Помощь в написании студенческих работ
Антистрессовый сервис

Интеллектуальные информационные системы поддержки принятия решений при оценке эффективности инвестиционных проектов

Диссертация: Интеллектуальные информационные системы поддержки принятия решений при оценке эффективности инвестиционных проектов
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Теоретическая и методологическая основа исследования. Теоретическую основу диссертационной работы составили фундаментальные исследования отечественных и зарубежных авторов в области искусственного интеллекта, интеллектуальных информационных систем, а также оценки эффективности инвестиционных проектов. Методологической основой исследования является системный подход к решению задачи оценки… Читать ещё >

Интеллектуальные информационные системы поддержки принятия решений при оценке эффективности инвестиционных проектов (реферат, курсовая, диплом, контрольная)

Содержание

  • 1. Применение интеллектуальных информационных систем при оценке эффективности инвестиционных проектов
    • 1. 1. Оценка эффективности инвестиционных проектов: проблемы и решения
    • 1. 2. Учет неопределенности и риска при оценке эффективности инвестиционных проектов в России
    • 1. 3. Сравнительный анализ компьютерных систем, используемых при оценке инвестиционных проектов
    • 1. 4. Основные подходы к построению интеллектуальных информационных систем
    • 1. 5. Интеллектуальные информационные системы и системы поддержки принятия решений
  • 2. Система поддержки принятия решений при оценке инвестиционных проектов, основанная на принципах системной динамики
    • 2. 1. Применение структурного динамического моделирования при разработке интеллектуальных информационных систем
    • 2. 2. Язык структурного динамического моделирования кЫпк
    • 2. 3. Применение системы поддержки принятия решений, основанной на принципах системной динамики, при оценке инвестиционных проектов
  • 3. Система поддержки принятия решений при оценке инвестиционных проектов в условиях неопределенности (на основе Байесовой сети)
    • 3. 1. Учет неопределенности с помощью Байесовой сети
    • 3. 2. Разработка и применение диаграмм влияния. ЮЗ
    • 3. 3. Система поддержки принятия решений при оценке инвестиционных проектов в условиях неопределенности, основанная на Байесовой сети
  • 4. Модель оценки инвестиционных проектов на основе нейронной сети
    • 4. 1. Разработка и применение нейронных сетей
    • 4. 2. Модель оценки инвестиционных проектов в условиях неопределенности на основе имитационного моделирования и нейронной сети

Развитие экономики и бизнеса в последние годы происходит на фоне быстрых изменений в окружающей среде и высоких темпов увеличения объемов информации. В этих условиях ключевое значение для выживания организации имеют стратегическое управление и поддержка принятия управленческих решений, в том числе инвестиционного характера.

Выделим основные причины, заставляющие исследователей и практиков все больше обращать внимание на новые информационные технологии, поддерживающие принятие управленческих решений.

Во-первых, кумулятивный рост важной информации делает необходимым применение новых технологий для поиска новых тенденций, потенциально угрожающих существованию организации либо открывающих новые перспективы для бизнеса.

Во-вторых, динамизм внешней среды повышает вероятность принятия неоптимальных управленческих решений из-за недостатка времени. Поскольку процесс принятия стратегических решений, в том числе инвестиционного характера, является в большой степени творческим процессом, то на разных его этапах менеджеру необходимо опираться на аналитически обработанную информацию и имитационные модели, уменьшающие вероятность управленческих ошибок.

В-третьих, неопределенность в процессах принятия решений повышает роль прогнозных моделей. Моделирование бизнес-процессов открывает возможности анализа их последствий на стадии проектирования и, тем самым, снижает риск необоснованных затрат. В некоторых ситуациях вообще невозможно обойтись без моделирования, поскольку эксперименты в экономике в познавательных целях оказываются очень дорогостоящими.

Создание и использование в повседневной практике менеджмента систем поддержки принятия решений является одним из важнейших условий успешного функционирования организации. Подобные системы называют интеллектуальными, благодаря их способности получать результаты, которые сочли бы разумными, если бы их произвел человек.

Большой вклад в развитие теории и практики искусственного интеллекта, интеллектуальных информационных систем внесли ученые отечественной школы: В. А. Долятовский, А. П. Ершов, М. Минский, Э. В. Попов, Д. А. Поспелов, В. П. Романов, Ю. Ф. Тельнов, И. Б. Фоминых, Ю. В. Фролов и др. Среди иностранных исследователей отметим: А. Тьюринга, Л. Заде, Д. Коза, Р. Ньюэла, Х. Саймона, А. Шоу, Р. Бенерджи, Дж. МакКарти, А. Йенсена, Т. Митчелла, Дж. Форрестера и др.

Большой вклад в развитие теории и практики оценки эффективности инвестиционных проектов внесли ученые отечественной школы: И. А. Бланк, Ю. В. Богатин, В. Н. Бурков, П. Л. Виленский, А. В. Воронцовский, М. В. Грачева, В. А. Долятовский, В. В. Ковалев, В. В. Коссов, В. Н. Лившиц, И. В. Липсиц, Д. С. Львов, С. А. Смоляк, Е. Стоянова, В. Д. Шапиро, А. Г. Шахназаров и др.

Из иностранных ученых отметим тех, чьи работы определили современное состояние теории и практики оценки эффективности инвестиционных проектов в странах с рыночной экономикой: Г. Александер, Дж. Бейли, Г. Бирман, Ф. Блэк, Р. Брейли, М. Бреннан, Ю. Бригхем, Дж. Ван Хорн, Л. Гапенски, А. Диксит, Дж. Кокс, Н. Кулатилака, С. Майерс, Г. Марковиц, Р. Мертон, С.Мэйсон., В. Мэргрэйб, М. Рубинштейн, Л. Тригеоргис, Е. Шварц, У. Шарп, С. Шмидт и др.

Цель и задачи исследования

Целью диссертационного исследования является разработка интеллектуальных информационных систем поддержки принятия решений при оценке эффективности инвестиционных проектов.

Для достижения цели в диссертационном исследовании поставлены и решены следующие задачи:

• проведен анализ традиционного подхода к оценке эффективности инвестиционных проектов, отраженного в «Методических рекомендациях по оценке эффективности инвестиционных проектов»;

• определены условия применения различных методов учета неопределенности при оценке инвестиционных проектов;

• проведен сравнительный анализ компьютерных систем, применяемых в России для оценки эффективности инвестиционных проектов;

• дана классификация основных видов интеллектуальных информационных систем, определены их преимущества, недостатки, области применения;

• выявлены преимущества и условия применения интеллектуальных информационных систем для поддержки принятия решений при оценке эффективности инвестиционных проектов;

• разработана модель оценки инвестиционных проектов, основанная на принципах системной динамики, которая является основой системы поддержки принятия решений при оценке эффективности инвестиционных проектов;

• разработана модель оценки инвестиционных проектов с применением Байе-совых сетей и диаграмм влияния, которая является основой системы поддержки принятия инвестиционных решений в условиях неопределенности;

• построена модель оценки эффективности инвестиционных проектов в условиях неопределенности на основе комплексного использования имитационного моделирования и нейронной сети.

Объект и предмет исследования. Объектом исследования являются промышленные предприятия Ростовской области, предметом — использование интеллектуальных информационных систем поддержки принятия решений при оценке эффективности инвестиционных проектов.

Теоретическая и методологическая основа исследования. Теоретическую основу диссертационной работы составили фундаментальные исследования отечественных и зарубежных авторов в области искусственного интеллекта, интеллектуальных информационных систем, а также оценки эффективности инвестиционных проектов. Методологической основой исследования является системный подход к решению задачи оценки эффективности инвестиционных проектов, экономико-математическое моделирование, методы экономического анализа, теории принятия решений, теории искусственного интеллекта.

При проведении диссертационного исследования автором использованы сведения и данные из монографий и статей отечественных и зарубежных исследователей, материалов научно-практических конференций по проблемам искусственного интеллекта и оценки реальных инвестиций, сборников Госкомстата России, документации предприятий Ростовской области, сети Internet.

На защиту автором выносятся следующие основные результаты исследования:

• модель системной динамики, позволяющая проводить анализ поведения фирмы на рынке и на этой основе оценивать эффективность инвестиционного проекта с учетом динамических взаимосвязей всех элементов его денежных потоков;

• система поддержки принятия решений при оценке эффективности инвестиционных проектов, основанная на модели системной динамики;

• модель оценки эффективности инвестиционных проектов в условиях неопределенности, основанная на идеологии Байесовых сетей и диаграмм влияния;

• экспертная система поддержки принятия инвестиционных решений в условиях неопределенности, основанная на модели Байесовой сети;

• модель оценки эффективности инвестиционных проектов в условиях неопределенности, основанная на комплексном использовании имитационного моделирования методом Монте-Карло и нейронной сети.

Диссертация состоит из введения, четырех глав (134 е.), заключения, списка использованных источников (147 назв.) и трех приложений, содержит 38 таблиц и 68 рисунков.

Выводы:

1. Имитационное моделирование — это один из методов, который широко применяется для решения многих практических задач в области экономического анализа, планирования, разработки новых продуктов и др. Имитационная модель может быть использована для изучения взаимосвязей между количественными и качественными переменными. Объединение имитации с другими инструментами поддержки принятия решений, в частности, такими как нейронные сети, приводит в целом к повышению эффективности процесса принятия решений.

2. Нейронную сеть, обученную с помощью имитационной модели, можно использовать для предсказания будущих результатов без того, чтобы каждый раз заново запускать процесс имитации. Анализ выходов нейронной сети показывает, что большая предсказательная точность достигается путем объединения имитационной модели с нейронной сетью. После обучения нейронная сеть оказалась способна предсказывать результаты имитации на основе исходных данных с высоким уровнем точности.

3. Разработанная автором модель оценки инвестиционных проектов на основе нейронной сети, позволят использовать преимущества имитационного моделирования без запуска требующего дополнительных затрат имитационного эксперимента. Модель целесообразно использовать на предварительном этапе оценки эффективности инвестиционных проектов в условиях неопределенности.

ЗАКЛЮЧЕНИЕ

.

По результатам диссертационного исследования можно сделать следующие выводы:

1. Традиционный подход к оценке инвестиционных проектов не учитывает должным образом: высокий уровень неопределенностивозникновение новых инвестиционных возможностей помимо прямых экономических выгоднеобходимость учета одновременно количественных и качественных критериевнеобходимость формирования сценариев реализации инвестиционного проекта с учетом динамических взаимных связей всех элементов денежных потоков проекта. Применение интеллектуальных информационных систем позволяет преодолеть недостатки традиционного подхода и получить более достоверные оценки эффективности инвестиционных проектов.

2. Создание и использование в повседневной практике менеджмента систем поддержки принятия решений является одним из важнейших условий успешного функционирования организации. Подобные системы называют интеллектуальными, благодаря их способности получать результаты, которые сочли бы разумными, если бы их произвел человек. Выделяют четыре основных подхода к построению интеллектуальных информационных систем: логический, структурный, эволюционный и имитационный.

3. Основные виды интеллектуальных информационных систем — это традиционные экспертные системы (основанные на правилах) — нечеткие экспертные системысистемы, основанные на нейронной сетисистемы, основанные на генетических алгоритмахсистемы структурного динамического моделирования и системы, основанные на Байесовой сети. Ключевыми характеристиками интеллектуальных информационных систем являются: способность к обучению, способность к адаптации, гибкость, «прозрачность» толкования, способность открывать новое.

4. В последние годы в России получили распространение несколько программных продуктов, предназначенных для проведения оценки эффективности инвестиционных проектов. Наиболее популярными из них являются отечественные разработки: пакеты «Project Expert» и «Альт-Инвест», а также пакеты COMFAR и PROPSPIN, разработанные в UNIDO. Один из главных недостатков этих инструментов инвестиционного анализа — это их статический характер, с их помощью нельзя отследить, как в динамике меняется поведение системы, а, значит, нельзя сделать реалистичные прогнозы будущего развития ситуации.

5. В качестве альтернативы указанным программным продуктам в диссертации представлена разработанная автором модель оценки инвестиционных проектов, основанная на принципах системной динамики. Она позволяет анализировать поведение фирмы на рынке и на основе сформированной оптимальной стратегии отбирать наиболее выгодные инвестиционные проекты с учетом динамических взаимосвязей всех элементов их денежных потоков. Модель является основой системы поддержки принятия решений при оценке эффективности инвестиционных проектов. Она является открытой и понятной даже для неспециалиста, легка в использовании, обеспечивает хорошую коммуникацию между разработчиками, экспертами и ЛПР.

6. Существует несколько методов, позволяющих учитывать неопределенность при оценке инвестиционных проектов: минимаксный подход, разработка и анализ сценариев, деревья решений, имитационное моделирование методом Монте-Карло, анализ среднее-дисперсия, нечеткая логика. Каждый из методов имеет свои преимущества и недостатки. Преимущества метода становятся заметны тогда, когда он применяется для учета соответствующего уровня неопределенности. В ситуации с высоким уровнем неопределенности, по нашему мнению, наиболее адекватным является подход, основанный на применении Байесовых сетей и диаграмм влияния.

7. Разработанная автором модель учета неопределенности при оценке эффективности инвестиционных проектов, основанная на идеологии Байесовых сетей, позволяет учитывать взаимосвязь случайных переменныхпересчитывать вероятности случайных событий при поступлении новой информацииформировать сценарии будущего в условиях неопределенностивыбирать оптимальную стратегию с учетом фактора неопределенности. Модель является основой экспертной системы поддержки принятия инвестиционных решений в условиях неопределенности.

8. Объединение имитации с другими инструментами поддержки принятия решений, такими как нейронные сети, приводит в целом к повышению эффективности процесса принятия решений. Нейронная сеть используется для предсказания будущих результатов, полученных с помощью имитационной модели, без того, чтобы каждый раз заново запускать процесс имитации. Анализ выходов нейронной сети показывает, что большая предсказательная точность достигается путем объединения имитационной модели с нейронной сетью. После обучения НС стала способна предсказывать результаты имитации на основе исходных данных с высоким уровнем точности.

9. Дальнейшие исследования по теме диссертации целесообразно вести в направлении создания интегрированной интеллектуальной информационной системы, позволяющей комплексно использовать преимущества системной динамики, Байесовых и нейронных сетей, а также генетических алгоритмов для поддержке принятия решений при оценке эффективности инвестиционных проектов.

Реализация и апробация. Диссертационное исследование выполнено в соответствии с научным направлением РГЭУ «Теории, методы и средства управления социально-экономическими объектами» на кафедре менеджмента РГЭУ в 1998;2003 гг.

Научно-методические разработки автора по теме диссертационного исследования прошли апробацию на научных, научно-практических конференциях и семинарах международного, федерального и регионального уровней. Автор участвовал в пяти международных, региональных и межвузовских конференциях и семинарах с докладами и выступлениями по теме диссертационного исследования.

Результаты диссертационного исследования внедрены в рамках Российско-Британского консалтингового центра (г.Ростов-на-Дону), оказывающего консультационные услуги промышленным предприятиям по оценке эффективности и отбору инвестиционных проектов, Центра исследований и инноваций (г.Ростов-на-Дону), а также используются в учебном процессе в РГЭУ «РИНХ» и Институте управления, бизнеса и права (г.Ростов-на-Дону). Основные положения диссертации опубликованы в 14 работах общим объемом 5,2 п.л. (авторских 3,4 п.л.).

Показать весь текст

Список литературы

  1. С.И. Инвестирование. М.: Центр экономики и маркетинга, 2000. -440 с.
  2. А. Промышленное оборудование в России: надежда сквозь разочарования // Инвестиции в России. 1997. — № 5−6. — С.49−54.
  3. P.A., Абдикеев Н. М., Шахназаров М. М. Производственные системы с искусственным интеллектом. М.: Радио и связь, 1990. — 264 с.
  4. Арсланова 3., Лившиц В. Оценка эффективности инвестиционных проектов в разных системах хозяйствования // Инвестиции в России. 1995. — №№ 1, 2, 4, 5.
  5. Ю., Сахаров А. Методы оценки рисков при составлении плана финансирования инвестиционного проекта // Инвестиции в России. 1997. — № 7−8.-С.41−44.
  6. В., Хавранек П. Руководство по оценке эффективности инвестиций: Пер с англ. М.: Интерэксперт, Инфра-М, 1995. — 528 с.
  7. Г. Шмидт С. Экономический анализ инвестиционных проектов: Пер с англ. М.: Банки и биржи, ЮНИТИ, 1997. — 631 с.
  8. И.А. Инвестиционный менеджмент. Киев: МП «Итем ЛТД», 1995. -448 с.
  9. И.А. Управление использованием капитала. — Киев: Эльга, 2000. -656 с.
  10. Ю.Богатин Ю. В., Швандар В. А. Оценка эффективности бизнеса и инвестиций. М.: ЮНИТИ, 1999. — 254 с.
  11. П.Богатин Ю. В., Швандар В. А. Инвестиционный анализ. М.: ЮНИТИ-ДАНА, 2000.-286 с.
  12. В.В. Инвестиционный менеджмент. СПб.: ПИТЕР, 2000. — 160 с.
  13. Р., Майерс С. Принципы корпоративных финансов. М., 1997.
  14. Ю., Гапенски Л. Финансовый менеджмент: Полный курс: В 2-х т. -СПб.: Экономическая школа, 1997. Т.1. 497 е.- т.2. — 669 с.
  15. И.Р. Макроэкономика. Ростов-на-Дону: Феникс, 2000.
  16. В.В., Васильев В. Д., Зубарев A.A. Выбор инвестиционных решений и проектов: оптимизационный подход. СПб.: Изд-во С.-Петерб.гос.ун-та экономики и финансов, 1999. — 224 с.
  17. А.Н. Рынки производных финансовых инструментов. М.: Инфра-М, 1996.-368 с.
  18. С.Ф. Настольная книга российского инвестора: Учеб.-практ.пособие. СПб.: Издат. дом «Бизнес-Пресса», 2000. — 506 с.
  19. Т. Математика финансового менеджмента. М.: Перспектива, 1996.-82 с.
  20. Ван Хорн Дж. К. Основы управления финансами: Пер с англ. М.: Финансы и статистика, 1996. — 800 с.
  21. Вендров A.M. CASE технологии. Современные методы и средства проектирования информационных систем. -М.: Финансы и статистика, 1998.
  22. П.Л., Лившиц В. Н., Орлова Е. Р., Смоляк С. А. Методы оценки эффективности инвестиционных проектов. М.: Дело, 1998.
  23. П.Л., Смоляк С. А. Как рассчитать эффективность инвестиционного проекта. Расчет с комментариями М.: Институт промышленного развития, 1996.- 148 с.
  24. И.М., Грачева М. В. Проектный анализ. М.: Биржи и банки, ЮНИТИ, 1998.-423 с.
  25. A.B. Инвестиции и финансирование: Методы оценки и обоснования. СПб.: Издательство С.-Петербургского университета, 1998. -528 с.
  26. Л. Основы инвестирования. М., 1997.
  27. В.Н. Финансовый анализ и оценка риска реальных инвестиций. -М.: Финстатинформ, 1997. 135 с.
  28. А. Управление финансовыми потоками и реинжиниринг. М., 1997.
  29. М.А. Бизнес-планирование инвестиционных проектов: Учеб.пособие. СПб.: С.-Петерб.гос.инж.-экон.акад., 1999. — 58 с.
  30. A.A., Половников В. А. Финансовая математика. М.: ВЗФЭИ, 1995.
  31. М.В. Анализ проектных рисков. М.: ФИНСТАТИНФОРМ, 1999. -216 с.
  32. Г., Кохонен Т. Анализ финансовых данных с помощью самоорганизующихся карт / Пер. с англ. М.: «АЛЫТИНА», 2001.
  33. В.А., Сергеенко Г. С. Введение в активные интеллектуальные системы для менеджеров. Ростов-на-Дону: МИРТ, 2001. — 120 с.
  34. A.A., Шумский С. А. Нейрокомпьютинг и его приложения в экономике и бизнесе. М.: МИФИ, 1998.
  35. Д.А. Комплексный анализ и контроль инвестиционной деятельности. М.: ФиС, 2001. — 400 с.
  36. Л. Понятие лингвистической переменной и ее применение к принятию приближенных решений. М.: Мир, 1976.
  37. И.А. Реальные инвестиции: Учеб.пособие. М.: «Тандем», 2000. -271с.40.3митрович А. И. Интеллектуальные информационные системы. -Мн.:НТООО «Тетра-система», 1997. 368 с.
  38. Н.В. Инвестиции: организация управления и финансирование. М.: ЮНИТИ, 2000,-413 с.
  39. Инвестиционная активность предприятий // Экономист. 1996. — № 5. -С.51−62.
  40. Инвестиционная деятельность: теория и практика. М., 1998.
  41. Инвестиционное проектирование: Практическое руководство по экономическому обоснованию инвестиционных проектов / Под.ред. Шумилина С. И. -М.: АО Финстатинформ, 1995. 240 с.
  42. Инвестиционное проектирование: Учеб. пособие/ Комаров А. Г., Смирнов
  43. B.А., Ткаченко Е. А., Усиенко Н. Г. 2-е изд., перераб. и доп. — СПб.: Изд-во
  44. C.-Петерб.гос.ун-та экономики и финансов, 1999. 88 с.
  45. Информационные системы в экономике / Под ред. В. В. Дика. М.: Финансы и статистика, 1997.
  46. Искусственный интеллект: применение в интегрированных производственных системах / Под ред. Кьюсиака Э. М.: Машиностроение, 1991. — 544 с.
  47. Итоги науки и техники: физические и математические модели нейронных сетей, том 1. М.: изд. ВИНИТИ, 1990.
  48. Г. Н. Консалтинг при автоматизации предприятий. Подходы, методы, средства. -М.: СИНТЕГ, 1997.
  49. Е.Ю., Литвинцева Л. В., Поспелов Д. А. Представление знаний о времени и пространстве в интеллектуальных системах. М.: Наука, 1989. -328 с.
  50. В.В. Инвестиции и хеджирование. М.: Изд-во «Приор», 2001. — 240 с.
  51. A.M., Нестеров П. В. Информатизация бизнеса. М.: Финансы и статистика, 1997.
  52. К.А., Малявина A.B., Попов С. А. Инвестиции и антикризисное управление: Учеб. пособие. М.: МАЭП, 2000. -184 с.
  53. В.В. Финансовый анализ: Управление капиталом. Выбор инвестиций. Анализ отчетности. М.: Финансы и статистика, 1998. — 432 с.
  54. В.В. Методы оценки инвестиционных проектов. М., 1998.
  55. В.В. Введение в финансовый менеджмент. М.: Финансы и статистика, 2000. — 768 с.
  56. Р.У. Финансовые деривативы (опционы, фьючерсы.). М., 1997.
  57. .А. Инвестиционные проекты. СПб.: Изд-во Михайлова, 2000. -422 с.
  58. A.C. Природа вероятности. — М.: Мысль, 1976.
  59. Э.И., Журавкова И. В. Анализ эффективности инвестиционной и инновационной деятельности предприятия. М.: ФиС, 2001. — 384 с.
  60. JI. Инвестиционные расчеты. Пер с нем. СПб.: Питер, — 2001. -432 с.
  61. Крушвиц J1. Финансирование и инвестиции. Пер с нем. СПб.: Питер, -2000.-400 с.
  62. C.B. Методы и модели оценки и выбора инвестиционных проектов. Монография. Ростов н/Д: изд-во РГЭУ, 2001. — 252 с.
  63. C.B. Оценка стратегических инвестиционных проектов в реальном секторе экономики. Монография. Ростов н/Д: изд-во РГУ, 2002. — 204 с.
  64. A.A. Основы теории и практики динамического моделирования социально-экономических объектов и прогнозирования их развития. М.: Вузовская книга, 1998.
  65. О.И., Мошкович Е. М. Качественные методы принятия решений. -М.: Наука, 1996.
  66. Ли Ченг Ф., Финнерти Дж.И. Финансы корпораций: теория, методы и практика. Пер с англ. М., ИНФРА-М, 2000. — 686 с.
  67. В.Н. Оптимизация при перспективном планировании и проектировании. М.: Экономика, 1984. — 223 с.
  68. В.Н., Лившиц C.B. Когда же и на нашей улице будет инвестиционный праздник? // Инвестиции в России. 1998. — № 9−12.
  69. М. Основы оценки инвестиционных и финансовых решений. — М., 1998.
  70. И.В., Коссов В. В. Инвестиционный проект: Методы подготовки и анализа. М.: Изд-во БЕК, 1996. — 304 с.
  71. Логический подход к искусственному интеллекту / Под ред. Гаврилова Г. П. -М.: Мир, 1990.
  72. Лорьер Ж.-Л. Системы искусственного интеллекта М.: Мир, 1991. — 568 с.
  73. Д.С., Медницкий В. Г., Овсиенко В. В. и др. Методологические проблемы оценивания эффективности инвестиционных проектов // Экономика и математические методы. 1995. — Вып.2. — С. 5−19.
  74. В.И. Финансовая математика. М.: Изд-во «ЮНИТИ-ДАНА», 1999.-248 с.
  75. А.М., Семенов С. А. Инвестиционный анализ: Учеб.пособие. М.: РАГС, 1999.-136 с.
  76. Д.Ф., Бажал В. К. Финансовая инженерия. М.: ИНФРА-М, 1998, -784 с.
  77. Я.С. Экономическая оценка эффективности инвестиций. М., 1997.
  78. Методические рекомендации по оценке эффективности инвестиционных проектов и их отбору для финансирования. М.: Институт промышленного развития, 1994.-81 с.
  79. Методические рекомендации по оценке эффективности инвестиционных проектов: (Вторая редакция). М.: Изд-во «Экономика», 2000. — 421 с.
  80. А.И. Теория экономических информационных систем: Учебник. -М.: Финансы и статистика, 1999.
  81. Е. «Нейрохирурги» с Ордынки // PC Week/RE 1995. — № 9.
  82. A.A., Васильева Н. Э., Афанасьев В. А. Технология принятия управленческих решений. М.: Финансы и статистика, 1998.84.0йхман Е.Г., Попов Э. В. Реинжиниринг бизнеса: Реинжиниринг организаций и информационные технологии. -М.: ФиС, 1997.
  83. Г. С. Приобретение знаний интеллектуальными системами: основы теории и технологии. М.: Наука, 1997.
  84. A.C. Бизнес-план, или как организовать собственный бизнес. Анализ. Методика. Практикум. М.: Ось-89, 1999. — 96 с.
  85. Перспективы развития вычислительной техники. Кн.2. Интеллектуализация ЭВМ.-М., 1989.
  86. В.Я. Рынок инвестиций: мифы и стереотипы российского менеджмента // ЭКО. 1996. — № 5. — С. 16−29.
  87. A.C. Оптимизация инвестиционных проектов предприятия в условиях рыночной экономики // Экономика и математические методы.1995. Вып.2. — С.81−90.
  88. Г. П., Клепальская C.B. Оценка эффективности реальных инвестиций: Учеб. пособие. М.: Изд-во Финанс. акад. при Правительстве РФ, 1998.-59 с.
  89. В. Бизнес-план инвестиционного проекта. Отечественный и зарубежный опыт. М., 1997.
  90. Портфель конкуренции и управления финансами. Отв. ред. Рубин Ю. М., 1996.
  91. Прикладные нечеткие системы / Асаи К. и др. М.: Мир, 1993. — 368 с.
  92. Н.В., Радионова С. П. Основы финансового анализа. Математические методы. Системный подход. М.: Изд-во «Альфа», 1999. — 592 с.
  93. В.И. Финансовая математика, анализ и расчет инвестиционных проектов: Учеб.пособие. Калининград, 1999. — 345с.
  94. Риски в современном бизнесе. М.: Изд-во «Алане». 1994. — 200 с.
  95. А.Н., Одинцов Б. Е. Советующие информационные системы в экономике. М.: ЮНИТИ-ДАНА, 2000.
  96. В.П. Интеллектуальные информационные системы в экономике: Учебное пособие. М.: Издательство «Экзамен», 2003.
  97. С., Вестерфилд Р., Джордан Б. Основы корпоративных финансов. Пер с англ. М.: Лаборатория базовых знаний, 2000. — 720 с.
  98. А. Прямые иностранные инвестиции в российскую экономику -стоит ли овчинка выделки? Данные опроса иностранных инвесторов. Доклад Российско-европейского центра экономической политики (РЕЦЭП) // Обзор российской экономики. 2000. — Апрель.
  99. К., Хьюс С. Управление финансовыми рисками: Пер с англ. М.: Инфра-М, 1996.-288 с.
  100. Ю. Инвестиции в России: тревога и надежда. М., 1996.
  101. И. В. Веретенникова И.И. Организация и финансирование инвестиций. М.: Финансы и статистика, 2001. — 272 с.
  102. Д. Искусственный интеллект. М.: Мир, 1973.
  103. A.JI. Организация финансирования инвестиционных проектов. -М.: Изд-во АО «Консалтбанкир», 1993. 103 с.
  104. С.А. Учет специфики инвестиционных проектов при оценке их эффективности // Аудит и финансовый анализ. 1999. — № 3.
  105. P.JI. Когнитивная психология. М.: Тривола, 1996. — 600 с.
  106. Д.Э. Расчеты экономической эффективности инвестиций: Учеб.пособие. М.: Изд-во МАИ, 1994. -74 с.
  107. Статические и динамические экспертные системы. М.: ФиС, 1996.
  108. Е.С. Финансовый менеджмент. М.: Перспектива, 1993.
  109. Г. М. Обоснование экономической эффективности капитальных вложений с использованием методов оптимизации // Экономика и математические методы. 1997. — Том 33. Выпуск 1. — С.26−37.
  110. Ю.Ф. Интеллектуальные информационные системы в экономике. -М.: СИНТЕГ, 1999.
  111. Т.В. Финансовый менеджмент: управление капиталом и инвестициями. М.: TACIS, 2000. — 502 с.
  112. М. Торговля опционами: спекулятивные стратегии, хеджирование, управление рисками / Пер с англ. -М.: Изд. дом «Альпина», 2001.-360 с.
  113. Э.А. Компьютерная поддержка принятия решений. М.: СИНТЕГ, 1998.
  114. П. Искусственный интеллект. М.: Мир, 1980. — 519 с.
  115. Ф. Нейрокомпыотерная техника. М.: Мир, 1992. — 237 с.
  116. Т.Дж., Паррамоу К. Количественные методы в финансах. М.: ЮНИТИ, 1999.-528 с.
  117. Э. Новые финансовые инструменты рынка. М., 1997.
  118. Управление инвестициями: В 2-х т. / В. В. Шеремет, В. М. Павлюченко, В. Д. Шапиро и др. М.: Высшая школа, 1998. — Т1. — 416 е.- т.2. — 512 с.
  119. Ф.Дж. Управление инвестициями. М.: ИНФРА-М, 2000.-932 с.
  120. В.К. Оценка инвестиционных проектов и предприятий. М.: ТЕИС, 1999.-56 с.
  121. Дж. Основы кибернетики предприятия (индустриальная динамика). М.: Прогресс, 1971.
  122. Ю.В. Интеллектуальные системы и управленческие решения. -М.: МГПУ, 2000.-294 с.
  123. А.Н. Моделирование процессов принятия решений в нечетких условиях. Монография. Ростов-на-Дону: Изд-во СКНЦ ВШ, 1999. — 104с.
  124. А.Н., Берштейн JI.C., Карелин В. П. Модели и методы принятия решений в интегрированных интеллектуальных системах. Монография. -Ростов-на-Дону: Изд-во РГУ, 1999. 268с.
  125. М. Загадки и тайны опционной торговли. М.: ИК Аналитика, 2001.-432 с.
  126. В. Управление инвестиционным проектом в строительстве. М., 1998.
  127. A.C. Инвестиционная стратегия, опционы и фьючерсы. М.: ПАИМС, 1995.-112 с.
  128. Е.М. Методы финансовых и коммерческих расчетов. М.: Дело Лтд, 1995.-320 с.
  129. С. Искусственный интеллект. М.: Мир, 1981.
  130. У., Александер Г. Бейли Дж. Инвестиции: Пер с англ. М.: Инфра-М, 1997.- 1024 с.
  131. Экспертные системы. Принципы работы и примеры: Пер с англ./ Под ред. Р.Форсайта. М.: Радио и связь, 1987. — 224 с.
  132. Дж., Кумбс М. Экспертные системы: концепции и примеры. М.: Финансы и статистика, 1987. — 191 с.
  133. А. Искусственный интеллект. М.: Мир, 1985.
  134. Д. Деловые финансы. -М.: Олимп-Бизнес, 1998. 416 с.
  135. An Introduction to Systems Thinking HPS, Inc., 1997.
  136. Artificial Neural Networks: Concepts and Theory. IEEE Computer Society Press, 1992.
  137. Cowell R., Dawid P.A., Lauritzen S., Spiegelhalter D. Probabilistic Networks and Expert Systems. Springer, New York, 1999.
  138. Howson C., Urbach, P. Scientific reasoning: the Bayesian approach. Open Court, Chigago, 1993.
  139. Jensen F. An Introduction to Bayesian Networks. UCL Press, London, 1996.
  140. Morgan M., Henrion M. Uncertainty: A Guide to Dealing with Uncertainty in Quantitative Risk and Policy Analysis New York, 1998.
  141. Neapolitan R.E. Probabilistic Reasoning in Expert Systems: Theory and Algorithms John Wiley & Sons, New York, 1990.
  142. Pearl J. Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference. Morgan Kaufmann Publishers, San Mateo, CA, 1988.
  143. Richard P. Lippmann, An Introduction to Computing withNeural Nets, IEEE Acoustics, Speech, and Signal ProcessingMagazine, April 1987.
  144. Robert C. The Bayesian choice. A Decision-Theoretic Motivation. Springer, New York, 1994.
  145. Trigeorgis L., Real Options: Managerial Flexibility and Strategy in Resource Allocation Cambridge, MA, MIT, 1996.
Заполнить форму текущей работой

Сессия? Спокойно!