Везде
Обзор и классификация моделей анализа деятельности микроэкономических объектов и оценки устойчивости их функционирования
Оглавление
Аннотация Оценить Содержание публикации
Библиография Комментарии
Поделиться
QR
Метрика
Обзор и классификация моделей анализа деятельности микроэкономических объектов и оценки устойчивости их функционирования
Аннотация
Код статьи
S265838870005654-2-1
DOI
10.33276/S265838870005654-2
Тип публикации
Статья
Статус публикации
Опубликовано
Авторы
Егорова Наталья Евгеньевна 
Должность: Главный научный сотрудник
Аффилиация: Центральный экономико-математический институт РАН
Адрес: Москва, Нахимовский пр, 47
Выпуск
Том 2 Выпуск 1
Аннотация

В статье приведен обзор экономико-математического инструментария, используемого при анализе микроэкономических объектов. Разработана классификационная схема моделей и методов, используемых для решения общих и специальных задач при управлении хозяйственной деятельностью предприятий, а также применяемых для исследования устойчивости их функционирования. Рассмотрены различные концепции устойчивости функционирования микроэкономических объектов и соответствующие им экономико-математические модели и методы ее  анализа. Показано, что выбор концепции устойчивости определяется как целями и задачами исследования, так и спецификой рассматриваемого объекта.

Ключевые слова
экономико-математические модели и методы, классификационная схема, концепция устойчивости микроэкономических объектов
Классификатор
Получено
27.06.2019
Дата публикации
02.07.2019
Всего подписок
91
Всего просмотров
1880
Оценка читателей
0.0 (0 голосов)
Цитировать Скачать pdf
Доступ к дополнительным сервисам
Дополнительные сервисы только на эту статью
Преимущества сервисов
100 руб. / 1.0 SU
Дополнительные сервисы на все выпуски за 2019 год
Преимущества сервисов
1500 руб. / 15.0 SU
1 При анализе деятельности микроэкономических объектов (предприятий различного масштаба, разных организационных форм и типов собственности, малых фирм и т.д.) используются экономико-математические модели, которые могут быть классифицированы в зависимости от специфики поставленных задач. В самом общем плане задачи анализа микроэкономических объектов могут различаться как: 1) общие; 2) специализированные; 3) исследующие устойчивость их функционирования, что представлено классификационной схемой рисунка 1.
2 Среди спектра моделей микроэкономического анализа особый интерес представляют модели, ориентированные на исследование устойчивости хозяйствующих экономических субъектов Данная ветвь экономико-математического моделирования относительно меньше разработана, что определяет актуальность данной статьи, значительная часть материала которой посвящена этой проблеме.
3 Модели микроэкономического анализа реализуются с помощью различных экономико-математических методов. В нижнем прямоугольнике рисунка 1 отражены наиболее часто применяемые методы реализации различных моделей, которые используются в качестве экономико-математического инструментария. Соответственно в микроэкономическом анализе различаются оптимизационные, имитационные, корреляционные и другие модели. Могут быть использованы так же и модели качественного анализа, например, хорошо известная модель Бостонской консалтинговой группы (BKG).
4 Оптимизационные модели (ОМ) позволяют посредством перебора совокупности альтернативных вариантов решений определить наилучшие варианты производства, распределения или потребления продукции в условиях ограниченности имеющихся ресурсов, которые будут использованы наиболее эффективным образом для достижения поставленной цели. ОМ различаются как линейные и нелинейные; однокритериальные и многокритериальные. Реализуются с помощью специальных методов (Симплекс-метод и др.) [5, 34].
5 Имитационные модели (ИМ) представляют собой по своей сути алгоритмические поведенческие модели, которые отображают процессы, протекающие в системе при воздействии на нее как внутренних, так и внешних факторов. Внешние факторы, действующие на систему извне, различаются как полезные (например, управляющие сигналы), так и возмущения, затрудняющие правильное функционирование системы [21]. ИМ бывают статическими и динамическими; статические ИМ описывают состояние системы в фиксированный момент времени в зависимости от воздействий, имеющих, как детерминированную, так и (довольно части) случайную природу (генератор случайных чисел в ИМ, разработанных Н.П. Бусленко [9]). Динамические ИМ отражают изменение состояния системы во времени обычно в зависимости от некоторого набора сценариев, определяющих характер изменения внешней или внутренней среды [8]. В последнее время появились агенто-ориентированные модели, которые можно рассматривать как дальнейшее существенное развитие метода имитационного моделирования и расширение его возможностей [7]. .
6 Корреляционно-регрессионные модели выявляют статистические связи между рассматриваемыми объектами, характеризуя эти связи как слабые или сильные; а также позволяют находить количественные зависимости между переменными, характеризующими эти объекты (линейные, нелинейные функции и т.д.) [2, 23].
7

Рисунок 1. – Классификация экономико-математических моделей анализа микроэкономических объектов в зависимости от типа решаемых задач
8 Теоретико-множественные модели позволяют использовать при моделировании нечеткие числа, характеризующие такие переменные, строгое количественное измерение которых является затруднительным [17, 18].
9 Далее приводится краткий обзор имеющегося экономико-математического инструментария микроэкономического анализа в соответствии со схемой рисунка 1.
10 1) Модели, предназначенные для анализа общих вопросов хозяйственной деятельности. Эти модели характеризуют деятельность предприятия в агрегированных экономических показателях и затрагивают наиболее важные аспекты его деятельности. Наиболее известными моделями этого типа являются ОМ распределения прибыли [15], выбора номенклатуры продукции [5, 12], загрузки производственных мощностей [35] и др. А в классе ИМ – динамическая модель Е (enterprise) [4], модель управления инвестиционным проектом на различных этапах жизненного цикла [20] и др.
11 2) Специализированные модели, описывающие либо особый тип хозяйственной деятельности предприятия, либо отдельные ее аспекты.
12 а) Модели теории массового обслуживания предназначены для решения целого спектра задач. Изначально модели и методы массового обслуживания применялись в телефонии, после чего они охватили и другие отрасли хозяйственной деятельности, обеспечивая минимизацию и максимизацию прибыли в сфере обслуживания, производстве и торговле и др. Они могут применяться при массовом поступлении заявок на обслуживание, например, при поступлении материалов на склад и их выдаче, обработке большой номенклатуры деталей, расчете оптимального числа служб и отделов на предприятии и т.д. [31].
13 б) Модели управления запасами позволяют находить оптимальные размеры поставок и процедуру их поступления. Обычно применение таких моделей позволяет по крайней мере вдвое сократить суммарные издержки [36, 44, 38]. Предложенная еще в 1915 г. Ф. Харрисом [56] классическая модель теории управления запасами является одним из наиболее простых и наглядных примеров применения математического аппарата для принятия решений в экономической области. Эту модель обычно называют моделью Вильсона (или Уилсона), так как она получила известность после публикации работы Р.Г. Вильсона в 1934 г. [58]. Формула оптимального размера заказа (так называемая "формула квадратного корня"), полученная в модели Вильсона, широко применяется на различных этапах производства и распределения продукции и приносящей заметный экономический эффект. Однако имеется и альтернативная точка зрения. Как показано в работе [37], формула квадратного корня не дает возможности рассчитать оптимальный размер заказа, хотя и является необходимым этапом его нахождению. В этой же работе приведен алгоритм расчета оптимальной партии заказа, предполагающий строгий экономико-математический анализ модели Вмльсона.
14 Существует два основных варианта модели управления запасами: 1) с фиксированным объемом или размером заказа, называемая также моделью экономического размера заказа или Q-модель; 2) с фиксированной периодичностью заказа, называемая также периодической моделью или Р-моделью [25].
15 в) Модели прогнозирования спроса, при реализации которых используются довольно часто не только статистические методы, но и эвристические процедуры и экспертные оценки. Они делятся на 3 группы: 1) качественные (эвристические); 2) статистические; 3) факторные. Данные группы различаются по степени точности прогноза в долгосрочном и краткосрочном периодах, степени сложности и трудоемкости при расчетах, а также по источнику, из которого берутся исходные данные для прогнозирования (например, экспертные оценки, маркетинговые исследования, официальная статистика и др.).
16 Качественные модели прогнозирования основываются на мнениях и суждениях экспертов, интуиции сотрудников, результатах маркетинговых исследований или сравнении с деятельностью конкурирующих предприятий. Информация такого рода, как правило, не содержит в себе больших массивов количественных данных, является приблизительной и часто носит субъективный характер. Одним из методов реализации таких моделей является историческая аналогия.
17 В тех случаях, когда имеется достаточно большой объем статистических данных и есть уверенность, что тренд или сезонные колебания достаточно стабильны, целесообразно применять статистические методы, которые показывают высокую эффективность при составлении краткосрочных прогнозов спроса на товары. К этой группе относят методы регрессионного и корреляционного анализа. Однако статистические прогнозы напрямую зависят от имеющихся исходных данных. Чем обширнее статистическая база (при прочих равных условиях), тем точнее прогноз.
18 Методы статистического прогнозирования спроса делятся на трендовые (динамические) и факторные. Главной предпосылкой для использования факторных моделей при прогнозировании спроса является обусловленность динамики спроса целым рядом причин (факторов), которые можно выявить и проанализировать. Основной проблемой, затрудняющей применение факторных моделей на практике, является сложность описания причинно-следственных связей. При реализации таких моделей используются методы скользящих средних, экспоненциального сглаживания, проекции тренда, спектрального анализа и др. [26].
19 3) Модели, описывающие устойчивость функционирования предприятий.
20

Модели исследования устойчивости функционирования микроэкономических объектов могут различаться по критерию их ориентированности на изучение внешней или внутренней среды по двум направлениям:

1) анализ внешней среды как источника экстерналий (оценка положения на рынке, рисков конкурентной борьбы, возможностей расширения спроса, дефицита производственных ресурсов, в том числе – из-за срыва графика поставок сырья и комплектующих, недоступности кредитных средств и т.д.);

2) анализ внутренней среды, в том числе – выявление рисков аварий, поломки оборудования, текучести кадров и т.д.
21 При этом наиболее сложные модели анализа устойчивости функционирования являются комбинированными и исследуют комплекс факторов как внешней, так и внутренней среды.
22 Классификация моделей анализа устойчивости функционирования рассматриваемых объектов может быть продолжена с использованием других критериев. Так, совокупность этих моделей может быть разделена на различные группы в зависимости от того, на основе какой концепции производится анализ устойчивости (см. рисунок 2).
23

Рисунок 2 – Классификация моделей анализа устойчивости функционирования предприятия (по критериям используемой концепции, способу и разновидностям оценки устойчивости)

24 Значительная часть имеющихся моделей базируется на концепции финансовой устойчивости исследуемого микроэкономического объекта. В этом случае модель содержит некоторый набор экономических индикаторов, характеризующих финансовое состояние этого объекта (предприятия), а также систему некоторых правил (соотношений), используя которые по конкретным значениям индикаторов можно вынести суждение о его финансовой устойчивости. Данная группа моделей наиболее часто используется в сфере взаимодействия банков и предприятий и анализе кредитоспособности заемщиков [16].
25 В свою очередь такие модели различаются как интервальные (значения индикаторов должны находиться в некоторых заданных интервалах, а правила описываются системой неравенств), и как коэффициентные (с помощью коэффициентов характеризуется степень приближения значений индикаторов к некоторым эталонным или критическим значениям) [27].
26 В качестве таких коэффициентов в финансовом анализе часто используются: структура капитала (как отношение собственных и заемных средств), покрытие обязательств, обеспеченность собственными оборотными средствами (как соотношение запасов и источников их финансирования), соотношение индивидуальной и среднеотраслевой рентабельности и др. [22]. Многие модели этого типа применяются на практике и реализуются в виде соответствующих методик оценки устойчивости предприятия (например, методика В. Кромонова, методики фирмы ИНЭК [6, 29] и др.).
27 В зависимости от используемого математического аппарата эти модели также могут быть разделены на группы, применяющие методы элементарной математики и алгебры, имитационные (сценарные) расчеты, стохастические (вероятностные) методы, а также методы нечетких множеств (Л. Заде) [17, 18]. Существенная часть моделей анализа устойчивости базируется на концепции банкротства предприятия. Считается, что определенное сочетание значений индикаторов характеризует состояние предприятия как предшествующее банкротству или критически близкое к нему, то есть неустойчивое. Этот класс моделей непосредственно связан также с понятием финансовой устойчивости, которое является более широким, нежели понятие банкротства: то есть состояние фирмы может быть в финансовом аспекте недостаточно устойчивым, однако банкротство может оцениваться как мало вероятное. К числу таких моделей относятся: Z-модель Альтмана, модель CART и др. (см. таблицу 1). В настоящее время имеются инструментальные реализации этих моделей, как например, инструмент оценки риска банкротства предприятия (по Z-модели Альтмана, моделям Таффлера-Тишоу, Фулмера и др.) в Excel по данным бухгалтерского баланса [40].
28 Таблица 1 – Модели, базирующиеся на концепции банкротства предприятия
№ п/п Наименование модели Назначение модели
1 Z-модель Альтмана [50] Прогнозирование вероятности банкротства
2 CART (Classification And Regression Tree) [52, 16] Анализ вероятности банкротства предприятия и оценка его платежеспособности
3 Таффлера-Тишоу [45] Прогнозирование вероятности банкротства
4 Бивера [51]
5 Лиса [33]
6 Фулмера [54] Классификация банкротств и утраты платежеспособности
7 Спрингейта [57] Оценка платежеспособности
8 Ж. Конана и М. Голдера [32]
9 ИГЭА* [43] Прогноз риска банкротства
10 Р.С. Сайфуллина и Г.Г. Кадыкова [41]
11 О.П. Зайцевой [19] Оценка риска банкротства предприятия
* Иркутская государственная экономическая академия для торговых предприятий.
29 Однако многие методики анализа устойчивости и оценки вероятности банкротства устарели, поскольку используемые в них модели базируются на статистических данных, требующих обновления. Таким образом, существует потребность в разработке новых моделей [42, с. 119].
30 Оценка устойчивости предприятий не должна сосредотачиваться только на анализе их финансового состояния, поскольку необходимо учитывать и другие немаловажные аспекты хозяйственной деятельности. В частности – потенциал выхода предприятия из неблагоприятного состояния, то есть динамические его характеристики. Например, предприятие могло взять значительный кредит, что ухудшило ряд его экономических показателей (прибыль к распределению, коэффициент автономности – соотношение собственного и заемного капитала и т.д.). Однако тот инвестиционный проект, на реализацию которого был взят кредит, оказался до такой степени прибыльным и имел настолько небольшой инвестиционный лаг, что предприятие достаточно быстро значительно улучшило свое состояние. Еще один аспект, который необходимо учитывать – способность предприятия адаптироваться к негативным воздействиям внешней среды. В связи с этим исследование динамических свойств предприятий – важнейший аспект изучения проблемы их устойчивости. А в ряде случаев такой подход является безальтернативным, поскольку существует целый ряд объектов, которые могут быть устойчивы только в движении, в динамике. К их числу принадлежат гироскоп (юла), космические объекты, движущиеся по орбите при заданной скорости (так называемая орбитальная устойчивость), велосипед и т.д. Относительно таких объектов исследуются параметры, обеспечивающие динамическую устойчивость, например, скорость их движения.
31 В области экономики к числу подобных объектов относятся малые фирмы. Движение (то есть неотрицательные темпы прироста объемов производства) позволяют им накапливать потенциал прочности для компенсации различного рода экстерналий. В данном случае уместным будет сравнение малых фирм с новорожденными детьми, нормальное (устойчивое) развитие которых характеризуется не только показателями температуры тела, состава крови и т.д., но и показателем увеличения массы тела. В связи с этим для анализа устойчивости таких объектов целесообразно использование динамических моделей, в частности, динамических ИМ, которые более детально рассмотрены в работах [10, 11, 13].
32 Еще одной концепцией устойчивости функционирования экономических объектов является их системно-структурная сбалансированность. В самом широком смысле под ней понимается некоторая пропорциональность между базовыми компонентами системы, которая обеспечивает ее устойчивое функционирование. Методологические основы системно-структурной сбалансированности разработаны Г.Б. Клейнером [24]. В соответствии с ней любая система характеризуется 4 базовыми компонентами (тетрадами): объектной, процессной, проектной и средовой, между которыми должна быть обеспечена некоторая сбалансированность. С помощью моделей системной экономической теории (СЭТ-моделей), использующих принцип тетрад, может быть выявлена несбалансированность структуры функционирования объекта и определены главные направления ее преодоления. Основные методы исследования системно-структурной устойчивости экономических объектов – системный и качественный анализ с возможным привлечением определенной доли количественных методов.
33 Концепция системно-структурной сбалансированности может применяться для решения как статических, так и динамических задач. Одним из частных примеров статического анализа системно-структурной сбалансированности является использование классической модели Бостонской Консультативной Группы (модель BCG), предполагающей, что для устойчивого функционирования предприятия в конкурентной рыночной среде должна существовать некоторая пропорция (пропорциональная связь) между темпами роста и занимаемой им долей рынка [48]. Реализуется данная модель с помощью матрицы размером 22 (BCG-matrix), элементами которой являются такие качественные понятия, характеризующие состояние предприятия, как: 1) «трудные дети» (или «проблемы»); 2) «звезда»; 3) «дохлая собака» (или «хромая утка»); 4) «дойная корова».
34 При этом наиболее неустойчивым состоянием является положение фирмы в статусе «трудные дети», из которого она может перейти либо в состояние «звезда» (улучшение позиции), либо в состояние «дохлая собака» (означающее, что от бизнеса следует избавляться, поскольку данное положение опасно банкротством). К настоящему времени разработана целая серия модификаций этой модели, представленных в работах [28, 46, 49] и др.
35 Динамический анализ системно-структурной сбалансированности довольно часто используется применительно к моделям жизненного цикла экономического объекта [39]. Считается, что существует определенная закономерность (структурная пропорциональность) периодов нахождения изучаемого объекта в каждой из жизненных фаз: зарождения, быстрого роста, зрелости, затухания и т.д. Так, успешному функционированию предприятия не способствует ни затягивание фазы зарождения, ни ее чрезмерное сокращение. Двигаясь от фазы к фазе, фирма неизбежно приближается к неустойчивому состоянию, которое ее ожидает на финишном этапе, где происходит ее ликвидация. Однако длительность жизненного цикла может быть увеличена, если предприятие либо заняло удачную «долгоиграющую» нишу на рынке, либо осуществило ряд переходов в новые, более перспективные ниши. При этом значительно продлевается фаза зрелости, а фазу затухания предприятие проходит в более медленном темпе.
36 Данное направление, связанное с жизненным циклом, развивается работами И. Адизеса, Л. Грейнера, Л. Данко, Е.Н. Емельянова, А.И. Орлова, Е.Е. Поварницыной и др. [1, 30, 47, 55]. В рамках этого направления разработан целый ряд моделей: модели занятия ниш и их выбора на конкурентном рынке; модель предприятия, выполняющего заявки по реализации проектов (с учетом согласования потока заявок с возможностями предприятия на каждой из фаз жизненного цикла) и т.д. [44].
37 Представляется, что системно-структурное направление анализа устойчивости функционирования экономических объектов наиболее востребовано для достаточно крупных объектов, имеющих четко выраженную структуру или хорошо проявляющиеся фазы жизненного цикла. В то же время для простых и малых систем (к числу которых относятся, например, малые фирмы) возможности применения подходов и методов структурной сбалансированности весьма ограничены. Так, для многих малых фирм может оказаться достаточно затруднительным описание их с помощью понятий четырех тетрад, поскольку некоторые из них находятся в зародышевой форме; жизненный цикл малых фирм очень короткий и в нем не всегда присутствует фаза зрелости и т.д. Представляется, что для малых предприятий наиболее адекватными концепциями анализа являются динамическая и финансовая устойчивость. Подход, основанный на синтезе концепций динамической и финансовой устойчивости применительно к малым фирмам, представлен в работах [3, 14, 53].
38 Таким образом, выбор той или иной концепции устойчивости функционирования экономических объектов зависит, прежде всего, от их специфической природы, а также от сформулированных при исследовании задач.

Библиография

1. Адизес И. Управление жизненным циклом корпорации / под ред. А.Г. Сеферяна. – СПб.: Питер. – 2007. – 384 с. 2001

2. Айвазян С.А., Мешалкин Л.Д., Енюков И.С. Прикладная статистика, Т. 2. Исследование зависимостей. М.: Финансы и статистика, 1985

3. Ахметшин А.Ф. Анализ устойчивости развития малых предприятий на базе индикаторов экспресс-анализа // Экономика: вчера, сегодня, завтра. – 2016. – Том 6. – № 12А. – С. 165-176. 11

4. Багриновский К.А., Егорова Н.Е. Расчет вариантов развития хозрасчетного промышленного предприятия. // Экономика и математические методы. – 1973. – т. 9, № 4. – С. 725-733. 23

5. Багриновский К.А., Матюшок В.М. Экономико-математические методы и модели (микроэкономика). Москва, РУДН, 2006

6. Банковское дело: Финансовая устойчивость коммерческих банков. [Электронный ресурс]. Режим доступа: https://uchil.net/?cm=36347 (дата обращения 01.06.2017). 24

7. Бахтизин А.Р. Агент-ориентированные модели экономики. – М.: Экономика, 2008. – 279 с. 26

8. Бочаров Е.П., Алексенцева О.Н. Имитационное моделирование экономических процессов. – Саратов: Саратовский социально-экономический институт, 2014. – 160 с. 27

9. Бусленко Н.П. Моделирование сложных систем. – М: Наука, 1968. – 356 с. 29

10. Егорова Н.Е. Анализ производственно-экономической деятельности предприятия методами имитационного моделирования // Интернаука: научный журнал. – № 8(12). – М., Изд. «Интернаука», 2017. – С. 52-55. 47

11. Егорова Н.Е. Вопросы согласования плановых решений с использованием имитационных систем . - М.: Наука, 1987. – 144 с. 49

12. Егорова Н.Е. Вопросы взаимодействия имитационных и оптимизационных моделей / Математический анализ моделей экономических взаимодействий, Новосибирск, Наука СО РАН, 1981согласования плановых решений с использованием имитационных систем. - М.: Наука, 1987. – 144 с. 49

13. Егорова Н.Е. Использование методов экономической кибернетики и имитационного моделирования для анализа динамики развития предприятия // Экономика и предпринимательство. – 2017. – № 7 (84). – С. 989-993. 196

14. Егорова Н.Е., Ахметшин А.Ф. Комплексная система экономических индикаторов развития малых предприятий // Экономика и предпринимательство. – 2015. – № 6 (ч. 3). – С. 807-810. 13

15. Егорова Н.Е., Хромов И.Е. Модели и методы выбора схемы налогообложения при обосновании стратегии развития малого предприятия // Аудит и финансовый анализ. – 2005. – № 3. – С. 25-80. 53

16. Едронова В.Н., Хасянова С.Ю. Модели анализа кредитоспособности заемщиков // Финансы и кредит, 2002, № 6(96)

17. Заде Л.А. Нечеткие множества. // Нечеткие системы и мягкие вычисления, 2015Ю том 10, вып.1

18. Заде Л.А.Понятие лингвистической переменной и его применение к принятию приближенных решений. –М.: Мир, 1976

19. Зайцева О.П. Антикризисный менеджмент в российской фирме //Аваль (Сибирская финансовая школа). – 1998. – № 11-12. – С. 66-73. 60

20. Имитационное моделирование. [Электронный ресурс]. – Режим доступа: http://portal.tpu.ru/SHARED/i/INNA/umkd/Tab/lek_3.pdf (дата обращения: 02.10.2017). 190

21. Имитационные модели систем. [Электронный ресурс]. – Режим доступа: https://helpiks.org/5-31350.html (дата обращения: 02.10.2017). 189

22. Капанадзе Г.Д. Оценка финансовой устойчивости: методы и проблемы их применения // Российское предпринимательство. – 2013. – № 4 (226). – С. 52-58. 199

23. Касьяненко Т.Г., Полоско А.С. Применение корреляционно-регрессионного анализа в оценке бизнеса сравнительным подходом // Российское предпринимательство,2015, № 16(29)

24. Клейнер Г.Б. Системная сбалансированность экономики: основные принципы // Системный анализ в экономике. – М.: ЦЭМИ РАН, 2014, Т. 1. – С. 9-18. 245

25. Левкин Г.Г. Основы логистики. Учебное пособие. - М.: Инфра-Инженерия, 2014. - 240 c. 195

26. Логистика для МВА. Прогнозирование спроса. [Электронный ресурс]. – Режим доступа: https://pandia.ru/text/78/168/100652.php (дата обращения: 02.10.2017). 197

27. Любушин Н.П., Любушин Н.П, Бабичева Н.Э., Галушкина А.И., Козлова Л.В. Анализ методов и моделей оценки финансовой устойчивости организаций // Экономический анализ: теория и практика. – 2010. – Том 9. – № 1 (166). 198

28. Матрица BCG. Классический и digital-вариант матрицы БКГ. [Электронный ресурс]. – Режим доступа: https://gaikarapetyan.ru/matritsa-bcg/ (дата обращения: 02.10.2017). 249

29. Методика комплексной оценки финансового состояния предприятия по системе фирмы ИНЭК. [Электронный ресурс]. Режим доступа: http://www.cis2000.ru/cisFinAnalysis/MethodOfComlexAnalysisOfEnterprise.shtml (дата обращения 01.06.2017). 102

30. Модели жизненного цикла организации. [Электронный ресурс]. – Режим доступа: https://helpiks.org/6-38401.html (дата обращения: 02.10.2017). 203

31. Модель Альтмана (Z-score). Пример расчета. [Электронный ресурс]. Режим доступа: http://afdanalyse.ru/publ/finansovyj_analiz/1/bankrot_1/13-1-0-10 (дата обращения 01.06.2017).

32. Модель Ж. Конана и М. Голдера оценки платежеспособности. [Электронный ресурс]. Режим доступа: http://afdanalyse.ru/publ/finansovyj_analiz/1/model_zh_konana_i_m_goldera_ocenki_platezhesposobnosti/13-1-0-120 (дата обращения 01.06.2017). 105

33. Модель Лиса. [Электронный ресурс]. Режим доступа: http://afdanalyse.ru/publ/finansovyj_analiz/1/model_lisa/13-1-0-107 (дата обращения 01.06.2017). 106

34. Нестеров А.К. Оптимизационные модели // Образовательная энциклопедия ODiplpm.ru – http://odiplom.ru/lab/optimizacionnye- modeli.html 187

35. Оптимизационные модели в маркетинге. [Электронный ресурс]. – Режим доступа: https://vuzlit.ru/295454/optimizatsionnye_modeli_marketinge (дата обращения: 02.10.2017). 188

36. Орлов А.И. О некоторых подходах к экономико-математическому моделированию малого бизнеса // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. – 2015. – № 108. – С. 288-315. 118

37. Орлов А.И. Оптимальный план управления запасами нельзя найти на основе формулы квадратного корня // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2015. – №02(106). С. 270 – 300. – IDA [article ID]: 1061502018. – Режим доступа: http://ej.kubagro.ru/2015/02/pdf/18.pdf 192

38. Орлов А.И. Устойчивость в социально-экономических моделях. - М., Наука, 1979. - 296 с. 191

39. Орлов А.И., Иванова Н.Ю. О подходах к экономико-математическому моделированию малого бизнеса // Журнал "Бизнес, прибыль, право". – 2000. – № 8. – С. 3-19. 119

40. Оценка вероятности банкротства предприятия в Excel. Анализ финансового состояния предприятия. [Электронный ресурс]. – Режим доступа: http://afdanalyse.ru/load/1/ocenka_verojatnosti_bankrotstva_predprijatija_v_excel/1-1-0-110 (дата обращения: 02.10.2017). 244

41. Оценка финансового состояния предприятия по модели Сайфуллина-Кадыкова. [Электронный ресурс]. Режим доступа: http://finzz.ru/ocenka-finansovogo-sostoyaniya-predpriyatiya.html#i-4 (дата обращения 01.06.2017). 122

42. Попов В.Б., Кадыров Э.Ш. Анализ моделей прогнозирования вероятности банкротства предприятий // Ученые записки Таврического национального университета имени В.И. Вернадского. Серия «Экономика и управление». Том 27 (66). 2014 г. № 1. С. 118-128. 123

43. Прогноз ИГЭА риска банкротства (иркутская модель). [Электронный ресурс]. Режим доступа: http://afdanalyse.ru/publ/finansovyj_analiz/1/prognoz_igeha_riska_bankrotstva/13-1-0-40 (дата обращения 01.06.2017). 125

44. Рыжиков Ю.И. Теория очередей и управление запасами. Спб: Питер, 2010

45. Самойлов Л. Анализ финансового состояния предприятия в программе "Аналитик" / Л. Самойлов // Финансовая газета. – 2005. – № 37. [Электронный ресурс]. Режим доступа: http://inec.ru/company/pressroom_/smi/smi05/analiz.php (дата обращения: 01.06.2017). 137

46. Селиванов А.В. Модификация матрицы БКГ для управления широким ассортиментом продукции // Российское предпринимательство. – 2005. – Том 6. – № 9. – С. 105-109. 248

47. Стратегии бизнеса: аналитический справочник, под ред. Г.Б. Клейнера. –М .: КОНСЭКО, 1998. – 324 с. 201

48. Хендерсон Б.Д. Продуктовый портфель // BCG Review: Дайджест. – 2008. – Вып. 2. – С. 7-8. 246

49. Юрлов Ф.Ф., Галкин К.Б., Малова Т.А., Корнилов Д.А. Особенности и возможности применения портфельного анализа при стратегическом планировании и управлении на предприятии // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: экономика и финансы. – 2004. – №2. – С. 341-346. 247

50. Altman E. Financial Rations, Discriminant Analysis and the Prediction of Corporate Bankruptcy / Journal of Finance, 1968, Vol. 23, № 4

51. Beaver William H. Financial Ratios as Predictors of Failure, Empirical Research in Accounting Selected Studies / William H. Beaver, 1966. – Supplement to Journal of Accounting Research. – 4. pp. 71-111. 167

52. Breiman L., Friedman J.H., Olshen R.A., Stone C.J. Classification and regression frees. – Monterey, CA: Wadsworth & Brooks/Cole Advanced Books & Software , 1984

53. Egorova N.E., Akhmetshin A.F. Methods for Modelling Sustainable Development Strategy in Application to Small Enterprises // International Journal of Advanced Biotechnology and Research. [Электронный ресурс]. Режим доступа: http://bipublication.com/ijbr2017SP1.html – 2017. - Vol-8, Special Issue-Number1, pp1-16. 9

54. Fulmer J.G. Jr., J.E. Moon, T. A. Gavin, M.J. Erwin Bankruptcy Classification Model for Small Firms / J.G. Jr. Fulmer // Journal of commercial Bank Lending. – 1984. – pp. 25-37. 172

55. Greiner Larry E. Evolution and Revolution as Organizations Grow / Larry E. Greiner, Vol. 50(4) 1972. 202

56. Harris F., Operations and Costs // Factory Management Series. - Chicago: A.W. Shaw Co, 1915. - Р. 48-52. 193

57. Springate, Gordon L.V. «Predicting the Possibility of Failure in a Canadian Firm» // Unpublished M.B.A. Research Project, Simon Fraser University, January 1978. – 200 p. 184

58. Wilson R.H. A scientific routine for stock control // Harvard Business Rev. 1934. V.13. N 1. P.116 - 128. 194

Комментарии

02.05.2020, 09:34
Написать отзыв
Перевести