Scientific journal
Научное обозрение. Экономические науки
ISSN 2500-3410
ПИ №ФС77-57503

HRONOEKONOMIKS AS THE SCIENCE OF MANAGEMENT OF ECONOMIC SYSTEMS IN REAL TIME

Bogomolov A.I. 1 Nevezhin V.P. 2
1 Finance University under the Government of the Russian Federation
2 FGBOU VPO «Financial University under the Government of the Russian Federation»
The article presents the concept of Real-Time Enterprise (RTE), which involves the collection, processing and analysis of massive amounts of data in real time with the help of modern and advanced information technology on the state of economic, financial, and information agents that affect key performance indicators of the company for the purpose of making effective or optimal managerial decisions in a calculated model-based moments time. Phronoekonomics as the science of the influence of time factor on economic processes offers methods and models for the implementation of the concept based on the idea of the wave and the stochastic properties of economic processes, considered as fundamental. The paper proposes a generalized model in the framework of chronosequence on the basis of the tripartite network of economic, financial, and information agents for the management of economic system in real time and the main purpose and objectives of chronosequence. The article proposes to consider the management of economic systems in real time as belonging to hronoeconomics – the science of the influence of time factor on the socio-economic processes. Proposed three-network model of economic management, the system including information, finance and economic agents, one of the main objectives is the definition of time management decision.
hronoeconomics
management
real-time
cyclic processes
random event

Управление экономической системой, в том числе: банком, отраслью, фирмой или корпорацией, или даже экономикой в масштабе всего народного хозяйства в реальном масштабе времени, становится в последние годы не только актуальной, но и реально реализуемой задачей. Это вызвано тем, что управление экономической системой осуществляется в условиях, когда современная мировая экономика характеризуется значительной сложностью протекающих на ней процессов. Происходит глобализация международных рынков, увеличивается влияние на экономику политических и субъективных факторов, возрастают риски, увеличиваются волатильность валют, процентных ставок, курсов ценных бумаг и цен на сырьевые товары. В связи с этим достоверный прогноз и быстрая реакция экономической систем на происходящие события, а также правильный выбор момента времени для реализации того или иного решения могут дать решающие преимущества в конкурентной борьбе и обеспечить устойчивое развитие бизнеса. На Западе давно рассматривают ведение бизнеса в конкурентной среде как ведение боевых действий, в ходе которых ситуация постоянно меняется и необходимо ежеминутно представлять себе как можно более реалистичную картину как собственной компании, так и внешней среды. Соответственно и корпоративные системы по своим характеристикам быстро приближаются к военным, построенным по принципам архитектуры общей информационной среды поля боя (Joint Battlespace Infosphere, JBI), совершенствуемой уже в течение ряда лет [1].

Реализация такого подхода к ведению бизнеса должна обеспечить концепция «предприятия реального времени» – Real-Time Enterprise (RTE) [2]. Принципиальное отличие RTE от информационных систем сегодняшних предприятий заключается в том, что оно не задействует одну или несколько вспомогательных корпоративных информационных систем, но само работает под управлением своеобразной единой «операционной бизнес-системы реального времени». Основными характеристиками таких систем являются возможность сбора любых необходимых данных в реальном времени и их обработка в максимально короткий сроки (идеально – в реальном времени), т.е. задержка между фактом регистрации в системе данных о появлении внутреннего или внешнего события и возможностью сформировать ответную реакцию должна быть минимизирована.

При построении подобных систем управления предполагается хранить, получать и обрабатывать огромные массивы данных с помощью высокопроизводительных компьютеров и новых информационных технологий. Такие технологии разрабатывает и предлагает на рынке, например, компания SAP [3], в том числе для разрабатываемой глобальной сети отслеживания и маршрутизации товаров (EPCglobal) в реальном масштабе времени. Тем не менее, только лишь увеличение производительности и функциональности информационных систем предприятия недостаточно для его управления в соответствии с концепцией RTE. Необходима достоверная и качественная модель, учитывающая как внутренние, так и внешние факторы.

Существующие методы моделирования поведения экономических систем на основе временных рядов для анализа и прогнозирования протекающих в них процессов, а также для управления в реальном масштабе времени дают неудовлетворительные результаты. Многие экономисты и аналитики отмечают разрыв между действительными экономическими реалиями и экономическими теориями [4].

В настоящее время появились предпосылки преодоления указанных выше недостатков эконометрик как за счёт более глубокого понимания сущности происходящих в экономике процессов, главными из которых мы считаем информационные, так и за счёт колоссальных возможностей сбора и обработки информации, имеющихся у современных информационных технологий. Всё это даёт основание для постановки проблемы получения принципиально нового знания о времени принятия управленческого решения с целью получения наибольшего эффекта от его реализации. Науку, которая будет этим заниматься, мы называем хроноэкономикой.

Представляя в хроноэкономике экономическую систему и происходящие в ней процессы в виде модели, мы исходим из того, что её ключевые показатели, изменяясь во времени, обладают волновыми свойствами и в то же время эти изменения носят неопределённый, вероятностный характер. Вероятности тех или иных изменений ключевых показателей, в свою очередь, определяются вероятностями тех существенных событий, которые могут на них повлиять. Как сами эти события, так и информационные сигналы о наступлении этих событий воздействуют на ключевые показатели экономической системы и порождают другие события, которые также могут влиять на экономическую систему.

Необходимость учёта влияния информационных сигналов в моделях экономики информационного общества сегодня является общепризнанной. Хотя ещё в 30-х годах прошлого века Ральф Нельсон Эллиотт [5] считал, что информационная составляющая жизни общества является главной причиной волнового движения рынков.

Волны Элиота являются фракталами или самоподобными регулярными структурами. В современной науке фрактальность поведения сложных нелинейных систем считается строго доказанным математическим фактом [6].

Экономические циклы присущи развитию и экономических систем. Под экономическими циклами понимаются колебания экономической активности, состоящие в повторяющемся сжатии и расширении экономики (экономического спада и подъема). Циклы носят периодический, но, обычно нерегулярный характер. Обычно (в рамках неоклассического синтеза) интерпретируются как колебания вокруг долгосрочного тренда развития экономики (рис. 1) [6].

pic_1.tif

Рис. 1. Колебания вокруг долгосрочного тренда развития экономики

Детерминистская точка зрения на причины экономических циклов исходит из предсказуемых, вполне определенных факторов; роста производительных сил, вовлечения в оборот всё большего количества природных ресурсов и т.д. Стохастическая точка зрения исходит из того, что циклы порождаются факторами случайной природы и представляют собой реакцию экономической системы на внутренние и внешние импульсы.

Обычно выделяют четыре основных вида экономических циклов:

- длинные волны Кондратьева (характерный период – 50–60 лет).

- ритмы Кузнеца (характерный период – 15–20 лет);

- Циклы Чижевского (характерный период – 11–16 лет, привязан к периоду солнечной активности);

- среднесрочные циклы Жюгляра (характерный период – 6–13 лет);

- краткосрочные циклы Китчина (характерный период – 2–3 года).

Теория реальных экономических циклов объясняет спады и подъемы воздействием реальных факторов. В индустриальных странах этим может быть появление новых технологий, изменение цен на сырье. В аграрных странах – урожай или неурожай. Также толчком к переменам могут стать форс-мажорные ситуации (война, революция, стихийные бедствия). Для выявления волновых свойств экономических процессов и использования полученных данных в модели с целью определения момента времени принятия решений необходимо провести гармонический анализ динамики изменения ключевого экономического показателя (КЭП) во времени. Отдельные гармоники КЭП могут соответствовать вполне конкретным экономическим или социальным причинам.

В тоже время, наряду с детерминистскими процессами, которые носят циклический характер, большую, а иногда и определяющую роль играют и случайные события, которые могут влиять, в том числе, и на параметры этих циклических процессов.

Эти события можно условно подразделить на два класса. К первому классу относятся события, которые в принципе невозможно предсказать. К таким событиям, относятся, например, ядерная катастрофа в Чернобыле или падение пассажирского аэробуса в Альпах в 2015 г.

Ко второму классу событий, которые заранее можно предсказать с некоторой вероятностью, относятся, например, кризис 2008 г. или урегулирования иранской ядерной проблемы. События, как первого, так и второго класса влияют на экономическую систему, но вторые действуют постоянно и в течение интервального прогноза играют наиболее существенную роль. Эти события могут быть взаимосвязаны и порождают информационные сигналы, которые в свою очередь влияют на ключевые экономические показатели (экономические агенты), которые также образуют сеть. Так как информационные сигналы о событиях в первую очередь влияют на финансовые показатели и потоки в глобальной экономике, которые взаимосвязаны, то последние также можно представить в виде сети финансовых агентов. Общая модель экономической системы, таким образом, может быть представлена в виде взаимосвязанной системы из трёх сетей: сети ключевых показателей экономической системы (экономических агентов), сети финансовых потоков (финансовых агентов) и сети информационных сигналов (информационных агентов) (рис. 2).

pic_2.tif

Рис. 2. Пример взаимосвязи информационных, финансовых и экономических агентов в тройственной сети

Здесь Y, K, L и другие – экономические переменные (экономические агенты); S, R, Q, L и другие– переменные, характеризующие финансовые потоки (финансовые агенты); A, B, C и другие – информационные сигналы о появлении вероятных событий (информационные агенты).

Представленная модель характерна для хроноэкономики. В отличие от традиционных моделей временного ряда в ней учитываются следующие концептуальные предпосылки.

1. Ключевые экономические показатели (КЭП) экономической системы рассматриваются как экономические агенты, характеристики которых имеют волновые свойства и подвержены стохастическим изменениям.

2. КЭП являются вершинами сети, на которые воздействуют внешние информационные и финансовые агенты.

3. Информационные и финансовые сети также обладают волновыми свойствами, а их агенты также подвержены стохастическим изменениям.

Агенты информационной и финансовой сетей можно рассматривать как взаимосвязанные случайные события. В виртуальной области, в которую мы включаем существенные случайные события, влияющие на интересующие нас КЭП, существуют упорядоченные структуры взаимосвязанных событий, и вероятность появления отдельного события можно представить в виде некоторого графа, что и сделал Томас Байес.

Байесовская сеть (или Байесова сеть, Байесовская сеть доверия) – это графическая вероятностная модель, представляющая собой множество переменных и их вероятностных зависимостей [7].

Формально, байесовская сеть – это направленный ациклический граф, каждой вершине которого соответствует случайная переменная, а дуги графа кодируют отношения условной независимости между этими переменными.

Вершины могут представлять переменные любых типов, быть взвешенными параметрами, скрытыми переменными или гипотезами.

Байесовские сети доверия позволяют решать две важные задачи: прогноз и диагноз. Существует множество алгоритмов, представляющих приблизительный вероятностный вывод: на основе посылки сообщений, преобразовании Байесовской сети в дерево, стохастических выборок: вероятностного взвешивания, выборки по собственной важности, выборки по адаптивной важности, случайной выборки и др. Некоторые из этих алгоритмов реализованы в приложениях с открытым кодом.

Если исходить из фундаментальной гипотезы о волновых свойствах любых процессов в природе, то и вероятности в виртуальной области событий представляют собой некие «волны вероятности» и событие реализуется когда эти волны образуют некий резонанс. Такого рода модель ещё предстоит разработать, но в качестве уже оправдавшего себя подхода для определения вероятностей взаимосвязанных событий можно использовать и сеть доверия Байеса.

Сложность применения сетей доверия к исследованию реальных экономических и социальных процессов заключается в громоздкости вычислений при больших размерах сетей и в приблизительности оценок вероятности появления событий, влияющих на интересующие нас процесс или событие. Задачу можно попытаться облегчить, если рассматривать случайные события как бинарные переменные и определять их значение на основе бинарной модели выбора [8].

Модель бинарного выбора – применяемая в эконометрике модель зависимости бинарной переменной (принимающей всего два значения – 0 и 1) от совокупности факторов.

bogomol01.wmf

Построение обычной линейной регрессии для таких переменных теоретически некорректно, так как условное математическое ожидание таких переменных равно вероятности того, что зависимая переменная примет значение 1, а линейная регрессия допускает и отрицательные значения и значения выше 1. Поэтому обычно используются некоторые интегральные функции распределения. Чаще всего используются нормальное распределение (пробит), логистическое распределение (логит), распределение Гомперца (гомпит). В логистическом распределении вероятность события определяется функцией

bogomol02.wmf

где Z является линейной функцией объясняющих переменных:

Z = b0 + b1xi1 + ... + bjxij + ... + bkxik + ei.

Переменная Z является внутренней (объясняемой) переменной, а xi – внешние (объясняющие) переменные.

Комбинированный подход на основе сетей доверия и бинарных моделей расширяет возможности первого и второго методов и имеет большую объяснительную способность, чем каждый из них в отдельности. Их использование наиболее целесообразно в агент-ориентированных моделях сложных экономических систем. Агент-ориентированные модели (АОМ) – специальный класс вычислимых моделей, основанных на индивидуальном поведении множества агентов, и создаваемых для компьютерных симуляций, которые тесно взаимосвязаны со следующими понятиями: вычислимая экономика, сложные системы, метод Монте-Карло, вычислительнаясоциология, системы с множеством агентов и эволюционное программирование. Агент-ориентированные модели, на наш взгляд, должны дополняться и интегрироваться с моделями, в которых отражены фундаментальные свойства изучаемых больших систем.

В модели экономической системы на основе представленной тройственной сети таким фундаментальным свойством происходящих в ней процессов является их колебательный или волновой характер. Колебательные процессы в подсистемах тройственной сети представляют собой комбинации гармоник, определяемых свойствами элементов этих подсистем.

В заключении можно сформулировать следующие выводы относительно цели и основных задач хроноэкономики.

1. Цель хроноэкономики – исследование влияния фактора времени на экономические процессы.

2. Определена основная задача хроноэкономики, как выбор времени для принятия управленческого решения (действия) с целью наилучшего изменения ключевых параметров экономической системы с наименьшими затратами.

3. Предложена обобщённая модель в рамках хроноэкономики для управления экономической системой на основе тройственной сети экономических, финансовых и информационных агентов.

4. Поставлена задача анализа волновых и стохастических свойств экономических, финансовых и информационных агентов для эффективного управления ключевыми показателями экономической системы.