Преимущества и недостатки математических моделей в экономических исследованиях.

Топчий Иван Максимович, Ивахненко Наталья Николаевна,

ДонНУЭТ им. М. Туган – Барановского

Моделирование в научных исследованиях стало применяться еще в глубокой древности и постепенно захватывало все новые области научных знаний: техническое конструирование, строительство и архитектуру, астрономию, физику, химию, биологию и, наконец, общественные науки. Большие успехи и признание практически во всех отраслях современной науки принес методу моделирования ХХ в. Однако методология моделирования долгое время развивалась независимо отдельными науками. Отсутствовала единая система понятий, единая терминология. Лишь постепенно стала осознаваться роль моделирования как универсального метода научного познания.

Сегодня на базе критического рационализма экономические науки сближаются с двух сторон экономической действительности. С одной стороны, теоретические научные программы пытаются распознать внутреннюю структуру, заложенную в многочисленных формах проявления реальности, сформулировать по возможности простые и обобщенные гипотезы о причинно-следственных связях и закономерностях, проверить их эмпирически и воплотить в разъяснительных и прогнозных моделях. С другой стороны, задачей науки об экономике предприятия является содействие принятию решений. Это означает, что модели принятия решения по целям и средствам должны разрабатываться как основа рекомендаций для действий по решению практических проблем.

Математические модели обеспечивают систематическое осмысление проблем и позволяют одновременно учитывать все влияющие на них факторы. Вместе с тем, раскрывая все предпосылки, они становятся более уязвимыми для критики по сравнению с умозрительными моделями, где исходные пункты рассуждений формулируются их создателями. Все же близкие к практике рекомендации могут быть получены, если при построении модели принятия решений изначально отказаться от применения оптимизационных алгоритмов и придать большее значение учету существенных структурных элементов наблюдаемого фрагмента реальности. В результате формируется имитационная модель принятия решений. Она решается не аналитически, а экспериментально или эвристически, что вследствие резкого увеличения расчетов требует использования электронно-вычислительной техники. Благодаря компьютерным технологиям неожиданно для многих возрождается и математическое модельное мышление. С помощью имитации могут быть найдены удовлетворительные решения сложных проблем, тогда как оптимизационные модели позволяют получить оптимальные решения только для проблем с простой структурой.

Широкие возможности компьютерного имитационного моделирования приводят к разработке все более сложных конструкций моделей. Это порождает дополнительные проблемы не только для программиста, но и для пользователя. Количественное определение параметров модели (например, эластичности цены и рекламы) сталкивается с все большими трудностями. Поэтому часто приходится обращаться за недостающей информацией к экспертам, что при масштабных моделях со многими параметрами существенно усиливает спекулятивную природу практических рекомендаций.

Слабым местом математических моделей принятия решений является не только проблема определения параметров, но и лежащее глубже несовершенство оценочных теорий как основы их конструкций. Так, при применении диффузионной модели более совершенные теории могли бы объяснить взаимное влияние цены и рекламы. Это способствовало бы решению вопроса: увеличивает ли реклама чувствительность к цене (так как она информирует) или уменьшает ее (так как она убеждает)? Отсутствие ответов на подобного рода вопросы свидетельствует о несовершенстве экономических теорий.

Потенциальная возможность математического моделирования любых экономических объектов и процессов не означает, разумеется, ее успешной осуществимости при данном уровне экономических и математических знаний, имеющейся конкретной информации и вычислительной технике. И хотя нельзя указать абсолютные границы математической формализуемости экономических проблем, всегда будут существовать еще неформализованные проблемы, а также ситуации, где математическое моделирование недостаточно эффективно.

Литература:

1. http://vasilievaa.narod.ru/ptpu/16_3_98.htm.

2. http://www.masters.donntu.edu.ua/2008/fvti/zaytseva/library/3%E0.htm