2. Краткий отчет о практике Общая характеристика места прохождения практики
 Скачать 0.6 Mb.
|
|
0 для сторонника риска С. Риск игры . Для противника риска r*>0 и r(0)r*: он предпочитает малые ставки и избегает большие выигрыши. Для сторонника риска r*<0 и r(0)>r*, а r(cmax) Пусть оба агента нейтральны к риску (агент U имеет выигрыши uij агента A, агент V – выигрыши vij=–uij агента A). Доминирующая стратегия для U – FA, а для V – CL (это точка Неша). Агент U нейтрален к риску, а агент V – противник риска: кроме той же точки Нэша ( FA, CL) имеется точка Парето ( FA, NW). Агент U нейтрален к риску, а агент V – сторонник риска: кроме той же точки Нэша ( FA, CL) имеется точка Парето ( СA, CL). Если существует одна точка Нэша и она не совпадает с точкой Парето, возникает проблема кооперации агентов [2]. Проблема справедливости возникает, если в игре с точкой Нэша распределение выигрышей агентов асимметричное. При двух точках Нэша возникает проблема координации: нужны соглашения и фокальные точки. Литература [1] Ross S. A., Westerfield R.W., Jordan B.D. Fundamentals of corporate finance. – 3 rd.ed. (Irwin series in finance), 1995 – 777 p. [2] Олейник А. Институциональная экономика. Вопросы экономики, No1–12, 2000. Стратегии производства и потребления Покотилова В.И., Басраков Д.В., Янюк О.В. (Херсонский экономико-правовой институт) В современных экономических условиях существуют агенты, которые функционируют одновременно и как предприятие E, и как домохозяйство H. Пусть в состоянии E агент получает доход Y на рынке товаров и услуг MP и несет расходы L по оплате труда на рынке ресурсов MR, а в состоянии H получает доход R на рынке MR и несет потребительские расходы C на рынке MP. Взаимодействие агента с рынками MP и MR отображает направленный граф денежных потоков рис.1. Сплошными линиями показаны потоки хорд графа Ic=(Y,L,C,R)T, а пунктирными линиями – потоки ветвей графа Ib=(K,S,–I,–Q)T с платой за капитал K, сбережениями S и инвестициями в предприятия и домохозяйства I и Q. Матрица сальдового оборота B дана в таблице 1. Рис.1. Направленный граф денежных потоков. Таблица 1. Матрица сальдового оборота B. B E H MP MR Ib E 0 0 Y –L K H 0 0 –C R S MP –Y C 0 0 –I MR L –R 0 0 –Q –IbT –K –S I Q Блок 2 2 этой матрицы из строк E,H и столбов MP,MR является матрицей выигрышей в антагонистической игре агента и рынка. Агент имеет стратегии E и H, а его запасы в этих состояниях равны K и S. Рынок имеет стратегии MP и MR, а его запасы в этих состояниях I и Q=K+S–I. Денежные потоки выражаются через запасы и переменную R: , и . Матрица выигрышей 2 2-игры с произвольным доходом R имеет вид . Среднее значение и дисперсия игры и . Наименьшее значение дисперсия принимает при и . Если принять K=1.1, S=0.3, I=0.8 и Q=0.6 ден.ед, то *=0.238, R*=0.1, Y=0.6, L=–0.5 и C=–0.2 ден.ед. Матрица выигрышей имеет седловую точку 0.5: у агента есть доминирующая стратегия E, а рынок имеет доминирующую стратегию MR: A MP MR E 0.6 0.5 H 0.2 0.1 Если принять K=1.1, S=1.3, I=0.8 и Q=1.6 ден.ед, то *=0.238, R*=0.85, Y=0.35, L=–0.75 и C=–0.45 ден.ед. Матрица выигрышей имеет седловую точку 0.45: у агента есть доминирующая стратегию H, а рынок имеет доминирующую стратегию MP: A MP MR E 0.35 0.75 H 0.45 0.85 Поведение агента в 2 2-игре описывается функцией полезности , где a=0 для нейтрального агента A, a<0 для ротивника риска B и a>0 для сторонника к риску С. Величины cmin и cmax определяются предпочтениями агента. Примем cmin=0 и cmax=R, a R=2.5 ден.ед, что при K=1.1, S=1.3, I=0.8 и Q=1.6 ден.ед. дает Y=2, L=0.9 и C=1.2 ден.ед. На рис.2 даны полезности этой игры для агентов A, B и C, а полезности выигрышей даны в таблице 2. Рис.2. Функции полезности 2 2 игры с доходом R=2.5 ден.ед. Таблица 2. Полезности выигрышей для агентов A, B и C. A B C Y 2 u11 0,8 0,87 0,73 –L –0,9 u12 –0,36 –0,58 –0,14 –C –1,2 u21 –0,48 –0,8 –0,16 R 2,5 u22 1 1 1 Агент и рынок по-разному относятся к риску, а сумма полезностей для каждой ситуации игры не будет равна нулю. Игра агента с рынком в таком случае становится биматричной игрой. Рынок нейтрален к риску, а агент может быть несклонным к риску и склонным к риску. Матрицы выигрышей в игре агента, несклонного к риску, имеют вид Агент MP MR Рынок MP MR E 0,87 –0,58 E –0,8 0,36 H –0,8 1 H 0,48 –1 В этой игре нет точек Неша, но есть точка Парето (0.87,–0.8). Матрицы выигрышей в игре агента, несклонного к риску, имеют вид Агент MP MR Рынок MP MR E 0,73 -0,14 E –0,8 0,36 H –0,16 1 H 0,48 –1 В этой игре нет точек Неша, но есть точка Парето (–0.16,0.48). Применяя стратегию производства E, несклонный к риску агент выигрывает на рынке товаров и услуг MP. Применяя стратегию потребления H, склонный к риску агент проигрывает на рынке MP. Функцией институтов в теории игр является создание предпосылок (структурных, когнитивных, организационных) для достижения равновесия в одном исходе. В отсутствие точек Нэша возникает проблема совместимости агентов: они не смогут согласовать решения, если институциональные рамки не ограничат и не направят выбор их стратегий. Для увеличения числа точек Нэша применяются смешанные и эволюционные стратегии, формируется репутация агента, делается отбор равновесий с помощью соглашений и фокальных точек. Институциональные ограничения можно формализовать с учетом отношения агента к риску. Склонность агентов к риску не влияет на положение точек Нэша в игре, но устраняет множественность точек Парето. Степень неприятия риска в игре является институциональным условием для выбора равновесного состояния. Для расчета реальной процентной ставки RIR используется индекс потребительских цен CPI – текущая цена набора основных товаров и услуг (потребительская корзина): и , где CCL=(C1–C0)/C0 – темп зменения CPI. Инвестору нужен портфель акций c текущей стоимостью PA. Через w=0,5 года стоимость портфеля может быть PB>PA или PC 0 или rC=PC/PA–1<0). Если она будет PB, то через полгода составит PD=PB(1+rB)>PB или PE=PB(1+rC) Необходимо сохранить возможность получить доход в состоянии D. Инвестор не может купить портфель из одних акций, так как в состоянии F он принесет убыток PF–PA. Если купить акции и безрисковые облигации, то через полгода может наступить состояние B или C. Чтобы уверенно получить PA в состоянии C, нужно иметь в портфеле облигации стоимостью PA/(1+rf) при безрисковой ставке процента rf. Рис.1. Дерево состояний портфеля акций. Первоначальные инвестиции в акции и облигации Is и Ib должны обеспечить PA(1+rB) в состоянии B и PA/(1+rf) в состоянии C: Инвестиция равносильна покупке портфеля акций за PA и страхового полиса Инвестиция обеспечит желаемый результат только в том случае, если состав портфеля будет изменяться с его стоимостью. Это цель динамической стратегии: акции и облигации продаются или покупаются в зависимости от их доходности. При росте цены акций следует продать облигации и купить акции. Если наступит состояние B, акции будут стоить Is(1+rB), облигации Ib(1+rf), а стоимость портфеля равна PB: нужно продать облигацию и купить акции. Если наступит состояние C, акции будут стоить Is(1+rC), облигации Ib(1+rf), а стоимость портфеля PC: нужно продать акции и купить облигации. Через полгода стоимость акций будет Is(1+rB)2 (состояние D), стоимость облигаций составит Ib(1+rf)2 (состояние E). Инвестор покупает портфель акций за 100 (состояние A). Через w=0,5 года стоимость портфеля может вырасти до 125 (состояние B, полугодовая ставка rB=0,25) или упасть до 80 (состояние C, полугодовая ставка rC=–0,2). Если она 125, то через полгода составит 156,25 (D) или 100 (состояние E). Если она будет 80, то через полгода составит 100 (E) или 64 (F). w=0 w=0,5 w=1 A: 100 B: 125 D: 156,25 C: 80 E: 100 F: 64 Чтобы не понести убытки, инвестор покупает акции и безрисковые облигации. Для возврата 100 в состоянии C нужны облигации стоимостью 100/1,05=95,238 при ставке процента rf=0,05. Инвестиции Is и Ib обеспечат 125 в состоянии B или 95,238 в состоянии C: В акции и облигации нужно вложить Is=66,138 и Ib=40,312, всего 106,45. Это равносильно покупке портфеля акций за 100 и страхового полиса за 6,45. Если наступит состояние B, акции будут стоить 66,138 1,25=82,672, а облигации 40,312 1,05=42,328, а сумма 125. Нужно продать облигации, а на вырученные деньги купить акции. Если наступит состояние C, акции стоят 66,138 0,8=52,91, облигации 40,312 1,05=42,328. Нужно продать акции, а на вырученные деньги купить облигации. Через полгода стоимость акций будет 156,25 (состояние D), а стоимость облигаций 100 (состояние E). [1] Шарп У., Александер Г., Бэйли Дж. Инвестиции. – М.: Инфра, 1997. 8. Теория налогов Выручка R=pQ зависит от выпуска Q и цены продукта p. Нужно оплатить сырье M и труд L, сделать отчисления K на износ капитала K при норме амортизации : Полные затраты C=M+L+ K можно представить в виде где m=M/R, l=L/R и k=K/R. Добавленная стоимость Y=R–M, а валовой доход CP=Y–L– K=NP+TT состоит из чистой прибыли и налога где – ставка налога на прибыль, – на добавленную стоимость, – на заработную плату. Бизнесмен максимизирует NP, государство TT (конфликт интересов). Стратегии бизнесмена 1 – =0, 2 – =0. Стратегии государства 1 – =0, 2 – =0. Матрица NP Матрица TT Матрица CF При начислении амортизации k>0 имеются две точки Парето (2;1) и (2;2), а положение точек Неша зависит от налоговых ставок. Динамика капитала описывается уравнением где – норма амортизации, It – инвестиция. При склонности к инвестициям в капитал из чистой прибыли NPt где Iext – внешняя инвестиция. Чистая прибыль в периоде t Подстановка дает Добавленная стоимость простейшего вида (производственная функция) где a и b зависят от доли материалов m, капитала k и труда l Пусть вариации затрат труда не изменяют добавленную стоимость Динамическое уравнение капитала Для удобства введем обозначения Восходящие разности основного капитала а уравнение основного капитала принимает вид .Это уравнение сходно с уравнением электрического напряжения Vt в параллельном контуре с источником тока It где C, G, L и Т – емкость, проводимость, индуктивность и период колебаний. Сравнение показывает, что (1–) – емкость C/T, {1–+(1–)[a(1–)–2]} – проводимость G, а {+(1–)[–a(1–)]} – обратная индуктивность T/L.Разностное уравнение переводится z-преобразованием в алгебраическое уравнение Cистемная функция капитала Отклик в частотной области находим путем подстановки z=exp(pT) с комплексной частотой p=+i. Точки мнимой оси p=i лежат на единичной окружности плоскости z с центром в начале координат. Мнимая ось p преобразуется в единичную окружность плоскости z. Если<0, то exp(T)<1 и точки z лежат вне единичной окружности. Если >0, то exp(T)>1 и точки z лежат внутри окружности. Капитал устойчив при |z| 1 и неустойчив при |z|>1. Применяя теорию вычетов, получаем отсчеты системной функции Чистая прибыль в периоде t где – отношение запасов к капиталу, – ставка налога на мущество. При каких условиях чистая прибыль положительна? Yt=kKt. Каков критический темп роста выпуска для получения ненулевой прибыли? Какова величина индекса J=Yt/Yt-1, при которой NPt=0? Если ввести долю затрат труда в добавленной стоимости =Lt/Yt, то критическое значение индекса При J>J* имеем NPt>0, но при J* производство сворачивается, при<* – накопление капитала и расширенное воспроизводство. Если принять m=0,8, то g=-0,4%. Технологические и фискальные параметры экономики способствуют сохранению рецессии. Если налог на имущество снизить до =1,5%, это создаст условия для накопления капитала и перехода к устойчивому росту. Исследуем налога на имущество на точки Лаффера. акопленный капитал связан со ставкой налога Увеличение уменьшает капитал, и автономных точек Лаффера I-рода нет. В точке бифуркации * режим развития меняется на другой (рост переходит в рецессию). Характерных для кривой Лаффера перегибов нет. Текущий налог и получим Рост ставки налога на имущество увеличивает налоговые сборы, автономной точки Лаффера II-рода нет. Уменьшение ставки налога на имущество не компенсируется расширением налоговой базы и, следовательно, урезание массы взимаемых налогов неизбежно. Хотя ослабление налогового пресса в долгосрочном периоде позитивно влияет на экономический рост, оно не может восполнить урон, наносимый государственному бюджету. Уменьшение ставки налога на имущество окупается через какое-то время. Кумулятивная функция налоговых сборов Чтобы выяснить роль ставки налога, нужно найти / . Сравним варианты с =0 и =<0. Чтобы найти период времени * нейтрализации фискального урона экономическим ростом, решим уравнение T(,0)=T(,). Решение где g0 и gK – темпы прироста. Разложением функции в ряд получаем приближенное решение Влияние ставки на сбор налога проявляется в длительной перспективе. Учет времени наполняет новым содержанием теорию предложения Лаффера. Можно сразу получить в явном виде точку При t 1 эффекта Лаффера нет. Точка Лаффера появится во втором периоде Стимулирование роста и накопления капитала снижением ставки налога на имущество имеет цену – сокращение поступлений налогов в бюджет. | ||||||||
| Количество счетов (штук). | 1850 | 1990 | 2300 | 2700 | 2890 | 3112 | 3357 | 3500 |
| Доля остатков на счетах в пассивах (в %). | 9% | 9,3 | 12% | 14,3% | 14,5% | 17% | 17,5% | 20% |
| адисперсии и ковариации можно собрать в ковариационной матрице, где cij является ковариацией между Xi и Xj (1 i n, 1 j n). Диагональные элементы – дисперсии cii=var [Xi], а из-за cij=cji ковариационная матрица C симметрична. Ее элементы – математическое ожидание ij-го элемента произведения вектор-столбца (X–m) на вектор-строку (X–m)T: равна f(x)dx, если x принадлежит соответствующему интервалу dx:или . Абсолютные величины используются потому, что интервалы dx и dy не имеют направлений. Только при таком условии вероятности f(x)dx и g(y)dy будут всегда положительны. Связь плотностей вероятности для однозначных функций Y=Y(X) описывается выражением, и. Многозначные функции необходимо рассматривать особо: для Y=X1/2 учитывается только ветвь Y=+X1/2. Рассмотрим преобразование двух независимых переменных в новые и . Пары кривых u, u+du и v, v+dv на плоскости x,y ограничивают элемент площади dxdy. Координаты трех вершин этого элемента,,,,,. Разлагая эти функции в ряд Тейлора, получим,,,. Поскольку рассматривается бесконечно малый элемент dxdy, то его можно заменить параллелограммом с площадью. Подстановка координат трех вершин параллелограмма дает. Это выражение можно переписать с помощью определителя второго порядка. Этот определитель называют якобианом преобразования и обозначают буквой J. С помощью якобиана можно перейти от плотности вероятности f(x,y) к новой плотности вероятности g(u,v):. В случае n случайных переменных X=(X1,X2,...,Xn) и n случайных функций Y1=Y1(X), Y2=Y2(X),...,Yn=Yn(X) плотность вероятности новых случайных величин равна, где якобы преобразования. Якобиан существует, если существуют частные производные и они единственны. Функции Y=(Y1,...,Yn) могут линейно зависеть от переменных X=(X1,...,Xn). Y=a+BX, где a Rn – n-мерный вектор, а B Rn n – n n-матрица. Математическое ожидание случайного вектора Y: где mX Rn –вектор из математических ожиданий случайных величин Xk. Матрица ковариаций преобразованного вектора Y: CY=M[(Y–mY)(Y–mY)T]=M[B(X–mX)(X–mX)TBT]=BCXBT. Известны математические ожидания mi и стандартные отклонения i для наблюдений Xi. Нужно узнать ошибку для данной функции Y(X). Если ошибка для X сравнительно мала, то плотность вероятности f(x) будет существенно отлична от нуля в малой окрестности mX. Поэтому можно написать разложение. Y=Y(mX)+B(X–mX), где n n-матрица B имеет элементы yi/ xj. Ошибки для Y (диаональные элементы матрицы CY) зависят не только от ошибок (дисперсий) X, но и ковариаций между разными Xi. Пренебречь ковариациями можно при взаимной независимости Xi, когда матрица CX имеет диагональный вид. Диагональные элементы матрицы CY в этом случае принимают простой вид, где все производные взяты при Xj=mj. Если стандартное отклонение обозначить через , то получим закон распространения ошибок. Рассмотрим моменты X относительно нуля: Их получают, дифференцируя характеристическую функцию k раз в точке t=0: и . Если образовать характеристическую функцию для Y=X–mX: то ее k-ая производная ( с точностью до степени ik) будет равна k-му моменту X относительно математического ожидания mX: В частности, Переход от плотности вероятности f(x) к характеристической функции (t) случайной величины X называют преобразованием Фурье. С помощью обратного преобразования можно выразить f(x) через (t): Стохастический подход требует выполнения условий: выборочная совокупность и объем наблюдений. Часто приходится работать с малыми выборками (менее 20 наблюдений). Объектом анализа является совокупность наблюдений. Ее принято рассматривать как выборку из популяции, содержащей значения признаков. Число наблюдений в 6-8 раз больше числа факторов. Экономические показатели инерционны и взаимозависимы, поэтому трудно удовлетворить требование случайности и независимости наблюдений. Совокупность данных должна быть однородной. Критерий однородности – коэффициент вариации: его значение не должно превышать 33%. Cлучайные величины X1 и X2 определяются функцией распределения, Функция F(x1,x2) полностью определяет функции F1(x1) и F2(x2), но F1(x1) и F2(x2) определяют функцию F(x1,x2) при условии, что случайные величины X1 и X2 независимы. Математическое ожидание функции g(X1,X2) случайных величин X1 и X2 определяется интегралом Стильтеса. Средние значения M[X1]=m1 и M[X2]=m2 определяют центр совместного распределения (m1,m2). Центральные моменты второго порядка, Коэффициент корреляции между X1 и X2, –1 1. Условная вероятность совместного распределения, Правило полной вероятности для распределений. Условное математическое ожидание функции g(X1,X2) случайных величин X1 и X2 является функцией x1: Условная дисперсия случайной величины X1. Общее определение случайного процесса используют очень редко. Случайные процессы задают предположениями о независимости приращений и марковского свойства траекторий. Простая модель случайного процесса – серия независимых случайных величин с функцией распределения. Белым шумом называют случайный процесс E(t) со средним (t)=0, ковариацией cov[E(t1),E(t2)]=2 для t1=t2 и cov[E(t1),E(t2)]=0 для t1 t2. Случайные величины t белого шума независимы и одинаково распределены при всех t. Скользящим средним называется процесс X(t)= t+ t-1+ с константами и : статистически зависимы соседние величины X(t–1) и X(t). Авторегрессией называют случайный процесс X(t)= [X(t–1)– ]+ t+ с константами и . Составляющие авторегрессии, разделенные промежутком времени, не являются независимыми, как бы ни был велик этот промежуток. Но при | |<1 зависимость между ними убывает с ростом промежутка времени. Скользящее среднее и авторегрессии используются для прогноза процессов, которые обнаруживают колебания вблизи среднего значения. Поведение многих процессов в будущем времени определяется состоянием в настоящем и воздействием на процесс, которое будут оказываться в будущем. Такие процессы называются марковскими: предыдущее развитие процесса (до настоящего времени) в них оказывается несущественным. Марковским свойством обладает процесс авторегрессии первого порядка. Процесс авторегрессии порядка p 1 можно представить как марковский, если его состоянием в момент времени t является набор {X(t),X(t–1),...,X(t–p–1)}. Энтропия – это мера априорной неопределенности наблюдения случайной величины X. Энтропия распределения дискретной величины. Для дискретного распределения S 0, а S=0 для вырожденного (причинного) распределения p(x)=1 при x= и p(x)=0 при x . Пример непрерывной величины – температура: она может принимать любое значение из непрерывного диапазона. Энтропия непрерывной величины. Непрерывное распределение, имеющее наибольшую энтропию при данной дисперсии 2, является нормальным распределением, где e=2,718 – основание натурального логарифма. S=0 при =0,242. Существует m факторов производства и n технологических способов. Обозначим через aij затраты i-го фактора при единичной интенсивности j-го способа, через bi – запас i-го фактора, cj – эффективность j-го способа, xj – интенсивность j-го способа. Задача состоит в выборе интенсивностей x, чтобы максимизировать полный эффект f(x)=cTx при ограничениях Ax b и x 0. Управляемые переменные – компоненты вектора x, а неуправляемые параметры – компоненты b, c и A. Если неуправляемые параметры являются случайными величинами, то b( ), c( ) и A( ) зависят от состояния природы . Модель принимает вид f(x, )=c( )Tx max при ограничениях A( )x b( ) и x 0. Это нестрого поставленная задача, так как непонятно, в каком смысле максимизируется случайная величина и выполняются ограничения. К эвристическим способам учета случайности относят решение детерминированной модели с разными значениями параметров (раскачка), исследование устойчивости и имитации. В двухэтапной модели выделяются два вида ингредиентов (детерминированные и стохастические) и два вида технологических способов (программные и коррекционные). Интенсивности программных способов выбирают перед наблюдением реализаций случайных параметров (детерминированные величины). Интенсивности коррекционных способов зависят от случайных параметров и выбираются после наблюдения их реализаций. Смешанные стратегии Василишин В.В. Научный руководитель проф. Баженов В.К. Для парных конечных игр с нулевой суммой типичны случаи, когда нижние и верхние цены игр различаются a0, и q3q*, если w<0, (p,q*) при 0£p£1, (1,q) при q3q*, если w> | ||||||||