Размещено на http://www.allbest.ru/

Введение

Увеличивающаяся сложность экономической системы, непредсказуемость и высокая скорость развития процессов, неполнота информации принуждают разнообразить механизмы управления в реальной экономической деятельности. Актуальность определяется необходимостью сравнения различных вариантов функционирования недетерминированных экономических процессов с помощью экспериментальных методов исследования. Такое сравнение проводится с целью минимизирования финансовых рисков в работе предприятия и выбора оптимальных стратегий его развития. Для исследования каких-либо экономических процессов, актуальным в наше время является моделирования этих процессов. В данном случае работа будет происходить в AnyLogic. Так как программа позволяет наглядно видеть протекающий процесс и построения действий не вызывает большой сложности.

Цель исследования - имитационное моделирование продвижения инвестиционных инструментов на примере ООО «Брянск-Капитал»

Задачи исследования:

Изучение теоретических основ имитационного моделирования продвижения инвестиционных инструментов;

исследование функционирования ООО «Брянск-Капитал»;

разработка имитационной модели продвижения инвестиционных инструментов в среде AnyLogic;

анализ результатов решения задачи, оценка адекватности имитационной модели деятельности данной организации.

Методами исследования являются монографический, аналитический, имитационное моделирование.

Объект исследования - ООО «Брянск-Капитал»

Предмет исследования -имитационное моделирование продвижения инвестиционных инструментов

1. Теоретические основы математического моделирования продвижения инвестиционных инструментов

1.1 Понятие системы имитационного моделирования

Имитационное моделирование -- это частный случай математического моделирования. Существует класс объектов, для которых по различным причинам не разработаны аналитические модели, либо не разработаны методы решения полученной модели. В этом случае аналитическая модель заменяется имитатором или имитационной моделью.

Имитационное моделирование (ситуационное моделирование) -- метод, позволяющий строить модели, описывающие процессы так, как они проходили бы в действительности. Такую модель можно «проиграть» во времени как для одного испытания, так и заданного их множества. При этом результаты будут определяться случайным характером процессов. По этим данным можно получить достаточно устойчивую статистику.

Имитационное моделирование -- это метод исследования, при котором изучаемая система заменяется моделью, с достаточной точностью описывающей реальную систему, с которой проводятся эксперименты с целью получения информации об этой системе. Экспериментирование с моделью называют имитацией (имитация -- это постижение сути явления, не прибегая к экспериментам на реальном объекте).

Имитационное моделирование -- это частный случай математического моделирования. Существует класс объектов, для которых по различным причинам не разработаны аналитические модели, либо не разработаны методы решения полученной модели. В этом случае аналитическая модель заменяется имитатором или имитационной моделью.

К имитационному моделированию прибегают, когда:

· дорого или невозможно экспериментировать на реальном объекте;

· невозможно построить аналитическую модель: в системе есть время, причинные связи, последствие, нелинейности, стохастические (случайные) переменные;

· необходимо сымитировать поведение системы во времени.

Цель имитационного моделирования состоит в воспроизведении поведения исследуемой системы на основе результатов анализа наиболее существенных взаимосвязей между её элементами или другими словами -- разработке симулятора исследуемой предметной области для проведения различных экспериментов.

Можно выделить две разновидности имитации:

· Метод Монте-Карло (метод статистических испытаний);

· Метод имитационного моделирования (статистическое моделирование).

Рассмотрим в рамках данной работы более подробно статистический эксперимент ? метод Монте-Карло. Суть данного метода (группы численных методов) заключается в получении большого числа реализаций стохастического (случайного) процесса, который формируется таким образом, чтобы его вероятностные характеристики совпадали с аналогичными величинами решаемой задачи.Реализация метода Монте-Карло практически невозможна без применения средств вычислительной техники.

Поэтому любая имитационная модель представляет собой, в конечном счете, более или менее сложный программный продукт.

Построение имитационной модели необходимо, если:

· идет процесс познания объекта моделирования, если имеется аналитические методы исследования, но их математические процедуры очень громоздки;

· необходимо осуществить наблюдение за поведением компонентов системы в течение определенного времени;

· необходимо контролировать протекание процессов в системе путем ускорения или замедления имитации;

· особое значение имеет последовательность событий в проектируемой системе;

· при подготовке специалистов при приобретении новых навыков при овладении новой техники;

· имитационное моделирование является единственным методом в связи с невозможностью проведения реальных экспериментов.

· Достоинства имитационного моделирования:

· Имитационная модель позволяет описать моделируемый процесс с большей адекватностью, чем другие;

· Модель обладает гибкостью, варьирование структуры, алгоритмов и параметров системы.

· Недостатки имитационного моделирования:

· Решение, полученное на имитационной модели, всегда носит частный характер;

· Большие затраты времени на создание модели, проведение эксперимента и обработку языка;

· На результат имитационного поведения при участии человека могут повлиять субъективные факторы.

· Основные компоненты имитационной модели:

· Компоненты ? основные части модели;

· Переменные ? принимающие значения, определяемые видом используемой функции;

· Параметры ? величины, которые исследуемая модель может выбирать произвольно и управлять ими;

· Функциональные зависимости ? описывают поведение параметров и переменных;

· Ограничения ? устанавливаемые пределы изменения занчений переменных или ограничивающие их условия изменения;

· Целевая функция ? предназначена для изменения степени достижения желаемой цели.

В настоящее время существует довольно много программных продуктов, позволяющих моделировать процессы. К таким пакетам относятся: Pilgrim, GPSS, Simplex и ряд других. Вместе с тем в настоящее время на рынке компьютерных технологий есть продукт, позволяющий эффективно решать указанные проблемы, ? программное обеспечение AnyLogic -- инструмент, служащий для имитационного моделирования бизнес-процессов, разработанное российской компанией «Экс ДжейТекнолоджис» (англ. XJ Technologies). Инструмент обладает современным графическим интерфейсом и позволяет использовать язык Java для разработки моделей. Программное обеспечение AnyLogic, обеспечивает поддержку всех трёх известных методов моделирования:

· системная динамика;

· дискретно-событийное (процессное) моделирование;

· агентное моделирование.

А также любую комбинацию этих подходов в пределах одной модели.

AnyLogic включает в себя графический язык моделирования, а также позволяет пользователю расширять созданные модели с помощью языка Java. Интеграция компилятора Java в AnyLogic предоставляет более широкие возможности при создании моделей, а также создание Java апплетов, которые могут быть открыты любым браузером. Эти апплеты позволяют легко размещать модели AnyLogic на веб-сайтах. В дополнение к Java-апплетам, AnyLogicProfessional поддерживает создание Java-приложений, в этом случае пользователь может запустить модель без инсталляции AnyLogic

1.2 Классификация моделируемых систем

В настоящее время выделяют три вида (парадигмы) имитационного моделирования: агентное моделирование, дискретно-событийное моделирование, системная динамика.

Агентное моделирование (agent-basedmodel (ABM)) --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. Данный метод имитационного моделирования, исследует поведение децентрализованных агентов и то, как такое поведение определяет поведение всей системы в целом. Цель агентных моделей -- получить представление об этих глобальных правилах, общем поведении системы, исходя из предположений об индивидуальном, частном поведении её 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.

Дискретно-событийное моделирование -- подход к моделированию, предлагающий абстрагироваться от непрерывной природы событий и рассматривать только основные события моделируемой системы, такие, как: «ожидание», «обработка заказа», «движение с грузом», «разгрузка» и другие.

В дискретно-событийном моделировании функционирование системы представляется как хронологическая последовательность событий. Событие происходит в определенный момент времени и знаменует собой изменение состояния системы. 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 1960-х годах.

Системная динамика -- парадигма моделирования, где для исследуемой системы строятся графические диаграммы причинных связей и глобальных влияний одних параметров на другие во времени, а затем созданная на основе этих диаграмм модель имитируется на компьютере.

Данная парадигма исследует поведение сложных систем во времени и в зависимости от структуры элементов системы и взаимодействия между ними.

В том числе: причинно-следственных связей, петель обратных связей, задержек реакции, влияния среды и других. Особенное внимание уделяется компьютерному моделированию таких систем. По сути, такой вид моделирования более всех других парадигм помогает понять суть происходящего выявления причинно-следственных связей между объектами и явлениями. С помощью системной динамики строят модели бизнес-процессов, развития города, модели производства, динамики популяции, экологии и развития эпидемии. Метод основан Джеем Форрестером в 1950 годах.

1.3 Этапы имитационного моделирования экономических процессов

Вне зависимости от типа моделей (непрерывные и дискретные, детерминированные и стохастические) имитационное моделирование включает в себя ряд основных этапов:

Формулировка проблемы и определение целей имитационного исследования. Документированным результатом на этом этапе является составленное содержательное описание объекта моделирования;

Разработка концептуального описания. Результатом деятельности системного аналитика является концептуальная модель (или вербальное описание) и выбор способа формализации для заданного объекта моделирования;

Формализация имитационной модели. Составляется формальное описание объекта моделирования;

Программирование имитационной модели (разработка программы-имитатора). На этапе осуществляется выбор средств автоматизации моделирования, алгоритмизация, программирование и отладка имитационной модели;

Испытание и исследование модели, проверка модели. Проводится верификация модели, оценка адекватности, исследование свойств имитационной модели и другиепроцедуры комплексного тестирования разработанной модели;

Планирование и проведение имитационного эксперимента. На данном технологическом этапе осуществляется стратегическое и тактическое планирование имитационного эксперимента. Результатом является составленный и реализованный план эксперимента, заданные условия имитационного прогона для выбранного плана;

Анализ результатов моделирования. Исследователь проводит интерпретацию результатов моделирования и их использование - собственно принятие решений.

Общая цель моделирования в процессе принятия решения это определение (расчет) значений выбранного показателя эффективности для различных стратегий проведения операции (или вариантов реализации проектируемой системы). При разработке конкретной модели цель моделирования должна уточняться с учетом используемого критерия эффективности.

1.4 Сущность современных инвестиционных инструментов

Инвестиционные инструменты являются любым типом финансовой договоренности, которая предоставляет держателю (получателю) обещание получения определенного дохода от осуществленных инвестиций. На мировых финансовых рынках доступен широкий диапазон инвестиционных инструментов, начиная от простого сберегательного счета, приносящего инвестору доход в форме процентов, до сложных продуктов, которые предлагают инвестиционные фонды. Многие виды инвестиционных инструментов обладают низким уровнем волатильности, что подходит даже очень консервативным инвесторам.

Одним из наиболее простых и распространенных инвестиционных инструментов является сберегательный счет, открытый в банке или в подобном финансовом учреждении. На остаток средств по таким счетам начисляются проценты по фиксированной или плавающей процентной ставке, что приносит инвестору, как правило, небольшой, но стабильный доход. Хотя доходность такого инвестиционного инструмента минимальна, он считается одним из самых безопасных способов получения доходов в форме процентов, так как сберегательные счета обычно гарантируются центральным банком или другим специализированным правительственным агентством (например, фонд гарантирования вкладов).

Другим примером инвестиционного инструмента, который также рассматривается как низкорсиковый, является депозитный сертификат (англ. CertificateofDeposit, CD). Этот тип счета требует от инвестора разрешение денег на оговоренный в договоре период времени, в течение которого любое снятие средств не возможно. Однако процентная ставка по такому счету будет, как правило, выше, чем по обычным сберегательным счетам. Период обращения депозитного сертификата может составлять от нескольких месяцев, до нескольких лет. Также условия их обращения в значительной степени зависят от законодательства и постановлений центрального банка, регулирующего банковскую деятельность в стране.

Долговая расписка (англ. PromissoryNote) также считается инвестиционным инструментом. Это соглашение сконструировано таким образом, что фиксирует обязательство заемщика возместить основную сумму и проценты по заранее согласованной процентной ставке указанную дату в будущем. Порядок начисления и точная сумма процентов будет зависеть от формулы, зафиксированной в долговой расписке. В некоторых случаях процент может быть указан, как часть от основной суммы долга, по аналогии с комиссионными.

Облигации также являются инвестиционным инструментом. Приобретая облигации, инвестор получает право на возврат основной суммы (принципала) и процентов от их эмитента. При этом выплата процентов может осуществляться регулярно в течение периода обращения облигации (как правило, раз в полгода), либо единовременно выплачиваться вместе с принципалом на дату погашения. Облигации эмитентов с кредитным рейтингом инвестиционного уровня рассматриваются как относительно безопасные инвестиции, однако и их доходность относительно велика. Облигации с кредитным рейтингом ниже инвестиционного уровня считаются инвестиционными инструментами с высоким уровнем риска, однако, как правило, предлагают инвестору достаточно высокую доходность.

Инвестимции -- долгосрочные вложения капитала с целью получения прибыли. Инвестиции являются неотъемлемой частью современной экономики. От кредитов инвестиции отличаются степенью риска для инвестора (кредитора) -- кредит и проценты необходимо возвращать в оговорённые сроки независимо от прибыльности проекта, инвестиции возвращаются и приносят доход только в прибыльных проектах. Если проект убыточен -- инвестиции могут быть утрачены полностью или частично.

Инвестиционная деятельность -- вложение инвестиций и осуществление практических действий в целях получения прибыли и (или) достижения иного полезного эффекта.

С позиции монетарной теории денег, средства можно направить на потребление или сбережение. Простое сбережение изымает средства из оборота и создаёт предпосылки для кризисов. Инвестирование же вовлекает сбережения в оборот. Оно может происходить напрямую или косвенно (размещение временно свободных средств на депозит в банк, который уже сам инвестирует).

Существуют разные классификации инвестиций.

По объекту инвестирования выделяют

· Реальные инвестиции (прямая покупка реального капитала в различных формах):

· в форме материальных активов (основных фондов, земли), оплата строительства или реконструкции;

· капитальный ремонт основных фондов;

· вложения в нематериальные активы: патенты, лицензии, права пользования, авторские права, товарные знаки, ноу-хау и т. д.;

· вложения в человеческий капитал (воспитание, образование, наука). математический инвестиционный имитационный моделирование

· Финансовые инвестиции (косвенная покупка капитала через финансовые активы):

· ценные бумаги, в том числе через ПИФы;

· предоставленные кредиты;

· лизинг (для лизингодателя).

· Спекулятивные инвестиции (покупка активов исключительно ради возможного изменения цены):

· валюты;

· драгоценные металлы (в виде обезличенных металлических счетов);

· ценные бумаги (акции, облигации, сертификаты институтов совместного инвестирования и т. п.).

По основным целям инвестирования:

· Прямые инвестиции.

· Портфельные инвестиции.

· Реальные инвестиции.

· Нефинансовые инвестиции.

· Интеллектуальные инвестиции (связаны с обучением специалистов, проведением курсов и многим другим).

По срокам вложения

· краткосрочные (до одного года);

· среднесрочные (1-3 года);

· долгосрочные (свыше 3-5 лет).

По форме собственности на инвестиционные ресурсы

· частные;

· государственные;

· иностранные;

· смешанные.

Грань между инвестицией и спекуляцией размыта. Обычно критерием разграничения указывают фактор времени. Если операция длится более года -- это инвестиция, и экономический эффект она даст через значительный срок после вложения. Если до года -- это спекуляция.

Инвестиции -- «долгосрочные вложения» государственного или частного капитала в собственной стране или за рубежом с целью получения дохода, в предприятия разных отраслей, предпринимательские проекты, социально-экономические программы, инновационные проекты.

В то же время, когда говорят о биржевой торговле, то говорят о привлечении, например, «портфельных инвесторов», которые чутко следят за ситуацией на рынке и могут с него уйти, не обращая внимания на длительность сделок.

По характеру заключаемых договоров, по характеру производимых действий, по целям, по юридическим последствиям биржевые инвестиции и спекуляции не отличаются.

Часто разграничение проводят по критерию организации нового бизнеса (реальная инвестиция, средства тратятся на покупку оборудования, сырья, обучение персонала) или участия в уже существующем бизнесе (спекуляция, средства тратятся на покупку корпоративных прав, ценных бумаг).

Иногда критерием разделения служит цель операции. Спекуляцией считают операцию, у которой целью является разница в цене (акции, пая, товара). Сделка может длиться долго, но доход формируется только один раз при продаже или погашении актива. Инвестицией считают операцию, целью которой является доход в форме процентов (дивидендов), начисляемых на приобретённый актив. Начисления носят систематический характер и время обращения купленного актива не ограничивается.

Риск и прибыль

Инвестиции характеризуются, среди прочего, двумя взаимосвязанным параметрами: риском и прибыльностью (доходностью). Как правило, чем выше риск инвестиций, тем выше должна быть их ожидаемая доходность. Для описания соотношения между риском и прибылью часто используется модель CAPM.

Величина инвестиционного риска показывает вероятность потери инвестиций и дохода от них. Величина общего интегрального риска складывается из семи видов риска: законодательного, политического, социального, экономического, финансового, криминального, экологического. При этом среднероссийский риск принимается за единицу, а реальные показатели регионов могут отклоняться.

2. Разработка имитационной модели продвижения инвестиционных инструментов (на примере ООО «Брянск-Капитал»)

2.1 Краткая характеристика объекта исследования

Общество с ограниченной ответственностью «Брянск-Капитал» является региональным представительством инвестиционного холдинга «Финам». Имеет вышестоящую организацию ЗАО «Финам». Не является самостоятельной экономической структурной единицей.

Фирменное наименование общества:

Полное: Общество с ограниченной ответственностью «Брянск-капитал».

Сокращенное: ООО «Брянск-Капитал».

Место нахождения общества: Российская Федерация, 241050, Брянская область, г. Брянск, ул. Дуки, 1.

Общество не имеет филиалов и представительств.

Общество осуществляет следующие основные виды деятельности:

· брокерское обслуживание;

· управление активами;

· банковские услуги;

· обучение начинающих инвесторов;

ООО «Брянск-Капитал» является региональным представительством инвестиционного холдинга «Финам».

Финам -- один из крупнейших инвестиционных холдинговРоссии, предоставляет широкий спектр услуг -- от предоставления возможности инвестировать средства на рынке ценных бумаг и доверительного управления активами до комплексного сопровождения сделок по покупке и продаже бизнеса, а также операций с капиталом (IPO, частное размещение акций и т. д.).

В холдинг «Финам» входят ЗАО "Инвестиционная компания «ФИНАМ», ЗАО "Банк «ФИНАМ», ООО "Управляющая компания «Финам Менеджмент», АНО "Учебный центр «ФИНАМ», информационное агентство «Finam.ru» ООО «ФИНАМ», лицензированный европейский брокер WhoTradesLtd. и инвестиционный фонд FINAM GLOBAL.

Холдинг проводит активную политику в области прямых инвестиций, вкладывая средства в приобретение высокотехнологичных проектов. В его составе сформирован фонд прямых инвестиций FINAM GLOBAL.

По итогам 2011 года крупнейший брокер России по объему сделок с акциями на фондовой бирже ММВБ-РТС. Объем сделок с акциями холдинга «ФИНАМ» по итогам 2011 года составил 4 007,71 млрд. рублей. Таким образом «ФИНАМ» контролирует 14% от общего объема торгов на российской фондовой площадке ММВБ-РТС и является ведущим российским брокером по данному показателю.

Инвестиционная компания «ФИНАМ», на базе которой сформирован одноименный инвестиционный холдинг, основана в 1994 году - она в числе первых в России начала оказывать услуги, связанные с работой на фондовом рынке. В настоящий момент «ФИНАМ» предлагает юридическим и физическим лицам одну из наиболее широких линеек инвестиционных услуг - от предоставления возможности инвестировать средства на рынке ценных бумаг и доверительного управления активами до комплексного сопровождения сделок по покупке и продаже бизнеса и операций с капиталом (IPO, частное размещение акций и т.д.). Холдинг проводит активную политику в области прямых инвестиций, вкладывая средства в приобретение высокотехнологичных проектов.

В 2011 году Учебный центр «ФИНАМ» продолжил работу по повышению финансовой грамотности населения России. За 2011 год Учебный центр «ФИНАМ» провел ряд образовательных акций федерального масштаба, учебные центры «ФИНАМ» работают более чем в 100 городах России. За 2011 год «Учебный центр «ФИНАМ» обучил 96 тысяч инвесторов.

2.2 Разработка имитационной модели продвижения инвестиционных инструментов

Перед созданием модели продвижения инвестиционных инструментов мы выбираем тип модели, в данном случае нам подойдет агентная модель. Модель будет содержать созданные Мастером создания модели классы активных объектов Main и Person. Активные объекты являются основными строительными блоками модели AnyLogic. Активные объекты могут моделировать любые объекты реального мира: машины, людей, здания, аппаратное обеспечение, программное обеспечение и т.д. В нашем случае активный объект Person будет моделировать агентов (потенциальных клиентов). Этот класс активного объекта был автоматически объявлен агентом (тем самым он получил доступ к специальной функциональности агента). После конфигурирования шаблона создаваемой модели появится окно (Рисунок 2). В левой части расположены панель «Проекты». Панель «Проекты» обеспечивает навигацию по элементам моделей, открытым в текущий момент времени. В центре рабочей области AnyLogic расположен графический редактор. В правой части рабочей области отображается панель Палитра, а внизу - панель Свойства. Панель Палитра содержит разделенные по категориям элементы, которые могут быть добавлены на графическую диаграмму класса активного объекта или эксперимента. Панель Свойства используется для просмотра и изменения свойств выбранного в данный момент элемента (или элементов) модели.

Пусть модель моделирует процесс приобретения нового продукта (инвестиционного инструмента), но пока только под влиянием воздействия сотрудников фирмы, проводящих различные мероприятия рекламного презентационного характера с целью заинтересовать клиентов в приобретении и использовании инвестиционных инструментов. В этой модели интенсивность данных мероприятий и вероятность того, что продукт будет приобретен под их влиянием, полагаются постоянными. Поэтому мы задаём эффективность работы сотрудников константой. Эффективность работы сотрудников определяет, какая доля людей купит продукт вследствие их общения .с потенциальными клиентами

Открываем диаграмму класса Person и добавляем элемент «Параметр» из палитры «Основная». Называем AdEffectiveness (Рисунок 1). В панели свойство во вкладке «Основные» в поле «Значение по умолчанию» устанавливаем 0.011.

Рисунок 1. - Изменение свойства элемента «Параметр»

Затем открываем диаграмму класса Person(рисунок 2). Меняем имя верхнего и нижнего состояния.

Рисунок 2. - Диаграмма Person

Левую стрелку удаляем. Правой стрелки изменяем свойство: в поле «происходит» устанавливаем параметр «С заданной интенсивностью» и в поле вводим AdEffectiveness

В панели «Проекты», выделяем эксперимент Simulation. На странице «Модельное время» панели Свойства, выбираем «В заданное время» из выпадающего списка «Остановить». В расположенном ниже поле вводим 8.. Модель остановится после того, как истекут 8 единиц модельного времени.

В результате моделирования процесса моделирования продаж под влиянием рекламы запускается презентация (рисунок 3). На презентации видны моделируемые агенты. Каждый агент отображается своей фигуркой, которая меняет свой цвет в зависимости от того, приобрел ли данный агент рассматриваемый нами продукт или нет. Линиями на презентации будут соединены те агенты, между которыми существуют связи (в данный момент эти связи генерируются случайным образом).

Рисунок 3. - Результат моделирования продаж под влиянием рекламы

Главная задача модели распространения инвестиционных инструментов - изучение того, как быстро люди покупают новый продукт. Поэтому сейчас мы добавим возможность отслеживания того, сколько людей уже купило продукт, а сколько - еще нет. Мы будем подсчитывать число потребителей и потенциальных потребителей продукта с помощью специальных функций сбора статистики по агентам.

Открываем диаграмму Main панели «Проекты». Выделяем вложенный объект People. В панели «Свойства» на странице «Статистика» добавляем «Функцию сбора статистики». В поле имя вводим potentialAdopters (являются потенциальными потребителями продукта), задаем условие item.statechart.isStateActive(item.PotentialAdopter). Эта функция будет вести подсчет количества агентов, для которых выполняется заданное условие, т.e. тех агентов, которые находятся в текущий момент времени в состоянии PotentialAdopter. Аналогично создаем еще одну функцию сбора информации. Назовем ее adopter. Задаем условие: item.statechart.isStateActive(item.Adopter).

С помощью диаграмм можно понаблюдать за динамикой моделируемого процесса. Сейчас создадим диаграмму, отображающую динамику изменения числа потребителей и потенциальных потребителей продукта. В диаграмме класса Main добавляем элемент из палитры «Статистика» .

Теперь необходимо добавить элемент данных. Щелкаем по кнопке «Добавить элемент данных». Называем его «Potentialadopters ».В поле значение указываем: people.potentialAdopters(). Ставим синий цвет. Аналогично добавляем еще один элемент данных «Adopters». Задаем здесь значение: people.adopters().Устанавливаем красный цвет. Задаем «Временной диапазон» 8 (рисунок 4).



Рисунок 4.- Изменение свойств временного графика

Запускаем модель. С помощью диаграммы можно понаблюдать за динамикой моделируемого процесса. Видно, что под влиянием рекламы каждую единицу времени постоянная доля от общей численности потенциальных потребителей продукта приобретает изучаемый нами продукт (рисунок 5).

Рисунок 5. - Результат моделирования «Подсчета потребителей продукта»

В текущей модели люди приобретают продукт только под влиянием рекламы. На самом деле, рекламный эффект играет значительную роль только в момент выпуска продукта на рынок. В дальнейшем все большую роль будет играть общение людей с теми своими знакомыми, которые этот продукт уже приобрели. В основном люди приобретают новые продукты именно под влиянием убеждения своих знакомых; этот процесс чем-то похож на распространение эпидемии. Чтобы учесть влияние общения людей, мы должны внести в нашу модель небольшие изменения. Теперь нужно задать еще пару новых параметров.

Открываем диаграмму класса Person. Создаем новый параметр «ContactRate»

В свойствах меняю тип. Устанавливаю «int». Значение по умолчанию вводим 300. То есть человек в среднем встречается с 300 людьми в год.

Добавляем еще один параметр под названием «AdoptionFraction». Устанавливаю тип «double». Значение по умолчанию вводим 0.015 (рисунок 15). Этот параметр, задает силу убеждения человека - долю общавшихся с владельцем продукта людей, которая приобретет этот продукт под влиянием общения.

Теперь добавляем элемент «Переход- transition» из диаграммы состояний. Установить его нужно в состояние «Adopter». В свойствах задаю действие: send("Buy!",RANDOM). В поле «Происходит» выбираем «С заданной интенсивностью» .

В свойствах в поле «тип сообщения» устанавливаем «String». Чтобы этот переход срабатывал при получении сообщения, на странице свойств этого перехода нужно выбрать из выпадающего списка «Происходит»: При получении сообщения. Далее выбрать ниже опцию «Если сообщение равно» и ввести "Buy!" в расположенном ниже поле. В поле «Дополнительное условие» будет: randomTrue(AdoptionFraction).

Переходим в класс Personв панели «Проекты». В панели свойств во вкладке «Агент» в поле «Действие при получении сообщения» вводим: statechart.receiveMessage(msg). Теперь, когда агент получит сообщение от какого-то другого агента, он будет перенаправлять его в свою диаграмму состояний, где оно будет обрабатываться так, как я это задала (а именно, вызывать срабатывание перехода, моделирующего приобретение продукта под влиянием личного общения).

Запустив модель и изучив динамику процесса приобретения продукта, можете увидеть, что из-за учета влияния устного общения этот процесс стал проистекать значительно быстрее (рисунок 6).

Графики переменных представляют собой классические S-образные кривые - динамика процесса в чем-то напоминает динамику распространения заболевания. Итак, можно сказать, что мы практически абсолютно точно воспроизвели результаты, которые выдавала для данной постановки задачи системно-динамическая модель. Сейчас люди в данной модели случайно располагаются в прямоугольном пространстве. И наша модель допускает общение любого человека с каждым, вне зависимости от того, на каком расстоянии друг от друга они находятся. Обычно же у человека есть определенный круг знакомых, которые живут в непосредственной близости к нему, и именно с ними он и общается. Поэтому можно сделать, чтобы в нашей модели общались только те люди, которые находятся не далее определенного расстояния друг от друга. Сделаем модель более реалистичной, допустив возможность общения только тех людей, которые находятся друг от друга на расстоянии, не превышающем 25 километров.



Рисунок 6.- Результат моделирования «Учета влияния общения людей»

Свойства формирования сетей контактов агентов, как и многие другие свойства агентной модели, задаются в объекте «Среда».

Открываем диаграмму класса Main. Выделяем объект «environment». Этот объект задает среду, в которой обитают агенты. В свойствах переходу в вкладку «Дополнительные». В поле « тип сети» выбираю «Согласно расстоянию». В «Радиус соединения » вводим 25.

Теперь нужно изменить диаграмму состояний агента, чтобы сообщение "Купи продукт!" отсылалось не случайно выбранному агенту, а только тому агенту, который является знакомым данного агента.

Открываем диаграмму класса Person. Изменяем свойства внутреннего перехода состояния Adopter. Изменяем действие на send("Buy!",RANDOM_CONNECTED). В поле «С заданной интенсивностью» ввожу ContactRate.

Запускаем модель. Видно, что теперь агенты соединены только с теми, которые находятся от них на расстоянии, не превышающем 25 единиц, а сам процесс распространения продукта происходит медленнее (рисунок 7).



Рисунок 7.- Результат модели после изменения свойств

Созданная модель не учитывает того, что со временем клиент может потерять интерес к продвигаемому нам продукту или же может потребоваться дополнительные консультации по продукту, что вызовет повторные обращения к сотрудникам фирмы.

Вначале мы зададим срок службы продукта. Предположим, что средний срок службы нашего продукта - 3 года. Т.е. клиент, приобретя статус частного инвестора (используя инвестиционный инструмент), почувствует потребность в дополнительном обращении к сотрудникам фирмы через три года.

Открываем диаграмму класса Person. Создаем параметр с названием «DiscardTime». Устанавливаем тип«int». Значение по умолчанию устанавливаем 3.

»

Добавляем элемент «Переход - Transition». Этот переход будет срабатывать по прошествии срока службы нашего продукта, заданного параметром DiscardTime, после того, как управление диаграммы состояний перейдет в состояние Adopter. Поэтому нужно оставить в свойстве «Происходит по» принятое по умолчанию значение Таймауту и ввести в поле «Таймаут»get_Main().DiscardTime. Метод get_Main() здесь возвращает экземпляр класса Main, в котором мы задали параметр

В панели «Проекты», выделяем эксперимент Simulation:Main. На странице «Модельное время» панели «Свойства», выбираю «Нет» из выпадающего списка «Остановить»

Запускаем модель и с помощью диаграммы можно проследить динамику изменения числа потребителей продукта. Видно, что насыщение рынка в модели с повторными покупками не достигается.

Рисунок 8.- Результат моделирования жизненного цикла инвестиционного продукта

3. Анализ результатов решения задачи. Оценка адекватности модели

Моделирование распространения инвестиционных инструментов под влиянием непосредственного общения сотрудников фирмы с потенциальными клиентами сказывается весьма благотворно на конечных результатах кампании по продвижению рассматриваемого продукта.

Влияние общение людей. На этом этапе моделирования, помимо презентаций сотрудников, информация о продукции распространяется, и между самими потребителями, и потенциальными потребителями. И в связи с тем, что радиус передачи между самими потребителями ничем не ограничен, то распространение товара существенно возрастает, что мы и наблюдаем на рисунке 19, складываются весьма благотворительная ситуация для фирмы, но возможно его нехватка, так как товар разбирается весьма быстро.

В реальности потребители имеют ограниченную дистанцию при контакте друг с другом. Заданное ограничение понизило скорость приобретения товара, за счет менее быстрой информированности потенциальных покупателей от своих знакомых, те людей уже приобретших товар фирм.

Возможность повторного обращения к сотрудникам фирмы. Созданная модель учитывает то, что со временем клиент может потерять интерес к продвигаемому нам продукту или же может потребоваться дополнительные консультации по продукту, что вызовет повторные обращения к сотрудникам фирмы.

Мы задали срок службы продукта. Средний срок службы нашего продукта установили 3 года. Т.е. клиент, приобретя статус частного инвестора (используя инвестиционный инструмент), почувствует потребность в дополнительном обращении к сотрудникам фирмы через три года.

При моделировании выделяют основные категории оценки:

Оценка адекватности или валидация модели.

Валидация предполагает проверку соответствии между поведением имитационной модели и исследуемой реально системы. Валидация модели есть подтверждение того, что модель в пределах рассматриваемой области приложений ведет себя с удовлетворительной точностью в соответствии с целями моделирования.

Верификация модели.

Это проверка на соответствие поведения модели замыслу исследователя и моделирования. Т.е. процедуры верификации проводят, чтобы убедиться, что модель ведет себя так, как было задумано. Для этого реализуют формальные и неформальные исследования имитационной модели.

Верификация имитационной модели предполагает доказательство возможности использования создаваемой программной модели в качестве машинного аналога концептуальной модели на основе обеспечения максимального сходства с последней. Цель процедуры верификации -определить уровень, на котором это сходство может быть успешно достигнуто.

Валидация и верификация имитационной модели связаны с обоснованием внутренней структуры модели, в ходе этих процедур проводятся испытания внутренней структуры и принятых гипотез, исследуется внутренняя состоятельность модели.

Валидация данных направлена на доказательство того, что все используемые в модели данные, в том числе входные, обладают удовлетворительной точностью и не противоречат исследуемой системе, а значения параметров точно определены и корректно используются. Эти проверки связаны с проблемным анализом, т.е. анализом и интерпретацией полученных в результате эксперимента данных.

Проблемный анализ - это формулировка статистически значимых выводов на основе данных, полученных в результате эксперимента на имитационной модели. Проверяется правильность интерпретации полученных с помощью модели данных, оценивается насколько могут быть справедливы статистические выводы, полученные в результате имитационного эксперимента. С этой целью проводят исследование свойств имитационной модели: оценивается точность, устойчивость, чувствительность результатов моделирования. Эти проверки связаны с выходами модели, сама имитационная модель рассматривается как черный ящик.

Очевидный подход в оценке адекватности состоит в сравнении выходов модели и реальной системы при одинаковых (если возможно)значениях входов. И те, и другие данные (данные, полученные на выходе имитационной модели и данные, полученные в результате эксперимента с реальной системой) - статистические. Поэтому применяют методы статистической теории оценивания и проверки гипотез.

Могут быть рекомендованы два основных подхода к оценке адекватности:

1 способ: по средним значениям откликов модели и системы. Проверяется гипотеза о близости средних значений каждый n'йкомпоненты откликов модели Уn известным средним значениям n'йкомпоненты откликов реальной системы У*n..

2 способ: по дисперсиям отклонений откликов модели от среднего значения откликов систем. Сравнение дисперсии проводят с помощью критерия F (проверяют гипотезы о согласованности), с помощью критерия согласия ?2 (при больших выборках, n>100), критерия Колмогорова' Смирнова (при малых выборках, известны средняя и дисперсия совокупности), Кохрена и др.Процедура повторяется аналогичным образом по всем компонентам вектора отклика. Если хотя бы по одной компоненте адекватность отсутствует, то модель неадекватна.

В последнем случае, если обнаружены незначительные отклонения в модели, может проводиться калибровка имитационной модели (вводятся поправочные, калибровочные коэффициенты в моделирующий алгоритм), с целью обеспечения адекватности.

Анализ чувствительности модели определяет оценку влияния колебаний значений входных переменных на отклики (выходные переменные) модели. Необходимо установить, при каком разбросе входных данных сохраняется справедливость основных выводов, сделанных по результатам моделирования. Под анализом чувствительности понимаем определение чувствительности наших окончательных результатов моделирования к изменению используемых значений параметров. Анализ означает, как меняется выходная переменная Y при небольших изменениях различных параметров модели или ее входов X. Простота проведения анализа чувствительности в имитационном моделировании - одно из преимуществ этого метода. Оценка чувствительности является исключительно важной процедурой и подготовительным этапом перед планированием имитационного эксперимента. Исследование чувствительности является предварительной процедурой перед планированием эксперимента и позволяет определить стратегию планирования экспериментов на имитационной модели. Этой информации бывает достаточно для ранжирования компонент вектора параметров модели Х по значению чувствительности вектора отклика модели. Если модель оказывается малочувствительной по какой-либо q'й компоненте вектора параметров модели Хq, то зачастую не включают в план имитационного эксперимента изменение Хq, чем достигается экономия ресурса времени моделирования.

Заключение

Имитационное моделирование -- метод, используемый для конструирования моделей сложных систем, описывающих процессы так, как они проходили бы в реальности. По результатам прогона таких моделей можно получить достаточно устойчивую статистику. На основе этих статистических данных в дальнейшем можно сделать выводы о поведении системы в тех или иных ситуациях, а так же оценить различные стратегии обеспечивающие функционирование данной системы.

Общество с ограниченной ответственностью «Брянск-Капитал» является региональным представительством инвестиционного холдинга «Финам». Имеет вышестоящую организацию ЗАО «Финам». Не является самостоятельной экономической структурной единицей.

Общество осуществляет следующие основные виды деятельности:

· брокерское обслуживание;

· управление активами;

· банковские услуги;

· обучение начинающих инвесторов;

В данной работе была рассмотрена и построена модель продвижения инвестиционных инструментов на примере ООО «Брянск-Капитал». В работе использовалось агентное моделирование. При разработке модели учитывались различные факторы, такие как деятельность сотрудников фирмы, общение потенциальных клиентов между собой, степень их заинтересованности в приобретении продвигаемого продукта, временной фактор и другие.

Таким образом, разработанная нами имитационная модель продвижения инвестиционных инструментов является адекватной. Использование результатов имитационного инструмента в практике деятельности организации позволяет существенно повысить экономическую эффективность ее функционирования.

Литература

1. Бусленко Н.П. Моделирование сложных систем. - М., 2009. - 399 с.

2. Гультяев А.К. Имитационное моделирование в среде Windows. Практическое пособие. - М., 2010. - 400 с.

3. Емельянов А.А., Власова Е.А. Имитационное моделирование в экономических информационных системах. - М., 2008. - 108 с.

4. Емельянов В.В., Курейчик В.В., Курейчик В.Н. Теория и практика эволюционного моделирования. - М: Физматлит, 2003.

5. Карпов Ю. Г.Имитационное моделирование систем. Введение в моделирование с AnyLogic 6. - М., 2009. - 400 с.

6. Кобелев Н.Б. Практика применения экономико-математических методов и моделей. - М., 2008. - 200 с.

7. Лоу А.М., Кельтон В.Д. Имитационное моделирование. - М., 2009. - 847

8. Нейлор Т. Машинные имитационные эксперименты с моделями экономических систем. - М., 2008. - 392 с.

9. Романцев В.В., Яковлев С.А. Моделирование систем массового обслуживания. - М., 2009. - 299 с.

10. Снетков Н.Н. Имитационное моделирование экономических процессов. Учебно - практическое пособие. - М., 2008. - 228 с.

11. Строгалев В. П., Толкачева И. О. Имитационное моделирование. -- МГТУ им. Баумана, 2008.

12. Хемди А. Таха Имитационное моделирование Введение в исследование операций Operations Research: An Introduction. -- 7-е изд. -- М.: «Вильямс», 2007.

13. Шеннон Р. Имитационное моделирование систем: искусство и наука. - М., 2008. - 300 с.

Размещено на Allbest.ru