Моделирование работы банка

Для эффективного решения непосредственно управленческих задач, достижения устойчивого и прибыльного функционирования банка необходимо проведение глубокого анализа всех сторон его деятельности на основе внутренней информации: рентабельности комплекса оказываемых услуг и операций, окупаемости произведенных затрат, прибыльности функционирования отдельных подразделений и др. Особую важность подобный анализ приобретает в условиях обострившейся конкуренции на банковских рынках, усиления регулирующих ограничений со стороны государственных органов, участившихся банкротств и отзывов лицензий коммерческих банков.

2.Виды моделей. 2.1.Линейное программирование.

Ответственные решения в современных целенаправленных системах планирования и управления должны быть в некотором смысле экстремальными или близкими к ним. Отступление от этого принципа обычно связано с излишними затратами (часто весьма значительными) и снижает эффективность управления (часто весьма существенно). Большое число задач планирования, управления и проектирования укладывается в схему линейного программирования: C x min, (1.1) Ax b, (1.2) X 0. (1.3) Еще более широкий класс задач выбора эффективного решения укладывается в рамки общей схемы математического программирования. План, набор команд управления или проект часто могут быть формально представлены в виде системы чисел или функций, удовлетворяющих определенным ограничениям равенствам, неравенствам или логическим соотношениям. План, система команд управления или проект оптимальны, если они, кроме того, обращают в минимум или в максимум (в зависимости от постановки задачи) некоторую функцию от искомых параметров показатель качества решения. Запись (1.1)(1.3), вполне осмысленная при детерминированных значениях параметров условий задачи, теряет определенность и требует дополнительных разъяснений при случайных значениях исходных данных. Между тем во многих прикладных задачах коэффициенты cj целевой функции, элементы матрицы условий А или составляющие вектора ограничений b случайные величины. Исходная информация для планирования, проектирования и управления в экономике, как правило, недостаточно достоверна. Планирование производства обычно ведется в условиях неполной информации об обстановке, в которой будет выполняться план и реализовываться произведенная продукция. Во всех случаях в моделях математического программирования, к исследованию которых сводятся задачи планирования, проектирования и управления, отдельные или все параметры целевой функции и ограничений могут оказаться неопределенными или случайными, Естественный на первый взгляд путь анализа подобных задачзамена случайных параметров их средними значениями и вычисление оптимальных планов полученных таким образом детерминированных моделейне всегда оправдан. При сглаживании параметров условий задачи может быть нарушена адекватность модели изучаемому явлению. Усреднение исходных данных может привести к потере полезной информации и привнести в модель ложную информацию. Решение детерминированной задачи с усредненными параметрами может не удовлетворять ограничениям исходной модели при допустимых реализациях параметров условий.

2.2.Стохастическое программирование.

В одних случаях опыт, статистика и изучение процессов, определяющих изменение исходных данных и формирующих условия, в которых реализуется план, проект или система управления, позволяют устанавливать те или иные вероятностные характеристики параметров целевой функции и ограничений задачи. В других случаях нет оснований, для каких бы то ни было суждений о статистических особенностях явлений, способных изменить предполагаемые значения параметров условий задачи. Ситуации первого типа называются ситуациями, связанными с риском, а ситуации второго типанеопределенными. И те, и другие являются предметом исследования стохастического программированияраздела математического программирования, изучающего теорию и методы решения условных экстремальных задач при неполной информации о параметрах условий задачи. Постановки задач стохастического программирования существенным образом зависят от целевых установок и информационной структуры задачи. В приложениях стохастическое программирование используется для решения задач двух типов. В задачах первого типа прогнозируются статистические характеристики поведения множества идентичных экстремальных систем. Соответствующий раздел стохастического программирования будем называть пассивным стохастическим программированием. Модели второго типа предназначены для построения методов и алгоритмов планирования и управления в условиях неполной информации. Соответствующий раздел стохастического программирования будем называть активным стохастическим программированием, подчеркивая этим действенную целевую направленность моделей. Подходы к постановке и анализу стохастических экстремальных задач существенно различаются в зависимости от того, получена ли информация о параметрах условий задачи (пли об их статистических характеристиках) в один прием или по частям (в два или более этапов). При построении стохастической модели важно также знать, необходимо ли единственное решение, не подлежащее корректировке, или можно по мере накопления информации один или несколько раз подправлять решение. Другими словами, речь идет о том, какая задача рассматривается: статическая или динамическая. В соответствии с этим в стохастическом программировании исследуются одноэтапные, двухэтапные и многоэтапные задачи. Статические, или одноэтапные, задачи стохастического программирования представляют собой естественные стохастические аналоги детерминированных экстремальных задач, в которых динамика поступления исходной информации не играет роли, а решение принимается один раз и не корректируется. Одноэтапные стохастические задачи, как те, что порождены детерминированными моделями стохастического программирования, так и те, что имеют смысл только при случайных параметрах условий, различаются характером ограничений и выбором целевой функции. Разработка предварительного плана и компенсация невязокдва этапа решения одной задачи. В соответствии с этим задачи рассматриваемого типа называют двухэтапными задачами стохастического программирования. Естественным обобщением двухэтапных задач являются многоэтапные (динамические) задачи стохастического программирования. Часто в процессе управления представляется возможность последовательно наблюдать ряд реализаций параметров условий и соответствующим образом корректировать план. Естественно, что как предварительный план, так и последовательные корректировки должны, помимо содержательных ограничений, учитывать априорные статистические характеристики случайных параметров условий на каждом этапе. К анализу многоэтапных задач стохастического программирования сводятся формальные исследования численных методов планирования производства и развития экономической системы. Роль стохастических моделей и методов в исследовании закономерностей поведения экономических систем