Имитационные модели

Вероятностно-статистические модели экономики

Вероятностно-статистическая модель – это вероятностная модель, значения отдельных параметров которой оцениваются по результатам наблюдений (исходным статистическим данным), характеризующим функционирование моделируемого конкретного явления (системы). В рамках данной группы широкое распространение получили различные эконометрические модели и методы, основанные на построении различных производственных функций.

Данные модели довольно распространены в западной экономической науке (модель глобальной экономики проект LINK [3], Уортоновская годовая модель экономики США, Брукингская модель экономики США, квартальная модель экономики США Р. Фера). В российской практике наиболее известным представителем этого класса является «Эконометрическая модель экономики России», разработанная в ЦЭМИ РАН под руководством академика С.А. Айвазяна [12], модель RIM, модель современной российской экономики Вычислительного центра им. Дородницына РАН [15].

Эконометрические модели позволяют оценивать структуру модели, т.е. вид зависимости между значениями известных координат вектора в прежние моменты времени и их значениями в прогнозируемый момент, так и коэффициенты, входящие в эту зависимость.

Вероятностно-статистические модели хорошо применимы для анализа и прогноза в условиях действия законов больших чисел, выявлении статистических закономерностей. В качестве преимущества использования эконометрического подхода при моделировании территориального развития можно отнести простоту интерпретации полученных результатов и возможность оценки последствий от принятых мер. Однако необходимым условиям для применения таких моделей является получение статистической базы, полностью характеризующей исследуемые процессы. Также среди проблем применения данного подхода на практике является проблема спецификации модели, что связано с нейтральностью методов математической статистики по отношению к экономическому содержанию экономических процессов, которое может привести к ложным взаимосвязям между показателями. Тем не менее, можно рекомендовать использование вероятностно-статистических моделей совместно с другими видами моделей.

Этот класс моделей основан на построении разнообразных моделей рекуррентного типа и/или моделей системной экономической динамики, позволяющих с помощью последовательности вычислений воспроизводить траекторию «эволюции» социально-экономической системы с заданными параметрами в условиях воздействия различных факторов и изменения условий внутренней и внешней среды.

Имитационные модели реализуются на ЭВМ с использованием блочного принципа, позволяющего всю моделируемую систему разбить на ряд подсистем, связанных между собой незначительным числом обобщенных взаимодействий и допускающих самостоятельное моделирование с использованием своего собственного математического аппарата (в частности, для подсистем, механизм функционирования которых неизвестен, возможно построение регрессионных или самоорганизующихся моделей). Такой подход позволяет также достаточно просто конструировать, путем замены отдельных блоков, новые имитационные модели.

На макроуровне модельного комплекса используются модели и методы системной динамики. Концепция системной динамики позволяет моделировать динамические процессы на высоком уровне агрегирования, в основе нее лежит представление о функционировании динамической системы, как совокупности потоков (денежных, продукции, людских и т.п.).

К классу имитационных моделей можно отнести наиболее известные в практическом плане комплексные информационно-аналитические и прогнозные системы, в том числе информационно-аналитический комплекс «Прогноз» [8], разработанный учеными Пермского госуниверситета под руководством академика РАЕН Андрианова Д.Л. Другим известным аналогом реализации такого подхода является территориальная автоматизированная система «ТАИС» [7], разработанная учеными Самарской государственной экономической академии. Также стоит отметить Систему анализа и моделирования динамики бюджета региона «Губернатор», разработанную в научным центром компании «Франклин&Грант. Риск Консалтинг» [9].

Возможность корректировать ход моделирования, и непосредственно отслеживать значения диагностических показателей на каждом этапе работы модели является положительным фактором. Использование конструктора динамических моделей (программный комплекс «ПРОГНОЗ) позволяет говорить о высокой степени адаптации и гибкости, присущих классу имитационных моделей. Среди недостатков наиболее существенным является высокая стоимость: разработка подобных моделей предполагает участие целого коллектива авторов, занимает продолжительное время и требует значительных ресурсов. Внедрение системы в практическую деятельность органов государственной власти также нуждается в финансовой поддержке, необходимой для программной адаптации, установки и обучения персонала. Также минусом данного класса моделей является использование ряда показателей, не анализируемых официальными органами статистики.

Дата добавления: 2014-01-11