Введение
1.1 Системы из экспонент 3
1.2 Пространства Пэли-Винера 4
1.3 Формулировка результатов
2 Предварительные результаты
3 Полные интерполяционные последовательности на
двух интервалах 11
3.1 Базовые свойства 11
3.2 Доказательство теоремы 3 15
3.3 Доказательство теоремы 2 16
4 Достаточные условия полноты и интерполяционности на двух интервалах 18
4.1 Доказательство теоремы 1 18
5 Примеры 20
5.1 Два интервала равной длины 20
5.2 Эффект “лишней точки” 22
ЗАКЛЮЧЕНИЕ
Список литературы
Современная наука развивается невероятными темпами, регулярно появляются новые управленческие, программные и технологические решения, города за десятилетия кардинально преображаются. В условиях быстрого изменения рынка, все чаще требуются новые решения в анализе экономической ситуации, повсеместная цифровизация требует быстрых решений, а их последствия могут серьезно повлиять на всю экономическую ситуацию, начиная от города и заканчивая даже влиянием на мировую экономику.
Развитие экономики как науки не поспевает за темпами изменений в технической области знаний. Следствие этого - возникновение и быстрое развитие такого направления как «Цифровая экономика». Новые решения позволяют автоматизировать и налаживать связи между отраслями экономической системы, позволяя внедрять новые технологии для управления, анализа и обеспечения экономической деятельности.
Данная работа направлена на изучение возможности использования анализа и прогнозирования финансового состояния предприятия с учетом его работы в условиях цифровой трансформации. Проведенное исследование позволит принимать решения не только в условиях конкретного предприятия, а с учетом всей экономической зоны, в которой находится данное предприятие. Изменения, которые происходят в мире, позволяют подключаться к интернету все большему числу устройств, позволяя накапливать огромный объем данных. Для обработки и анализа такого количества данных необходимы новые подходы и средства принятия решений.
Постановка задачи
Цель работы - исследование и разработка алгоритма применения имитационного моделирования на основе модели Ферхюльста для анализа финансового состояния компаний из различных отраслей экономики на основе экономических показателей - операционной деятельности. В ходе работы необходимо решить следующие задачи:
1. Разработать методологию поддержки принятия решений в условиях цифровой трансформации экономики.
2. Исследовать модель Ферхюльста на предмет возможности прогнозирования операционной деятельности предприятия на основе реальных данных.
3. Осуществить сбор и подготовку данных для анализа при помощи выбранной модели, описать актуальность решаемых задач рассматриваемой модели в рамках операционной деятельности
4. Применить модель Ферхюльста и провести анализ полученных результатов
В данной работе была проведена оценка применения имитационной модели Ферхюльста для оценки экономического состояния ведущих предприятий различных отраслей по их операционной деятельности. Полученные модели динамики операционных доходов и расходов позволяют с определенной точностью спрогнозировать область, в рамках которой будут изменяться выбранные показатели, а также пронаблюдать динамику операционной деятельности в разрезе 6 лет.
В связи с активными исследованиями в области цифровой экономики, а также в контексте цифровой трансформации, представленная модель может быть использована как часть контроля и инструмент автоматического анализа или продаж в банковской деятельности, для цифровизации и компьютеризации систем анализа и автоматизированных рекомендательных систем. Данная работа была оценена и взята в анализ для исследования применения в рекомендательной системе на основе машинного обучения по рекомендации банковских услуг клиентам банка. Выбранная модель может использоваться как дополнительное средство сравнения успешности малого и среднего бизнеса. Так же данная модель может помочь в анализе фондового рынка в качестве вспомогательного автоматизированного инструмента для оценки операционной деятельности, в дополнение к традиционным инструментам фундаментального и технического анализа экономических показателей.
Таким образом, в ходе работы была разработана методология применения поддержки принятия решений в условиях цифровой трансформации экономики, основанная на модели Ферхюльста. Была исследована возможность применения модели для оценки операционной деятельности компаний, на основе годовых отчетов 26 выбранных компаний и подготовленных для проведения моделирования исходных данных.
В результате проведенной работы было доказано, что применение выбранной модели оправдано и дает прогнозируемые результаты, подходящие для дальнейшей обработки и практического применения. Выполненная работа имеет большой потенциал развития и продолжения исследований для дальнейшего математического уточнения и расширения практического применения.
1. Басаев З.В. Цифровизация экономики: Россия в контексте глобальной трансформации. Мир новой экономики. 2018;12(4):32-38.
2. Головенчик Г. Теоретические подходы к определению понятия цифровая экономика. Наука и инновации. 2019;(1)54-59.
3. Bukht R., Heeks R. Defining, conceptualising and measuring the digital economy. The University of Manchester. Global Development Institute. Working Paper Series. 2017;(68). URL: http://hummedia.manchester.ac.uk/ institutes/gdi/publications/workingpapers/di/di_wp68.pdf/.
4. Brennen S., Kreiss D. Digitalization and digitization. Culture digitally. 2014.
September. URL: http: //culturedi gitally .org/2014/09/digitalization-and-
digitization/.
5. Стефанова Н. А., Седова А. П. (2017). Модель цифровой экономики // Карельский научный журнал. Т. 6, № (18). С. 91-93.
6. Tseng M.-L., Tan R. R., Chiu A. S.F., Chien C.-F., Kuo T. C. (2018). Circular economy meets industry 4.0: Can big data drive industrial symbiosis? Resources, Conservation and Recycling, vol. 131, рр. 146-147.
7. Малюк В.И., Радаев А.Е., Силкина Г.Ю. Методика обоснования характеристик процесса развития промышленных предприятий с использованием средств оптимизационного моделирования // Научно-технические ведомости СПбГПУ. Экономические науки. 2018. Т. 11, № 6. С. 195-211. DOI: 10.18721/JE.11617
8. Гаранин Д.А., Лукашевич Н.С. Моделирование параметров инвестиционного проекта на основе информационно-статистического подхода // Экономический анализ: теория и практика. 2014. № 33 (384). С. 37-48.
9. Иванов М.В., Соколицын А.С., Соколицына Н.А. Оптимальное
распределение финансовых ресурсов по программам развития
предприятия // Финансовые проблемы и пути их решения: теория и практика: сб. науч. тр. 15-й Междунар. науч.-практ. конф. / отв. Д.Г. Родионов; Санкт-Петербургский государственный политехнический университет. СПб., 2014. С. 295-298.
10. Радаев А.Е., Кобзев В.В. Оптимизационная модель адаптивного функционирования сети поставок промышленных предприятий // Научно-технические ведомости СПбГПУ. Экономические науки. 2013. № 4 (175). С. 135-140.
11. Kuladzhi T., Babkin A., Murtazaev S.-A. Matrix Tool for Efficiency Assessment of Production of Building Materials and Constructions in the Digital Economy // Advances in Intelligent Systems and Computing. 2018. Vol. 692. P. 1333-1346
12. Nekrasova T., Leventsov V., Axionova E. Evaluating the efficiency of investments in mobile telecommunication systems development // Lecture Notes in Computer Science. 2016. Vol. 9870 LNCS. С. 741-751.
13. Журавлев В.М., Миронов П.П. Динамика Случайно Возмущенного
Уравнения Ферхюльста И Метод Максимальной Энтропии // Известия высших учебных заведений. Поволжский регион. Физико-математические науки (2013) URL:
https://search.ebscohost.com/login.aspx?direct=true&db=edsclk&AN=edsclk.14510521 &lang=ru&site=eds-live&scope=site
14. Сальников, А. М. Реклама на транспорте: как оценить вероятность
контакта. Реклама: теория и практика // [s. l.], n. 2, p. 92-110, 2018. Disponivel em:
https: //search. ebscoho st. com/lo gin. aspx?direct=true&db=edselr&AN=edselr.35104370&lang=ru&site=eds-live&scope=site
15. Думачев В.Н., Родин В.А. Эволюция антагонистически- взаимодействующих популяций на базе двумерной модели Ферхюльста — Пирла // Матем. моделирование, 17:7 (2005).— С. 11—22.
16. Царьков В.А. О динамике Ферхюльста и динамике роста капитала в экономике // Экономика и математические методы.— 2008.— Т.44.— №3.— С. 92—97.
17. Быстров А. В., Толстых Т. О., Радайкин А. Г. Кросс-отраслевая экосистема как организационно-экономическая модель развития высокотехнологичных производств // Экономика и управление. 2020.Т.
26. № 6. С. 564-576.http://doi.org/10.35854/1998-1627-2020-6-564-576
18. Moore J. F. The death of competition: Leadership and strategy in the age of business ecosystems. New York: HarperCollins Publishers, 1996. 297 p.2.
19. Tolstykh T., Shmeleva N., Gamidullaeva L. Evaluation of circular and integration potentials of innovation ecosystems for industrial sustainability // Sustainability. 2020. Vol. 12. No. 11. P. 4574.DOI:10.3390/su12114574
20. Farhadi N. Cross-Industry Ecosystems: Grundlagen, Archetypen, Modelle und strategische Ansatze.
21. Wiesbaden: Gabler Verlag, 2019. 151 p. DOI 10.1007/978-3-658-26129-0
22. Радайкин А. Г., Течи Агоран Ги М.-О. Цифровая трансформация промышленности как драйвер экономического роста // Проблемы и перспективы развития промышленности России: сб. материалов Второй Междунар. науч.-практ. конф. «Предприятия в условиях цифровой экономики: риски и перспективы». М.: Российский экономический университет им. Г. В. Плеханова, 2018. С. 290-294.
23. Jacobides M., Cennamo C., Gawer A. Industries, Ecosystems, Platforms, and Architectures: Rethinking our Strategy Constructs at the Aggregate Level // Working Paper, London Business School, 2015.
24. Adner R., Kapoor R. Value creation in innovation ecosystems: how the structure of technological interdependence affects firm performance in new technology generations // Strategic Management Journal. 2010. Vol. 31. No. 3. P. 306-333. DOI: 10.1002/smj.821
25. Пименов В. В., Юсим В. Н., Быстров А. В. О системном подходе к развитию промышленной политики России в условиях цифровой трансформации // Государственное управление Российской Федерации: повестка дня власти и общества: сб. тр. XVI Междунар. конф. М.: Издательский дом КДУ, 2019. С. 231-241.
26. Jacobides M. G., Cennamo C., Gawer A. Towards a theory of ecosystems // Strategic Management Journal. 2018. Vol. 39. No. 8. P. 2255-2276. DOI: 10.1002/smj.2904
27. Vasin S., Gamidullaeva L., Tolstykh T., Rostovskaya T., Skorobogatova V. From innovation system through institutional transformation to digital innovation ecosystem // Innovation Management and Education Excellence Through Vision 2020: Proceedings of the 31st International Business Information Management Association (IBIMA 2018) Conference (Milan, 25¬26 April, 2018). King of Prussia, PA: International Business Information Management Association, 2018. P. 4620-4633.
28. Dahlman C., Mealy S. and Wermelinger M. Harnessing the digital economy
for developing countries. OECD. Development Centre. 2016. December. Working Paper № 334. URL: https://www.oecd-
ilibrary.org/docserver/4adffb24en.pdf?expires=1556027972&id=id&accname=guest&checksum=FE6950D358F8507BD100A4C9B836C99E.
29. Knickrehm M., Berthon B., Daugherty P. Digital disruption: The growth
multiplier. Dublin: accenture. 2016. URL:
https://www. oxfordeconomics.com/my-oxford/proj ects/325195.
30. Atkinson R., McKay A. What is the digital economy? Government technology. 2007. April. URL:https://www.govtech.com/dc/articles/What-Is-the-Digital-Economy.html.
31. Логистика: Тренинг и практикум: учебное пособие / Под ред. Б.А. Аникина, Т.А. Родкиной - М.: ТК Велби, Изд-во Проспект, 2017 - 448 с.
32. Богданова Т.К. и др. Применение нейронных сетей для прогнозирования платежеспособности российских предприятий обрабатывающих отраслей //Т.К. Богданова, Т.Я. Шевгунов, О.М. Уварова // Бизнес-информатика. - 2013. - №2. - С. 40-48.