Научные стремления 2011-2

Мацеля Маргарита

Устойчивость модели производства и реализации продукции с эффкутом рекламы

Белорусский государственный университет

Целью данной работы является построение математической модели рынка в виде системы нелинейных дифференциальных уравнений и изучение условий устойчивого развития цены и объема продаж товаров и услуг во времени.

Для решения задачи использовались:

1.Теоремы от устойчивости по Ляпунову.

2.Методы исследования критических случаев.

Для экономического равновесия получены условия устойчивости, асимптотической устойчивости, глобальной асимптотической устойчивости и неустойчивости в виде определенных соотношений между параметрами модели, отражающими эффекты влияния продавца, покупателей и государства и издержек производства.

Благоприятный климат функционирования рынка может быть обеспечен:

относительно невысокой налоговой ставкой (коэффициент r), уровнем влияния издержек на выпуск продукции (коэффициент ).

При этом в благоприятном случае изучаемая точка покоя имеет тип устойчивый «узел», а значит, в системе отсутствуют колебательные движения. Следовательно, в случае асимптотической устойчивости сходимость к равновесию носит регулярный характер.

Глобальная асимптотическая устойчивость экономического равновесия возможна лишь в том случае, когда изменение выпуска продукции не зависит от цены. Такая ситуация означает определенное равновесие между силой действия закона спроса и экономической силы взаимодействия издержек производства и величины выпуска продукции.

Литературные источники

1.Калитин Б.С. Математические модели экономики. Минск: БГУ, 2007.

2.Балацкий Е.В. Издержки и полезность как факторы ценообразования //

Вестник московского университета. 2000. Сер. 6. Экономика. № 4. С. 37 44.

3.Малкин И.Г. Теория устойчивости движения. Минск: Наука, 1966.

4.Калитин Б.С., Пристрем Е.А. Модель первого порядка рынка двух

конкурентов с эффектом рекламы // Вестник БГУ, Сер. 1, 2009. №2. С. 74 81.

781

Магер Диана

Поисковая оптимизация сайтов как средство увеличения продаж

Белорусский государственный экономический университет

Сегодня, когда среди пользователей Интернета во всѐм мире поисковые системы стали самым распространѐнным инструментом поиска информации, возникло понятие поисковой оптимизации. Поисковая оптимизация (SEO – SearchEngineOptimization) – комплекс мер,

направленных на поднятие позиций сайта в выдаче поисковых систем по определѐнным запросам пользователей. Применение SEO позволяет увеличить число продаж товаров и услуг, представленных компанией в сети Интернет.

Незнание принципов и алгоритмов работы поисковых машин делает работу по оптимизации web-сайта невозможной. В первую очередь, необходимо учитывать тот факт, что каждая поисковая система придерживается собственного алгоритма ранжирования. Так, например, индекс цитирования является основной технологией поисковой машины «Яндекс», а PageRank является одним из алгоритмов ссылочного ранжирования и играет существенную роль в поисковых продуктах Google. Однако со временем алгоритмы работы поисковых машин могут совершенствоваться.

Комплекс мер по SEO можно разбить на несколько этапов:

1)Всесторонний аудит сайта, анализ позиций и выработка рекомендаций. Он включает в себя: анализ доступности сайта, технический аудит сайта, аудит удобства использования сайта (usability), поисковый аудит

[1].

Дальнейшая работа над сайтом ведѐтся с учѐтом результатов аудита.

2)Составление семантического ядра, т.е. подбор ключевых слов для продвижения сайта, является важнейшим этапом в оптимизации. При составлении семантического ядра используются специализированные сервисы и инструментарий. Наиболее популярными являются сервисы поисковых систем YandexWordstat и GoogleAdwords.

3)Оптимизация контента и HTML-кода сайта. Она включает работу над метаинформацией, структурой сайта и техническим исполнением. Метаинформация – это, так называемые, теги, которые маркируют страницу сайта, чтобы облегчить поисковой системе идентификацию объектов на странице: разнообразные заголовки, названия страниц, альтернативные подписи к картинкам. Структура сайта и техническое исполнение – это, в первую очередь, система навигации на сайте, объѐм страниц и используемые технологии представления контента. Работа над ними подразумевает максимальное сокращение числа факторов, понижающих рейтинг сайта: не уникальность контента, длинные URL, JavaScript, фреймы, Flash, графическая навигация, переадресация URL, избыточное число внешних ссылок. Кроме того, одним из ключевых

782

моментов продвижения сайта является проектирование и создание эффективного web-дизайна.

4)Копирайтинг – написание рекламных и презентационных текстов, «завлекающих» посетителей на сайт. При этом важно не забывать использовать ключевые слова во время составления текстов, но учитывать, что их чрезмерное использование может сделать информацию сложной для восприятия пользователем, и, кроме того, определяться поисковыми машинами как спам.

5)Повышение рейтинга сайта, который может оцениваться с помощью таких алгоритмов, как ИЦ или PageRank. Для повышения рейтинга сайта, оптимизаторы прибегают к следующим методам: регистрация в каталогах, обмен ссылками, размещение статей, продвижение в социальных сетях, написание пресс-релизов, создание и ведение блогов. При создании внешних ссылок, очень важно, чтобы они были доступными, уместными и посещаемыми.

6)Поддержка и улучшение результатов. Поддержка подразумевает анализ проделанной работы по оптимизации сайта. Сегодня есть множество инструментов и метрик Интернет-статистики, которые предоставляют содержательную отчѐтность (analytics.google.com, metrika.yandex.ru, liveinternet.ru и др.). Чтобы оценить, насколько успешно проделана работа по поисковой оптимизации сайта существует следующие показатели:

Позиции сайта по определѐнному запросу в выдаче поисковой

системы.

Глубина просмотра сайта – показатель просмотренныхстраниц.

Переходы пользователей на сайт (трафик).

Длительность просмотра страницы.

Конверсия – отношение числа посетителей сайта, выполнивших на нѐм какие-то целевые действия, к общему числу посетителей сайта.

Показатель отказов – это процент посещений сайта, во время которых было просмотрено не более одной страницы или при которых посетитель покинул сайт со страницы входа (целевой страницы) [2, с.138139].

Улучшение результатов включает внесение изменений в список ключевых слов, редактирование текстов и рекламных статей, дополнительное размещение текстов и ссылок на более эффективных площадках, снятие малоэффективных и не работающих ссылок и другие возможные операции над сайтом, повышающие его позицию в результатах выдачи поисковой системы.

Таким образом, поисковая оптимизация – сложный и длительный комплекс мер по изменению сайта и элементов внешней среды с целью получения высоких позиций в результатах поискапо заданным запросам. Она требует знаний основных алгоритмов работы поисковых систем, языка

гипертекстовой разметки html, владения навыками копирайтера,

783

способностей анализировать и прогнозировать поведение пользователя на сайте, умения пользоваться такими инструментами и сервисами, как

YandexWordstat, GoogleAdwords, YandexMetrika, GoogleAnalytics и др.

Качественно проведѐнная оптимизация сайта значительно повышает его положение в результатах поиска, тем самым, увеличивая конверсию сайта, на который привлекается целевая аудитория. Увеличение конверсии определяет рост продаж товаров и услуг компании.

Литературные источники

1.Центр Паллада [Электронный ресурс] / Pегистратор доменов Registrator-domains.ru. – Россия, 2008. – Режим доступа: www.center-pallada.ru. – Дата доступа: 23.10.2011.

2.Интернет-маркетин на 100% / Под общ. ред. С.Сухова – Питер, 2011. – 240 с.

784

Орлянин Татьяна

Описание динамики развития города с помощью системы нелинейных дифференциальных уравнений

Белорусский государственный экономический университет

Город характеризуется высокой компактностью, плотностью освоения, коммуникационной насыщенностью городского пространства. Концентрация ресурсов в одном месте позволяет сосуществовать большому количеству людей и эффективно сотрудничать. В современных условиях социальноэкономическое развитие городов является важной стратегической составляющей государственного управления. Поведение городских систем оказывается очень сложным и его понимание лежит вне возможностей человеческой интуиции. Компьютерное моделирование — одно из наиболее эффективных средств, имеющихся в настоящее время для поддержки и уточнения человеческой интуиции. Хотя модель города и не является совершенно точным представлением реальности, она может быть использована для принятия более обоснованных решений.

Многие авторы [1] считают правомерным представить динамику города с помощью системы Лоренца

которая получается заменой переменных и параметров в системе

dZ d XY d Z.

* 1 2

dt

Целью данной работы является создание в программе Matlab/Simulink [2] компьютерной модели города на основе системы дифференциальных уравнений Лоренца, проведение анализа неподвижных точек системы на устойчивость, а также изучение ее поведения при оказании стационарных воздействий.

С точки зрения дифференциальных уравнений система Лоренца является нелинейной диссипативной автономной динамической системой. При r<1 система имеет одно состояние равновесия, расположенное в начале координат, а при r≥1 — три состояния равновесия:

x r 1, y r 1, z r 1,

x r 1, y r 1, z r 1.

Исследовано качественная картина поведения траекторий системы

(1) в окрестности точек равновесия, в зависимости от параметра r. Выявлены случаи рождения предельных циклов и наличие аттракторов.

Изучив динамику системы при включении поочередно в уравнения дополнительных воздействий в виде константы и синусоидального сигнала, мы обнаружили, что система сохраняет диссипативность. С экономической точки зрения эти воздействия можно интерпретировать для первого уравнения как рост (снижение) налоговой нагрузки на предприятия (налог на прибыль, НДС, акцизы, налог на имущество предприятий, платежи за пользование природными ресурсами), выделение субсидий из госбюджета, рост (снижение) инвестиционной активности; для второго уравнения как рост (снижение) социальных расходов в части организации, содержания и развития учреждений образования, здравоохранения, культуры, физической культуры и спорта, СМИ, организация правоохранительной деятельности и обеспечение безопасности, расходы бюджета на строительство жилого фонда; для третьего уравнения как дорожное строительство и содержание дорог, благоустройство и озеленение территорий, изменения в городской инфраструктуре.

Таким образом:

1)использование в качестве модели города системы Лоренца позволяет изучать поведение городской системы как детерминированное;

2)оказание на городскую систему воздействий, необходимых для управления ее развитием, не нарушает ее диссипативность, хотя при некоторых условиях малые воздействия могут превратить устойчивое поведение системы в хаотическое.

Литературные источники.

1 Занг, В.Б. Синергетическая экономика. Время и перемены в нелинейной теории: пер.

с англ. / В.Б. Занг. — М.: Мир, 1999. — 335 с.

2 Цисарь, И.Ф. Matlab Simulink. Компьютерное моделирование экономики / И.Ф. Цисарь. — М.: СОЛОН-Пресс, 2008. — 256 с.

786

Субоч Илья, Меленцевич Вероника

Изучение метода прогнозирования с использованием искусственных нейронных сетей на основе данных имитационного моделирования виртуального предприятия

Белорусский государственный экономический университет

Прогнозирование – важный и неотъемлемый элемент планирования деятельности предприятия. Возможность предвидеть положение организации в будущем является значительным конкурентным преимуществом. Существует множество способов и методов, на основе которых можно составлять прогнозы, одним из которых являются искусственные нейронные сети (ИНС).

Способности ИНС к прогнозированию напрямую следуют из ее способности к обобщению и выделению скрытых зависимостей между входными и выходными данными. После обучения ИНС способна предсказать будущее значение последовательности на основе нескольких предыдущих значений и/или каких-то существующих в настоящий момент факторов.

Внастоящее время ИНС являются важным расширением понятия вычисления. Они уже позволили справиться с рядом непростых проблем и обещают создание новых программ и устройств, способных решать задачи, которые пока под силу только человеку. [1]

Целью данной работы являлось изучение данного метода прогнозирования, оценка его эффективности и пригодности в выбранном приложении, выработка рекомендаций и методологии использования сетей применительно к прогнозированию показателей деятельности предприятия.

Исходными данными для анализа служат результаты, полученные в ходе разработки имитационной модели виртуального предприятия.

Факторы модели (в скобках указано значение или диапазон параметров): ставка налога на добавленную стоимость (20%), ставка ФСЗН (34%), цена на комплектующие и оборудование (100 000; 3 500 000), цена на топливо (4000; 5000), цена на сырье (2500; 3500), персонал, средняя зарплата рабочего (800 000; 1 000 000), амортизационные отчисления (1 0000 000; 1 5000 000),

отпускная цена (1200;1400), объем производства (9 000;14 000). Выходные данные: себестоимость продукции, прибыль организации.

Ковариаты налоговых ставок были исключены в рамках этой модели, т.к.

впериодах представляли собой константы.

Врезультате исследования была определена следующая методология:

1.Сбор данных для обучения;

Для сбора данных была использована имитационная модель. Входными данными по периодам служат случайные числа в указанных в спецификации модели диапазонах. Ковариаты налоговых ставок были исключены в рамках этой модели, т.к. в периодах представляли собой константы.

2.Подготовка и нормализация данных;

Средствами Excel и IBM Statistics были проведены необходимые операции над данными, включая стандартизацию [4].

3.Выбор топологии сети;

787

Для целей прогнозирования был выбран многослойный персептрон.

4.Экспериментальный подбор характеристик сети;

В результате экспериментов оптимальным явился один скрытый слой с 3 нейронами, включая нейрон смещения. Дальнейшее увеличение нейронов не приводило к значительному снижению ошибки, однако значительно усложняло структуру сети, а значит и дальнейший анализ полученной модели.

5.Экспериментальный подбор параметров обучения;

6.Собственно обучение

7.Проверка адекватности обучения;

8.Корректировка параметров, окончательное обучение;

После проведения первых экспериментов были снижена допустимая ошибка и увеличены количество эпох. Время обучения возросло в несколько раз, однако результаты прогноза значительно улучшились

9. Вербализация сети с целью дальнейшего использования. Результаты моделирования:

Размах остатков составил менее 2 000 000 рублей, что составляет 2% от среднего значения полной себестоимости и 9% от значения средней прибыли. Точность прогноза для себестоимости по контрольной и обучающей выборке составляет ±1%, для прибыли ±5%.

В рамках данной работы был рассмотрен метод прогнозирования на основе нейронных сетей, обоснована актуальность и перспективность использования данного метода в поиске зависимостей, закономерностей и обобщения информации экономического характера.

Также был исследован механизм построения ИНС для целей прогнозирования основных показателей предприятия (общей себестоимости продукции и прибыли от реализации), для чего было смоделировано виртуальное предприятие и получены данные о деятельности за 36 прошлых периодов и 6 прогнозных.

Проведѐнный анализ полученной обученной нейросетевой модели показал высокую точность результативных показателей, значительно превышая точность регрессионных методов (размах остатков составлял до 500%)

Литературные источники

1.Хайкин, Саймон.Нейронные сети: полный курс. Второе издание. Москва :

Издательских дом "Вильями", 2006. ISBN 5-8459-0890-6.

2.Барский, А. Б.Нейронные сети: распознавание, управление, принятие. Москва :

Финансы и статистика, 2004.

3.Neural networks : algorithms, applications, and programming techniques. Freeman, James A. and Skapura, David M. s.l. : Addison-Wesley Publishing Company, 1991. ISBN 0-201- 51376-5.

4.Я.Л., Гобарева, О.Ю., Городецкая и А.В., Золотарюк.Технология экономических расчетов средствами Excel. Москва : б.н., 2006.

788

Терлюкевич Мария, Ляхова Анастасия

Оптимизационные модели антикризисного менеджмента

Белорусский государственный экономический университет

В данный момент мировая экономика, как на макро, так и на микроуровне, переживает на себе последствия мирового финансового кризиса, начавшегося в 2008 году. В сложившейся ситуации все, начиная от высокопоставленных глав крупных компаний и заканчивая главами обычных семей, находятся в поиске способов ликвидации последствий кризиса и недопущения повторения подобной ситуации в будущем.

Основной задачей антикризисного управления является обеспечение стабильного положения предприятия на рынке, недопущение банкротства. В представленном ракурсе упор делается на преодоление временных трудностей, в том числе и финансовых, посредством использования всех возможностей современного менеджмента, разработки и практической реализации на каждом предприятии специальной программы, носящей стратегический характер, которая позволила бы предприятию не допустить кризисного состояния на перспективу.

Целью исследования является построение оптимизационной модели антикризисного менеджмента для получения оптимальной стратегии развития предприятия.

Для достижения поставленной цели был произведен сравнительный анализ существующих моделей, оценивающих вероятность банкротства предприятия, и с учетом особенностей исследуемого предприятия была разработана собственная модель на основе метода главных компонент.

Антикризисное управление существенно отличается от обычных приемов, форм и технологий менеджмента. Это объясняется следующим:

1.главной целью его является обеспечение прочного положения на рынке

истабильно устойчивых финансов компании при любых экономических, политических и социальных изменениях в стране;

2.в его рамках применяются в основном те управленческие инструменты, которые в текущих условиях наиболее эффективны в устранении временных финансовых затруднений и решении актуальных текущих проблем фирмы;

3.в основе антикризисного управления лежит процесс постоянных и последовательных инноваций во всех звеньях и областях функционирования предприятия;

4.антикризисное управление нацелено на то, что даже в сложной ситуации, в которой оказалось предприятие, даже на грани банкротства можно ввести в действие механизмы, которые позволят преодолеть трудности с наименьшими для предприятия потерями.

Функциональная модель системы антикризисного управления финансами предприятия представляет комплекс теоретически обоснованных моделей антикризисной деятельности, ориентированный на поэтапную реализацию мероприятий, направленных на ликвидацию негативных проявлений, свойственных каждой стадии развития кризисного процесса, а также имеющий

789

целью в результате ускорения темпов устойчивого экономического роста компании восстановление ее потенциала, финансового успеха и обеспечение соответствующего роста ее рыночной стоимости в долгосрочной перспективе.

Оптимизационная модель представляет собой систему мер антикризисного финансово–экономического управления, вырабатываемую самой компанией. Ее действие связано с возможностью не только избежать угрозы банкротства, но и избавить компанию от зависимости, в первую очередь, неэффективного использования заемного капитала, ускорить темпы ее экономического развития.

Применение комплекса различных оптимизационных антикризисных моделей позволят предприятию найти упущенные резервы, определить оптимальный путь выхода из кризисной ситуации.

Литературные источники

1Айвазян, З.С. Антикризисное управление: Принятие решений на краю пропасти [Электронный ресурс] / М.: 2011. – 10 с.

2Бирюкова, О.Ю. Приемы антикризисного менеджмента / О. Ю. Бирюкова, Л.А. Бочкова. – М.: Litres: 2008. – 430 с.

3Глухов, В.В. Математические методы и модели для менеджмента / В.В. Глухов, М.Д. Медников, С.Б. Коробко. – 2-е изд. Спб.: Лань, 2005. – 528 с.

4Зубарева, В.Д. Моделирование финансового состояния нефтегазовых компаний

/В.Д. Зубарева, Д.А. Мурадов // Финансовый менеджмент. – 2007. - №6. – С.15-21

5Пелих, А.С. Экономико-математические методы и модели в управлении производством / А.С. Пелих, Л.Л. Терехов, Л.А. Терехова. – Ростов н/Д: Феникс: 2005. – 248 с.

6Розен, В.В. Математические модели принятия решений в экономике / В.В. Розен. – М.: Высшая школа: 2002. – 288 с.

7Фомин, Я.А. Диагностика кризисного состояния предприятия / Я.А. Фомин. – М.:Финансово-промышленная академия: 2004. – 61 с.

8Юн, Г.Б. Методология антикризисного управления / Г.Б. Юн. – М.: Дело: 2004.

– 432 с.

790