Pages Navigation Menu

ISSN 2227-6017 (ONLINE), ISSN 2303-9868 (PRINT), DOI: 10.18454/IRJ.2227-6017
ПИ № ФС 77 - 51217, 16+

DOI: https://doi.org/10.23670/IRJ.2017.55.111

Скачать PDF ( ) Страницы: 33-36 Выпуск: № 01 (55) Часть 1 () Искать в Google Scholar
Цитировать

Цитировать

Электронная ссылка | Печатная ссылка

Скопируйте отформатированную библиографическую ссылку через буфер обмена или перейдите по одной из ссылок для импорта в Менеджер библиографий.
Ларин С. Н. ПРИНЯТИЕ РЕШЕНИЙ ИНСТИТУЦИОНАЛЬНЫМИ АГЕНТАМИ СФЕРЫ ЖИЛИЩНО-КОММУНАЛЬНОГО ХОЗЯЙСТВА В УСЛОВИЯХ ВЕРОЯТНОСТНОЙ НЕОПРЕДЕЛЕННОСТИ: ОЦЕНКА ЭФФЕКТИВНОСТИ И РИСКОВ / С. Н. Ларин, Е. В. Герасимова, Т. В. Стебеняева // Международный научно-исследовательский журнал. — 2017. — № 01 (55) Часть 1. — С. 33—36. — URL: https://research-journal.org/economical/prinyatie-reshenij-institucionalnymi-agentami-sfery-zhilishhno-kommunalnogo-xozyajstva-v-usloviyax-veroyatnostnoj-neopredelennosti-ocenka-effektivnosti-i-riskov/ (дата обращения: 22.05.2019. ). doi: 10.23670/IRJ.2017.55.111
Ларин С. Н. ПРИНЯТИЕ РЕШЕНИЙ ИНСТИТУЦИОНАЛЬНЫМИ АГЕНТАМИ СФЕРЫ ЖИЛИЩНО-КОММУНАЛЬНОГО ХОЗЯЙСТВА В УСЛОВИЯХ ВЕРОЯТНОСТНОЙ НЕОПРЕДЕЛЕННОСТИ: ОЦЕНКА ЭФФЕКТИВНОСТИ И РИСКОВ / С. Н. Ларин, Е. В. Герасимова, Т. В. Стебеняева // Международный научно-исследовательский журнал. — 2017. — № 01 (55) Часть 1. — С. 33—36. doi: 10.23670/IRJ.2017.55.111

Импортировать


ПРИНЯТИЕ РЕШЕНИЙ ИНСТИТУЦИОНАЛЬНЫМИ АГЕНТАМИ СФЕРЫ ЖИЛИЩНО-КОММУНАЛЬНОГО ХОЗЯЙСТВА В УСЛОВИЯХ ВЕРОЯТНОСТНОЙ НЕОПРЕДЕЛЕННОСТИ: ОЦЕНКА ЭФФЕКТИВНОСТИ И РИСКОВ

Ларин С.Н.1, Герасимова Е.В.2, Стебеняева Т.В.3

1Кандидиат технических наук, старший научный сотрудник,

2Ведущий инженер,

ФГБУН Центральный экономико-математический институт РАН, г. Москва,

3Кандидат экономических наук, главный специалист,

АНО ДПО Институт международных стандартов учета и управления, г. Москва

ПРИНЯТИЕ РЕШЕНИЙ ИНСТИТУЦИОНАЛЬНЫМИ АГЕНТАМИ СФЕРЫ ЖИЛИЩНО-КОММУНАЛЬНОГО ХОЗЯЙСТВА В УСЛОВИЯХ ВЕРОЯТНОСТНОЙ НЕОПРЕДЕЛЕННОСТИ: ОЦЕНКА ЭФФЕКТИВНОСТИ И РИСКОВ

Аннотация

Эффективное функционирование сферы жилищно-коммунального хозяйства в России в современных условиях невозможно без коренного реформирования взаимодействий ее институциональных агентов и ускоренной модернизации ее инфраструктуры. Реализация указанных преобразований в этой сфере должна основываться на максимальном учете экономических, финансовых и других интересов ее институциональных агентов как производителей жилищно-коммунальных услуг, а также собственников жилья как непосредственных потребителей этих услуг. Для этого целесообразно разработать и внедрить на практике экономико-математические модели, позволяющие институциональным агентам сферы жилищно-коммунального хозяйства принимать оптимальные решения в условиях неопределенности и стимулировать их к повышению качества производимых ими услуг. Вместе с тем, такие модели должны обеспечивать минимизацию рисков и максимизацию эффективности производственно-хозяйственной деятельности институциональных агентов сферы жилищно-коммунального хозяйства. В статье раскрыты некоторые из подходов для разработки и внедрения таких экономико-математических моделей.

Ключевые слова: институциональный агент, жилищно-коммунальное хозяйство, неопределенность, эффективность, риск, методы оценки.

Larin S.N.1, Gerasimova E.V.2, Stebenyaeva T.V.3

1PhD in Engineering, senior research fellow,
2Leading engineer,
FGBUS Central Economic Mathematical Institute in Moscow,
3 PhD in Economic, chief specialist,
ANO DPE Institute of international accounting standards and control, Moscow

MAKING DECISIONS INSTITUTIONAL AGENTS SPHERE HOUSING AND COMMUNAL SERVICES IN THE CONDITIONS PROBABILISTIC UNCERTAINTY: EVALUATION OF THE EFFECTIVENESS AND RISKS

Abstract

Effective functioning of housing and communal services in Russia in modern conditions is impossible without a radical reform of the interactions of its institutional agents and accelerated modernization of its infrastructure. The implementation of these reforms in this area should be based on the maximum account of economic, financial and other interests of its institutional agents such as producers of housing services, as well as homeowners both direct consumers of these services. To do this, it is advisable to develop and implement in practice the economic and mathematical models to institutional agents sphere of housing and communal services to make optimal decisions under conditions of uncertainty, and encourage them to improve the quality of services they produce. However, such models should ensure minimizing the risks and maximizing the efficiency of production and economic activities of the agents of institutional sphere of housing and communal services. The article deals with some of the approaches to the development and implementation of economic and mathematical models.

Keywords: housing and communal services, institutional agent, uncertainty, efficiency, risk assessment methods.

Введение

Сфера жилищно-коммунального хозяйства (ЖКХ) является одной из крупнейших в российской экономике. По данным Министерства строительства и жилищно-коммунального хозяйства Российской Федерации, ежегодный оборот финансовых ресурсов в сфере ЖКХ составляет порядка 4 трлн. рублей, что равнозначно 7% ВВП страны. На эту сферу приходится порядка 26% доли всех основных фондов экономики России [1]. Вместе с тем, их физический износ в настоящее время находится на уровне 60%, что недопустимо с точки зрения нормальной эксплуатации разного рода объектов жилищного и коммунального назначения, поскольку создает потенциально высокую вероятность возникновения техногенных аварий, масштабы которых прогнозировать практически невозможно в силу отраслевой специфики большей части объектов сферы ЖКХ (электрические и тепловые сети, водопроводы и водозаборы, станции технической очистки, напорные коллекторы, разноплановая структура жилищного фонда и т.д. [2]).

Управление объектами сферы ЖКХ осуществляют экономические субъекты более 20 отраслей российской экономики. Естественно, что в процессе производственно-хозяйственной деятельности экономических субъектов проявляются специфические отраслевые особенности каждого из них, которые связаны, прежде всего, с объемом и функциональным состоянием основных фондов, разнообразием направлений их деятельности, а также инвестиционной привлекательности конкретной отрасли. Совокупность указанных особенностей проявляется в различной направленности производственно-хозяйственной деятельности экономических субъектов и их финансовой заинтересованности в ее результатах. Безусловно, каждый экономический субъект, представляя собой финансовый институт той или иной отрасли, а проще, являясь ее институциональным агентом, заинтересован в повышении своей финансовой устойчивости и получении прибыли. Однако, его интересы часто противоречат или даже вступают в конфликт с интересами институциональных агентов других отраслей в процессе осуществления ими взаимодействий, направленных на производство жилищно-коммунальных услуг (ЖКУ) и их предоставление потенциальным потребителям. При этом возникает необходимость учета в производственно-хозяйственной деятельности каждого институционального агента сферы ЖКХ комплекса факторов неопределенности, в условиях воздействия которых они принимают те или иные экономические решения.  Некоторые подходы к решению указанных вопросов будут изложены в данной статье.

Основная часть

  1. Принятие решений в условиях неопределенности: общий подход

При стандартном подходе неопределенность принятия решений институциональными агентами сферы ЖКХ рассматривается с позиций выбора оптимального решения. Известно, что для решения подобного типа задач существует достаточно много методов и подходов, позволяющих находить оптимальные решения в условиях детерминированной или вероятностной неопределенности. Чаще всего в условиях детерминированной неопределенности для нахождения оптимальных решений институциональными агентами сферы ЖКХ используется принцип получения гарантированного результата, позволяющий минимизировать возможные потери, связанные с влиянием факторов неопределенности. В случае стохастической неопределенности институциональным агентам сферы ЖКХ целесообразно использовать один из индикаторов предпочтения, либо в форме усредненной функции полезности, либо в форме более сложного нелинейного функционала [3]. В этом случае искомым решением будет максимальное значение выбранного индикатора. Как видим, в обоих рассмотренных случаях результатом выбора оптимального решения институциональным агентом сферы ЖКХ будет число, характеризующее расчетное значение того или иного индикатора предпочтения. Поэтому у нас есть имеются все основания для того, чтобы считать это расчетное значение эффективностью принимаемого институциональным агентом сферы ЖКХ решения.

В общем виде для принимаемого институциональным агентом сферы ЖКХ решения индикатор предпочтения на множестве вероятностных распределений выраженный через функцию полезности можно выразить следующей формулой:

S(F) = 25-01-2017 15-57-45                                                                                       (1)

где    g(q) – функция полезности [4, С.71].

Таким образом, в качестве индикатора предпочтения на множестве вероятностных распределений вполне может быть принято среднее значение функции полезности [5, С.138].

Выбор в качестве индикатора предпочтения (1) среднего значения функции полезности не случаен, поскольку он обладает важным свойством, а именно: для любых двух чисел α≥0, β≥0, α=1 всегда будет иметь место равенство следующего вида:

SF + βG) = αS(F) + βS(G).                                                                    (2)

Практическая интерпретация этого выражения для институционального агента сферы ЖКХ будет следующей. Если он выбирает с вероятностью α вариант получения оптимального решения, а, следовательно, некоторого дохода, с распределением F и с вероятностью β вариант получения оптимального решения, а, следовательно, некоторого дохода с распределением G, то окончательное оптимальное решение для этого институционального агента сферы ЖКХ, а, следовательно, распределение некоторого дохода будет равно «смеси» распределений F + βG) [6].

Приведенные выше обоснования под эффективностью принимаемого решение предполагают то расчетное значение индикатора предпочтения, в соответствии с которым институциональный агент сферы ЖКХ делает выбор и принимает оптимальное решение. В случае вероятностной неопределенности при использовании функции средней полезности в качестве индикатора предпочтения вида (1), можно утверждать, что эффективностью этого решения может считаться его ожидаемая полезность [7]. Данное утверждение особенно наглядно при принятии решений о реализации финансовых или инвестиционных проектов, что является характерной особенностью сферы ЖКХ. При этом понятие некоторого дохода следует трактовать в расширенном смысле, имея в виду не только его величину, но и полезность для институционального агента сферы ЖКХ.

  1. Подход к принятию оптимальных решений

Однако, выбор и принятие институциональным агентом сферы ЖКХ оптимального решения кроме его эффективности характеризуется еще как минимум одной величиной – качеством принятого решения. Его значение в условиях наличия неопределенности зависит не только от среднего значения критерия качества, но и от разброса возможных значений этого показателя на некотором множестве. Именно величина разброса показывает, насколько сильно влияет на качество решения воздействие факторов неопределенности [8, С.84; 9, С.62]. В зависимости от того, какой оказалась практическая реализация влияния факторов неопределенности, в случае принятия институциональным агентом сферы ЖКХ оптимального решения он может получить не один результат, а некоторое множество результатов. В том случае, когда размер этого множества оказывается небольшим, то выбирая решение либо на основании принципа гарантированного результата, либо на основании усреднения функции полезности, институциональный агент сферы ЖКХ может быть уверен, что возможные потери, связанные с влиянием факторов неопределенности, окажутся тоже небольшими.

Выявленные выше обстоятельства делают целесообразным введение ряда определений, которые будут востребованы в ходе дальнейших исследований, а именно:

1) риск – возможность наступления негативных последствий в результате принятого решения, которые связаны с влиянием факторов неопределенности;

2) степень риска – количественная оценка риска.

Экономическую сущность данных определений раскроем при помощи следующего примера. Допустим, что институциональный агент сферы ЖКХ принимает оптимальное решение на основании максимизации функции средней полезности и решает задачу следующего вида:

S(u) = 25-01-2017 15-55-10                                                          (3)

где   q(u,y) – вектор критериев, определяемый в зависимости от решения u и комплекса случайных факторов неопределенности y;

g(q) – функция полезности, при помощи которой институциональный агент сферы ЖКХ определяет свои интересы и предпочтения на множестве значений векторного критерия;

F – распределение комплекса случайных факторов неопределенности y.

Далее предположим, что u* – искомое решение задачи (3). Тогда его полезность, то есть величина g(q(u*,y)) будет случайной и ее распределения могут отклоняться от среднего значения S(u*) в ту или другую сторону. Будет естественным предположить, что при отклонении в меньшую сторону у институционального агента сферы ЖКХ возникнут потери или недополучение им ожидаемого дохода. Очевидно, что величина этих потерь будет тем больше, чем более вероятными окажутся эти отклонения. В таком случае возникает риск появления негативных последствий, связанных с влиянием факторов неопределенности [10].

  1. Подходы к измерению риска и эффективности решений, принимаемых в условиях неопределенности

Для измерения количественной величины риска могут использоваться разные подходы. Исходя из экономической сущности понятия риска, его количественную величину следует измерять одной из характеристик полученного разброса результатов решения. Известно, что для случайных величин в качестве такой характеристики может быть выбрана дисперсия. Данное утверждение хорошо согласуется с известным неравенством Чебышева [11, С.178], в соответствии с которым для оценки вероятности отклонения случайной величины от своего среднего значения используется ее дисперсия. При этом с уменьшением значения дисперсии уменьшается и величина такой вероятности. Применяя это утверждение к решению нашей задачи (3), можно полагать, что кроме максимизации ожидаемой полезности необходимо оценивать и дисперсию полезности оптимального решения.

Теперь мы можем сформулировать обобщенный подход к исследуемым понятиям эффективности и риска в условиях вероятностной неопределенности для деятельности институциональных агентов в сфере ЖКХ. Допустим, что институциональным агентом сделан выбор векторного критерия решения q(u,y), который зависит от принятого решения u и случайного фактора y∈Y, имеющего функцию распределения F(y). Затем ему следует рассмотреть все решения u на множестве значений Q векторного критерия q(u,y) и выбрать из них те значения, при которых искомый результат решения q(u,y) окажется неблагоприятным, то есть может принести потери. Полученную совокупность неблагоприятных результатов обозначим через множество Q_(u).

Далее предположим, что:

25-01-2017 15-54-18

Это позволит распределить те значения случайной переменной, которые при решении u могут привести к возникновению потерь Y_(u) у институционального агента, а также те значения случайной переменной, которые при решении u могут привести к возникновению некоторого дохода Y+(u) у институционального агента.

Далее можно измерить степень возникновения у институционального агента потерь на множестве Y_(u) некоторой скалярной функцией φ(q(u,y)), y∈Y_(u), а степень возникновения некоторого дохода на множестве Y+(u) – скалярной функцией ψ(q(u,y)), y∈Y+(u). Выбрав функции для измерения степени полезности решения на неблагоприятном и благоприятном множествах решений, можно в качестве оценки эффективности и риска выбранного решения использовать следующие функционалы:

– для оценки эффективности выбранного решения u

E(u) = 25-01-2017 15-52-46                                                                            (4)

– для оценки риска выбранного решения u

R(u) = 25-01-2017 15-52-37                                                                          (5)

Поскольку для измерения количественной величины риска могут использоваться разные функции, то их выбор будет осуществляться непосредственно институциональным агентом в зависимости от оценивания им вариации ожидаемой эффективности решения. С целью упрощения дальнейших рассуждений целесообразно говорить не о случайной полезности, а о некотором случайном доходе x. Тогда эффективность принятого решения может быть измерена величиной  E=Mx, то есть средней величиной дохода. В этом случае для оценки риска выбранного решения u можно использовать величину вероятности наступления события, при котором эффективность выбранного решения u окажется меньше своего среднего значения. Выражающая это отношение формула имеет следующий вид:

R1=P{ξ<E}                                                                                                  (6)

Также для измерения количественной величины риска может использоваться среднее отклонение ожидаемого дохода в меньшую сторону от Е. Формула для этого отношения имеет следующий вид:

R2=M(E)+                                                                                                (7),

где для любого положительного числа a+ выполняется условие (a+)=max(a,0).

Для оценивания риска могут использоваться и другие функции, обоснование перечня которых выходит за рамки данной статьи.

Заключение

В ходе проведенных исследований удалось установить, что для институциональных агентов в сфере ЖКХ принятие решений в условиях вероятностной неопределенности должно осуществляться с учетом влияния всего комплекса факторов неопределенности. При этом каждый результат по каждому варианту решения должен всегда оцениваться по двум критериям: ожидаемой, или средней, полезности – прогнозной эффективности варианта решения, и риску, величина которого пропорционально возможному разбросу полезности и(или) средних потерь. Данный подход позволит не только учитывать разнонаправленные интересы институциональных агентов в сфере ЖКХ, но и обеспечивать необходимую эффективность принимаемых ими решений и, тем самым, поддерживать их финансовую устойчивость, а также создавать условия для получения прибыли.

Статья подготовлена при финансовой поддержке Российского фонда фундаментальных исследований, проект №15-06-00033а «Методология комплексной модернизации жилищно-коммунального хозяйства: новые подходы к воспроизводству жилищного фонда, повышению качества услуг, внедрению инновационных технологий и механизмов взаимодействия институциональных агентов».

Список литературы / References

  1. Данные официального сайта Министерства строительства и жилищно-коммунального хозяйства Российской Федерации [Электронный ресурс]. URL – http://www.minstroyrf.ru/ (дата обращения: 12.12.2016).
  2. Кириллова А. Н. Институциональная инфраструктура реформирования жилищно-коммунального комплекса. // Эффективное антикризисное управление. №3 (62), 2010. С. 45-56.
  3. Ларин С. Н., Малков У. Х., Герасимова Л. И. Исследование эффективности и риска принятия решений экономическими субъектами сферы жилищно-коммунального хозяйства в условиях вероятностной неопределенности // Международный научно-исследовательский журнал, № 2 (44), Часть 1, 2016. С. 28-30.
  4. Орлов А. И. Математика случая: вероятность и статистика – основные факты. М.: МЗ-Пресс, 2004. 110 с.
  5. Соболь И. М.Выбор оптимальных параметров в задачах со многими критериями. М.: Дрофа, 2006. 175 с.
  6. Кузьмин Е. А. Неопределенность в экономике: понятия и положения // Вопросы управления. №2(2), 2012. С. 80-92.
  7. Ларин С. Н., Соколов Н. А., Герасимова Л. И. Выбор эффективных решений многокритериальных задач взаимодействия экономических субъектов сферы жилищно-коммунального хозяйства при отсутствии неопределенности на основе функции полезности. // Экономический анализ: теория и практика, 2015, №19(418). С. 51-62.
  8. Ларичев О. Н. Теория и методы принятия решений. М.: Логос, 2002. 392 с.
  9. Ногин В. Д. Принятие решений в многокритериальной среде: количественный подход. М.: Физматлит, 2002. 144 с.
  10. Стебеняева Т. В., Юдинова В. В., Юрятина Н. Н. Инструментарий многокритериального выбора и принятия решений экономическими субъектами сферы ЖКХ при их взаимодействии в условиях детерминированной неопределенности. // Инновационная наука, 2015, №4. Часть 1. С.114-117.
  11. Самарский А. А., Михайлов А. П. Математическое моделирование / А. А. Самарский, А. П. Михайлов – М.: Физматлит, 2001. – 320 c.

Список литературы на английском языке / References in English

  1. Dannye oficial’nogo sajta Ministerstva stroitel’stva i zhilishhno-kommunal’nogo hozjajstva Rossijskoj Federacii [The data of the official website of the Ministry of Construction and Housing and Communal Services of the Russian Federation] [Electronic resource]. URL – http://www.minstroyrf.ru/ (accessed: 12.12.2016).[in Russian]
  2. Kirillova A. N. Institucional’naja infrastruktura reformirovanija zhilishhno-kommunal’nogo kompleksa [The institutional infrastructure of reforming housing and communal services] / Kirillova A. N. // Jeffektivnoe antikrizisnoe upravlenie [Effective crisis management] – 2010. – №3(62). – P. 45-56. [in Russian]
  3. Larin S. N., Malkov U. H., Gerasimova L. I. Issledovanie jeffektivnosti i riska prinjatija reshenij jekonomicheskimi sub#ektami sfery zhilishhno-kommunal’nogo hozjajstva v uslovijah verojatnostnoj neopredelennosti [Research of efficiency and risk decision-making of economic actors sphere of housing and communal services under probabilistic uncertainty] / S. N. Larin, U. H. Malkov, L. I. Gerasimova // Mezhdunarodnyj nauchno-issledovatel’skij zhurnal [International Research Journal]. -2016. -№2(44). Chast’ 1. – P. 28-30. [in Russian]
  4. Orlov A. I. Matematika sluchaja: verojatnost’ i statistika – osnovnye fakty [Case Mathematics: probability and statistics – the basic facts] / A. I. Orlov – M.: MZ-Press, 2004. – 110 p. [in Russian]
  5. Sobol’ I. M. Vybor optimal’nyh parametrov v zadachah so mnogimi kriterijami [Choosing the optimal parameters in problems with many criteria] / I. M. Sobol’ – M.: Drofa, 2006. – 175 p. [in Russian]
  6. Kuz’min E. A. Neopredelennost’ v jekonomike: ponjatija i polozhenija [The uncertainty in the economy: concepts and provisions] / E. A. Kuz’min // Voprosy upravlenija [Management issues] – 2012. – №2(2). – P. 80-92. [in Russian]
  7. Larin S. N., Sokolov N. A., Gerasimova L. I. Vybor jeffektivnyh reshenij mnogokriterial’nyh zadach vzaimodejstvija jekonomicheskih sub#ektov sfery zhilishhno-kommunal’nogo hozjajstva pri otsutstvii neopredelennosti na osnove funkcii poleznosti [Choice efficient solutions of multiobjective problems of interaction between economic entities of the housing and communal services in the absence of uncertainty on the basis of the utility function] / S. N. Larin, N. A. Sokolov, L. I. Gerasimova // Jekonomicheskij analiz: teorija i praktika [Economic Analysis: Theory and Practice] – 2015. – №19(418). – P. 51-62. [in Russian]
  8. Larichev O. N. Teorija i metody prinjatija reshenij [Theory and methods of decision-making] / O. N. Larichev – M.: Logos, 2002. – 392 p. [in Russian]
  9. Nogin V. D. Prinjatie reshenij v mnogokriterial’noj srede: kolichestvennyj podhod [Decision-making in multicriteria environment: a quantitative approach] / V. D. Nogin – M.: Fizmatlit, 2002. – 144 p. [in Russian]
  10. Stebenjaeva T. V., Judinova V. V., Jurjatina N. N. Instrumentarij mnogokriterial’nogo vybora i prinjatija reshenij jekonomicheskimi sub#ektami sfery ZhKH pri ih vzaimodejstvii v uslovijah determinirovannoj neopredelennosti [Instrumentation multi-criteria selection and decision-making of economic actors housing sector as they interact in a deterministic uncertainty] / T. V. Stebenjaeva, V. V. Judinova, N. N. Jurjatina // Innovacionnaja nauka [Innovative Science] – 2015. – №4. Chast’ 1. – P.114-117. [in Russian]
  11. Samarskij A. A., Mihajlov A. P. Matematicheskoe modelirovanie [Math modeling] / A. A. Samarskij, A. P. Mihajlov – M.: Fizmatlit, 2001. – 320 p. [in Russian]

Оставить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *

Лимит времени истёк. Пожалуйста, перезагрузите CAPTCHA.