кус. 1 Методологические аспекты управления финансовоэкономическими системами
 Скачать 19.53 Kb.
|
1.1. Методологические аспекты управления финансово-экономическими системамиОдна из главных особенностей финансово-экономических систем (ФЭС) считается то, что это сложные системы1с большим количеством взаимосвязанных элементов, таких как физические лица, компании, страны и т. д. Их взаимодействие, как правило, нелинейно, что свидетельствует о многовариантном поведении системы.2 Подобные структуры ведут себя скорее динамически, чем статически, и вероятностно, а не детерминировано. Как следствие, сложные системы демонстрируют зачастую удивительное и даже парадоксальное поведение, в связи с чем они слабо предсказуемы и практически неконтролируемы. Данные свойства не укладываются в традиционный образ мышления, основанный на классических теоретических предпосылках и линейной теории устойчивости, поэтому они слишком сложны для лиц, принимающих решения.3 Необходимо отметить методологические особенности в оценке поведения сложных систем, которые состоят в следующем. Во-первых, в нелинейном взаимодействии между структурными элементами и их значимом влиянии на сложную динамику системы. Типичный пример — система, которая не реагирует на попытки управления и контроля или демонстрирует неожиданные изменения режима при наступлении переломного момента.4 Во-вторых, в степенных законах и хвостах распределения. Сильное взаимодействие между элементами системы часто меняет статистическое распределение, характеризующее их поведение. Проявляются так называемые тяжелые хвосты распределений5, свидетельствующие о том, что экстремальные события в системе происходят гораздо чаще, чем ожидалось. В-третьих, в сетевом взаимодействии и системных рисках, возникающих в результате эффекта каскада. Нелинейное взаимодействие в рамках сети широко распространено в ФЭС6, подразумевает обратную связь и приводит к возникновению часто нежелательных побочных эффектов.7 Кроме того, сетевые взаимодействия нередко становятся причиной цепной реакции (лавины, эффекта домино) — наиболее распространенного механизма, посредством которого локальные риски могут стать системными.8 В-четвертых, в самоорганизации, или самоорганизованной критичности.9 О ней принято говорить, когда системы попадают в критическое состояние вследствие не внешних воздействий, а некоторых эндогенных процессов. В-пятых, в уровнях предсказуемости, случайности, турбулентности10 и хаоса.11 Большое количество нелинейно связанных элементов может привести к сложной динамике системы, примеры которой — турбулентность и хаос, что, в свою очередь, делает поведение системы непредсказуемым после определенного периода времени. Еще одно препятствие для предсказания поведения многих сложных систем — присущая им вероятностная, или стохастическая, динамика12, т. е. значение случайности. В общественных и финансово-экономических системах также наблюдаются эффекты «самоисполнения» или «самоуничтожения пророчеств».13 В силу того, что выделенные методологические аспекты оказывают непосредственное воздействие на успешность управления стабильностью и качество оценки системы управления в перспективе долгосрочного и среднесрочного характера. Именно поэтому в рамках настоящего исследования требуется более подробно остановиться на их рассмотрении. Довольно часто современные экономисты не принимают во внимание факт того, что для сформировавшихся национальных и мировых ФЭС к настоящему времени абсолютно типичное поведение – нелинейная хаотичная динамика. Важно при этом не забывать о том, что такое поведение хаотичного характера формируется в результате собственной динамики детерминированной нелинейной ФЭС, граничащей с хаосом и находящейся в стадии неопределенности, а не в результате факторов экзогенного характера и внешних неопределенностей. В настоящее время, как справедливо отмечается современными исследователями, нельзя применять редукционизм к динамическим системам сложного типа. Таким образом, нельзя проводить оценку таких систем по аналогии с простыми явлениями, либо посредством исследования отдельных составных их элементом. В результате простого нелинейного взаимодействия система в состоянии хаоса может отражать сложное поведение, а взаимодействие нескольких компонент, находящихся в состоянии хаоса, в свою очередь, может вызывать в более крупном масштабе сложное глобальное поведение. Именно поэтому невозможно формировать верный единственный прогноз системного развития, если система находится в состоянии хаоса с помощью построения трендов между искомыми значениями прогноза и историческими данными. Таким образом, с одной стороны, будущее полностью определено прошлым; с другой — на практике малые неопределенности увеличиваются и, следовательно, поведение, допускающее краткосрочный прогноз, на долгий срок непредсказуемо. Этим, собственно, и определяется несбыточность средне- и долгосрочных прогнозов, построенных по принципам краткосрочных, а также невозможность установления средне и долгосрочных целевых ориентиров для национальной экономики. При рассмотрении ФЭС как сложной не детерминированной, а вероятностной системы сразу возникают проблемы поиска метода качественного анализа и прогнозирования динамики ее поведения. Не имея в настоящее время результативного метода описания динамических процессов внутреннего характера линейная теория устойчивости на сегодняшний день не позволяет оценивать и определять устойчивость ФЭС динамичного типа. Методы системной динамики в данном случае могут служить конкретной альтернативной. К анализу сложных динамических систем в настоящее время разработаны разные научные подходы: - агент-ориентированное моделирование; - теория критических явлений; - статистика экстремальных событий; - теория самоорганизации; - теория катастроф; - теория кибернетики и систем; - теория хаоса; - нелинейная динамика; - статистическая неравновесная физика; - анализ чувствительности; - моделирование сценариев; - анализ сети; - интеллектуальный анализ крупномасштабных данных. Рассмотрим основные механизмы адаптации ФЭС. В.И. Шикаренко в собственных научных изысканиях подчеркивал, что применительно к информационным интеллектуальным системам дефиниция «адаптация» является процессом изменения параметров, алгоритма и структуры системы для повышения ее эффективности.14 В тоже время в исследовании В.В. Шамаева и Н.А. Маслова отмечается, что данная система считается системой, обладающей обратной связью, по 3-м основаниям происходит классификация адаптивности: - способу адаптации системы, среди которых выделяют адаптацию с непрерывной настройкой и адаптацию с дискретной настройкой; - механизму адаптации, среди которых выделяют адаптацию с экстремальной системой, адаптацию с аналитически-настраиваемой системой, адаптацию с эталонной моделью; - уровню адаптации, среди которых выделяют параметрическую адаптацию, алгоритмическую адаптацию, структурную адаптацию.15 На рисунке 1.1 представлены основные требования, предъявляемые к алгоритмам адаптации в системах ФЭС. 1 Colander D., ed. The Complexity Vision and the Teaching of Economics. Elgar, Cheltenham, UK, 2000; Helbing D. Systemic risks in society and economics, International Risk Governance Council (irgc), 2010; Krugman P. The Self-Organizing Economy. Blackwell, Malden, MA, 1996. 2 Haken H. Synergetics: Introduction and Advanced Topics. Springer, Berlin, 2004. 3 Dorner D. The Logic Of Failure: Recognizing and Avoiding Error in Complex Situations. Basic, New York. 1997. 4 Arnol’d V. I., Wassermann G. S., Thomas R. K. Catastrophe Theory. Springer, Berlin. 2004; Gladwell M. The Tipping Point: How Little Things Can Make a Big Difference. Back Bay. 2002; Stanley H. E. Introduction to Phase Transitions and Critical Phenomena. Oxford University. 1987. 5 Saichev A., Malevergne Y., Sornette D. Theory of Zipf’s Law and Beyond. Springer, Berlin. 2010; Schroeder M. Fractals, Chaos, Power Laws. Dover. 2009. 6 Barrat A., Barth´elemy M., Vespignani A. Dynamical Processes on Complex Networks. Cambridge University, Cambridge. 2008; Carrington P. J., Scott J., Wassermann S. Models and Methods in Social Network Analysis. Cambridge University, New York. 2005; Helbing D., Buzna L., Peters K. D. Efficient response to cascading disaster spreading. Physical Review E 75, 2007; Newman M., Barabasi A.-L., Watts D. J., eds. The Structure and Dynamics of Networks. Princeton University, Princeton, NJ. 2006, и др. 7 Sterman J. D. Business Dynamics: Systems Thinking and Modeling for a Complex World. McGraw Hill, 2000. 8 Helbing D., Buzna L., Peters K. D. Efficient response to cascading disaster spreading. Physical Review E 75, 2007; Lorenz J. Battiston S., Schweitzer F. Systemic risk in a unifying framework for cascading processes on networks. The European Physical Journal B 71(4), 2009. 9 Jensen H. J. Self-Organized Criticality: Emergent Complex Behavior in Physical and Biological Systems. Cambridge University, Cambridge, 1998. 10 Davidson P. A. Turbulence. Cambridge University, Cambridge. 2004 11 Schuster H. G., Just W. Deterministic Chaos. Wiley-VCH, Weinheim. 2005. 12 Kampen van N. G. Stochastic Processes in Physics and Chemistry. North-Holland, Amsterdam. 2007. 13 Farmer R. Macroeconomics of Self-fulfilling Prophecies. MIT Press, 1999. 14 Шинкаренко В. И. Структурная адаптация алгоритмов на основе полиморфизма // ММС. 2009. №2. С. 28-44. 15 Маслова Н.А., Шамаев В.В. Принципы адаптации в защите корпоративных систем // «Штучний iнтелект» 4’2010. С. 421-429. |