БашировИМАС. Лабораторная работа 2 имитационная модель адаптации средней потребности в кредите
 Скачать 169.03 Kb.
|
|
Лабораторная работа № 2 ИМИТАЦИОННАЯ МОДЕЛЬ АДАПТАЦИИ СРЕДНЕЙ ПОТРЕБНОСТИ В КРЕДИТЕ Цель работы. Средствами пакета имитационного моделирования POWERSIM построить и исследовать упрощенную модель адаптации средней потребности в кредите. Постановка задачи Рассматривается упрощенная модель финансирования 12-годового инвестиционного проекта. Предполагается, что для осуществления проекта требуются ежегодно средний объем кредитования объем кредитных траншей их объем прогнозируется в размере Vкр(i=1……..12) .Поскольку ежегодные объемы кредитных поступления могут быть различными, для планирования потребностей в кредите определяют изменение средней потребности в кредите  .Задача заключается в определении интервалов поступлений кредитных траншей и их объемов так, чтобы средняя потребность в кредите адаптировалась к некоторому постоянному уровню, что позволит более регулярно (а следовательно, и успешно) планировать потребности в кредитовании инвестиционного проекта. Задание на выполнение Разработать в среде POWERSIM названную модель. Определить переменные модели: начальное значение средней потребности в кредите, с помощью графических функций пакета задать прогнозные значения времени поступления и объемов кредитных траншей. Определить значения переменных модели так, чтобы обеспечить стабилизацию средней потребности в кредите на некотором уровне. Используя средства пакета, подготовить подробный отчет о результатах работы. Содержание отчета Схема модели.  Результаты исследования модели. init Баланс = MAX(0,Нач_размер_ссуды) flow Баланс = +dt*Процент-dt*Ежемесячные_платежи doc Баланс = Текущая сумма долга unit Баланс = руб. init Выплаченная_сумма = 0 flow Выплаченная_сумма = +dt*Ежемесячные_платежи doc Выплаченная_сумма = Общая сумма, выплаченная кредитору unit Выплаченная_сумма = руб Выводы по полученным результатам. Данная модель существенно упрощает процесс таких разработок, поскольку является пакетом визуального моделирования, во-вторых, обеспечивает возможность проведения сложных вариационных экспериментов, |