
Однако нейроны как системообразующие компоненты ИНС могут выполнять в них различные роли, в соответствии с которыми их принято подразделять на входные, промежуточные (скрытые) и выходные.
Входными называют нейроны, выполняющие функцию приема поступающих из внешней среды сигналов, представленных вектором экзогенных переменных X, который, в свою очередь, является носителем статистической информации. На этих нейронах не осуществляется никаких вычислений вида (1.43), и поэтому они служат лишь для представления нейросети исходных данных. Выходные нейроны предназначены для формирования посредством своих функций активации / окончательных значений выходных сигналов сети, которые интерпретируются как непосредственные результаты неиросетевого моделирования. Очевидно, что на входы выходных нейронов ИНС поступают сигналы от других (предыдущих) нейроподобных элементов, которые принято называть промежуточными или скрытыми нейронами. При этом скрытые нейроны являются главными расчетными элементами ИНС и осуществляют математические преобразования вида (1.43) с тем лишь уточнением, что на этот раз компоненты вектора X = (х,,...,х;,...,хп) соответствуют либо исходным данным, подаваемым на входные нейроны сети, либо значениям выходных сигналов у предшествующих промежуточных нейронов, число которых в общем случае не равно п. В таком случае легко догадаться, что на вход выходного искусственного нейрона, формальная математическая модель которого аналогична (1.43), подается уже вектор выходных значений промежуточных нейронов. С точки зрения топологии и изложенных выше функциональных особенностей искусственных нейронов удается выделить несколько следующих типов ИНС: полносвязные, многослойные и однонаправленные19. В полносвязных сетях каждый нейрон посылает свой выходной сигнал ко всем остальным нейронам. Для наглядности представления данной процедуры нейроны, согласно их функциям, принято организовывать в слои, вследствие чего рассматриваемая ИНС приобретает слоистую структуру и далее принимается многослойной. При этом каждый ее слой включает набор однородных по своим функциям искусственных нейронов с синаптическими весами со. Так, например, входной слой многослойной неиросети содержит число искусственных нейронов, совпадающее с размерностью вектора X входных сигналов или, иначе говоря, исходных данных. Если, как ранее полагалось, X = (.х,,..., ,,..., ,,) - п -мерный вектор, то во входной слой ИНС требуется включить п нейронов. Кроме того, следует заметить, поскольку на входных нейронах выполнение математических операций вида (1.43) не предусмотрено, то зачастую при дальнейшем подсчете общего числа слоев в рассматриваемой ИНС ее входной слой в расчет не принимают. Скрытые нейроны, в свою очередь, могут формировать несколько скрытых слоев неиросети, а выходные, представляющие окончательный результат нейросетевого моделирования в качестве итогового значения выходного сигнала, - выходной. Причем, число нейронов в последнем скрытом слое неиросети зависит от размерности искомого выходного сигнала. Принцип работы описанной многослойной ИНС с несколькими скрытыми слоями реализуется следующим образом: на входной слой искусственных нейронов подается экзогенный вектор X входных сигналов, которые посредством синаптических связей распространяются к нейронам первого скрытого слоя нейросети, формируя на каждом из них постсинаптический потенциал, т.е. взвешенную сумму входных сигналов входного слоя; затем, преобразуя постсинаптический потенциал с помощью функции активации /, каждый нейрон первого скрытого слоя вырабатывает значение для своего выходного сигнала, который в последствии является уже входным для каждого искусственного нейрона второго скрытого слоя и.т.д.; наконец, выходные сигналы последнего скрытого слоя нейросети поступают на вход нейронов ее выходного слоя, на каждом из которых реализуются операции произведения, суммирования и функционального преобразования по правилу (1.43), в результате которых образуются результирующие значения для выходных сигналов ИНС. Таким образом, если в рассматриваемой ИНС выходные сигналы предыдущего слоя являются входными для последующего, т.е. сигналы в нейросети распространяются строго в одном направлении от ее входа к ее выходу, то такие сети относятся к классу однонаправленных или сетей прямого распространения. В теории ИНС такие многослойные сети прямого распространения принято называть многослойными персептронами, простейшая модель которого была предложена Ф. Розенблаттом в 1962 г. [66]. Предположим теперь, что ИНС содержит L скрытых слоев и п и т нейронов в ее входном и выходном слоях соответственно. Приняв далее модель (1.43) в качестве основного правила функционирования искусственного нейрона, опишем математически, ранее изложенный вербально, принцип работы многослойной нейросети прямого распространения.
Методы и модели формализации рисков производственной и финансовой сфер рыночной деятельности предприятия
В частности, непреходящее значение имеет теория ПФ, в рамках которой сформирован инструментарий решения следующих группы и отдельных задач: перспективный анализ экономических результатов рыночной деятельности предприятия, планирование оптимальных уровней потребляемых факторов производства, определение предельной отдачи и эффективных норм замены производственных факторов. 2. В работе подчеркнуто, что важнейшим аспектом теории и практики ПФ продолжает оставаться разработка и совершенствование постановок задач и численных методов моделирования ПФ объектов микроэкономики в рамках используемых в настоящее время подходов: метода восстановления аналитического образа ПФ на основе ее дифференциальных характеристик, метода эконометрического моделирования ПФ, метода моделирования ПФ на основе математического аппарата ИНС и метода «неявного» моделирования ПФ на основе решения задачи математического программирования. 3. Рассматриваемая в работе проблематика моделирования ПФ предприятия предполагает последовательное рассмотрение перечисленных подходов с целью выявления теоретической значимости, особенностей практического применения, критической оценки преимуществ и недостатков, а также потенциала возможностей применения каждого из них в задаче моделирования ПФ предприятия. А. Метод восстановления аналитического образа ПФ на основе дифференциальных характеристик, предложенный Г.Б. Клейнером [39, 40], не предусматривает прямого воспроизведения складывающейся в паре «вход-выход» функциональной зависимости, а, напротив, предполагает вывод аналитического выражения этой зависимости на этапе экономико-математического анализа количественных характеристик искомой ПФ.
В качестве демонстрации возможностей этого метода в работе определены аналитические выражения для ПФ Кобба-Дугласа и Аллена, представленные соответственно выражениями (Ш.9) и (П1.21), полученные на основе предельных количественных характеристик первого порядка, отраженных условиями (П1.1) и (П1.14).
Однако, несмотря на несомненную теоретическую значимость, связанную с наличием у восстанавливаемых в рамках указанного подхода ПФ заранее заданного набора свойств, указанный метод обладает рядом существенных недостатков, состоящих, главным образом, в сложности конструирования на основе известных предельных характеристик исходной системы дифференциальных уравнений, что ограничивает возможность широкого использования предполагаемого математического инструментария в практических исследованиях и расчетах.
Б. Инструментарий методов эконометрического моделирования является на сегодняшний день наиболее популярным в практике моделирования ПФ, так как основывается на строго формализованной численной процедуре. Однако этот метод обладает рядом существенных недостатков, также затрудняющих его широкое практическое использование, одним из которых является использование предположения о случайном характере поведения остаточного члена уравнения ПФ. Последнее обстоятельство на практике осложняет процедуру восстановления ПФ в случае присутствия нелинейной зависимости в паре «вход-выход».
В. Практическое применение метода моделирования ПФ на основе математического аппарата многослойных ИНС прямого распространения (многослойных персептронов) объясняется существенными вычислительными и аппроксимирующими возможностями привлекаемого инструментария. Теоретическая значимость этого подхода в работе продемонстрирована на примере представления ПФ на многослойных персептронах с одним промежуточным слоем и нелинейными, непрерывными и дважды дифференцируемыми функциями активации его нейронов. Для формализации процедуры задания ПФ были предложены соответствующие аналитические образы, описываемые в общем случае уравнением (1.57).
Кроме того, для различных случаев форм задания функции активации нейронов промежуточного слоя ИНС в работе получены предельные и количественные характеристики восстановленных на ее основе ПФ.
Важной негативной особенностью метода ИНС является необходимость использования в процедуре обучения формируемой ИНС репрезентативной базы статистических данных, что значительно ограничивает возможности широкого практического использования этого метода. Тем не менее, как отмечено в работе, метод ИНС имеет большие перспективы использования в задачах планирования и управления производством на стратегическом и тактическом уровнях, что подтверждается теоретическими исследованиями и экономической практикой последних десятилетий.
Г. Метод «неявного» моделирования ПФ, основанный на решении общей планово-производственной задачи математического программирования Л.В. Канторовича (1.26); с учетом-процедуры построения двойственной задачи (1.28) позволяет в соответствии с условиями теоремы двойственности (1.31) получать явный образ (1.32) для случая линейной ПФ (с параметрами, представляющими собой двойственные оценки производственных факторов). Наличие прямой процедуры получения двойственных оценок предопределяет как теоретическую и практическую значимость этого метода, так и перспективы его использования в рамках постановок задач настоящего диссертационного исследования.
Важным преимуществом этого метода является возможность отражения в критериальной функции и системе ограничений задачи математического программирования сопутствующих рыночной деятельности предприятия рисков.
К числу недостатков метода следует отнести его объемно-статистический характер, а также необходимость учета фактора устойчивости параметров моделируемой ПФ в локальных границах малых инвестиционных планов.
Сценарий и стратегия в задаче параметрического моделирования рыночной деятельности предприятия
За два последних десятилетия экономической наукой на методологической платформе математического инструментария теории вероятностей и математической статистики, математического программирования, эконометрики, интеллектуальных интерактивных систем разработаны и успешно внедрены в практику риск-менеджмента методы и численные процедуры оценки и управления предпринимательским риском, объединяющим определенные группы рисков рыночной деятельности производственного предприятия [50, 73, 85, 89, 116].
Тем не менее, несмотря на разнообразие рассматриваемых в теории риск-менеджмента подходов к количественной оценке рисков внешней и внутренней среды предприятия (табл. 2.1), каждый из них в отдельности не может претендовать на универсальность с позиции возможности одновременного учета рисков и других групп. Эта позиция может быть подкреплена следующим примером, указывающим на тот факт, что далеко не все из известных методов риск-анализа оказываются одинаково успешно применимы в задачах оценки и последующего учета предпринимательских рисков в моделях предприятия.
Известно, что для целей обеспечения непротиворечивости, полноты и требуемого уровня детализации математической модели предприятия исследователю необходимо представить формализованное описание материально-сырьевых, товарных и финансовых потоков, зависящих не только от используемой предприятием производственно-технологической базы, но и от общего финансово-экономического состояния предприятия и, в частности, от элементного наполнения и структуры его активов.
Возможность структуризации рыночной деятельности предприятия по двум взаимосвязанным сферам — производственной и финансовой - позволяет выдвинуть предположение о наличии двух агрегированных групп рисков рыночной деятельности предприятия: производственных и финансовых.
Агрегированные группы рисков, сопутствующих производственно-коммерческой и финансово-инвестиционной деятельности предприятия, предполагают использование вероятностных и статистических процедур получения их количественных оценок. Однако вероятностно-статистический,,а также аналитический и эконометрическии подходы характеризуются наличием ряда существенных недостатков, не позволяющих напрямую использовать их при моделировании рыночной стратегии предприятия.
Так, например, вероятностный и эконометрическии подходы к получению интегрального показателя уровня финансового состояния предприятия в модели дефолта Logit/Probit [75] для задачи определения уровня финансового риска в модели предприятия оказываются не совсем удобными с позиции возможности отражения условий учета риска в системе ограничений. По схожей причине для получения интегральных оценок возможного банкротства предприятия исследователю следует отказаться и от использования инструментария ИНС [23, 62, 67, 83, 90].
Выше отмечено, что существенной позитивной особенностью эконометрического Logit/Probit и нейросетевого подходов является возможность определения на их основе значения интегрального показателя уровня финансового риска предприятия (например, как вероятности дефолта или ранговой оценки общего финансового состояния). Однако эти подходы не могут быть применены при редуцировании ограничений в задачах математического программирования в классическом их понимании, а, следовательно, и в рамках предлагаемого автором подхода к моделированию ПФ предприятия.
С другой стороны, производственный риск предприятия, тесно связанный с финансовым, также предполагает количественное оценивание с применением вероятностных и статистических методов [76, 77, 116]. При этом справедливость применения вероятностных методов оправдана лишь в случае интерпретации риска как предполагаемого ущерба (в стоимостном выражении) по группе его составляющих: транспортному, технологическому, торговому и др26.
Часто в качестве базовой величины производственного риска в практике риск-менеджмента используют значение точки безубыточности, разделяющей области убыточного и рентабельного производств [26, 73, 81]. Однако во всех известных источниках.точка.безубыточности определяется лишь для случая однопродуктового производства, что не отвечает реальной хозяйственной практике. Из изложенного следует, что математически строгая процедура отражения в системе ограничений модели ПФ предприятия интегральной оценки уровня производственного риска на данный момент отсутствует27.
Таким образом, анализ целесообразности и обоснованности применения традиционных в практике риск-менеджмента подходов и процедур получения количественных оценок предпринимательских рисков показал ограниченность их применения в задачах экономико-математического моделирования производственной сферы предприятий, для которых существенно использование балансовых ограничений, что, в свою очередь, предъявляет дополнительные требования к методу учета производственных рисков.
В этой ситуации возможным методом логически непротиворечивого учета в математической модели предприятия составляющих производственного и финансового рисков является нормативный подход, реализованный с использованием метода финансовых коэффициентов [25, 28, 36,48,69,70,73,81,82]..
В ряду применяемых в практике риск-менеджмента методов получения количественных оценок рисков рыночной деятельности предприятия нормативный подход занимает особое место по причине высокой адаптивности к специфике рыночной деятельности предприятий различных секторов экономики.
Идея метода состоит в организации процедуры последовательных сопоставлений реальных значений рассматриваемых экономических показателей с пороговыми значениями (последние, как правило, отражают условия реальной хозяйственной практики).
Параметрическое представление производственной функции и решаемые на ее основе задачи оценки эффективности и планирования производства
Использование в математических моделях предприятия ограничений, учитывающих риски финансовой и производственной сфер его рыночной деятельности на основе коэффициентов автономии (a{) и рентабельности собственного капитала ( ROE ), предполагает наличие процедуры получения их пороговых (барьерных) значений, образующих нормативную базу сопоставительного анализа и интерпретации результатов производственно-коммерческой и финансово-инвестиционной деятельности.
Под барьерными значениями показателей ах и ROE в дальнейшем будем понимать их экономически обоснованные оценки, соответствующие складывающейся рыночной конъюнктуре и отражающие уровень финансовой и производственной устойчивости и эффективности рыночной деятельности предприятия за ряд последовательных интервалов наблюдения.
Нормативные значения показателей а, и ROE позволяют, как это следует из результатов, полученных выше (п. 2.3), корректно отразить финансовый и производственный риски рыночной деятельности предприятия непосредственно в системе ограничений, правые части которых задаются барьерными значениями указанных коэффициентов. На сегодняшний день в экономической практике предпринимательских структур для получения нормативных значений финансовых коэффициентов используются следующие подходы.
Первый, реализуемый в рамках сопоставительного анализа на основе финансовых коэффициентов, предполагает сравнение их фактических, рассчитанных по данным бухгалтерской отчетности значений, с рекомендованными и основанными на экспертных оценках значениями [25, 28, 36, 48, 63, 69, 70, 81, 82]. В некоторых случаях в качестве рекомендованных значений финансовых коэффициентов могут использоваться их средние величины, рассчитываемые для предприятий-конкурентов, а также различные нормативы, устанавливаемые в законодательном порядке [123].
Ориентация при определении рекомендуемых значений финансовых коэффициентов на нормативы конкурентов или законодательно рекомендуемые нормативы объясняется, например, тем, что большинство использующихся в практике финансового менеджмента стандартизированных процедур анализа финансово-экономических результатов предпринимательской деятельности основывается преимущественно на международных стандартах учета и аудита. Последние, однако, не отражают специфики трансформационных процессов и условий российской экономики.
Второй, реализуемый в рамках общей теории риск-менеджмента, включает аналитические процедуры определения среднеотраслевых значений финансовых коэффициентов, а также экспертные методы [26, 73, 89].
В рамках этого подхода в качестве нормативных для финансовых коэффициентов выступают их среднеотраслевые значения, рассчитанные либо по накопленной за ряд предшествующих периодов статистике, либо публикуемые как международными (Standard & Poor s, Moody s Investors Service, Fitch Ratings и др.), так и отечественными («Эксперт РА», «Национальное Рейтинговое Агентство», АК&М и др.) рейтинговыми агентствами [125, 128, 130, 131, 132].
По нашему мнению ориентация при определении нормативных значений финансовых коэффициентов в блоках ликвидности, платежеспособности и финансовой устойчивости (т.е. в тех блоках, показатели которых используются при формировании кредитного рейтинга предприятия) на их среднеотраслевые значения не может быть признана-удовлетворительной по той причине, что средние величины, как правило, не обладают свойством репрезентативности, а реальные значения фактически рассчитанных для конкретного предприятия показателей в таком случае могут значительно отличаться от среднеотраслевых в силу особенностей производственной и финансовой политики предприятия, а также отличиями в структуре его капитала.
Наконец, в рамках второго направления нормативную базу для рассчитываемых показателей могут составлять также экспертные оценки, присваиваемые указанным коэффициентам как по результатам независимых аудиторских проверок, так и на основе специально разработанных математических моделей (лингвистических, балльного оценивания и др.) [26, 31,73, 118].
Метод экспертных оценок также не может быть признан универсальным для решения рассматриваемой задачи определения нормативных значений показателей-индикаторов риска финансовой и производственной сфер рыночной деятельности предприятия, на что указывает отсутствие единого понимания как у отечественных, так и зарубежных исследователей в области финансового менеджмента и риск-анализа в отношении процедур формирования и верификации нормативной базы финансовых коэффициентов.
Подтверждением этого факта является приведенная ниже таблица, содержащая рекомендуемые разными авторами диапазоны значений двух наиболее часто используемых при анализе результатов рыночной деятельности предприятия финансовых коэффициентов: автономии и текущей ликвидности (табл. 2.4).
Указанное выше наглядно свидетельствуют о нецелесообразности использования в процедурах анализа результатов рыночной деятельности предприятия как рассмотренных правил получения нормативных значений финансовых коэффициентов анализируемых блоков, так и их рекомендуемых значений.
