Фрагмент для ознакомления
2
Актуальность работы обусловлена важность имитационного прогнози-рования и моделирования рынков в современных быстро меняющихся усло-виях совершенной конкуренции.
В России, с ее огромными территориями, невозможно успешно решать экономические задачи без учета влияния рынка продаж. Цена товара являет-ся одним из определяющих факторов для покупателя. Любая, в том числе и торговая компания стабильна только в том случае, когда доход от всех видов ее деятельности существенно превышает расходы на все направления содер-жания компании, а полученная чистая прибыль эффективно распределяется в соответствии с обозначенными стратегическими целями компании, принося устойчивый доход.
При указанных условиях на рынке образуется устойчивое равновесие спроса и предложения. Вопросам поиска равновесного состояния рыночной системы в экономической теории выделено значительное место. Экономиче-ская динамика при этом состоит в описании процессов достижения состояния равновесия и трансформации этого состояния под воздействием внешней среды. Наиболее простой моделью достижения равновесного состояния си-стемой является дискретная модель [1]. Эта модель позволяет исследовать устойчивость цен и объемов продаж предлагаемых товаров. Для реализации такой модели поставщик товара должен следить за текущим состоянием спроса и вырабатывать такую ценовую политику (путем формирования функции предложения), которая позволит извлечь максимальный доход при создавшемся текущем спросе на данный вид товара.
Паутинная модель рынка представляет собой модель, которая показы-вает способность к самобалансированию внутри системы посредствам управления спросом и предложением.
Целью работы является построение имитационной модели паутинной модели при возможных нелинейных функциях балансирования спроса и предложения на рынке.
Задачи работы:
1. Анализ теоретических положений имитационного моделирование
2. Теоретическое описание паутинной модели рынков;
3. Разработка имитационной модели рынка паутинного типа на ос-нове баланса спроса и предложения.
Методы исследования: анализа, синтеза, прогнозирования, математиче-ского моделирования.
Теоретическая база: исследования в области имитационного моделиро-вания и паутинных рынков Ходаковского В.А., Загубина НН, Капинской Т.А., Кудрявцева О.Е.
§1 Анализ методов моделирования и прогнозирования рынка
1.1. Методы имитационного моделирования рынков
В первую очередь необходимо рассмотреть наиболее часто встречаю-щиеся методы прогнозирования поведения срочного рынка. Методика ис-следования основана на изучении различных методов моделирования рос-сийского срочного рынка и выделении наиболее эффективного из них. К ос-новным методам прогнозирования рынка относят [5]:
1. статистические;
2. интуитивные;
3. основанные на моделировании;
4. экспертные.
Технический анализ ― это метод прогнозирования вероятного измене-ния цен на основе закономерностей, представленных в виде аналогичных из-менений цен в прошлом в схожих обстоятельствах. То есть можно утвер-ждать, что технический анализ использует статистические методы и некие модели. Объектами прогнозирования могут быть различные рыночные ха-рактеристики: направление приращений, приращения, волатильность, трен-довость и т. д. Объект прогнозирования зависит от идеи, с помощью которой трейдер намерен извлекать прибыль из рынка. Большинство процессов на срочном рынке стохастические, то есть их поведение не является детермини-рованным. Последующее состояние рынка можно описывать как величинами, которые могут быть предсказаны, так и случайными величинами [1].
Например, использование сантимента или паттернов предполагает про-гнозирование направления и волатильности, а использование маркетмейкин-га предполагает прогнозирование волатильности и ее тайминга. На срочном рынке помимо валюты существует возможность торговли ценными бумагами и металлами. Проводя операции с российскими ценными бумагами, необхо-димо помнить, что цены на них постоянно меняются, и важно угадать пра-вильный момент для их покупки и продажи. В этом и есть особенность опе-рации с российскими ценными бумагами. В связи с нестабильностью эконо-мики многих стран, в том числе России, существует большая возможность заключить невыгодную сделку. На срочном рынке есть понятие индекса от-носительной силы (RSI), с помощью которого можно определить доход от сделки [2].
В связи со стремительным развитием области информационных техно-логий, в настоящее время при принятии сложных решений в различных от-раслях, таких как: логистика, здравоохранение, добыча сырья, наука и обра-зование, а также в области проектирования космических систем, предвари-тельно требуется оценить конечный результат с помощью имитационного моделирования. Имитационное моделирование – метод исследования объек-тов, основанный на том, что изучаемый объект заменяется имитирующим. С имитирующим объектом проводят эксперименты, при этом, не прибегая к экспериментам на реальном объекте, и в результате получают информацию об изучаемом объекте [1].
Существует четыре основных подхода имитационного моделирования:
• динамическое моделирование – механические или физические процес-сы, которые описываются алгебраическими, дифференциальными уравнени-ями и блок-схемами;
• системная динамика – изучение сложных систем с обратной связью (производственные, социально-экономические); можно применять на уровне глобальных взаимосвязей;
• дискретно-событийный подход – применяется в случае, если можно считать, что переменные системы изменяются мгновенно в определенный момент времени (моделирование процессов производства);
• агентное моделирование – применяется для имитации интеллектуаль-ных, децентрализованных и распределенных систем с целью получения све-дений о влиянии на систему функционирования и взаимодействия элементов [2].
Для расчета скорости роста дохода предприятия можно использовать метод Тома Демарка, который является довольно действенным для техниче-ского анализа ситуации на срочном рынке. При колебаниях рынка для вы-числения спреда в случае скупки акций важными будут основополагающие свойства деформированных мартингалов, так как наилучшим прогнозом по-ведения рынка в таких случаях является изучение его состояния в данный момент [3]. Рынок ценных бумаг России и США не одинаков и при анализе дохода на российском рынке может получиться нулевой результат по отно-шению к американскому образцу. Это происходит из-за того, что проданные бумаги на российском рынке через несколько минут могут потерять свою ценность, в отличие от американского рынка, где установленный курс на бу-маги держится довольно долго. Такая тенденция свидетельствует о стабиль-ности компании и желании остаться как можно дольше на мировом рынке валюты. Но здесь необходимо учитывать вес российского валютного рынка в мировых валютных отношениях [4].
Одно из главных направлений получения дохода на бирже ― опреде-ление развития курса валют. Каждый биржевик стремится разработать соб-ственный метод прогноза и применить его на практике. На бирже много при-годных для расчета индикаторов, но один из самых распространенных ― расчет скользящего среднего. Согласно этому методу расчет проводится за определенный период, при этом вычисляют самые простые реализованные сделки, затем при пересечении индикатора с текущим курсом сделка заклю-чается. Метод достаточно надежен, но требует непрерывного контроля. Что-бы проще было проследить изменение курса валюты, следует применять этот метод для коротких промежутков времени [5]. Существует понятие оценки взвешенного скользящего среднего, с помощью которого отслеживают дан-ные за последнее время, при этом индикатор сглаживает колебание курса. Эта стратегия похожа на предыдущую и данные, полученные при ее исполь-зовании, близки к данным, полученным при использовании расчета сколь-зящего среднего.
Преимущество этого метода в том, что нужно отслеживать тренды только за последнее время. Следующий метод ― это метод экспоненциаль-ного скользящего среднего. При его использовании сравнивают данные за последнее время и данные за более ранний период. Этот метод вычисляет меньше прибыльных сделок, но при этом все сделки совершаются без риска убыточности. Прогнозирование цен возможно, но лишь в том случае, когда есть связь между их прошлыми значениями и будущими.
Эта связь действительно может наблюдаться во время трендов. Трей-деры, наблюдая за однонаправленным изменением цен, реагируют соответ-ствующим образом и заключают сделки в направлении тенденции, создавая положительную связь между изменениями в прошлом и в будущем. Когда рынок растет без коррекций или растет в канале, основная масса спекулянтов осознанно покупает, рассчитывая на продолжение, и самим фактом покупок обеспечивает дальнейший рост.
Фрагмент для ознакомления
3
1. Воронов М. В. Моделирование процессов управления трудовыми ресурсами региона // Социально-экономическое развитие организаций и ре-гионов Беларуси: эффективность и инновации: докл. Международной научно-практической конференции. Витебск, 2017. С. 151–157.
2. Воронов М. В. Моделирование технологического действия // Вестник Санкт-Петербургского государственного университета технологии и дизайна. Серия 1: Естественные и технические науки. 2016. № 1. С. 47–52.
3. Воронов М. В., Аладко А. В. Модель оперативного планирова-ния деятельности предприятия // Моделирование и анализ данных. 2016. Т. 1. № 1. С. 37–46.
1. Ефремов, В. А. Моделирование финансовых временных рядов на основе процессов Леви для определения премии опционных контрактов / В. А. Ефремов // Международный научно-исследовательский журнал. — 2012. — № 4 (4). — С. 7–11. — Режим доступа : //research-journal.org/technical/modelirovanie-finansovyxvremennyx/ (дата обращения : 04.05.2022).
4. Загубин М.М. Исследование паутинной модели рынка методами функционального анализа//
5. Карпинская Т.А., Кудрявцев О.Е. Методы имитационного моде-лирования российского срочного рынка на современном этапе// Вестник Донского государственного технического университета. -2019 . - №19 (4). С.398-406.
2. Кудрявцев, О. Е. Приближённая факторизация Винера-Хопфа и методы Монте-Карло для процессов Леви / О. Е. Кудрявцев // Теория веро-ятностей и её применения. ― 2019. ― Т. 64, Вып. 2. ― С. 228–257.
6. Культин В. Б., Суханов С. А., Ходаковский В. А. Полосовой цифровой фильтр с временной обработкой в аппаратуре тональных рельсовых цепей / Автоматика и телемеханика железных дорог России. Новая техника и новые технологии: сб. науч. тр. ред.: Вл. В. Сапожников, В. В. Сапожников, А. А. Прокофьев. СПб.: ПГУПС, 2007. С. 94–97.
7. Ходаковский В. А. Математическое моделирование процессов развития дефектов в рельсовом пути // Известия Петербургского ун-та путей сообщения. 2008. Вып. 3. С. 35–44.
8. Ходаковский В. А. Моделирование многополосного фильтра // Междунар. конференция по мягким вычислениям и измерениям. СПб.: СПбГЭТУ (ЛЭТИ), 2015. Т. 1. С. 145–148. 11.
9. Ходаковский В. А. Моделирование скрытой передачи информации в среде MathCad // Совершенствование математического образования — 2016: состояние и перспективы развития: материалы IX международной науч.‑метод. конференции. СПб., 2016. С. 82–86. 13.
10. Ходаковский В. А. Разработка алгоритмов исследования экономических задач в математических пакетах MathCad и MathLab; В. А. Ходаковский Математическая подготовка студентов экономических направлений: материалы Междунар. науч.‑метод. конференции. СПб.: Изд-во СПбГЭУ, 2016. С. 213–223.
11. Ходаковский В. А., Бетенев Д. Г. Метод фильтрации случайных процессов с использованием обобщенной функции регрессии // Известия Петерб. ун-та путей сообщения. 2005. Вып 3 (5). С. 58–63. 6.
12. Ходаковский В. А., Кудряшов B. A., Яковлев B. B. Моделирование арифметического кодека в среде MatCad // Известия Петербургского ун-та путей сообщения. 2012. Вып. 2 (31). С. 132–139. 14. Дегтярёв В. Г.,
13. Ходаковский В. А., Марков Д. С., Соколов М. Б. Имитационное моделирование рельсовых цепей. Методы и инструментальные средства // Бюл. результатов науч. исследований. 2014. № 2 (11). С. 30–44. 8.
14. Ходаковский В. А., Марков Д. С., Соколов М. Б. Методы и инструментальные средства имитационного моделирования рельсовых цепей / Развитие элементной базы и совершенствование методов построения устройств железнодорожной автоматики и телемеханики: сб. науч. трудов./ под ред. Вл. В. Сапожникова. СПб, 2014. С. 48–54. 9.
15. Ходаковский В. А., Ходаковский Т. В. Мера сходства узкополосных сигналов // Автоматика на транспорте. 2015. Т. 1, № 2. С. 180–194
16. Ходаковский В. А., Ходаковский Т. В. Синтез многополосного фильтра с требуемой частотной характеристикой // Интеллектуальные технологии на транспорте. 2015. № 1. С. 38–42. 12.