Системы поддержки принятия решений в финансово-кредитной сфере

Оглавление

Введение

Увеличение объема информации, поступающей непосредственно к руководителям, усложнение решаемых задач, необходимость учета большого числа взаимосвязанных факторов и быстро меняющейся обстановки настоятельно требуют использовать вычислительную технику в процессе принятия решений. В связи с этим появился новый класс экономических информационных систем - это системы поддержки принятия решений (СППР).

Термин "система поддержки принятия решений" появился в начале семидесятых годов. За это время дано много определений СППР.

Например, в литературе встречается следующее определение СППР: "Системы поддержки принятия решений являются человеко-машинными объектами, которые позволяют лицам, принимающим решения (ЛПР), использовать данные, знания, объективные и субъективные модели для анализа и решения слабоструктурированных и неструктурированных проблем". В этом определении подчеркивается предназначение СППР для решения слабоструктурированных и неструктурированных задач.

К слабоструктурированным задачам относятся задачи, которые содержат как количественные, так и качественные переменные, причем качественные аспекты проблемы имеют тенденцию доминировать. Неструктурированные проблемы имеют лишь качественное описание.

Существует и такое определение: "система поддержки принятия решений - это компьютерная система, позволяющая ЛПР сочетать собственные субъективные предпочтения с компьютерным анализом ситуации при выработке рекомендаций в процессе принятия решения".

Также СППР определяется "как компьютерная информационная система, используемая для различных видов деятельности при принятии решений в ситуациях, где невозможно или нежелательно иметь автоматическую систему, полностью выполняющую весь процесс решения".

Все три определения не противоречат, а дополняют друг друга и достаточно полно характеризуют СППР.

Человеко-машинная процедура принятия решений с помощью СППР представляет собой циклический процесс взаимодействия человека и компьютера. Цикл состоит из фазы анализа и постановки задачи для компьютера, выполняемой (ЛПР), и фазы оптимизации (поиска решения и выполнения его характеристик), реализуемой компьютером.

Таким образом, можно отметить, что СППР обеспечивают следующее:

1. помогают произвести оценку обстановки (ситуаций), осуществить выбор критериев и оценить их относительную важность;

2. Генерируют возможные  решения (сценарии действий).

3 . Осуществляют   оценку   сценариев   (действий,   решений)   и выбирают лучший;

4.   Обеспечивают постоянный обмен информацией об обстановке принимаемых решений и помогают согласовать групповые решения.

5.   Моделируют принимаемые решения (в тех случаях, когда это возможно).

6.   Осуществляют динамический компьютерный анализ возможных последствий принимаемых решений.

7.   Производят сбор данных о результатах реализации принятых решений и осуществляют оценку результатов.

Типы СППР

Системы поддержки принятия решений могут быть сосредоточенные и распределенные.

Сосредоточенные СППР

Сосредоточенные СППР представляют собой систему поддержки решений, установленную на одной вычислительной машине.

Они проще, чем распределенные системы, так как в них отсутствует проблема обмена информацией.

Возможны следующие типы сосредоточенных СППР:

1. Решение в автоматическом  режиме принимает система принятия  решений, состоящая из одного  узла. Такая система включает  в себя ЭВМ, систему автоматического  и/или ручного ввода информации  и средства представления решения (возможно стандартное устройство  вывода). Примером такой системы  может быть система тушения  пожара на каком-нибудь особо  опасном объекте.

2. Решение принимает  специалист, имеющий в своем распоряжении  СППР. Система может включать  в себя экспертные системы, моделирующие  программы, средства оценки принятых  решений и т. д.

Распределенные СППР

Распределенные СППР могут быть распределены пространственно и/или функционально. Пространственно и функционально распределенные СППР состоят из локальных СППР, расположенных в связанных между собой узлах вычислительной сети, каждый из которых может независимо решать свои частные задачи, но для решений общей проблемы ни одна из них не обладает достаточными знаниями, информацией и ресурсами (или некоторых из этих составляющих). Общую проблему они могут решать только сообща, объединяя свои локальные возможности и согласовывая принятые частные решения. Функционально распределенные системы состоят из нескольких экспертных систем (или СППР), связанных между собой информационно или установленных на одной вычислительной машине (пространственно они сосредоточены).

Необходимо особо отметить очень распространенный класс систем - иерархические системы поддержки принятия решении (ИСППР).

Иерархические вычислительные системы поддержки принятия решений состоят из экспертных систем или систем поддержки принятия решений, распложенных в узлах, связанных между собой вычислительной сетью. С точки зрения принятия решений узлы неравноправны. Самый простой пример такой системы - это система, состоящая из подсистем W1 , W 2,..., Wn и одной подсистемы W0 второго (более высокого) уровня.

Рисунок 1 Узлы иерархической вычислительной системы поддержки принятия решений

Цель подсистемы W0 - влиять на низшие подсистемы таким образом, чтобы достигалась общая цель, заданная для всей системы. Такая система может служить в качестве элементарного блока при построении более сложных систем.

Объективно существуют интересы системы в целом. Их выразителем выступает подсистема W0 . Существуют и интересы подсистем W1, W2,..., Wn , причем их интересы, как правило, не совпадают или совпадают не полностью как с интересами подсистемы W0, так и друг с другом.

Степень централизации системы определяется мерой разделения полномочий между уровнями системы. В тех случаях, когда система W0 не может приказывать подсистемам низшего уровня, подсистемы низшего уровня не могут функционировать без координирующих действий (например, при выработке новой стратегии действий или распределении ресурсов), необходима разработка согласованных решений.

Распределенные системы получают в настоящее время все более широкое распространение по следующим причинам:

- бурное развитие  технологии производства вычислительной  техники позволяет объединить  большое число достаточно мощных  и относительно недорогих вычислительных  машин в единую сеть, способную  выполнять асинхронные параллельные  вычисления и эффективно обмениваться информацией:

- многие предметные  области, в которых используются  системы поддержки принятия решений, распределены по своей природе. Некоторые из них распределены  функционально (как, например, многие  системы медицинской диагностики), другие распределены как пространственно, так и функционально (как, например, системы автоматизации проектирования  сложных технических объектов). Распределение  системы поддержки принятия решений  получили очень широкое распространение. Они реализованы управления воздушным  движением, управления группами  роботов, в задачах дистанционного  управления подвижными объектами, управления производством, системах  поддержки принятия решений в  экстремальных ситуациях и т. д.;

- пространственно  и функционально распределенные  системы облегчают обмен информацией  и принятие согласованных решений  группами специалистов, совместно  работающих над решением одной задачи, и/или группами экспертных систем, управляющих сложным техническим объектом;

- принцип модульного  построения и использования систем  также хорошо реализуется в  распределенных системах поддержки  принятия решений. Возможность создавать  системы для решения сложных  проблем из относительно простых  и автономных программно- аппаратных модулей позволяет их легче создавать, отлаживать и эксплуатировать. Таким образом, распределенный подход поддержки принятия решений целесообразно использовать, когда ЛПР пространственно распределены, либо когда процесс принятия решений связан с высокой степенью функциональной специализации и, конечно, когда имеют место оба эти случая. Обе эти ситуации могут быть связаны с различными прикладными областями принятия решений.

Несмотря на различный характер приложений, методы построения распределенных систем принятия решений в них очень близки.

Существенно новые возможности появляются у специалистов, принимающих решения, которые находятся на значительном расстоянии друг от друга. Развитие региональных и глобальных вычислительных сетей, компьютер которым могут быть подключены локальные сети специалистов, принимающих решения, обеспечивают легкость общения и получения всей необходимой информации, в том числе и графической, в очень сжатые сроки.

Распределенные СППР могут иметь следующие модификации:

1.  Решение предлагают несколько экспертных систем, находящиеся в одном узле, но оценивающие, ситуацию с разных "точек зрения". Они могут предложить различные решения, которые должен откорректировать и согласовать специалист, сидящий за дисплеем узла.

2.  Решение предлагают несколько экспертных систем, находящихся в различных узлах вычислительной сети. В силу того, что они тоже могут подходить компьютер решению с разных "точек зрения", могут быть предложены различные решения, которые теперь уже должны будут согласовывать специалисты, находящиеся, возможно, в различных узлах сети. Если один из узлов передал не одно, а несколько решений, то ситуация принципиально не меняется.

3. Решение предлагают  несколько специалистов, сидящих  за дисплеями различных узлов  вычислительной сети. Они все  должны будут согласовывать принятие  окончательного решения.

Возможен вариант, когда предлагаются различные решения и экспертными системами (системой), и экспертами (экспертом).

Надо отметить, что, хотя конкретные реализации СППР очень сильно зависят от области применения, методы генерации решений, их оценка и согласование основываются на одних и тех же базовых теоретических предпосылках и методах.

Архитектура СППР

СППР состоят из двух основных компонент: 

• хранилища данных;
• аналитических средств.

Хранилище данных предоставляет единую среду хранения корпоративных данных, организованных в структурах, оптимизированных для выполнения аналитических операций. Аналитические средства позволяют конечному пользователю, не имеющему специальных знаний в области информационных технологий, осуществлять навигацию и представление данных в терминах предметной области. Для пользователей различной квалификации, СППР располагают различными типами интерфейсов доступа к своим сервисам.

Рисунок 2 Принципиальная структура СППР

OLAP ( On - Line Analitycal Processing ) - сервис представляет собой инструмент для анализа больших объемов данных в режиме реального времени. Взаимодействуя с OLAP -системой, пользователь сможет осуществлять гибкий просмотр информации, получать произвольные срезы данных, и выполнять аналитические операции детализации, свертки, сквозного распределения, сравнения во времени. Вся работа с OLAP -системой происходит в терминах предметной области.

OLAP - системы являются  частью более общего понятия  Business Intelligence , которое включает в себя помимо традиционного OLAP -сервиса средства организации совместного использования документов, возникающих в процессе работы пользователей хранилища. Технология Business Intelligence обеспечивает электронный обмен отчетными документами, разграничение прав пользователей, доступ к аналитической информации из Интернет и Интранет.

Интеллектуальный анализ данных или добыча данных ( Data Mining ) - при помощи средств добычи данных можно проводить глубокие исследования данных. Эти исследования включают в себя: поиск зависимостей между данными (напр., “Верно ли, что рост продаж продукта А обусловлен ростом продаж продукта В? ” ); выявление устойчивых бизнес-групп (напр. “Какие группы клиентов, близких по поведенческим и другим характеристикам, можно выделить? Какие характеристики клиентов при этом оказывают наибольшее влияние на классификацию?“); прогнозирование поведения бизнес-показателей (напр. “Какой объем перевозок ожидается в следующем месяце?“) ; оценка влияния решений на бизнес компании (напр. “Как изменится спрос на товар А среди группы потребителей Б, если снизить цену на товар С ?“ ); поиск аномалий (напр. “С какими сегментами клиентской базы связаны наиболее высокие риски?“).

Хранилище данных представляет собой банк данных определенной структуры, содержащий информацию о производственном процессе компании в историческом контексте. Главное назначение хранилища - обеспечивать быстрое выполнение произвольных аналитических запросов.

В зависимости от функционального наполнения интерфейса системы выделяют два основных типа СППР: EIS и DSS .

EIS ( Execution Information System ) – информационные системы руководства предприятия. Эти системы ориентированы на неподготовленных пользователей, имеют упрощенный интерфейс, базовый набор предлагаемых возможностей, фиксированные формы представления информации. EIS -системы рисуют общую наглядную картину текущего состояния бизнес-показателей работы компании и тенденции их развития, с возможностью углубления рассматриваемой информации до уровня крупных объектов компании. EIS –системы – та реальная отдача, которую видит руководство компании от внедрения технологий СППР.

DSS ( Desicion Support System ) – полнофункциональные системы анализа и исследования данных, рассчитанные на подготовленных пользователей, имеющих знания как в части предметной области исследования, так и в части компьютерной грамотности. Обычно для реализации DSS -систем (при наличии данных) достаточно установки и настройки специализированного ПО поставщиков решений по OLAP -системам и Data Mining .

Такое деление систем на два типа не означает, что построение СППР всегда предполагает реализацию только одного из этих типов. EIS и DSS могут функционировать параллельно, разделяя общие данные и/или сервисы, предоставляя свою функциональность как высшему руководству, так и специалистам аналитических отделов компаний.

Рисунок 3 Архитектура перспективной системы поддержки принятия решений

Математическая поддержка подготовки принятия решений

Признание практически во всех отраслях современной науки принес методу моделирования ХХ в . Однако, методология моделирования долгое время развивалась независимо отдельными науками. Отсутствовала единая система понятий, единая терминология. Лишь постепенно стала осознаваться роль моделирования как универсального метода научного познания.

Под моделированием понимается процесс построения, изучения и применения моделей. Главная особенность моделирования в том, что это метод опосредованного познания с помощью объектов-заместителей. Модель выступает как своеобразный инструмент познания, который исследователь ставит между собой и объектом и с помощью которого изучает интересующий его объект. Необходимость использования метода моделирования определяется тем, что многие объекты (или проблемы, относящиеся к этим объектам) непосредственно исследовать или вовсе невозможно, или же это исследование требует много времени и средств.

Процесс моделирования включает следующие элементы: субъект (исследователь), объект исследования, и модель, опосредствующую отношения познающего субъекта и познаваемого объекта.

Большинство объектов, изучаемых экономической наукой, может быть охарактеризовано кибернетическим понятием сложная система. Наиболее распространено понимание системы как совокупности элементов, находящихся во взаимодействии и образующих некоторую целостность, единство. Важным качеством любой системы является эмерджентность - наличие таких свойств, которые не присущи ни одному из элементов, входящих в систему. Поэтому при изучении систем недостаточно пользоваться методом их расчленения на элементы с последующим изучением этих элементов в отдельности. Одна из трудностей экономических исследований – в том, что почти не существует экономических объектов, которые можно было бы рассматривать как отдельные (внесистемные) элементы.

Сложность системы определяется количеством входящих в нее элементов, связями между этими элементами, а также взаимоотношениями между системой и средой. Экономика страны обладает всеми признаками очень сложной системы. Она объединяет огромное число элементов, отличается многообразием внутренних связей и связей с другими системами (здесь можно наблюдать взаимодействие природных, технологических, социальных процессов, объективных и субъективных факторов).

Сложность экономики иногда рассматривалась как обоснование невозможности ее моделирования, изучения средствами математики. Но как раз сложные объекты представляют наибольший интерес для моделирования; именно здесь моделирование может дать результаты, которые нельзя получить другими способами исследования.

Следует отметить, что точность и полнота первичной информации, реальные возможности ее сбора и обработки во многом определяют выбор типов прикладных моделей. С другой стороны, исследования по моделированию экономики выдвигают новые требования к системе информации.

В зависимости от моделируемых объектов и назначения моделей используемая в них исходная информация имеет существенно различный характер и происхождение. Она может быть разделена на две категории: о прошлом развитии и современном состоянии объектов (экономические наблюдения и их обработка) и о будущем развитии объектов, включающую данные об ожидаемых изменениях их внутренних параметров и внешних условий (прогнозы). Вторая категория информации является результатом самостоятельных исследований, которые также могут выполняться посредством моделирования.

Математические модели, используемые для описания экономических процессов и явлений называют экономико-математическими моделями. Для классификации этих моделей используются разные основания.

По целевому назначению экономико-математические модели делятся на теоретико-аналитические, используемые в исследованиях общих свойств и закономерностей экономических процессов , и прикладные, применяемые в решении конкретных экономических задач (модели экономического анализа, прогнозирования, управления).

При классификации моделей по исследуемым экономическим процессам и содержательной проблематике можно выделить модели экономики в целом и ее подсистем - отраслей, регионов и т.д., комплексы моделей производства, потребления, формирования и распределения доходов, трудовых ресурсов, ценообразования, финансовых связей и т.д.

С точки зрения общей классификацией математических моделей они подразделяются на функциональные и структурные, а также включают промежуточные формы (структурно-функциональные). Типичными структурными моделями являются модели межотраслевых связей. Функциональные модели широко применяются в экономическом регулировании, когда на поведение объекта ("выход") воздействуют путем изменения "входа".

Существует классификация моделей на дескриптивные и нормативные. Дескриптивные модели отвечают на вопрос: как это происходит? или как это вероятнее всего может дальше развиваться? То есть они только объясняют наблюдаемые факты или дают вероятный прогноз. Применение дескриптивного подхода в моделировании экономики объясняется необходимостью эмпирического выявления различных зависимостей в экономике, установления статистических закономерностей экономического поведения социальных групп, изучения вероятных путей развития каких-либо процессов при не изменяющихся условиях или протекающих без внешних воздействий. Примерами дескриптивных моделей являются производственные функции и функции покупательского спроса, построенные на основе обработки статистических данных.

Нормативные модели отвечают на вопрос: как это должно быть? То есть предполагают целенаправленную деятельность. Примером нормативных моделей являются модели оптимального планирования, формализующие тем или иным способом цели экономического развития, возможности и средства их достижения.

Является ли экономико-математическая модель дескриптивной или нормативной, зависит не только от ее математической структуры, но от характера использования этой модели. Многие экономико-математические модели сочетают признаки дескриптивных и нормативных моделей. Типична ситуация, когда нормативная модель сложной структуры объединяет отдельные блоки, которые являются частными дескриптивными моделями. Например, межотраслевая модель может включать функции покупательского спроса, описывающие поведение потребителей при изменении доходов. Подобные примеры характеризуют тенденцию эффективного сочетания дескриптивного и нормативного подходов к моделированию экономических процессов. Дескриптивный подход широко применяется в имитационном моделировании.

По характеру отражения причинно-следственных связей различают модели жестко детерминистские и модели, учитывающие случайность и неопределенность. Необходимо различать неопределенность, описываемую вероятностными законами, и неопределенность, для описания которой законы теории вероятностей неприменимы. Второй тип неопределенности гораздо более сложен для моделирования.

По способам отражения фактора времени экономико-математические модели делятся на статические и динамические. В статических моделях все зависимости относятся к одному моменту или периоду времени. Динамические модели характеризуют изменения экономических процессов во времени. Само время в экономико-математических моделях может изменяться либо непрерывно, либо дискретно.

Модели экономических процессов разнообразны по форме математических зависимостей. Особенно важно выделить класс линейных моделей, наиболее удобных для анализа и вычислений и получивших вследствие этого большое распространение. Различия между линейными и нелинейными моделями существенны не только с математической точки зрения, но и в теоретико-экономическом отношении, поскольку многие зависимости в экономике носят принципиально нелинейный характер: эффективность использования ресурсов при увеличении производства, изменение спроса и потребления населения при росте доходов и т.п.

По соотношению экзогенных и эндогенных переменных, включаемых в модель, модели могут разделяться на открытые и закрытые. Полностью открытых моделей не существует; модель должна содержать хотя бы одну эндогенную переменную. Полностью закрытые экономико-математические модели, т.е. не включающие экзогенных переменных, исключительно редки; их построение требует полного абстрагирования от "среды" (несмотря на то, что реальные экономические системы, всегда имеют внешние связи). Подавляющее большинство    экономико-математических моделей занимает

промежуточное положение и различаются по степени открытости (закрытости).

Существует также деление моделей на агрегированные и детализированные.

В зависимости от того, включают ли модели пространственные факторы и условия или не включают, различают модели пространственные и точечные.

Таким образом, общая классификация экономико-математических моделей включает более десяти основных признаков. С развитием экономико-математических исследований проблема классификации применяемых моделей усложняется. Наряду с появлением новых типов моделей   (особенно   смешанных   типов)   и   новых   признаков   их классификации осуществляется  процесс интеграции  моделей разных типов в более сложные модельные конструкции.

Можно выделить следующие аспекты применения математических методов в решении практических проблем.

1. Совершенствование  системы экономической информации. Математические методы позволяют  упорядочить систему экономической  информации, выявлять недостатки  в имеющейся информации и вырабатывать  требования для подготовки новой  информации или ее корректировки. Разработка и применение экономико-математических  моделей указывают пути совершенствования  экономической информации, ориентированной  на решение определенной системы  задач планирования и управления. Прогресс в информационном обеспечении  планирования и управления опирается  на бурно развивающиеся технические  и программные средства информатики.

2. Интенсификация  и повышение точности экономических  расчетов. Формализация экономических  задач и применение ЭВМ многократно  ускоряют типовые, массовые расчеты, повышают точность и сокращают  трудоемкость, позволяют проводить  многовариантные экономические  обоснования сложных мероприятий, недоступные при преобладании "ручной" технологии.

3. Углубление количественного  анализа экономических проблем. Благодаря применению метода  моделирования значительно усиливаются  возможности конкретного количественного  анализа; изучение многих факторов, оказывающих влияние на экономические  процессы, количественная оценка  последствий изменения условий развития экономических объектов и т.п.

4. Решение принципиально  новых экономических задач. Посредством  математического моделирования  удается решать такие экономические  задачи, которые иными средствами  решить практически невозможно, например: нахождение оптимального  варианта бизнес- плана, автоматизация  контроля за функционированием сложных экономических объектов.

Рассмотрим основные этапы процесса моделирования и проанализируем последовательность и содержание этапов одного цикла экономико-математического моделирования.

1 этап. Постановка  экономической проблемы и ее  качественный анализ. Главное здесь - четко сформулировать сущность  проблемы, принимаемые допущения  и те вопросы, на которые требуется  получить ответы. Этот этап включает выделение важнейших черт и свойств моделируемого объекта и абстрагирование от второстепенных; изучение структуры объекта и основных зависимостей, связывающих его элементы; формулирование гипотез (хотя бы предварительных), объясняющих поведение и развитие объекта.

2 этап. Построение  математической модели. Это - этап  формализации экономической проблемы, выражения ее в виде конкретных  математических зависимостей и  отношений (функций, уравнений, неравенств  и т.д.). Обычно сначала определяется  основная конструкция (тип) математической  модели, а затем уточняются детали  этой конструкции (конкретный перечень  переменных и параметров, форма  связей). Таким образом, построение  модели подразделяется в свою  очередь на несколько стадий.

Следует отметить, что не верно полагать, что чем больше фактов учитывает модель, тем она лучше "работает" и дает лучшие результаты. То же можно сказать о таких характеристиках сложности модели, как используемые формы математических зависимостей (линейные и нелинейные), учет факторов случайности и неопределенности и т.д. Излишняя сложность и громоздкость модели затрудняют процесс исследования. Нужно учитывать не только реальные возможности информационного и математического обеспечения, но и сопоставлять затраты на моделирование с получаемым эффектом (при возрастании сложности модели прирост затрат может превысить прирост эффекта).

Одна из важных особенностей математических моделей -потенциальная возможность их использования для решения разнокачественных проблем. Поэтому, даже сталкиваясь с новой экономической задачей, вначале необходимо попытаться применить для решения этой задачи уже известные модели, а не стремиться "изобретать" модель.

Необходимо стремиться к тому, чтобы получить модель, принадлежащую хорошо изученному классу математических задач. Часто это удается сделать путем некоторого упрощения исходных предпосылок модели, не искажающих существенных черт моделируемого объекта. Однако возможна и такая ситуация, когда формализация экономической проблемы приводит к неизвестной ранее математической структуре.

3 этап. Математический  анализ модели. Целью этого этапа  является выяснение общих свойств  модели. Здесь применяются чисто  математические приемы исследования. Наиболее важный момент - доказательство  существования решений в сформулированной  модели (теорема существования). Если  удастся доказать, что математическая  задача не имеет решения, то  необходимость в последующей  работе по первоначальному варианту  модели отпадает; следует скорректировать  либо постановку экономической  задачи, либо способы ее математической  формализации. При аналитическом  исследовании модели выясняются  такие вопросы, как, например, единственно  ли решение, какие переменные (неизвестные) могут входить в решение, каковы  будут соотношения между ними, в каких пределах и в зависимости  от каких исходных условий  они изменяются, каковы тенденции  их изменения и т.д. Исследование  модели по сравнению с эмпирическим (численным) имеет то преимущество, что получаемые выводы сохраняют свою силу при различных конкретных значениях внешних и внутренних параметров модели.