Содержание к диссертации
Введение
Глава 1. Методологические основы совершенствования механизмов прогнозирования и управления развитием территориальных социально экономических систем 14
1.1 Современные теоретические и методологические подходы к совершенствованию процессов прогнозирования и управления развитием территориальных социально-экономических систем 14
1.2 Принципиальные подходы к совершенствованию механизма прогнозирования и управления социально-экономическим развитием муниципальных образований 26
Глава 2. Принципиальные основы построения мультиагентной имитационной модели социально экономического развития муниципального образования 39
2.1 Математическая мультиагентная модель муниципального образования 39
2.2 Модель производственного агента 54
2.3 Модель социального агента 77
2.4 Моделирование рынков, городского бюджета и внешней среды 86
Глава 3. Принципы построения системы поддержки принятия решений на основе мультиагентной имитационной модели муниципального образования
3.1 Принципы реализации имитационной модели муниципального образования 92
3.2 Решение задач анализа и прогнозирования развития муниципального образования 122
3.3 Прогнозирование социально-экономического развития муниципальных образований 137
1. Методологические основы совершенствования механизмов прогнозирования и управления развитием территориальных социально экономических систем 14
1.1 Современные теоретические и методологические подходы к совершенствованию процессов прогнозирования и управления развитием территориальных социально-экономических систем 14
1.2 Принципиальные подходы к совершенствованию механизма прогнозирования и управления социально-экономическим развитием муниципальных образований 26
Глава 2. Принципиальные основы построения мультиагентной имитационной модели социально экономического развития муниципального образования 39
2.1 Математическая мультиагентная модель муниципального образования 39
2.2 Модель производственного агента 54
2.3 Модель социального агента 77
2.4 Моделирование рынков, городского бюджета и внешней среды 86
Глава 3. Принципы построения системы поддержки принятия решений на основе мультиагентной имитационной модели муниципального образования
3.1 Принципы реализации имитационной модели муниципального образования 92
3.2 Решение задач анализа и прогнозирования развития муниципального образования 122
3.3 Прогнозирование социально-экономического развития муниципальных образований 137
Заключение 152
Список использованных источников
- Принципиальные подходы к совершенствованию механизма прогнозирования и управления социально-экономическим развитием муниципальных образований
- Модель производственного агента
- Прогнозирование социально-экономического развития муниципальных образований
- Модель социального агента
Введение к работе
Актуальность темы. В последнее время, в свете прилагаемых усилий по модернизации российской экономики и разработке планов долгосрочного развития особую важность приобретает вопрос оценки потенциальных возможностей и последствий реализации стратегических проектов развития территорий. И если анализу и прогнозированию социально-экономического развития (СЭР) при разработке федеральных и региональных программ уделяется определенное внимание, то инструменты и методология прогнозирования развития крупных муниципальных образований, процесс подготовки планов их стратегического развития в большинстве работ в этой области остается без внимания.
Муниципальное образование (МО) является сложной слабоформализованной социально-экономической системой, обладающей множеством неявных прямых и обратных связей и часто противоречащими друг другу по целям функционирования элементами. Необходимость учета при принятии решений большого количества разнообразных факторов увеличивает риск принятия неверного решения, которое может негативно сказаться на всех объектах экономики и социальной сферы города при реализации в реальной обстановке.
Эффективность развития крупных МО в значительной степени зависит как от организации сбора статистики, так и от точности решения задач прогнозирования социально-экономического развития, выбора направлений и путей их реализации.
Прогноз, анализ и принятие решений в большинстве случаев основывается на опыте других МО, мнениях экспертов, собственном опыте принятия решений и накопленной статистике, методиках, предложенных вышестоящими органами власти, и простых методах математического прогнозирования, основанных на собранной статистике за предшествующие периоды. Характерный для большинства МО неавтоматизированный процесс анализа эффективности стратегических проектов, консолидации мнений экспертов при построении стратегических планов и грубый прогноз СЭР МО, при объективно существующей сложности анализируемых объектов, а также необходимость учета местной специфики при использовании указанных методов, часто не позволяет получить действительно эффективную совокупность решений на каждом этапе развития МО.
Большинство существующих инструментов автоматизации процессов поддержки принятия решений основывается на моделях системной динамики, что не позволяет в полной мере решать задачи анализа и прогнозирования социально-экономического развития, так как такой подход не описывает в полной мере особенности функционирования отдельных объектов МО.
Учитывая, имеющиеся на сегодняшний день сложности с прогнозированием социально-эконмического развития крупных муниципальных образований, актуальными представляются попытки
создания информационных систем, обеспечивающих анализ принимаемых управленческий решений и оценку последствий их реализации, основанных на статистических закономерностях, действующих в данном МО, так и на теоретическом базисе, накопленном в этой предметной области (макро и микроэкономика, социальные исследованиях и т.д.).
Стремительное увеличение мощности вычислительной техники делает возможным и актуальным разработку методологии и средств поддержки принятия решений на основе аппарата мультиагентных моделей для решения задач стратегического управления МО. Применение мультиагентной имитационной модели муниципального образования, в качестве средства интеграции знаний, обеспечивает возможность совместного использования различных типов моделей развития сложных экономических объектов и статистических данных разного уровня детализации.
Таким образом, актуальность темы диссертационного исследования определяется недостаточной разработкой проблемы и отсутствием инструментов учитывающих специфику прогнозирования социально-экономического развития муниципальных образований, в том числе, на уровне отдельных экономических объектов. Последнее играет важную роль при разработке и оценке последствий реализации проектов стратегического развития крупных муниципальных образований.
Степень разработанности проблемы исследования.
Стратегическое планирование развития муниципальных образований является важнейшим направлением современных экономических исследований. В этой области хорошо известны работы уральских ученых (А.И. Татаркин, B.C. Бочко, Е.Г. Анимица, О.И. Боткин, О.А. Козлова, А.А. Куклин, ЮГ. Лаврикова, О.А. Романова, А.Г. Шеломенцев и др.), также российских исследователей (С.Д. Валентей, В.Л. Макаров, Б.С. Жихаревич, А.Г. Гранберг, Г.Г. Фетисов, Б.М. Штульберг и др.).
Одно из направлений современных исследований в области математического обеспечения процесса управления муниципальными образованиями относится к разработке систем поддержки принятия решений на основе аналитических и имитационных моделей.
Это направление включает в себя методы экономико-математического моделирования (В.Л. Макаров, Н.Б. Кобелев, А.А.Петров, М.Н. Узяков, Д.Л. Андрианов, В.А. Цыбатов и др.), статистического анализа и теории вероятности, системной динамики (Дж. Форрестер), мультиагентного моделирования (В.Л. Макаров, А.Р. Бахтизин, А.В. Борщев и др.), и методы оптимизации (Л.В. Канторович, Т. Купманс, Г. Кун, А. Таккер, И.И. Еремин,
B.C. Танаев и др.).
Другое направление относится к разработке систем поддержки принятия решений на основе знаний, опыта и интуиции специалистов, когда невозможно учесть влияние многих факторов из-за значительной сложности объекта прогнозирования, либо из-за недостатка фактографической информации: метод экспертных оценок, метод декомпозиции целей, метод
«мозговой атаки», метод «Дельфи» и ряд других методов (Р. Беллман, В.Н. Бурков, Т.Л. Саати).
Третье направление относится к формированию комбинированных моделей, сформировавшиеся путем интеграции двух вышеперечисленных подходов: компьютерные деловые игры (М. М. Бирштейн, К. Гринблат, Г. Грэм, Г. Дюпюи, И.М.Сыроежин, Р.Ф.Жуков, Г.П. Щедровицкий и др.), ситуационное моделирование, технология форсайта (П. Бишоп, В.И. Самаруха) и др. Сферы применения данных моделей охватывают все области использования экспертных и формализованных моделей.
Наиболее результативным для решения постановленных задач является комбинированный подход. Он позволяет охватить новые классы систем, которые не могут быть исследованы с использованием только экспертных и формализованных методов.
Несмотря на многообразие работ по совершенствованию механизма социально-экономического прогнозирования, проблема согласования различных подходов и создания комплексной системы стратегического планирования МО практически не решалась, блок прогноза социально-экономического развития муниципальных образований отсутствует. В большинстве работ объектом исследования выступают более глобальные региональные и международные социально-экономические процессы.
Объект исследования. Процессы социально-экономического развития муниципального образования.
Предмет исследования. Отношения между экономическими агентами в процессе прогнозирования социально-экономического развития МО и поддержки принятия решений в стратегическом управлении развитием МО.
Целью диссертационного исследования является разработка мультиагентной имитационной модели развития муниципального образования и создание на ее основе системы поддержки принятия решений в области управления и стратегического планирования развития МО, с целью повышения точности прогнозов и обоснованности принятия стратегических решений при управлении МО.
Задачи исследования. Достижение поставленной цели потребовало решения следующих научно-исследовательских задач:
-
Анализ и совершенствование методологии построения имитационных моделей МО на основе объединения принципов системной динамики и агентного подхода для прогнозирования социально-экономического развития МО с использованием статистических данных различного уровня детализации.
-
Разработка моделей поведения агентов имитационной модели МО на основе существующих экономико-математических моделей, продукционных систем, результатов анализа статистических данных и решения оптимизационных задач.
-
Разработка методологического подхода к использованию имитационной модели МО для прогнозирования социально-
экономического развития, анализа возможностей, последствий и
эффективности реализации проектов стратегического развития МО. 4. Разработка системы деловых имитационных игр с привлечением
экспертов для прогнозирования социально-экономического развития . МО и выработки согласованных коллективных решений.
Теоретической и методологической основой исследований являются общепризнанные положения экономико-математического моделирования, системного анализа, теории систем, теории исследования операций, теории управления, аппарата дискретной математики, аппарата продукционных систем, интеллектуального анализа данных, метода экспертных оценок, теория и методы принятия решений, теория и методы искусственного интеллекта, теория графов, теория прогнозирования.
Концептуальные аспекты диссертации были разработаны на основе взглядов и подходов Дж. Форрестера, В.А. Цыбатова, А.Р. Бахтизина, А.В. Борщева, В.Л. Макарова, Е.Г. Анимицы, А.И. Татаркина, B.C. Бочко, М.М. Бирштейна, Д.А. Поспелова.
Особую роль в выделении предметной области сыграли труды зарубежных авторов, среди которых Р.В. Конвей, А. Вебер, В. Леонтьев, А. Прицкер, А.В. Шеер, М. Исидзука, X. Уэно, М.Д. Вулдридж.
Работы по данным вопросам также ведутся в Уральском федеральном университете им. Первого Президента России Б.Н. Ельцина О.И. Никоновым, Б.И. Клебановым, К.А. Аксеновым, А.В. Немтиновым, И.М. Москалевым, А.В. Крицким.
Информационную базу исследования составили статистические данные и прогнозы социально-экономического развития Федеральной службы государственной статистики, территориального органа Федеральной службы государственной статистики по Свердловской области и Администрации города Екатеринбурга.
Наиболее существенные элементы научной новизны состоят в следующем:
1. Расширена методология построения мультиагентных имитационных
моделей социально-экономического развития муниципального
образования путем объединения моделей системной динамики и
агентного подхода и включающая использование исходных
статистических данных с различными уровнями детализации.
-
Разработана комплексная имитационная модель поведения социально-экономических агентов муниципального образования, объединяющая области применения известных аналитических моделей, результатов интеллектуального анализа статистической информации и методов поиска эффективных решений.
-
Предложена методика анализа возможностей и последствий реализации стратегических проектов развития муниципального образования с использованием мультиагентной имитационной модели,
позволяющая проводить оценку локального, а также глобального и взаимного влияния стратегических проектов на развитие муниципального образования. 4. Расширен набор существующих средств прогнозирования и поиска эффективных управленческих решений в области социально-экономического развития муниципального образования, на основе системы совместного использования знаний мультиагентной имитационной модели и группы экспертов.
Указанные положения научной новизны соответствуют п.п. 1.2, 1.4, 2.1 и 2.3 Паспорта специальности 08.00.13 - математические и инструментальные методы экономики.
Научная значимость исследований заключается в развитии теории и методов построения систем поддержки принятия решений и компьютерного моделирования социально-экономических систем на основе мультиагентных имитационных моделей, с использованием результатов интеллектуального анализа данных.
Практическая значимость диссертационной работы заключается, прежде всего, в том, что разработанные математические модели и пакет прикладных программ имитационного моделирования на их основе для целей поддержки принятия решений позволяют:
осуществить оценку потенциальных возможностей и последствий реализации стратегических проектов развития муниципалитетов;
проводить имитационные эксперименты с их последующим анализом;
находить эффективные управленческие решения при составлении планов стратегического развития крупных муниципальных образований.
Апробация работы и внедрение результатов исследования. Результаты работы докладывались и обсуждались на семинарах по стратегическому планированию в Администрации города Екатеринбурга, семинарах кафедры АСУ Уральского федерального университета им. Первого Президента России Б.Н. Ельцина, семинаре в Институте экономики УрО РАН, Международной научной конференции «Информационно-математические технологии в экономике, технике и образовании» (г. Екатеринбург, 2007), третьей Всероссийской научно-практической конференции «Имитационное моделирование. Теория и практика (ИММОД-2007)» (г. Санкт-Петербург, 2007), 2-й Международной научной конференции «Информационно-математические технологии в экономике, технике и образовании» (г. Екатеринбург, 2008), 3-й Международной научной конференции «Информационно-математические технологии в экономике, технике и образовании» (г. Екатеринбург, 2009), VI Всероссийской конференции «Муниципальные информационные системы: достижения, проблемы, перспективы» - Екатеринбург, 2008. (г. Екатеринбург, 2008), четверной Всероссийской научно-практической
конференции «Имитационное моделирование. Теория и практика (ИММОД-2009)» (г. Санкт-Петербург, 2009), пятой Всероссийской научно-практической конференции «Имитационное моделирование. Теория и практика (ИММОД-2011)» (г. Санкт-Петербург, 2011).
. Концепция построения системы прогнозирования социально-экономического развития муниципального образования с использованием имитационной модели МО «город Екатеринбург» и ее программная реализация внедрены в деятельность Администрации города Екатеринбурга (акт внедрения от 31.10.2011 г.), результаты исследования используются в учебном процессе Института радиотехники и информационных технологий Уральского федерального университета им. Первого Президента России Б.Н. Ельцина (акт внедрения от 06.06.2008 г.).
Публикации. Основные положения диссертации отражены в 21 научной работе общим объемом 6,15 п.л. (в т.ч. авторских 3 п.л.), включающих 3 статьи объемом 1,25 п.л. (в т.ч. авторских 0,7 п.л.) в журналах, рекомендованных ВАК РФ для публикации научных результатов диссертации («Журнал экономической теории», «Вестник компьютерных и информационных технологий», «Современные исследования социальных проблем (электронный журнал)»).
Объем и структура работы. Диссертация состоит из введения, трех глав, заключения, списка литературы и приложений. Объем основной части работы составляет 168 страниц машинописного текста. Диссертация содержит 50 рисунков и 35 таблиц. Список литературы включает 103 наименования.
Принципиальные подходы к совершенствованию механизма прогнозирования и управления социально-экономическим развитием муниципальных образований
Важно отметить следующие моменты системной динамики: а) поскольку модель оперирует только количествами, агрегатами, объекты, находящиеся в одном накопителе, неразличимы, лишены индивидуальности; б) аналитику предлагается рассуждать в терминах глобальных структурных зависимостей и, соответственно, ему необходимы соответствующие данные. Дискретно-событийное моделирование (Arena, Extend, SimProcess, AutoMod, PROMODEL, Enterprise Dynamics, FlexSim, eMPlant и др.) [З, 42, с. 27-35, 57, 58, 59, 99, с. 54-57]. Основная парадигма данного подхода заключается в использовании транзактов, отображающих динамические объекты моделирования (заявки), и блоков-объектов, обрабатывающих эти заявки. Дискретно-событийное моделирование наиболее развито и имеет огромную сферу приложений - от логистики и систем массового обслуживания до транспортных и производственных систем. Этот вид моделирования наиболее подходит для моделирования производственных процессов. Основан Джеффри Гордоном в 1960х годах.
Агентное моделирование - относительно новое (1990е-2000е гг.) направление в имитационном моделировании, которое используется для исследования децентрализованных систем, динамика функционирования которых определяется не глобальными правилами и законами (как в других парадигмах моделирования), а наоборот. Когда эти глобальные правила и законы являются результатом индивидуальной активности членов группы [22, 23,42, с. 30-35,71].
Агентное моделирование (Swarm, RePast, библиотеки на Java или C++, разработанные в различных университетах, и др.). Основная парадигма заключается в том, что модель представляется в виде множества отдельных активных объектов (агентов), каждый из которых взаимодействует с другими агентами, образующими для него внешнюю среду. Взаимодействие агентов происходит в рамках ограничений накладываемых моделируемой системой. Цель агентных моделей - получить представление об этих глобальных правилах, общем поведении системы, исходя из предположений об индивидуальном, частном поведении ее отдельных активных объектов и взаимодействии этих объектов в системе. Агент - некая сущность, обладающая активностью, автономным поведением, может принимать решения в соответствии с некоторым набором правил, взаимодействовать с окружением, а также самостоятельно изменяться [23, 56].
В отличие от системной динамики или дискретно-событийных моделей, здесь нет такого места, где централизованно определялось бы поведение (динамика) системы в целом. Вместо этого, аналитик определяет поведение на индивидуальном уровне, а глобальное поведение возникает как результат деятельности многих (сотен, тысяч, миллионов) агентов, каждый из которых следует своим собственным правилам, живёт в общей среде и взаимодействует со средой и с другими агентами [23].
В случае моделирования систем, содержащих большие количества активных объектов (людей, животных, машин, предприятий или даже проектов, активов, товаров и т.п.), которые объединяет наличие элементов индивидуального поведения, от сложных (цели, стратегии) до самых простых (временные ограничения, события, взаимодействия) агентное моделирование является подходом более универсальным и мощным, так как оно позволяет учесть любые сложные структуры и поведения. Другое важное преимущество агентного моделирования в том, что разработка модели возможна в отсутствии знания о глобальных зависимостях: вы можете знать очень немного о том, как вещи влияют друг не друга на глобальном уровне, или какова глобальная последовательность операций, и т.п., но, понимая индивидуальную логику поведения участников процесса, можно построить агентную модель и вывести из неё глобальное поведение. Таким образом, иногда, даже если в принципе и существует, скажем, системно-динамическая модель системы, построить агентную модель может быть проще. И, наконец, агентную модель проще поддерживать: уточнения обычно делаются на локальном уровне и не требуют глобальных изменений. В таком случае, введение новых объектов (предприятий, объектов социальной инфраструктуры, планов стратегического развития) в агентной имитационной модели не изменяет её структуры, что может потребоваться при использовании моделей системной динамики [9, 22, 42, с. 64, 62].
Динамические системы (MATLAB, VisSim, LabView, Easy 5 и др.). Основная парадигма данного подхода заключается, как и в системной динамике, в описании системы соответствующей математической модели, состоящей из набора переменных состояния и системы алгебро-дифференциальных уравнений над ними. Но, в отличие от системной динамики, переменные состояния имеют прямой «физический» смысл: координата, скорость и т.д. и не являются агрегатами дискретных объектов [8,29,40,55].
Модель производственного агента
Примером локальной модели является, модель потребления конкретного агента, строится исходя из потребностей и существующих возможностей конкретного агента (наличия денежных средств и требуемых ресурсов на рынке). Потребление всех агентов дает общий объем спроса, что соответствует типичному для агентного подхода моделированию «снизу вверх».
Другим примером такого подхода может служить моделирование принятия решения об эмиграции (поступлении в ВУЗ, смене места работы и т.п.), когда принятие решения осуществляется на уровне агента-человека, при этом учитываются все особенности конкретного агента. Для построения такого «решателя» необходимо определить полный перечень факторов оказывающих влияние на принятие решения, и установить вероятность принятия положительного решения для каждой из комбинаций факторов влияния на основании статистической информации, то есть заполнить базу знаний агентов (продукционную систему) по определенному вопросу.
Такой подход основывается на предположении, что социальные и производственные агенты, имеющие одинаковые наборы характеристик в одних и тех же условиях ведут себя сходным образом [52, 54]. То есть, вероятность принятия положительного решения по какому-либо вопросу изменяется с изменением характеристик агента и переходов его в другую группу.
Таким образом, можно сказать, что вероятности принятия какого-либо решения для каждой из групп в процессе моделирования не меняются, а меняется количество агентов входящих в эти группы (с изменением характеристик агентов в процессе моделирования), что, в свою очередь, дает изменение общего количества агентов, принимающих то или иное решение.
При локальном подходе удается учесть все особенности характеристик объектов. Таким образом, можно выделить преимущество описанного подхода метода: получение нового качества прогнозных данных по сравнению с регрессионными зависимостями: прогнозирование динамики развития на уровне отдельных групп объектов, а не только на уровне всего массива агентов.
Глобальные модели могут быть получены на основе моделей макроэкономики, либо на основе регрессионных зависимостей выявленных методами анализа статистической информации. То есть, при принятий решения по какому-либо вопросу на уровне агента вероятность принятия решения зависит как от характеристик самого агента, так и от характеристик множества агентов. Такие модели используются, например, при прогнозировании: рождаемости, смертности, заболеваемости населения и ряда других показателей. Эти модели применяются в тех случаях, когда невозможно учесть всё множество внешних факторов влияющих на поведение группы людей при моделировании каждого человека в отдельности.
Существенным недостатком такого подхода является невозможность точно соотнести выполняемое действие с конкретным агентом. Например, в данном случае не ясно в какой семье родится ребенок (к какому агенту вида «семья» отнести ребенка, кто его родители). В случае прогнозирования количества эмигрантов таким образом можно получить только общее их количество, но нельзя определить характеристики этих мигрантов: пол, возраст, уровень образования, доход и т.п.
К плюсам такого подхода можно отнести меньшие требования к статистике по сравнению с локальными моделями. Выбор подхода к построению моделей развития определяется исходя из объемов, структуры и качества имеющейся в наличии статистической информации.
Сочетание локальных и глобальных моделей позволяет адаптировать имитационную модель к использованию статистических данных с различным уровнем детализации [15, 45].
Два описанных выше подхода могут быть использованы при наличии теоретических знания или достаточного объема статистики и возможности выделить устойчивые зависимости между факторами влияния и конечными результатами.
Имеет смысл выделить ещё 2 класса моделей: модели определения решения на основании данных статистики (например, учет эластичности спроса) и модели, осуществляющие поиск эффективных решений (например, на основе заданной целевой функции)
Модели первого класса могут оказаться неадекватными при моделировании условий, с которыми прежде не приходилось сталкиваться (например, кризисные ситуации).
В этом случае, становится целесообразным использование моделей второго класса для определения логики поведения агентов целевых функций и алгоритмов поиска эффективных решений, задающих поведение объектов модели в различных ситуациях. Такой подход предлагается использовать при определении логики производственных агентов, в различных условиях функционирования [5, 15, 16, 51].
Прогнозирование социально-экономического развития муниципальных образований
С целью синхронизации действий различных видов агентов имитационной модели в модели определено расписание выполнения функций агентов на каждом шаге моделирования. Порядок выполнения процедур на каждом шаге моделирования (шаг моделирования - 1 месяц): 1. Запись в БД состояния агентов модели. 2. Сбор статистики на основании данных множеств агентов модели для построения графиков с соответствии с определенными пользовательскими интерфейсами. 3. Индексация стипендий, пенсий, пособий и др., индексация производится на основании прогнозных данных Министерства экономического развития РФ. 4. Ежегодно (один раз в 12 циклов) происходит определение количества пенсионеров, моделирование рождаемости и смертности, формирование семьей, моделирование миграции. Привязка к годовому шагу обусловлена соответствующей статистической базой. 5. Моделирование развития людей (старение, заболеваемость, образование и т.д.). 6. Формирование потребностей людей на основании уровня дохода. 7. Формирование бюджетов семей, с учетом всех источников дохода, и распределение средств между членов семьи. 8. Расходование средств населения на удовлетворение потребностей -поиск и приобретение товаров и услуг на общем городском рынке. 9. Определение потенциальных возможностей выпуска предприятий на основании имеющихся трудовых ресурсов и состояния основных фондов. 10.Закупка сырья предприятиями на рынке товаров и услуг города. 11 .Выполнение мероприятий в соответствии с планами стратегических проектов. 12.Покупка товаров и услуг внешним рынком. 13.Перечисление остатков товаров и доходов от продажи товаров и услуг производителям. Остатки товаров, пригодных для длительного хранения остаются в распоряжении предприятия и могут быть выставлены на рынок на следующем шаге моделирования. 14.Выплата заработной платы на предприятиях и уплата налогов населением. 15. У плата налогов предприятиями. 16.Распределение средств городского бюджета. 17.Подведение финансовых итогов месяца. 18.Распределение ресурсов на предприятиях: на заработную плату, инвестиции в ОФ, накопления, займы и др. 19.Корректировка численности сотрудников. по 20.Корректировка средней заработной платы на предприятиях. 21.Выставление вакансий предприятий на рынок труда. 22.Поиск работы населением города на рынке труда. 23.Производство товаров и услуг на предприятиях. 24.Выставление товаров и услуг предприятий на рынок. 25.Выставление на рынок импортных товаров и услуг.
В таком случае, выполнение модели не переходит к следующему действию пока всеми агентами (агентами задействованными на данном шаге) модели не будет выполнено текущее действие. Такой подход позволяет упорядочить последовательность действий агентов модели, при этом сохраняя возможность случайного выполнения действий агентами на каждом из этапом работы модели, в соответствии с идеологией агентного моделирования.
Городской бюджет аккумулирует налоговые отчисления и определяет логику распределения ресурсов согласно плану развития города и СП.
Переменная класса Описание budget Бюджет города incomeltems [enterpriseName, okved partOfBudget money] Массив статей доходов городского бюджета expenseltems [enterpriseName, okved partOfBudget money] Массив статей расходов городского бюджета budgetMoneyDistribution Функция распределения бюджетных средств Доходы городского бюджета в виде налоговых отчислений предприятий прогнозируются на основании объемов производства и консолидированной налоговой нагрузки на отрасль. Доходы городского бюджета за исключение налогов с предприятий и населения рассчитываются на основании выявленной регрессионной зависимости [79]: BudgetDohodPerPerson, = -19,5062 + 6,7385 AUProductivityPerPerson,2 (3.2) где BudgetDohodPerPerson, - доход бюджета на душу населения за исключением налогов предприятий на душу населения, руб. в год; AUProductivityPerPerson, - сопоставимый объем производства на душу населения, тыс. руб. в год.
Так как в рамках имитационной модели МО параметры внешней среды являются не всегда прогнозируемыми, в модели существует возможность экспертного задания таких значений. Данные внешней среды могут задаваться сценарно или варьироваться интерактивно в процессе работы модели. Параметры внешней среды задаются на основании мнений экспертов, прогнозов развития Росстата и Министерства экономического развития РФ: 1. Экспорт по отраслям ОКВЭД, тыс. руб. год. 2. Импорт по отраслям ОКВЭД, тыс. руб. год. 3. Макроэкономические показатели (уровень инфляции, ставка рефинансирования и т.д.). В процессе моделирования можно отслеживать:
Модель социального агента
Рассмотрим стратегический проект «Повышение инвестиционной привлекательности города», который является частью стратегического плана развития Екатеринбурга до 2015 года. Целью проекта является увеличение объема инвестиций, в том числе иностранных, в экономику города.
Для решения определенной выше задачи администрации города требуются средства, предоставляющие достоверную информацию о городских экономических процессах, с помощью которых можно выделить «точки роста» городской экономики и привлечь крупных инвесторов. Результатом будет рост экономики и соответственно налоговых поступлений в городской бюджет. Разработанная система позволяет решать данные задачи, что говорит в пользу целесообразности ее внедрения в отдел стратегического планирования.
Чтобы оценить экономический эффект, рассмотрим пример использования системы для решения данного типа задач. Логическая последовательность работы следующая: 1. Определить прогноз внешнеэкономической ситуации. 2. Выполнить моделирование на основе этих данных. 3. Анализируя результаты моделирования выделить предприятие, обладающее дополнительным потенциалом развития. 4. Определить тип инвестиций и их объем. 5. Выполнить моделирование с учетом внесенных инвестиций. 6. Оценить экономическую эффективность данного инвестиционного проекта на основе результатов моделирования. При неудовлетворительных результатах перейти к пункту 3. Если требуется, можно перейти к пункту 1 и задать другие параметры внешней среды для данного инвестиционного проекта.
7. Оценить поступления в городской бюджет. Таким образом можно рассчитать экономический эффект от реализации определенного СП.
Для инициализации модели используются данные статистики на конец 2006 года. Денежный оборот предприятий в модели осуществляется в приведенных ценах на начальный момент времени. Это позволяет отслеживать реальную динамику показателей (без учета инфляционных изменений). Прогноз внешнеэкономической ситуации является умеренно-стабильным и определяется на основании прогнозов Госкомстата.
Было выполнено моделирование на основе прогнозируемых внешних параметров, период моделирования - десять лет.
Для отрасли «Производство машин и оборудования» (код ОКВЕД "DK") характерно снижение объемов производства, за счет чего снижается объем экспортируемой продукции. Это значит, что в этой отрасли имеется значительный запас роста производства, обеспеченный неудовлетворенным спросом внешней среды.
«Пневмостроймашина». Для этого предприятия характерно падение максимального объема производства за счет старения основных фондов. По этой причине невозможен рост реального объема производства.
Можно сделать вывод, что предприятию требуются дополнительные инвестиции на обновление основных фондов. Рассмотрим вариант такого инвестиционного проекта.
Предприятие выпускает специальный пакет акций на сумму 700 млн. руб. Инвестор покупает этот пакет акций, доля которого составляет 25% от общего числа акций компании. Это позволит ему получать четвертую часть дивидендов. В данном случае, прибыль будет складываться исключительно из дивидендов (акции подобных компаний обладают малой ликвидностью, да и модель не позволяет оценивать стоимость акций).
Модель была запущена заново, уже с учетом инвестиций 700 млн. руб., вложенных в приобретение основных фондов предприятия ОАО «Пневмостроймашина».
Большие объемы основных фондов позволили увеличить максимальный выпуск продукции, что положительно сказалось на увеличении прибыли предприятия.
Таким образом, на основании результатов имитационного моделирования был сделан прогноз: долгосрочные инвестиции в предприятие ОАО «Пневмостроймашина» в размере 700 млн. руб. окупаются в течение 8,66 лет, рентабельность за 10 лет составляет 31,52%, при соблюдении условий устойчивости показателей внешней среды и инфляции не превышающей уровень в 15%. 333 Оценка вариантов развития экономики города Екатеринбурга Далее рассмотрены результаты трех экспериментов, отражающих различные варианты развития экономики города Екатеринбурга, в зависимости от внешних условий [17]. Было выполнено моделирование по трем различным сценариям: 1. Оптимистичный прогноз развития внешней среды. 2. Кризис V-типа - после резкой рецессии происходит аналогичный подъем. 3. Кризис L-типа - затяжная депрессия. В качестве основного фактора развития кризисной ситуации принято снижение уровня потребления внешней средой продукции основных экспортно-ориентированных отраслей экономики города.
В качестве исходных данных использовались данные статистики на конец 2006 года. Период моделирования составил 6 лет (72 шага модели). Параметры распределения средств городского бюджета соответствуют 2007 году (табл. 3.29).
Кризис V-типа В течение года совокупный спрос на экспорт сократился на 50%. Затем последовал 6-месячный застой, после чего в течение года показатель вернулся к 90% докризисного уровня. В оставшееся время рост составлял 3-4% в год. I і s Г"і 7\ rt , Кризис L-типа В течение года совокупный спрос на экспорт сократился на 50%. Но обратного отскока не произошло, депрессия затянулась на весь оставшийся период моделирования i_. 1і
На рисунке 3.27 показана общая динамика изменения объемов производства. Оптимистичный прогноз демонстрирует умеренный рост от 58 до 73 млрд. рублей (около 25%). Кризис V-типа показывает оживление экономики после периода спада и достигает начального уровня производства в середине пятого года. График кризиса L-типа иллюстрирует продолжительную депрессию с довольно незначительным ростом.
Значительное падение объемов производства характерно для отраслей с высокой долей экспортной продукции (50-100%), таких как машиностроение, металлургическое производство, производство электрооборудования и ряд других. На рисунке 3.28 видно, что перепроизводство в машиностроительной отрасли в случае кризиса V-типа вызывает снижение экспорта, но не создает критической ситуации. Дальнейший рост замедлен недостаточными вложениями в ОФ.
Но если восстановления спроса не происходит (кризис L-типа), то предприятия вынуждены сократить объемы производства, уменьшить заработную плату и сокращать персонал (рис. 3.28). Поэтому, оптимальной стратегией является стратегия по сохранению возможностей потенциального выпуска и минимизации издержек.
