Содержание к диссертации
Введение
1 Анализ состояния вопроса оценки риска при управлении инвестированием МИПП. Обоснование направлений исследований 11
1.1 Анализ особенностей функционирования малого инновационного промышленного предприятия как социально-экономической системы 11
1.2 Анализ существующих методов оценки риска при управлении инвестированием МИПП 1.2.1 Анализ экспертных методов оценки риска инвестирования МИПП 20
1.2.2 Анализ методов статистической оценки риска инвестирования МИПП 26
1.3 Выбор и обоснование направления исследования 30
Выводы 34
2 Разработка структурно-системной и информационной моделей взаимодействия инвестора и МИПП в процессе реализации инновационного проекта 37
2.1 Анализ особенностей функционирования МИПП, как адаптивной системы 37
2.2 Разработка структурно-системной модели взаимодействия МИПП и инвестора 39
2.3 Разработка информационной модели взаимодействия инвестора и МИПП 48
Выводы 50
3 Разработка способа получения данных и формирования информационной базы о внутренней и конкурентной среде инвестируемого МИПП
3.1 Анализ особенностей процесса получения данных о внутренней и конкурентной среде МИШІ 52
3.2 Определение перечня ценных для принятия решения об инвестировании данных и способов их получения 53
3.3 Анализ структуры данных о МИПП, полученных из нормативных документов и в ходе бизнес-разведки 56
3.4 Выбор методов предварительной обработки данных для формирования информационной базы 3.4.1 Лингвистический подход к формализации данных 60
3.4.2 Подход к определению степени принадлежности состояния конкурентов МИПП к множеству «Уровень конкурентной среды» 62
3.4.3 Применение теории Демпстера-Шафера для формализации нечетких оценок 64
3.4.4 Характеристика OWA оператораЯгера 67
3.4.5 Применение OWA интеграции для подготовки входящих данных с использованием структур доверия Демпстера-Шафера 69
3.5 Количественная оценка риска инвестирования МИПП по информационному критерию 70
Выводы 72
4 Разработка метода обобщения и интеллектуальной обработки разнородных данных при управлении риском инвестирования МИПП 74
4.1 Особенности задачи обработки данных о внутренней и конкурентной среде МИПП 74
4.2 Краткая характеристика ДСМ метода автоматического порождения гипотез 75
4.3 Использование OWA оператора Ягера для интеграции входных данных
4.4 Интеллектуальная обработка разнородных данных при управлении риском инвестирования МИПП на основе ДСМ метода 79
4.5 Моделирование результата воздействия на МИПП с использованием нейтрософских когнитивных карт 85
Выводы 91
5 Синтез структурно-функциональной организации информационной базы системы автоматической оценки риска при управлении инвестированием МИПП и ее экспериментальная проверка 93
5.1 Анализ структуры данных и знаний информационной базы. Выбор моделей представления знаний 93
5.1.1 Разработка фреймовой модели представления знаний для информационной базы системы 95
5.1.2 Разработка продукционной модели представления знаний для информационной базы системы 102
5.1.3 СФО информационной базы системы автоматической оценки риска при управлении инвестированием МИПП
5.2 Программная реализация системы оценки риска при управлении инвестированием МИПП 106
5.3 Экспериментальная проверка системы оценки риска при управлении инвестированием МИПП 110
5.4 Оценка адекватности полученных результатов 118
Выводы 121
Заключение 122
Библиографический список 124
- Анализ существующих методов оценки риска при управлении инвестированием МИПП
- Разработка информационной модели взаимодействия инвестора и МИПП
- Анализ структуры данных о МИПП, полученных из нормативных документов и в ходе бизнес-разведки
- Использование OWA оператора Ягера для интеграции входных данных
Анализ существующих методов оценки риска при управлении инвестированием МИПП
В условиях ускорения научно-технического прогресса и связанных с ним масштабных трансформаций экономической и социальной среды, в стратегии развития предприятий наблюдается смещение приоритетов от долгосрочного планирования к адаптивной модели.
Адаптивный подход к ведению бизнеса основан на постоянном внедрении инноваций, новшеств, часть из которых существенно меняет в лучшую сторону качества товаров, услуг или эффективность функционирования социально-экономической системы (предприятие, ВУЗ, орган государственного управления, социальный институт и др.).
Процесс появления инновации чаще всего можно представить следующим образом: на базе результатов фундаментальных исследований группа лиц проводит поисковые или прикладные исследования с целью внедрения новшества в жизнь и получения прибыли. Другими словами, в этом случае происходит процесс превращения научных знаний в изменения товара или системы, увеличивающие их конкурентоспособность и «инновационную стоимость», которая определяется не материальными затратами на производство и ресурсы, а технологической новизной данного продукта, благодаря которой он может удовлетворять потребности на более высоком уровне. Основные понятия и определения, связанные с инновационным бизнесом приведены в приложении 1.
Организацией инновационного процесса (подготовкой условий, стимулированием появления инноваций, а так же их поддержкой) чаще всего занимаются крупные организационные структуры, однако непосредственное создание инноваций, в общем случае, осуществляется небольшой группой лиц вне рамок крупных предприятий. Это происходит благодаря ряду особенностей, присущих малым инновационным предприятиям (далее МИП): - энтузиазм, высокая мотивация персонала, находящегося в прямом контакте с руководством; - относительно низкая капиталоемкость бизнеса, возможность быстрой окупаемости вложений; - высокая управляемость бизнеса, наличие развитых горизонтальных связей между сотрудниками, минимум бюрократизма и как следствие -быстрая реакция на внутренние и внешние изменения; - возможность ориентировать свою деятельность на области рынка, не имеющие достаточного объема и не вызывающие интереса крупного бизнеса; - способность к межфирменной консолидации; - проектный подход к предпринимательской деятельности.
С точки зрения формы существования малые инновационные предприятия в России можно условно разделить на 3 типа: 1.МИП, основанные сотрудниками НИИ и ВУЗов. Подобные предприятия существуют в тесной связи с материнской организацией, создают бизнес-проекты на основе ее научных разработок, также чаще всего имеют доступ к ее инфраструктуре, деловым связям и госзаказам. Эти организации составляют большинство среди всех прочих типов МИП; 2. самостоятельные МИП более редкое явление. Они существуют благодаря тому, что его коллектив смог найти собственную нишу на рынке наукоемкой продукции; 3. компании-пионеры, которые представляют собой малые фирмы, созданные крупными компаниями в рамках стратегии адаптивного развития для апробирования нового продукта или технологии.
Процесс создания инновационного продукта малым предприятием в условиях высокой неопределенности и возрастающей динамики рынка называют термином «стартап» (от анг. startup). Стратегия ведения подобного бизнеса существенно отличается от реализации проектов в традиционных областях. Данные отличия определяют особую методологию развития инновационных проектов, сформулированную в работах [57,25,70], согласно которой в бизнес процессе создания инновационного продукта следует выделить ряд особенностей :
1. Стремление к оперативной разработке «минимально-жизнеспособной модели» т.е. версии продукта, лишенной дополнительного функционала, дизайна и т.д., однако, достаточной для тестирования и определения его потенциальной востребованности.
2. Уменьшение неопределенности реализации проекта путем ускорение обратных связей, т.е. увеличение частоты тестирования проекта на промежуточных этапах с целью оперативной добычи актуальной эмпирической информации.
3. При возникновении угрозы ухода проекта в направлении создания невостребованного продукта осуществляется «поворот» (pivot). В зависимости от типа угрозы различают следующие виды поворотов: - фокус - сужение потенциальной целевой группы потребителей разрабатываемого продукта, и адаптацию его свойств под их потребности, с целью ухода от крупного конкурента. - масштабирование - процесс обратный фокусу. - вращение - изменение первоначальной стратегической цели на другую, для достижения которой, потенциал, накопленный в ходе предшествующей работы, может быть полностью или частично использован. - возврат - возвращение проекта на предыдущую стадию с целью осуществления «вращения» в ином направлении, но уже в условиях уменьшенной, благодаря полученной эмпирической информации, неопределенности
Разработка информационной модели взаимодействия инвестора и МИПП
Помимо изменения эффективности, взаимодействие двух систем может оказывать влияние на взаимную информированность. Характер влияния обусловлен информационными интересами сторон.
Информационные интересы МИПП и инвестора, в общем случае, совпадают в части информации, касающейся состояния рынка, среднесрочных планов реализации проекта, новых научных разработок и производственных решений в области внедряемой инновации. Однако МИПП может сознательно скрывать или искажать сведения о своем кадровом составе, научно-техническом потенциале, ключевых аспектах технологии инновации и стратегическом видении будущего реализуемого проекта.
Структуру информационного взаимодействия элементов в процессе управления инвестированием можно представить, используя методологию ER-моделирования сущность-связь. Для этого построим ER-диаграмму, которая отображает составляющие метасистемы МИПП, внешней среды и инвестора сущности, а так же связи между ними (рис. 2.7). На диаграмме прямоугольниками отображены сущности, линиями связи, а ромбами характер связей.
На основе полученной ER-диаграммы, используя методологию IDEF1, построим информационную модель взаимодействия инвестора, предприятия и внешней среды, которая отражает процесс в виде совокупности информационных объектов и связей между ними с учетом их смыслового содержания.
Представленная модель (рис. 2.8) характеризует структуру информационных потоков, которыми обмениваются элементы рассматриваемой метасистемы.
Как было отмечено ранее, информационная база инвестора должна содержать сведения о запрашивающих финансирование МИПП, реализованных ими ранее проектах, сведения о состоянии конкурентной среды. Разработанная модель, учитывая специфику инвестирования инновационных разработок [20,38], определила в качестве источников формирования информационной базы нормативные документы (бизнес-план) и бизнес разведку. именование
Состояние фундаментальных исследовании Состояние прикладных исследовании Уровень стратегического планирования Собственные финэнсовь?е возможности Налн не ограничивающий факторов Соотношение цены с существующими продуктами; Соотношение потребиггЕльскик качеств Текущая и перспективная ёмкость ры-нка Наличие альтернативи ыя технологий Наличие порога дпл еходэ конкурентов Уровень конкурентов Статистика экспорта/импорта аналогов Технологическая сложность реализации Сведенияо реализованных проектах бизнес-план ID бизнес-плана Наименование МИПП{РК}
Связи с крупным промышленным предприятием или НИН Постоянные поставщики, партнёры Поддержка со стороны государства Правовая защищенность инновационной идеи Масштабируемость производства Число реализованных ранее проектов Соответствие проекта профилю инвестора Характеристика новизны
С другой стороны модель позволяет сделать вывод о разнородном характере получаемых данных, содержащих, в том числе нечеткие элементы, что обуславливает необходимость выбора соответствующих методов их формализации, применение которых позволило бы системе оценки риска при управлении инвестированием оперировать всем спектром входной информации.
В ходе решения во втором разделе задачи разработки структурно-системной и информационной модели взаимодействия инвестора и МИПП в процессе реализации инновационного проекта получены следующие результаты: 1. Проанализированы особенности функционирования МИПП, как адаптивных систем. Показано, что в ходе реализации инновационных проектов подобные предприятия следуют адаптивной стратегии поведения, изменяя свое состояние в зависимости от условий конкурентной среды, а их успех во многом определяется величиной и структурой НТП. Для инвестора, следствием подобной стратегии является необходимость осуществлять инвестирование в несколько итераций, производя перед каждой из них сбор информации о текущем состоянии МИПП и конкурентной среды, а так же осуществляя оценку риска инвестирования на основании собранной информации. 2. Определено, что взаимодействие инвестора и МИПП с позиции системного подхода представляет собой конфликт, поскольку обе стороны, используя ресурсы друг друга, стремятся достичь разных целей. Учитывая характер и соотношение целей взаимодействия, класс конфликта соответствует типу «содружество». Показано влияние данного класса на показатели эффективности и информационные интересы инвестора и МИПП. 3. Разработана структурно-системная модель взаимодействия инвестора и МИПП, учитывающая характер и особенности инвестирования инновационных проектов, в частности итеративный подход к инвестированию, а так же различие информационных интересов сторон. 4. Разработана информационная модель, отражающая инвестиционный процесс в виде совокупности информационных объектов и связей между ними с учетом их смыслового содержания. Разработанная модель предполагает наличие двух источников формирования информационной базы инвестора: бизнес-разведка, позволяющая получать данные о конкурентной среде, а так же сведения о МИПП, потенциально подверженные сокрытию или искажению со стороны предприятия; нормативные документы (бизнес-план) в котором предприятие по установленному образцу отображает информацию о своей структуре.
Анализ структуры данных о МИПП, полученных из нормативных документов и в ходе бизнес-разведки
Качественные оценки могут быть преобразованы с использованием лингвистического подхода, в рамках которого в качестве значений переменных допускаются не только числа, но и слова или предложения естественного языка. Аппаратом формализации в данном случае выступает теория нечетких множеств [30-32,36,48,53].
Формализация нечетких понятий и отношений, данных экспертом (или группой экспертов по инновационному инвестированию) обеспечивается введением понятий нечеткой и лингвистической переменных, нечеткого множества и отношения. Первые два обеспечивают переход от словесных описаний элементов к числовым, другие два являются средством числового представления нечетких понятий и отношений.
Под нечетким множеством А понимается совокупность упорядоченных пар, составленных из элементов х универсального множества X и соответствующих степеней принадлежности цА (х): А = 1х,цА{х)]хеХ}, (3.1) причем juA(x) — функция принадлежности (характеристическая функция), указывающая в какой степени (мере) элемент х принадлежит нечеткому множеству А.
Функция juA{x) принимает значения в некотором линейно упорядоченном множестве М. Множество М называют множеством принадлежностей, часто в качестве М выбирается отрезок [0,1]. Если М={0,1} (т.е. состоит только из двух элементов), то нечеткое множество может рассматриваться как обычное, четкое множество.
Нечеткая переменная определяется кортежем (x,U,x\, где X наименование нечеткой переменной, U={u} - область ее определения или универсальное множество, X = UueUjuJu - нечеткое множество на U, описывающее ограничение на возможные числовые значения нечеткой переменной Х[49,50].
Лингвистическая переменная определяется кортежем (Д Т, U, G, М), где Р - наименование лингвистической переменной, Т - множество ее значений (термов), представляющих собой наименование нечетких переменных областью определения каждой из которых является множество U. На рис. 3.2 представлена логико-лингвистическая шкала для нечеткой переменной «Прогнозируемый рост рынка внедряемой инновации», полученная экспертным путем.
Логико-лингвистическая шкала для нечеткой переменной «Прогнозируемый рост рынка внедряемой инновации», полученная экспертным путем Формирование логико-лингвистических шкал для показателей, определяющих исход реализации инновационного проекта, получаемых экспертным путём, позволяет осуществить переход от словесных описаний элементов структуры МИПП и конкурентной среды данных экспертами к числовым значениям.
Подход к определению степени принадлежности состояния конкурентов МИПП к множеству «Уровень конкурентной среды» Формализация ключевых свойств исследуемых МИП, т.е. приведение разнородных и нечетких данных к виду А = {а1,а2,а3,а4,...,ап}, где ап некоторое числовое значение, определяемое для каждого элемента по одинаковому алгоритму, сопряжено с рядом сложностей ввиду того, что точное определение экспертом значений элементов множества в ходе одной итерации в общем случае невозможно. В этих условиях целесообразно использовать подход, описанный в [31], который позволяет определить степень принадлежности элементов целевому множеству логически последовательным образом. В рассматриваемом случае инновационного бизнеса это может быть определение степени принадлежности состояния конкурентов МИПП к множеству «Уровень конкурентной среды» Ve[0,l] , где 0 и 1 соответствуют крайним состояниям.
В начале, разобьем множество V на п слоев (примем п=5 и отметим, что увеличение числа слоев может способствовать улучшению точности вычислений). Обозначим слои через а, где каждый из слоев отображает определенный интервал принадлежности к множеству V. Затем, выбирая случайным образом один из слоев, эксперт должен ответить на вопрос, какие из значений исходного множества Х = {х1,х2,х3,х4] соотносятся с данным уровнем. В результате для рассматриваемого случая получим следующее распределение: приО а Al={xl, х2, х3, х4] при а2 а а3 А2 = {х1, х2, х3, х4] при аА а аъ А3={х2, х3, х4} при а6 а а1 А4 = {х2, х3] приа7- а 1 Аъ={х2,х3] Пусть к - число элементов включенных в множество уровня, построенного на предыдущем шаге, тогда Т; - величина, первоначально равная нулю и вычисляемая прибавлением — к Т; при появлении х; в
Таким образом, определяется степень принадлежности различных состояний конкурентной среды МИПП к множеству «Уровень конкурентной среды». В ходе дальнейшей обработки необходимо подставлять полученное значение вместо вербального описания, данного экспертом.
Аналогичным образом определяются функции принадлежности других характеристик МИПП, чтобы затем при поступлении данных о реальных инвестиционных проектах их можно было бы эффективно и с минимальными затратами времени формализовать.
Использование OWA оператора Ягера для интеграции входных данных
Функционирование системы оценки риска при управлении инвестированием малого инновационного бизнеса сопряжено с постоянным накоплением, оперативной обработкой и хранением разнородной информации. Данное обстоятельство обуславливает ряд требований к характеристикам базы данных и знаний (БДиЗ), поскольку ее структура, прежде всего, зависит от типов знаний и данных, которые используются при работе системы. Разработанный метод обобщения и интеллектуальной обработки разнородных данных при управлении риском инвестирования МИПП оперирует следующими информационными категориями:
Входящие данные из внешней среды, включающие: - значения показателей, характеризующих потенциал МИПП, инновационный проект и конкурентную среду; - дополнительную разнородную информацию, в частности: патенты, статьи, отчетность, текстовые и графические файлы.
Правила, гипотезы, формируемые ДСМ системой, а так же различные коэффициенты, вычисляемые в процессе работы системы (в том числе, необходимые для построения нейтрософских когнитивных карт).
Для построения БДиЗ необходимо разработать соответствующие модели представления данных и знаний. Анализ специфики предметной области показывает, что в качестве основы для ее построения следует выбрать комбинированную фреймово-продукционную модель представления знаний с интегрированными модулями гипертекстовой информации и таблицами реляционной базы данных. Данный выбор обусловлен следующими особенностями функционирования системы оценки риска инвестирования малого инновационного бизнеса:
Перечень показателей одинаков для всех проектов, поэтому для работы с ними целесообразно использовать фреймовую модель, где можно сформулировать фрейм-прототип, определяющий общую структуру данных о МИПП и фреймы-экземпляры, отражающие специфику каждого конкретного предприятия.
Разнородные данные, используемые в процессе работы системы, целесообразно представить в виде гипертекста, оснащенного навигацией, информационным поиском, а так же метаданными, в которых следует указывать связь текста или файла с определенным фреймом-экземпляром.
Анализируя базу фактов, ДСМ-система находит сочетания показателей (фрагменты), вызывающих появление целевого свойства, а так же наоборот -указывающих на его отсутствие. Для хранения и работы с полученными на этом шаге гипотезами целесообразно воспользоваться продукционной моделью представления знаний. В этом случае каждая запись базы будет представлять собой правило вида:
Различные коэффициенты, полученные экспертным путем, а так же в ходе работы ДСМ-решателя, и необходимые для интеграции входящих данных с использованием OWA-оператора, построения нейтрософских когнитивных карт и функционирования других модулей системы целесообразно хранить в реляционной базе данных.
Разработка фреймовой модели представления знаний для информационной базы системы Разработку информационной базы предметной области необходимо начать с фреймовой модели представления знаний. Для этого определим абстрактные объекты и основные понятия предметной области и представим их в виде фреймов-прототипов, а также определим конкретные объекты предметной области в виде фреймов-экземпляров [58].
Ключевыми понятиями для построения системы оценки риска инвестирования малого инновационного предприятия будут: - тип и характеристики малого инновационного промышленного предприятия (МИШІ); - характеристики инновационного проекта МИПП; - руководство стратегического и тактического уровня управления МИПП; - сотрудники МИПП.
Поскольку у сотрудников и руководителя имеются общие характеристики, такие, как возраст, образование, опыт и т.д., целесообразно выделить общее абстрактное понятие - участник проекта. Тогда фреймы «МИПП», «Проект МИПП» и «Участник проекта» будут прототипами-образцами, а фреймы «Руководитель» и «Сотрудник» - прототипами-ролями. Наследование происходит по АКО-связям (A-Kind-Of=3To). Слот АКО указывает на фрейм более высокого уровня иерархии. Фреймы-наследники будут содержать все слоты своих родителей, они явно прописываются только в случае изменения какого-либо параметра. Далее необходимо определить основные слоты данных фреймов, т.е. их характеристики, имеющие значение для построения системы (таблицы 5.1 - 5.5).
