Моделирование традиционно используется для целей исследования объектов познания и основывается на принципе аналогий. Цель моделирования — изучение объектов познания через их модели, при условии, что между объектом и моделью существует некоторое подобие. Модель — это логическое или математическое описание компонентов и функций, отображающих существенные свойства моделируемого объекта. Любая модель является некой абстракцией реальной системы. Природа моделей может быть разной, различают:
§ материальные модели;
§ знаковые модели (в том числе математические, графические);
§ вербальные (словесные) модели.
Для анализа хозяйственной деятельности широко применяются экономико-математические модели, с помощью которых выполняется анализ хозяйственных процессов, прогнозирование значений экономических показателей, подготовка управленческих решений. Построение модели является творческим процессом, включает следующие этапы работ:
1) идентификация объекта;
2) спецификация модели;
3) идентификация и оценка параметров модели;
4) выбор информационных технологий моделирования.
Идентификация объекта связана с определением характеристик объекта и выявлением приложенных к нему воздействий путем наблюдения за входами и выходами.
Спецификация модели состоит в определении состава параметров и переменных модели, наиболее существенных для целей исследования, в математической формулировке модели. В моделях различаются переменные и параметры.
Переменные модели делятся на экзогенные (внешние) и эндогенные (внутренние).
Экзогенные по отношению к моделируемой системе переменные рассматриваются как входные переменные, значения которых известны. Наиболее часто экзогенные переменные рассматриваются как ограничения в модели. Эндогенные по отношению к моделируемой системе переменные считаются внутренними, формируемыми в результате исследования. Они делятся на независимые, изменяющие свое значение произвольным образом, и зависимые, являющиеся результатом изменения значений других переменных.
Степень независимости переменных и взаимосвязи переменных друг с другом может быть различной. По отношению к процедурам вычислений значений переменных, они делятся на входные и выходные.
Параметр модели — это относительно постоянная величина, включаемая в модель и рассматриваемая как свойство объекта моделирования. В свою очередь, значения параметров модели являются результатом обработки данных, полученных в процессе эксперимента или наблюдения.
Характеристикой модели является ее сложность, которая косвенно связана с количеством переменных и параметров модели, алгоритмами их формирования. Существует понятие размерности модели — суммарное число переменных и параметров. Размерность модели оказывает влияние на выбор методов количественного анализа, эффективность вычислительной обработки. Сокращение размерности осуществляется путем агрегирования параметров и уменьшения числа переменных модели.
По виду зависимости между входными и выходными переменными модели, различают детерминированные и вероятностные модели. В детерминированных моделях выходные переменные однозначно определяются значениями входных переменных, при этом случайными, не предвиденными заранее воздействиями полностью пренебрегают. Для совокупности входных значений на выходе всегда получается единственно возможный результат. Вероятностные модели содержат случайные величины, благодаря которым для совокупности входных значений на выводе могут быть получены различные результаты. Вероятностные (или стохастические) модели учитывают фактор неопределенности информации, ее неточность или неполноту.
Изменения значений параметров модели и их взаимосвязи могут по-разному учитываться в моделях. Различают статические и динамические модели. В статических моделях все зависимости отнесены к единому моменту времени, связи параметров и переменных фиксированы. В динамических моделях описывается развитие объекта моделирования во времени: учитывается изменение взаимосвязи параметров, переменных. Среди динамических моделей различают:
§ оптимизационные модели, обеспечивающие поиск наилучшего из возможных путей развития системы;
§ модели равновесия, обеспечивающие баланс различных показателей системы.
Количественные методы анализа данных моделирования создаются на стыке математики, кибернетики, экономики и информатики. Они позволяют реализовать большинство экономико-математических моделей. К ним можно отнести:
§ методы исследования операций (системный анализ, имитационное моделирование, управление запасами, теория расписаний, сетевое планирование и управление, методы теории массового обслуживания, математическое программирование, метод ветвей и границ и др.);
§ методы математического анализа (дифференциальное, интегральное и вариационное исчисление и др.);
§ методы математической статистики (дисперсионный анализ, корреляционный анализ, регрессионный анализ, ряды динамики, выборочный метод и др.);
§ методы эконометрики (теория экономического роста, теория производственных функций, межотраслевые балансы, анализ спроса и потребления и др.);
§ эвристические методы (методы аналогий и распознавания образов, экспертные системы и базы знаний и др.).
Выбор методов должен соответствовать содержанию модели и учитывать информационные технологии моделирования.
Информационные технологии моделирования определяют информационное, программное и техническое обеспечение. Информационное обеспечение процесса моделирования основано на создании и ведении баз данных, содержащих значения параметров модели и исходных данных. Программные средства обеспечивают реализацию вычислительных алгоритмов методов количественного анализа данных.
В большинстве случаев информационные технологии моделирования основаны на методах структурного преобразования экономических показателей, используемых в экономико-математических моделях. Показатели представлены в документах и соответствуют хранимой информации БД. В последнее время возникла новая информационная технология OLAP (On-Line Analytical Processing), обеспечивающая оперативный анализ данных различных источников.
Microsoft Excel обеспечивает анализ данных и подготовку решений на основе экономико-математических моделей. В среде Microsoft Excel можно создавать комплексные информационные технологии для поддержки и принятия решений, основанные на компонентной архитектуре СОМ (Component Object Model). В отдельном приложении интегрируются функции обработки различных программ в виде дополнительных пользовательских команд или специальных надстроек, между компонентами поддерживаются стандартные интерфейсы. Информационная технология OLE (Object Linking and Embedded) позволяет включать в приложение Microsoft Excel объекты других приложений Microsoft Office.
Анализ данных требует применения эффективных информационных технологий подготовки исходных данных. Для больших и регулярно формируемых исходных данных разрабатываются технологии автоматизированного ввода данных в приложения Microsoft Excel путем конвертирования данных, создания запросов к внешним данным на базе Microsoft Query.
К стандартным технологиям анализа данных, реализуемым в Microsoft Excel, относятся:
§ представление исходных данных в виде списков (базы данных) Microsoft Excel для целей анализа;
§ фильтрация списков (базы данных) Microsoft Excel по различным условиям;
§ использование встроенных функций Microsoft Excel для формирования экономико-математических моделей;
§ подбор параметров модели по заданному значению функционала;
§ многовариантные расчеты и анализ чувствительности модели с помощью сценариев;
§ подстановка табличных значений параметров в функционал модели;
§ методы математического программирования для решения оптимизационных задач;
§ статистическая обработка экономической информации с помощью Пакета анализа;
§ графические методы решения экономических задач и представления результатов анализа;
Экономико-математические модели, реализуемые в среде Microsoft Excel, могут основываться на встроенных функциях Microsoft Excel, а также функциях пользователей на языке Visual Basic. Наиболее популярны для использования в экономико-математических моделях встроенные функции категории Финансовые.
