2025-04-16=
Игры - 5 - Заход на новый рынок
Детали
- В составе игр на деревьях меньше “именных” игр с устоявшимися англоязычными названиями, но “Заход на новый рынок” имеет сразу два: “Заход” (Entry) и “Химчистка” (Dry Cleaners).
- Описание игры “Химчистка”.
- Предприниматель пытается решить стоит ли открывать новую химчистку (“Новая Химчистка”) в городе, где уже работает одна химчистка (“Старая Химчистка”).
- У “Новой Химчистки” нет уверенности, что экономика в ближайшее время не впадет в рецессию (это влияет на снижение уровня оплат за услуги). “Новая Химчистка” также не знает, как поведет себя “Старая Химчистка” при ее заходе на рынок: начнет ценовую войну (занижая цены) или оставит свои цены на прежнем уровне.
- Помимо этого “Новой химчистке” надо решить, какое оборудование закупить, какое количество персонала нанять..., что зависит от планируемого уровня цен и доходов.
- Будем считать, что “Старая Химчистка” - это хорошо зарекомендовавшая себя компания и она выживет в любой ценовой войне (при этом, возможно, ее прибыль упадет).
- В игре участвует два игрока “Новая Химчистка” и “Старая Химчистка”. Будем считать, что клиенты химчисток предсказуемо реагируют на изменение цен и не считают нужным своими действиями изменить чью-то манеру ведения бизнеса: они не игроки, а параметры среды.
- В качестве еще одного игрока введем “Универсум” (universum, действительность), который в данной игре будет определять возможность рецессии. В итоге, в игре принимает участие 3 игрока.
- Цель игры - на основе вычислений постараться ответить на простой вопрос: “заходить на рынок или нет”. Выбор действий также сведен к простому набору для цены за услуги: “высокая” - “низкая”.
- После начала игры “Старая химчистка” будет знать только о том, что “Новая химчистка” зашла на рынок. Обе компании не знают, началась ли в данный период времени рецессия (значение “Универсум”).
- В оранжевой рамке приведены выплаты, если рецессия не наступила, и в случае, когда рецессия наступила. Фактически в одной игре “Химчистка” присутствует два сценария (две игры).
- Цвета игроков: “Универсум” - синий, “Старая Химчистка” - желтый и “Новая Химчистка” - зеленый.
- В красной рамке приведено полное дерево игры “Химчистка”.
- В синей рамке найдено оптимальное поведение в смысле “путей с идеальным равновесием” - SPE.
- В случае “Без рецессии” “Старой химчистки” надо оставлять высокую цену, а “Новая Химчистка” также должна выбрать высокую цену.
- В случае “При рецессии” “Старой химчистки” надо также оставить высокую цену, а “Новая Химчистка”, выбрав высокую цену, останется в “нулях” (без прибыли и без убытков). Низкая цена ведет “Новую Химчистку” к разорению.
- Полученных данных “Новой Химчистке” должно быть достаточно, чтобы решить, заходить на новый рынок или нет. Понять, будет рецессия или нет, “Новая Химчистка” не может, но знает, что при рецессии она в лучшем случае будет в “нулях”.
Идеи, цели, выводы
1. Достаточно сложный этап комбинаторного перебора действий игроков в данном случае “решатель” игр на деревьях берет на себя. Поэтому самым сложным этапом при моделировании конкретной ситуации становится этап вычисления выплат.
2. Цель игрового моделирования - объяснить, как некоторый набор обстоятельств приводит к определенному результату (исходу).
3. Исход игры зависит от того, какие факторы (переменные) были выбраны как “интересные”.
4. В рассматриваемой задаче основной “интерес” сводится к тому, чтобы решить “заходить на новый рынок или нет”. Поэтому все выплаты привязаны именно к этому вопросу. Но можно поставить много других вопросов, например, оптимальный уровень цен...
Игры - 5 - Заход на новый рынок
Детали
- В составе игр на деревьях меньше “именных” игр с устоявшимися англоязычными названиями, но “Заход на новый рынок” имеет сразу два: “Заход” (Entry) и “Химчистка” (Dry Cleaners).
- Описание игры “Химчистка”.
- Предприниматель пытается решить стоит ли открывать новую химчистку (“Новая Химчистка”) в городе, где уже работает одна химчистка (“Старая Химчистка”).
- У “Новой Химчистки” нет уверенности, что экономика в ближайшее время не впадет в рецессию (это влияет на снижение уровня оплат за услуги). “Новая Химчистка” также не знает, как поведет себя “Старая Химчистка” при ее заходе на рынок: начнет ценовую войну (занижая цены) или оставит свои цены на прежнем уровне.
- Помимо этого “Новой химчистке” надо решить, какое оборудование закупить, какое количество персонала нанять..., что зависит от планируемого уровня цен и доходов.
- Будем считать, что “Старая Химчистка” - это хорошо зарекомендовавшая себя компания и она выживет в любой ценовой войне (при этом, возможно, ее прибыль упадет).
- В игре участвует два игрока “Новая Химчистка” и “Старая Химчистка”. Будем считать, что клиенты химчисток предсказуемо реагируют на изменение цен и не считают нужным своими действиями изменить чью-то манеру ведения бизнеса: они не игроки, а параметры среды.
- В качестве еще одного игрока введем “Универсум” (universum, действительность), который в данной игре будет определять возможность рецессии. В итоге, в игре принимает участие 3 игрока.
- Цель игры - на основе вычислений постараться ответить на простой вопрос: “заходить на рынок или нет”. Выбор действий также сведен к простому набору для цены за услуги: “высокая” - “низкая”.
- После начала игры “Старая химчистка” будет знать только о том, что “Новая химчистка” зашла на рынок. Обе компании не знают, началась ли в данный период времени рецессия (значение “Универсум”).
- В оранжевой рамке приведены выплаты, если рецессия не наступила, и в случае, когда рецессия наступила. Фактически в одной игре “Химчистка” присутствует два сценария (две игры).
- Цвета игроков: “Универсум” - синий, “Старая Химчистка” - желтый и “Новая Химчистка” - зеленый.
- В красной рамке приведено полное дерево игры “Химчистка”.
- В синей рамке найдено оптимальное поведение в смысле “путей с идеальным равновесием” - SPE.
- В случае “Без рецессии” “Старой химчистки” надо оставлять высокую цену, а “Новая Химчистка” также должна выбрать высокую цену.
- В случае “При рецессии” “Старой химчистки” надо также оставить высокую цену, а “Новая Химчистка”, выбрав высокую цену, останется в “нулях” (без прибыли и без убытков). Низкая цена ведет “Новую Химчистку” к разорению.
- Полученных данных “Новой Химчистке” должно быть достаточно, чтобы решить, заходить на новый рынок или нет. Понять, будет рецессия или нет, “Новая Химчистка” не может, но знает, что при рецессии она в лучшем случае будет в “нулях”.
Идеи, цели, выводы
1. Достаточно сложный этап комбинаторного перебора действий игроков в данном случае “решатель” игр на деревьях берет на себя. Поэтому самым сложным этапом при моделировании конкретной ситуации становится этап вычисления выплат.
2. Цель игрового моделирования - объяснить, как некоторый набор обстоятельств приводит к определенному результату (исходу).
3. Исход игры зависит от того, какие факторы (переменные) были выбраны как “интересные”.
4. В рассматриваемой задаче основной “интерес” сводится к тому, чтобы решить “заходить на новый рынок или нет”. Поэтому все выплаты привязаны именно к этому вопросу. Но можно поставить много других вопросов, например, оптимальный уровень цен...
2025-04-17=
Игры - 9 - Из каких структур данных можно сформировать игру на дереве
Детали
- Описание бизнес-процесса представляет собой граф, но не дерево.
- Чтобы описание бизнес-процесса можно было свести к конструкции дерева, необходимо по-другому представить циклы, присутствующие в бизнес-процессе, и научиться интерпретировать блоки IF.
- Добиться этого не сложно.
- Блок IF можно заменить узлом с двумя выходами, которым приписана вероятность (p) и (1 - p).
- Цикл можно разорвать и представить как итерационное движение (Do) по “внутреннему” дереву цикла. Перед каждой новой итерацией для всех путей считаются получающиеся выигрыши, которые теперь входят в состав начальных условий новой итерации цикла.
- Бизнес-процесс, который имеет смысл представить игрой на дереве, должен относиться к вопросам, для которых можно оценить выигрыши в одной итерации и которые достаточно злободневные, чтобы результаты моделирования были интересны многим специалистам.
- По большому счету, циклы бизнес-процессов связаны либо с процедурами согласования, либо с повторяющимися в различных комбинациях типовыми операциями производственного потока.
- Представление согласований в виде игр на дереве дает возможность учитывать качество аргументов заинтересованных сторон.
- Каждое ветвление дерева можно дополнить вероятностями, которые определяют последующий путь. В каком-то смысле это более полезно для описания бизнес-процесса, чем невнятный блок IF.
- В играх на деревьях вероятностное ветвление может отражать более двух вариантов. Главное, чтобы сумма всех вероятностей равнялась 1.
- Таким образом, многие бизнес-процессы можно свести к итерациям по деревьям, в которых IF заменены вероятностями ветвлений по одной или другой ветви блоков IF.
- Сложность моделируемой в игре ситуации может быть любой. Она ограничена возможностью исследователя обозревать игру и понимать получаемые результаты.
- В зеленой рамке приведен бизнес-процесс, лежащий в основе телешоу ”Давай заключим сделку” (Let’s Make a Deal), проводившегося на американском TV . Суть телешоу можно свести к вероятностной игре, которая получила “именное” название “Парадокс Монти Холла” (Monty Hall - ведущий этого телешоу).
- Описание игры. “Игрок” должен выбрать одну из трех дверей: А, В, С. За одной из дверей находится автомобиль, за двумя другими дверьми - козы. “Игрок” выбирает одну из дверей, например, А, после этого “Ведущий”, который знает, где находится автомобиль, а где - козы, открывает одну из оставшихся дверей, например, С, за которой находится коза. После этого “Ведущий” спрашивает “Игрока” не желает ли он изменить свой выбор...
- У “Игрока” есть несколько вариантов действий и все они приведены в виде дерева в зеленой рамке. При этом в определенных узлах указана предпочтительная вероятность того или другого пути, что эквивалентно наличию блока IF.
Идеи, цели, выводы
1. Игры на деревьях являются достойной альтернативой инструментариев, предлагаемых в ходе реализации “процессного” подхода. При этом переводить в игры можно выборочно и только те фрагменты бизнес-процессов, которые кажутся интересными для бизнеса.
2. Отсутствие жестких типовых конструкций для моделирования динамики бизнес-процесса дает возможность подбирать в каждой ситуации игру, наиболее полно отражающую специфику решаемой задачи.
3. Несомненным достоинством игр на деревьях является легкость соответствующего инструментария, его выборочность и недвусмысленность получаемых результатов.
Игры - 9 - Из каких структур данных можно сформировать игру на дереве
Детали
- Описание бизнес-процесса представляет собой граф, но не дерево.
- Чтобы описание бизнес-процесса можно было свести к конструкции дерева, необходимо по-другому представить циклы, присутствующие в бизнес-процессе, и научиться интерпретировать блоки IF.
- Добиться этого не сложно.
- Блок IF можно заменить узлом с двумя выходами, которым приписана вероятность (p) и (1 - p).
- Цикл можно разорвать и представить как итерационное движение (Do) по “внутреннему” дереву цикла. Перед каждой новой итерацией для всех путей считаются получающиеся выигрыши, которые теперь входят в состав начальных условий новой итерации цикла.
- Бизнес-процесс, который имеет смысл представить игрой на дереве, должен относиться к вопросам, для которых можно оценить выигрыши в одной итерации и которые достаточно злободневные, чтобы результаты моделирования были интересны многим специалистам.
- По большому счету, циклы бизнес-процессов связаны либо с процедурами согласования, либо с повторяющимися в различных комбинациях типовыми операциями производственного потока.
- Представление согласований в виде игр на дереве дает возможность учитывать качество аргументов заинтересованных сторон.
- Каждое ветвление дерева можно дополнить вероятностями, которые определяют последующий путь. В каком-то смысле это более полезно для описания бизнес-процесса, чем невнятный блок IF.
- В играх на деревьях вероятностное ветвление может отражать более двух вариантов. Главное, чтобы сумма всех вероятностей равнялась 1.
- Таким образом, многие бизнес-процессы можно свести к итерациям по деревьям, в которых IF заменены вероятностями ветвлений по одной или другой ветви блоков IF.
- Сложность моделируемой в игре ситуации может быть любой. Она ограничена возможностью исследователя обозревать игру и понимать получаемые результаты.
- В зеленой рамке приведен бизнес-процесс, лежащий в основе телешоу ”Давай заключим сделку” (Let’s Make a Deal), проводившегося на американском TV . Суть телешоу можно свести к вероятностной игре, которая получила “именное” название “Парадокс Монти Холла” (Monty Hall - ведущий этого телешоу).
- Описание игры. “Игрок” должен выбрать одну из трех дверей: А, В, С. За одной из дверей находится автомобиль, за двумя другими дверьми - козы. “Игрок” выбирает одну из дверей, например, А, после этого “Ведущий”, который знает, где находится автомобиль, а где - козы, открывает одну из оставшихся дверей, например, С, за которой находится коза. После этого “Ведущий” спрашивает “Игрока” не желает ли он изменить свой выбор...
- У “Игрока” есть несколько вариантов действий и все они приведены в виде дерева в зеленой рамке. При этом в определенных узлах указана предпочтительная вероятность того или другого пути, что эквивалентно наличию блока IF.
Идеи, цели, выводы
1. Игры на деревьях являются достойной альтернативой инструментариев, предлагаемых в ходе реализации “процессного” подхода. При этом переводить в игры можно выборочно и только те фрагменты бизнес-процессов, которые кажутся интересными для бизнеса.
2. Отсутствие жестких типовых конструкций для моделирования динамики бизнес-процесса дает возможность подбирать в каждой ситуации игру, наиболее полно отражающую специфику решаемой задачи.
3. Несомненным достоинством игр на деревьях является легкость соответствующего инструментария, его выборочность и недвусмысленность получаемых результатов.
2025-04-21=
Блокчейн - 1 - Доказательство с нулевым разглашением или задача об Алисе и Бобе
Детали
- Доказательство с нулевым разглашением (Zero-knowledge proof) представляет собой интерактивный криптографический протокол с открытым ключом, позволяющий одной из взаимодействующих сторон убедиться в достоверности какого-либо утверждения, даже если другая сторона не раскроет информацию, касающуюся этого утверждения.
- Алиса и Боб (Alice и Bob) традиционные в криптографии имена для обозначения: первый - второй, сторона А - сторона Б или проверяющий (verifier) - доказывающий (prover).
- Алиса и Боб очень скрытные. Они предпочитают избегать разглашения каких-либо сведений.
- Пусть Алиса и Боб должны выбрать, кто первый будет что-то делать. Для этого они решили из колоды пик вытянуть по одной карте, и у кого окажется большая карта, то тот будет первым.
- Из-за профессиональной деформации и Алиса, и Боб не хотят показать друг другу свои карты. Но решить задачу, кто будет первым, можно с помощью метода доказательства с нулевым разглашением, который не потребует открытие карт Алисы и Боба.
- В желтой рамке - колода пик из 13 карт. Все карты разные, поэтому Алиса и Боб, вытаскивая карту (в колоду не возвращают), не могут вытянуть одинаковые карты.
- В синей рамке карты, которые вытянули Алиса и Боб, но сами они не знают карт друг друга.
- Затем были сгенерированы 13 паролей (симметричных ключей) по числу карт. Боб выбрал случайным образом свой пароль, а Алиса получила 12 оставшихся паролей.
- Алиса не знает пароль Боба, а Боб не знает других паролей. Пароль, который выбрал Боб, сам по себе не слишком важен. Бобу даже не нужно помнить, но нужно хранить свой пароль - пароль нужен только для технической операции расшифровки своей карты.
- Дальше Алиса и Боб договорились о следующей процедуре. Карта Боба зашифрована паролем Боба, а остальные 12 карт были зашифрованы случайным образом оставшимися 12 паролями.
- В итоге получилось 13 зашифрованных объектов. Один из них Боб может расшифровать своим паролем, но не 12 других.
- Затем Алиса выполнила следующую процедуру. Перебирая все 13 зашифрованных объекта, она подбирала к ним пароли, расшифровывала и добавляла к ним запись “больше”, “меньше” и “равно”, которая характеризовала отношение текущей расшифрованной карты и собственно карты Алисы (“больше” означает, что карта Алисы больше...). Потом карты зашифровывались их паролями.
- Теперь расшифровав свою карту, Боб мог видеть, что написала Алиса (информация в фиолетовой рамке). Таким образом Боб смог узнать, что карта Алисы больше, хотя она и не раскрыла свою карту.
- Если Алиса и Боб поменяются ролями, то Алиса узнает, что карта Боба меньше.
- Чтобы исключить жульничество, описанную процедуру надо запустить несколько раз.
- Еще один источник мошенничества возникает, если Алиса и Боб выполняют соответствующие процедуры на своем компьютере. Исключить это можно используя общее надежное пространство для вычислений.
Идеи, цели, выводы
1. Доказательство с нулевым разглашением позволяет доказать, что человек обладает нужным паролем, не раскрывая проверяющему свой пароль.
2. Доказательство с нулевым разглашением применяется в блокчейнах для подтверждения действительности транзакции, не раскрывая личность отправителя или получателя.
Блокчейн - 1 - Доказательство с нулевым разглашением или задача об Алисе и Бобе
Детали
- Доказательство с нулевым разглашением (Zero-knowledge proof) представляет собой интерактивный криптографический протокол с открытым ключом, позволяющий одной из взаимодействующих сторон убедиться в достоверности какого-либо утверждения, даже если другая сторона не раскроет информацию, касающуюся этого утверждения.
- Алиса и Боб (Alice и Bob) традиционные в криптографии имена для обозначения: первый - второй, сторона А - сторона Б или проверяющий (verifier) - доказывающий (prover).
- Алиса и Боб очень скрытные. Они предпочитают избегать разглашения каких-либо сведений.
- Пусть Алиса и Боб должны выбрать, кто первый будет что-то делать. Для этого они решили из колоды пик вытянуть по одной карте, и у кого окажется большая карта, то тот будет первым.
- Из-за профессиональной деформации и Алиса, и Боб не хотят показать друг другу свои карты. Но решить задачу, кто будет первым, можно с помощью метода доказательства с нулевым разглашением, который не потребует открытие карт Алисы и Боба.
- В желтой рамке - колода пик из 13 карт. Все карты разные, поэтому Алиса и Боб, вытаскивая карту (в колоду не возвращают), не могут вытянуть одинаковые карты.
- В синей рамке карты, которые вытянули Алиса и Боб, но сами они не знают карт друг друга.
- Затем были сгенерированы 13 паролей (симметричных ключей) по числу карт. Боб выбрал случайным образом свой пароль, а Алиса получила 12 оставшихся паролей.
- Алиса не знает пароль Боба, а Боб не знает других паролей. Пароль, который выбрал Боб, сам по себе не слишком важен. Бобу даже не нужно помнить, но нужно хранить свой пароль - пароль нужен только для технической операции расшифровки своей карты.
- Дальше Алиса и Боб договорились о следующей процедуре. Карта Боба зашифрована паролем Боба, а остальные 12 карт были зашифрованы случайным образом оставшимися 12 паролями.
- В итоге получилось 13 зашифрованных объектов. Один из них Боб может расшифровать своим паролем, но не 12 других.
- Затем Алиса выполнила следующую процедуру. Перебирая все 13 зашифрованных объекта, она подбирала к ним пароли, расшифровывала и добавляла к ним запись “больше”, “меньше” и “равно”, которая характеризовала отношение текущей расшифрованной карты и собственно карты Алисы (“больше” означает, что карта Алисы больше...). Потом карты зашифровывались их паролями.
- Теперь расшифровав свою карту, Боб мог видеть, что написала Алиса (информация в фиолетовой рамке). Таким образом Боб смог узнать, что карта Алисы больше, хотя она и не раскрыла свою карту.
- Если Алиса и Боб поменяются ролями, то Алиса узнает, что карта Боба меньше.
- Чтобы исключить жульничество, описанную процедуру надо запустить несколько раз.
- Еще один источник мошенничества возникает, если Алиса и Боб выполняют соответствующие процедуры на своем компьютере. Исключить это можно используя общее надежное пространство для вычислений.
Идеи, цели, выводы
1. Доказательство с нулевым разглашением позволяет доказать, что человек обладает нужным паролем, не раскрывая проверяющему свой пароль.
2. Доказательство с нулевым разглашением применяется в блокчейнах для подтверждения действительности транзакции, не раскрывая личность отправителя или получателя.
2025-04-22=
Cryptourgy - Выявление закамуфлированных целей и ценностей в бизнес-системе (1 из 2)
Детали
- В современном обороте используют термины - “Криптография” (Cryptography) для обозначения группы методов, позволяющих безопасно коммуницировать во враждебном окружении, и “Криптология” (Cryptology) для позиционирования науки, системно исследующей и разрабатывающей методы шифрования и дешифрования.
- Теория познания также направлена на раскрытие “секретов”, которые скрываются в Реальности.
- Определим “Криптургию” (Cryptourgy) как технику работы с закамуфлированными целями и ценностями в бизнес-системах.
- Криптургию можно позиционировать как “прикладную теорию познания”, объектом которой является Действительность, сформированная человеком, и, в первую очередь, существующая экономика.
- Будет несложно согласиться, что первоначальное заведение бухгалтерских данных на небольшое количество счетов и последующее выявление “аналитических” закономерностей в образовавшемся хаосе совсем непохожи на классические процедуры шифрования и дешифрования. Эта проблема как раз для Криптургии.
- Сначала о целях.
- В медицинском плане отсутствие целей в непосредственных действиях человека расценивается как отклонение от нормы. Отсутствие смыслов в деятельности человека при наличии непосредственных (локальных) целей медицинским отклонением от нормы не считается.
- С другой стороны, “бесцельная”, но осмысленная творческая деятельность музыкантов, поэтов, ученых..., ведомая вдохновением и стремлением к абстрактно-глобальной гармонии, отклонением также не считается.
- Получается, что без локальных или глобальных целей человеку никак нельзя.
- В одном конце спектра целей можно расположить формулу “цель оправдывает средства”, принятую на вооружение макиавеллистами. В этом случае способы достижения цели выбираются исполнителями по собственному разумению.
- Другой конец спектра можно связать с формулой “цель - ничто, процесс - все”, при которой глобальные цели сводятся к локальным, а “чистое функционирование” само по себе становится целью существования.
- Можно предложить, что в середине спектра действует формула “цель как криптограмма”.
- Почему криптограмма:
= тем, кто цель ставит, необходимо ее закодировать в конструкциях, пригодных для непосредственного исполнения;
= те, кто реализует фрагменты цели, чаще всего пытаются воссоздать (додумать) исходную цель.
- Концепция “цель как криптограмма” важна для бизнеса несравненно больше, чем для других сфер деятельности человека.
- Обсуждение целей, а также формирование способов их достижения исполнителями (с учетом имеющихся интриг и желания продвижения собственных интересов) приводят к появлению в бизнес-системе множества вторичных и закамуфлированных целей.
- Демонстрация графиков BI чаще всего сопровождается словами “посмотрите, что же происходит на самом деле”. Тогда как все, вроде бы, должно происходить по плану в соответствии с регламентами, инструкциями...
- Аудит также плохо подходит для выявления закамуфлированных целей, так как оценивает соответствие деятельности принятым нормативным документам. И если закамуфлированные цели уже внесены в документы, то выявить их в ходе аудита никак не получится.
- Выявить вторичные и закамуфлированные цели можно только в ходе математического моделирования на основе реальных данных.
- Фактически получаемые мат.модели являются способом “расшифровать” цели, которым следует бизнес-система.
- Сравнение исходных целей и целей “расшифрованных” дает возможность выявить вторичные и закамуфлированные цели.
Идеи, цели, выводы
1. Проблема управленческого учета, понимаемая как сопоставление целей, действий и финансового результата, до сих пор не имеет ни системных решений, ни частных разработок, доведенных до практики принятия решений на местах.
2. Возможность сформировать управленческий учет напрямую связана с умением вычислять “внутренние ценности” бизнес-системы.
Cryptourgy - Выявление закамуфлированных целей и ценностей в бизнес-системе (1 из 2)
Детали
- В современном обороте используют термины - “Криптография” (Cryptography) для обозначения группы методов, позволяющих безопасно коммуницировать во враждебном окружении, и “Криптология” (Cryptology) для позиционирования науки, системно исследующей и разрабатывающей методы шифрования и дешифрования.
- Теория познания также направлена на раскрытие “секретов”, которые скрываются в Реальности.
- Определим “Криптургию” (Cryptourgy) как технику работы с закамуфлированными целями и ценностями в бизнес-системах.
- Криптургию можно позиционировать как “прикладную теорию познания”, объектом которой является Действительность, сформированная человеком, и, в первую очередь, существующая экономика.
- Будет несложно согласиться, что первоначальное заведение бухгалтерских данных на небольшое количество счетов и последующее выявление “аналитических” закономерностей в образовавшемся хаосе совсем непохожи на классические процедуры шифрования и дешифрования. Эта проблема как раз для Криптургии.
- Сначала о целях.
- В медицинском плане отсутствие целей в непосредственных действиях человека расценивается как отклонение от нормы. Отсутствие смыслов в деятельности человека при наличии непосредственных (локальных) целей медицинским отклонением от нормы не считается.
- С другой стороны, “бесцельная”, но осмысленная творческая деятельность музыкантов, поэтов, ученых..., ведомая вдохновением и стремлением к абстрактно-глобальной гармонии, отклонением также не считается.
- Получается, что без локальных или глобальных целей человеку никак нельзя.
- В одном конце спектра целей можно расположить формулу “цель оправдывает средства”, принятую на вооружение макиавеллистами. В этом случае способы достижения цели выбираются исполнителями по собственному разумению.
- Другой конец спектра можно связать с формулой “цель - ничто, процесс - все”, при которой глобальные цели сводятся к локальным, а “чистое функционирование” само по себе становится целью существования.
- Можно предложить, что в середине спектра действует формула “цель как криптограмма”.
- Почему криптограмма:
= тем, кто цель ставит, необходимо ее закодировать в конструкциях, пригодных для непосредственного исполнения;
= те, кто реализует фрагменты цели, чаще всего пытаются воссоздать (додумать) исходную цель.
- Концепция “цель как криптограмма” важна для бизнеса несравненно больше, чем для других сфер деятельности человека.
- Обсуждение целей, а также формирование способов их достижения исполнителями (с учетом имеющихся интриг и желания продвижения собственных интересов) приводят к появлению в бизнес-системе множества вторичных и закамуфлированных целей.
- Демонстрация графиков BI чаще всего сопровождается словами “посмотрите, что же происходит на самом деле”. Тогда как все, вроде бы, должно происходить по плану в соответствии с регламентами, инструкциями...
- Аудит также плохо подходит для выявления закамуфлированных целей, так как оценивает соответствие деятельности принятым нормативным документам. И если закамуфлированные цели уже внесены в документы, то выявить их в ходе аудита никак не получится.
- Выявить вторичные и закамуфлированные цели можно только в ходе математического моделирования на основе реальных данных.
- Фактически получаемые мат.модели являются способом “расшифровать” цели, которым следует бизнес-система.
- Сравнение исходных целей и целей “расшифрованных” дает возможность выявить вторичные и закамуфлированные цели.
Идеи, цели, выводы
1. Проблема управленческого учета, понимаемая как сопоставление целей, действий и финансового результата, до сих пор не имеет ни системных решений, ни частных разработок, доведенных до практики принятия решений на местах.
2. Возможность сформировать управленческий учет напрямую связана с умением вычислять “внутренние ценности” бизнес-системы.
👍2
2025-04-23=
Cryptourgy - Выявление закамуфлированных целей и ценностей в бизнес-системе (2 из 2)
Детали
- Теперь о ценности, стоимости и деньгах.
- Большинство целей в бизнесе привязаны к деньгам. Но “стоимость” как “ценность выраженная в деньгах” не возникает на любом переделе или любом действии (операции). Обычно “стоимость” можно сопоставить только условно-законченным блокам, которые являются результатом некоторого (большого) количества переделов (действий), объединенных транзакционной (неделимой) цепочкой.
- Еще одна проблема определения стоимости внутри бизнес-системы (вне операций купли/продажи) связана с тем, что в современном производстве велики доля и роль инфраструктурного капитала: энергетика, вентиляция, ТОиР, автоматизация...
- Инфраструктурный капитал всегда формируется с запасом (“на вырост”). В противном случае его придется модернизировать слишком часто.
- Планирование и управление инфраструктурным капиталом представляют собой сложные задачи. Масштаб зависимости бизнес-системы от инфраструктурного капитала можно оценить через уровень накладных расходов компании.
- Для инфраструктурного капитала всегда характерна избыточность. Со временем эта избыточность может быть задействована или превратиться в “обузу”.
- Инфраструктурных систем много, и все они имеют тот или иной уровень избыточности. Чаще всего неизвестно, какие закамуфлированные цели были реализованы при развитии конкретной инфраструктурной системы.
- Велика вероятность, что инфраструктурные системы развиваются не по согласованным направлениям и, как следствие их избыточности, в бизнес-системе будет накапливаться “большая обуза”. Со временем затраты на добавление нового функционала будут происходить на фоне затрат на “обузную” избыточность, от которой сложно избавиться.
- Решение различного рода оптимизационных задач (планирование, назначение оборудования, выбор маршрутов, учет обратных связей...) в настоящее время связано с применением математических алгоритмов, реализованных в программном обеспечении и поддерживающихся организационными мероприятиями.
- Вопрос определения внутренней стоимости в бизнес-системах можно решить по аналогии с криптовалютой.
- “Ценность” криптовалюты связана с исполнением сложных вычислительных алгоритмов (поисков делителей) - майнингом.
- “Ценность” внутренних операций бизнес-системы, не позволяющих определить их стоимость экономическими методами (сравнив собственное производство - аутсорсинг - покупку), можно связать с “изощренностью” алгоритмов и программ, применяемых при оптимизации соответствующих блоков переделов/действий.
- Следует различать программное обеспечение, применяемое для решение инфраструктурных задач (документооборот, учетные системы, CRM...), и применяемое непосредственно для решения оптимизационных задач бизнеса.
- Модуль оптимизации будем называть корпускулой. Сам по себе алгоритм, решающий задачу, представляет собой транзакцию (неделимую операцию). Поэтому естественно в бизнес-системе связать модуль оптимизации и набор обрабатываемых им переделов/действий, также назвав их корпускулой.
- Совсем необязательно вводить свои “деньги” и оценивать в них стоимость корпускул. Достаточно характеризовать сложность применяемого алгоритма. Так, применение линейной оптимизации “дешевле” использования дробно-линейной или целочисленной оптимизации (естественно, если уместно и то, и другое).
Идеи, цели, выводы
1. В Криптургии мат.методы играют системообразующую роль.
2. Во-первых, они дают возможность поставить цели в соответствие мат.функцию, изучение которой позволит понять поведение цели в разных обстоятельствах. Математически формализованные цели можно сравнивать между собой, выполнять их композицию и редукцию.
3. Во-вторых, соединение в корпускулах мат.методов и блоков переделов/действий приводит к образованию ранее неуловимых объектов управленческого учета, которые в новой форме становятся обладателями многих полезных качеств, в том числе, внутренней стоимостью.
Cryptourgy - Выявление закамуфлированных целей и ценностей в бизнес-системе (2 из 2)
Детали
- Теперь о ценности, стоимости и деньгах.
- Большинство целей в бизнесе привязаны к деньгам. Но “стоимость” как “ценность выраженная в деньгах” не возникает на любом переделе или любом действии (операции). Обычно “стоимость” можно сопоставить только условно-законченным блокам, которые являются результатом некоторого (большого) количества переделов (действий), объединенных транзакционной (неделимой) цепочкой.
- Еще одна проблема определения стоимости внутри бизнес-системы (вне операций купли/продажи) связана с тем, что в современном производстве велики доля и роль инфраструктурного капитала: энергетика, вентиляция, ТОиР, автоматизация...
- Инфраструктурный капитал всегда формируется с запасом (“на вырост”). В противном случае его придется модернизировать слишком часто.
- Планирование и управление инфраструктурным капиталом представляют собой сложные задачи. Масштаб зависимости бизнес-системы от инфраструктурного капитала можно оценить через уровень накладных расходов компании.
- Для инфраструктурного капитала всегда характерна избыточность. Со временем эта избыточность может быть задействована или превратиться в “обузу”.
- Инфраструктурных систем много, и все они имеют тот или иной уровень избыточности. Чаще всего неизвестно, какие закамуфлированные цели были реализованы при развитии конкретной инфраструктурной системы.
- Велика вероятность, что инфраструктурные системы развиваются не по согласованным направлениям и, как следствие их избыточности, в бизнес-системе будет накапливаться “большая обуза”. Со временем затраты на добавление нового функционала будут происходить на фоне затрат на “обузную” избыточность, от которой сложно избавиться.
- Решение различного рода оптимизационных задач (планирование, назначение оборудования, выбор маршрутов, учет обратных связей...) в настоящее время связано с применением математических алгоритмов, реализованных в программном обеспечении и поддерживающихся организационными мероприятиями.
- Вопрос определения внутренней стоимости в бизнес-системах можно решить по аналогии с криптовалютой.
- “Ценность” криптовалюты связана с исполнением сложных вычислительных алгоритмов (поисков делителей) - майнингом.
- “Ценность” внутренних операций бизнес-системы, не позволяющих определить их стоимость экономическими методами (сравнив собственное производство - аутсорсинг - покупку), можно связать с “изощренностью” алгоритмов и программ, применяемых при оптимизации соответствующих блоков переделов/действий.
- Следует различать программное обеспечение, применяемое для решение инфраструктурных задач (документооборот, учетные системы, CRM...), и применяемое непосредственно для решения оптимизационных задач бизнеса.
- Модуль оптимизации будем называть корпускулой. Сам по себе алгоритм, решающий задачу, представляет собой транзакцию (неделимую операцию). Поэтому естественно в бизнес-системе связать модуль оптимизации и набор обрабатываемых им переделов/действий, также назвав их корпускулой.
- Совсем необязательно вводить свои “деньги” и оценивать в них стоимость корпускул. Достаточно характеризовать сложность применяемого алгоритма. Так, применение линейной оптимизации “дешевле” использования дробно-линейной или целочисленной оптимизации (естественно, если уместно и то, и другое).
Идеи, цели, выводы
1. В Криптургии мат.методы играют системообразующую роль.
2. Во-первых, они дают возможность поставить цели в соответствие мат.функцию, изучение которой позволит понять поведение цели в разных обстоятельствах. Математически формализованные цели можно сравнивать между собой, выполнять их композицию и редукцию.
3. Во-вторых, соединение в корпускулах мат.методов и блоков переделов/действий приводит к образованию ранее неуловимых объектов управленческого учета, которые в новой форме становятся обладателями многих полезных качеств, в том числе, внутренней стоимостью.
2025-04-24=
Операционная эффективность (1 из 3)
Детали
- Рассмотрим состав и цикл работ для задачи исследования операционной эффективности использования самолетов гражданской авиации. При решения этой задачи будут применяться как классические методы, так и современные инструментарии, относящиеся к сфере ИИ.
- Операционная эффективность понимается как зависимость, которая связывает уровень получаемых производственных результатов с объемами затрачиваемых при этом ресурсов.
- Почему гражданская авиация.
- В гражданской авиации больше всего открытых данных, начиная с flightradar24, radar24... и кончая техническими данными о воздушных судах и полетах.
- В 1980-х в США имела место большая дискуссия: надо ли секретить новые разработки или нет.
- Одна сторона предлагала ввести режим максимальной секретности, чтобы конкуренты даже не имели представления о направлениях проводимых исследований.
- Другая сторона предлагала максимально возможную открытость разработок. Аргументы ПРОТИВ секретности сводились к следующим:
= к секретной разработке привлечено слишком мало специалистов, которые могут быть тенденциозны;
= узкий круг участников не дает возможности указать на возможные структурные и функциональные просчеты (“замыленный глаз”);
= большие проблемы возникают на этапе поиска малым составом участников, имеющих допуски, возможных ошибок, промахов, упущений...
- Аргументы ЗА открытость были следующими:
= разработка, которую критически оценили и в которой приняли участие многие специалисты не должна стать неудачной;
= за то время, как конкуренты смогут воссоздать технологии некой открытой разработки (о структурных решениях которой почти все известно, но неизвестна их технологическая реализация), можно придумать и сделать что-то еще более технологически совершенное.
- Гражданская авиация пошла по пути открытости. Любопытно, что умея воспроизводить многое, китайские руководители пока летают на западных самолетах.
- Рассмотрим задачу оценки характеристик операционной эффективности, которую должно иметь новое воздушное судно.
- В зеленой рамке приведена структура “Операционной стоимости” (Operating Costs), которая состоит из “Прямой операционной стоимости” (Direct Operating Costs - DOC) и “Косвенной операционной стоимости” (Indirect Operating Costs - IOC).
- Схема “Операционной стоимости” классическая, но не полная. Можно обратиться к любому чат-боту ИИ с вопросам о финансово-экономических оценках в авиации. В результате будет получено много ключевых слов, за которыми стоят разные экспертные мнения, которые целесообразно учитывать при определении “Операционной стоимости”. Полученные ключевые слова (облако слов в оранжевой рамке) отражают также названия методик, которые разработаны для оценки технической и операционной эффективности принимаемых решений.
- В синей рамке сравнение DOC двух эксплуатируемых самолетов (ATR 72-600 и Airbus A320) по 9 существующим методикам. Вычисленные статистические характеристики оценок обозначены пунктирами.
- Примененные методики слева-направо: AEA, Raymer, Jenkinson, NASA, ATA, TU Berlin, Kundu, Roskam и Sforza.
- Воздушное судно ATR 72-600 является среднемагистральным (региональным) пассажирским самолетом для перевозки 74 пассажиров на расстояние до 1 300 км.
- Воздушное судно Airbus A320 является среднемагистральным узкофюзеляжным (не высокие требования к взлетно-посадочной полосе) самолетом для авиалиний малой и средней протяженности, перевозящим 150 пассажиров на расстояния от 1 000 до 5 000 км.
Идеи, цели, выводы
1. Раньше в сложившейся ситуации появлялись бы две проблемы:
= какую единственную методику выбрать для проведения оценок;
= что делать с экспертными знаниями, содержащимися в других 8-ми методиках, которые придется игнорировать.
2. Современные инструментарии, относящихся к сфере ИИ, позволяют высвободиться из этой коллизии.
Операционная эффективность (1 из 3)
Детали
- Рассмотрим состав и цикл работ для задачи исследования операционной эффективности использования самолетов гражданской авиации. При решения этой задачи будут применяться как классические методы, так и современные инструментарии, относящиеся к сфере ИИ.
- Операционная эффективность понимается как зависимость, которая связывает уровень получаемых производственных результатов с объемами затрачиваемых при этом ресурсов.
- Почему гражданская авиация.
- В гражданской авиации больше всего открытых данных, начиная с flightradar24, radar24... и кончая техническими данными о воздушных судах и полетах.
- В 1980-х в США имела место большая дискуссия: надо ли секретить новые разработки или нет.
- Одна сторона предлагала ввести режим максимальной секретности, чтобы конкуренты даже не имели представления о направлениях проводимых исследований.
- Другая сторона предлагала максимально возможную открытость разработок. Аргументы ПРОТИВ секретности сводились к следующим:
= к секретной разработке привлечено слишком мало специалистов, которые могут быть тенденциозны;
= узкий круг участников не дает возможности указать на возможные структурные и функциональные просчеты (“замыленный глаз”);
= большие проблемы возникают на этапе поиска малым составом участников, имеющих допуски, возможных ошибок, промахов, упущений...
- Аргументы ЗА открытость были следующими:
= разработка, которую критически оценили и в которой приняли участие многие специалисты не должна стать неудачной;
= за то время, как конкуренты смогут воссоздать технологии некой открытой разработки (о структурных решениях которой почти все известно, но неизвестна их технологическая реализация), можно придумать и сделать что-то еще более технологически совершенное.
- Гражданская авиация пошла по пути открытости. Любопытно, что умея воспроизводить многое, китайские руководители пока летают на западных самолетах.
- Рассмотрим задачу оценки характеристик операционной эффективности, которую должно иметь новое воздушное судно.
- В зеленой рамке приведена структура “Операционной стоимости” (Operating Costs), которая состоит из “Прямой операционной стоимости” (Direct Operating Costs - DOC) и “Косвенной операционной стоимости” (Indirect Operating Costs - IOC).
- Схема “Операционной стоимости” классическая, но не полная. Можно обратиться к любому чат-боту ИИ с вопросам о финансово-экономических оценках в авиации. В результате будет получено много ключевых слов, за которыми стоят разные экспертные мнения, которые целесообразно учитывать при определении “Операционной стоимости”. Полученные ключевые слова (облако слов в оранжевой рамке) отражают также названия методик, которые разработаны для оценки технической и операционной эффективности принимаемых решений.
- В синей рамке сравнение DOC двух эксплуатируемых самолетов (ATR 72-600 и Airbus A320) по 9 существующим методикам. Вычисленные статистические характеристики оценок обозначены пунктирами.
- Примененные методики слева-направо: AEA, Raymer, Jenkinson, NASA, ATA, TU Berlin, Kundu, Roskam и Sforza.
- Воздушное судно ATR 72-600 является среднемагистральным (региональным) пассажирским самолетом для перевозки 74 пассажиров на расстояние до 1 300 км.
- Воздушное судно Airbus A320 является среднемагистральным узкофюзеляжным (не высокие требования к взлетно-посадочной полосе) самолетом для авиалиний малой и средней протяженности, перевозящим 150 пассажиров на расстояния от 1 000 до 5 000 км.
Идеи, цели, выводы
1. Раньше в сложившейся ситуации появлялись бы две проблемы:
= какую единственную методику выбрать для проведения оценок;
= что делать с экспертными знаниями, содержащимися в других 8-ми методиках, которые придется игнорировать.
2. Современные инструментарии, относящихся к сфере ИИ, позволяют высвободиться из этой коллизии.
2025-04-28=
Операционная эффективность (2 из 3)
Детали
- Для корректности сравнения приведенные ранее данные необходимо нормализовать. Для этого значение DOC следует поделить на ASK = Available Seat * Kilometer - произведение количества пассажирских мест в самолете (Available Seat), умноженное на рекомендуемую производителем дальность перелетов (Stage Length) в километрах.
- Метрика ASK (доступные километро-кресла) является важной метрикой для авиаперевозок. Она используется для вычисления общего количества пассажиро-километров, которое потенциально определяет сумму максимальной выручки, которая может быть получена.
- Нормализованные данные, вычисленные по всем 9-ти методикам, приведены для ATR 72 и для Airbus A320 в фиолетовой рамке.
- Нормализованные данные представляют определенный интерес, но для оценки операционной эффективности они не играют ключевой роли. При этом они еще раз свидетельствуют о разногласиях в 9-ти методиках.
- Пассажирские авиаперевозки представляют собой низкомаржинальный бизнес, который связан с заполненностью самолета пассажирами. В среднем прибыль конкретной (не монопольной) авиаперевозки появляется на рубеже заполненности пассажирами салона самолета на 92-95%.
- RPK (Revenue Passenger Kilometers) представляет собой другую метрику авиационной отрасли, которая показывает количество километров, пройденных с платными пассажирами. RPK рассчитывается как количество пассажиров, купивших билеты, умноженное на общее пройденное расстояние. Поскольку RPK измеряет фактический спрос на воздушные пассажирские перевозки, то его часто называют “трафиком” авиакомпании.
- В красной рамке для ATR 72 приведены графики безубыточности, вычисленные по 9-ти методикам. Доля загруженности борта (Load Factor) выделена своим цветом. По горизонтали отложена протяженность маршрута, а по вертикале указан индекс (связанный с метрикой RPK), определяющий уровень цены за авиабилет.
- Очевидно, что цена на авиабилет является фактором, обеспечивающим операционную эффективность, но при условии, что конкуренты позволяют идти по этому пути.
- Далее начинается самое неприятное. В зеленой и синей рамках проведено сопоставление структур затрат для ATR 72 и Airbus A320 соответственно. Каждое сопоставление состоит из таблицы и картинки из двух колонок. Во второй колонке картинки приведена структура затрат, полученная по отчетным данным авиакомпаний (Baseline), а в первой колонке картинки на каждой позиции стоит величина Closest Cost, определенная в одной из 9-ти методик и наиболее близкая к Baseline. В желтой рамке продублированы наименования затрат. Значение “Флуктуация” в первой таблице показывает уровень расхождения в % оценок по этой позиции в 9-ти методиках.
- Таким образом, ни одна методика из 9-ти не может быть целиком применена в задаче оценки характеристик операционной эффективности, которую должно иметь некое новое воздушное судно.
Идеи, цели, выводы
1. Концепции применяемых 9-ти методик основаны на неких общих идеях (опыте) и не могут быть явно привязаны к конкретному воздушному судну. Причем очевидно, что эти концепции сделаны при разных допущениях о структурной важности различных факторов. Именно это дает разные оценки при одинаковом составе титулов DOC.
2. Все вполне привыкли к неопределенности рыночной конъюнктуры. Но в рассматриваемой задаче, кроме рыночной неопределенности, проявляется более сложная структурная неопределенность.
3. Все существующие методы оптимизации предусматривают структурную определенность задачи, в рамках которой ищутся экстремумы для тех или иных критериев оптимальности.
4. В задаче оценки характеристик операционной эффективности нового воздушного судна приходится сначала решать вопрос выбора подходящей структуры решения, а затем вопросы оптимизации характеристик решения в рамках выбранной структуры.
Операционная эффективность (2 из 3)
Детали
- Для корректности сравнения приведенные ранее данные необходимо нормализовать. Для этого значение DOC следует поделить на ASK = Available Seat * Kilometer - произведение количества пассажирских мест в самолете (Available Seat), умноженное на рекомендуемую производителем дальность перелетов (Stage Length) в километрах.
- Метрика ASK (доступные километро-кресла) является важной метрикой для авиаперевозок. Она используется для вычисления общего количества пассажиро-километров, которое потенциально определяет сумму максимальной выручки, которая может быть получена.
- Нормализованные данные, вычисленные по всем 9-ти методикам, приведены для ATR 72 и для Airbus A320 в фиолетовой рамке.
- Нормализованные данные представляют определенный интерес, но для оценки операционной эффективности они не играют ключевой роли. При этом они еще раз свидетельствуют о разногласиях в 9-ти методиках.
- Пассажирские авиаперевозки представляют собой низкомаржинальный бизнес, который связан с заполненностью самолета пассажирами. В среднем прибыль конкретной (не монопольной) авиаперевозки появляется на рубеже заполненности пассажирами салона самолета на 92-95%.
- RPK (Revenue Passenger Kilometers) представляет собой другую метрику авиационной отрасли, которая показывает количество километров, пройденных с платными пассажирами. RPK рассчитывается как количество пассажиров, купивших билеты, умноженное на общее пройденное расстояние. Поскольку RPK измеряет фактический спрос на воздушные пассажирские перевозки, то его часто называют “трафиком” авиакомпании.
- В красной рамке для ATR 72 приведены графики безубыточности, вычисленные по 9-ти методикам. Доля загруженности борта (Load Factor) выделена своим цветом. По горизонтали отложена протяженность маршрута, а по вертикале указан индекс (связанный с метрикой RPK), определяющий уровень цены за авиабилет.
- Очевидно, что цена на авиабилет является фактором, обеспечивающим операционную эффективность, но при условии, что конкуренты позволяют идти по этому пути.
- Далее начинается самое неприятное. В зеленой и синей рамках проведено сопоставление структур затрат для ATR 72 и Airbus A320 соответственно. Каждое сопоставление состоит из таблицы и картинки из двух колонок. Во второй колонке картинки приведена структура затрат, полученная по отчетным данным авиакомпаний (Baseline), а в первой колонке картинки на каждой позиции стоит величина Closest Cost, определенная в одной из 9-ти методик и наиболее близкая к Baseline. В желтой рамке продублированы наименования затрат. Значение “Флуктуация” в первой таблице показывает уровень расхождения в % оценок по этой позиции в 9-ти методиках.
- Таким образом, ни одна методика из 9-ти не может быть целиком применена в задаче оценки характеристик операционной эффективности, которую должно иметь некое новое воздушное судно.
Идеи, цели, выводы
1. Концепции применяемых 9-ти методик основаны на неких общих идеях (опыте) и не могут быть явно привязаны к конкретному воздушному судну. Причем очевидно, что эти концепции сделаны при разных допущениях о структурной важности различных факторов. Именно это дает разные оценки при одинаковом составе титулов DOC.
2. Все вполне привыкли к неопределенности рыночной конъюнктуры. Но в рассматриваемой задаче, кроме рыночной неопределенности, проявляется более сложная структурная неопределенность.
3. Все существующие методы оптимизации предусматривают структурную определенность задачи, в рамках которой ищутся экстремумы для тех или иных критериев оптимальности.
4. В задаче оценки характеристик операционной эффективности нового воздушного судна приходится сначала решать вопрос выбора подходящей структуры решения, а затем вопросы оптимизации характеристик решения в рамках выбранной структуры.
2025-04-29=
Операционная эффективность (3 из 3)
Детали
- Методологические трудности при решении проблемы структурной неопределенности связаны с тем, что исследователь-оптимизатор чаще всего пытается подходить к решению как к “обратной” задаче - “от желаемого результата к требуемым начальным условиям”.
- При этом решать проблему структурной неопределенности можно только как “прямую” задачу - “к чему приведут те или иные начальные условия”. И устранение этого противоречия нуждается в соответствующей технологической поддержке.
- Технически противоречие связано с тем, что требования к решению можно сформировать только как графовую конструкцию, а не как дерево. В графе всегда есть вершины ветвления и слияния. Реализовать метод “обратного хода” в графе получится только до первой вершины слияния: куда идти “обратным ходом” дальше “назад” непонятно.
- В современном арсенале ИИ имеется машинное обучение и имитационное моделирование. Их тандем позволяет выстроить технологию преодоления проблемы структурной неопределенности, а также решать необходимые “прямые” и “обратные” задачи.
- Формально имитационные модели дают возможность решать только “прямые” задачи. Тем не менее, оптимизация (“обратные задачи”) в имитационных моделях может быть в блоках “обратных связей” и внутри каждого блока имитационной модели как внешний вызов определенного мат.метода. Но этого мало.
- Поэтому итоговая модель должна состоять из двух модулей. Первый модуль - предобработчик и оптимизатор, а второй - собственно имитационная модель, которую можно рассматривать как “решатель”.
- Несомненным преимуществом исследований в гражданской авиации является наличие большого количества разнообразных библиотек блоков имитационного моделирования, которые существенно упрощают построение необходимых моделей цифровых двойников.
- Первым шагом для решения задачи оценки характеристик операционной эффективности нового воздушного судна является формирование блоков имитационного моделирования, реализующих функционал 9-ти примененных методик. В оранжевой рамке приведена матрица ковариаций 9-ти методик (строки) и применяемых показателей (столбцы) для оценки операционной эффективности. Очевидно, что методики не охватывают всех аспектов, а каждая из них имеет собственные представления о важности показателей.
- Современные имитационные модели можно достаточно просто создавать из преднаписанных блоков как из конструктора.
- В этом случае “обратная” задача решается как кластер моделей с разной структурой, но созданных из одинаковых блоков. Квазиоптимальная структура определяется лучшим решением из кластера.
- Ключевая роль имитационной модели связана с вычислением совместного протекания нескольких взаимосвязанных процессов. В этом случае “обратная” задача в принципе не может быть решена (из-за уровня сложности) и остается возможность просто посмотреть в “быстром” режиме, что получится.
- Роль первого модуля предобработчика и оптимизатора связана с упрощением всех аспектов имитационной модели, которые можно упростить или оптимизировать любыми доступными мат.методами.
- Примеры:
= Использование машинного обучения для анализа данных flightradar24 для выявления сезонных трендов, наиболее популярных маршрутов, связи интенсивности перелетов с праздниками, выставками, спортивными мероприятиями...;
= Расстановка воздушных судов в зависимости от сложившейся рыночной конъюнктуры;
= Разработка динамической стратегии ценообразования на авиабилеты на протяжении всего срока бронирования...
Идеи, цели, выводы
1. Досрочное прекращение эксплуатации крупнейшего самолета Airbus A380 произошло по причине его операционной неэффективности. Нельзя сомневаться, что в ходе его создании были проделаны многочисленные расчеты. Но, значит, не все и не те, которые были нужны.
Операционная эффективность (3 из 3)
Детали
- Методологические трудности при решении проблемы структурной неопределенности связаны с тем, что исследователь-оптимизатор чаще всего пытается подходить к решению как к “обратной” задаче - “от желаемого результата к требуемым начальным условиям”.
- При этом решать проблему структурной неопределенности можно только как “прямую” задачу - “к чему приведут те или иные начальные условия”. И устранение этого противоречия нуждается в соответствующей технологической поддержке.
- Технически противоречие связано с тем, что требования к решению можно сформировать только как графовую конструкцию, а не как дерево. В графе всегда есть вершины ветвления и слияния. Реализовать метод “обратного хода” в графе получится только до первой вершины слияния: куда идти “обратным ходом” дальше “назад” непонятно.
- В современном арсенале ИИ имеется машинное обучение и имитационное моделирование. Их тандем позволяет выстроить технологию преодоления проблемы структурной неопределенности, а также решать необходимые “прямые” и “обратные” задачи.
- Формально имитационные модели дают возможность решать только “прямые” задачи. Тем не менее, оптимизация (“обратные задачи”) в имитационных моделях может быть в блоках “обратных связей” и внутри каждого блока имитационной модели как внешний вызов определенного мат.метода. Но этого мало.
- Поэтому итоговая модель должна состоять из двух модулей. Первый модуль - предобработчик и оптимизатор, а второй - собственно имитационная модель, которую можно рассматривать как “решатель”.
- Несомненным преимуществом исследований в гражданской авиации является наличие большого количества разнообразных библиотек блоков имитационного моделирования, которые существенно упрощают построение необходимых моделей цифровых двойников.
- Первым шагом для решения задачи оценки характеристик операционной эффективности нового воздушного судна является формирование блоков имитационного моделирования, реализующих функционал 9-ти примененных методик. В оранжевой рамке приведена матрица ковариаций 9-ти методик (строки) и применяемых показателей (столбцы) для оценки операционной эффективности. Очевидно, что методики не охватывают всех аспектов, а каждая из них имеет собственные представления о важности показателей.
- Современные имитационные модели можно достаточно просто создавать из преднаписанных блоков как из конструктора.
- В этом случае “обратная” задача решается как кластер моделей с разной структурой, но созданных из одинаковых блоков. Квазиоптимальная структура определяется лучшим решением из кластера.
- Ключевая роль имитационной модели связана с вычислением совместного протекания нескольких взаимосвязанных процессов. В этом случае “обратная” задача в принципе не может быть решена (из-за уровня сложности) и остается возможность просто посмотреть в “быстром” режиме, что получится.
- Роль первого модуля предобработчика и оптимизатора связана с упрощением всех аспектов имитационной модели, которые можно упростить или оптимизировать любыми доступными мат.методами.
- Примеры:
= Использование машинного обучения для анализа данных flightradar24 для выявления сезонных трендов, наиболее популярных маршрутов, связи интенсивности перелетов с праздниками, выставками, спортивными мероприятиями...;
= Расстановка воздушных судов в зависимости от сложившейся рыночной конъюнктуры;
= Разработка динамической стратегии ценообразования на авиабилеты на протяжении всего срока бронирования...
Идеи, цели, выводы
1. Досрочное прекращение эксплуатации крупнейшего самолета Airbus A380 произошло по причине его операционной неэффективности. Нельзя сомневаться, что в ходе его создании были проделаны многочисленные расчеты. Но, значит, не все и не те, которые были нужны.
Оглавление #55
2025-03-13=Планирование объемов мелкосерийного производства
2025-03-17=Нахождение ответов на вопросы в неструктурированном тексте (1 из 3)
2025-03-18=Нахождение ответов на вопросы в неструктурированном тексте (2 из 3)
2025-03-19=Нахождение ответов на вопросы в неструктурированном тексте (3 из 3)
2025-03-20=Диаграммы Вороного в задачах размещения
2025-03-24=Конкуренция, самооценка, арбитраж, KPI и визионерство
2025-03-25=Профессиональные термины, сленги и слова, способствующие бизнесу (1 из 3)
2025-03-26=Профессиональные термины, сленги и слова, способствующие бизнесу (2 из 3)
2025-03-27=Профессиональные термины, сленги и слова, способствующие бизнесу (3 из 3)
2025-03-31=Пути развития бизнеса, данные и обратные связи
2025-04-01=Стандарты, регламенты, инструкции... vs. правил, шаблонов и аксиом бизнеса
2025-04-02=Игры - 1 - Совершенная скоординированность или скоординированность, оптимальная по Парето
2025-04-03=Игры - 2 - Решения, принимаемые при частичном согласии сторон
2025-03-13=Планирование объемов мелкосерийного производства
2025-03-17=Нахождение ответов на вопросы в неструктурированном тексте (1 из 3)
2025-03-18=Нахождение ответов на вопросы в неструктурированном тексте (2 из 3)
2025-03-19=Нахождение ответов на вопросы в неструктурированном тексте (3 из 3)
2025-03-20=Диаграммы Вороного в задачах размещения
2025-03-24=Конкуренция, самооценка, арбитраж, KPI и визионерство
2025-03-25=Профессиональные термины, сленги и слова, способствующие бизнесу (1 из 3)
2025-03-26=Профессиональные термины, сленги и слова, способствующие бизнесу (2 из 3)
2025-03-27=Профессиональные термины, сленги и слова, способствующие бизнесу (3 из 3)
2025-03-31=Пути развития бизнеса, данные и обратные связи
2025-04-01=Стандарты, регламенты, инструкции... vs. правил, шаблонов и аксиом бизнеса
2025-04-02=Игры - 1 - Совершенная скоординированность или скоординированность, оптимальная по Парето
2025-04-03=Игры - 2 - Решения, принимаемые при частичном согласии сторон
Оглавление #56
2025-04-07=Игры - 3 - Для каких бизнес-ситуаций подходит формализм теории игр
2025-04-07=Игры - 3 - Коллаборация или осуществление совместных действий
2025-04-09=Игры - 5 - Инспекция
2025-04-10=Игры - 6 - Из каких структур данных можно сформировать матричную игру
2025-04-14=Игры - 7 - Матричные игры и игры на деревьях (1 из 2)
2025-04-15=Игры - 7 - Матричные игры и игры на деревьях (2 из 2)
2025-04-16=Игры - 5 - Заход на новый рынок
2025-04-17=Игры - 9 - Из каких структур данных можно сформировать игру на дереве
2025-04-21=Блокчейн - 1 - Доказательство с нулевым разглашением или задача об Алисе и Бобе
2025-04-07=Игры - 3 - Для каких бизнес-ситуаций подходит формализм теории игр
2025-04-07=Игры - 3 - Коллаборация или осуществление совместных действий
2025-04-09=Игры - 5 - Инспекция
2025-04-10=Игры - 6 - Из каких структур данных можно сформировать матричную игру
2025-04-14=Игры - 7 - Матричные игры и игры на деревьях (1 из 2)
2025-04-15=Игры - 7 - Матричные игры и игры на деревьях (2 из 2)
2025-04-16=Игры - 5 - Заход на новый рынок
2025-04-17=Игры - 9 - Из каких структур данных можно сформировать игру на дереве
2025-04-21=Блокчейн - 1 - Доказательство с нулевым разглашением или задача об Алисе и Бобе
2025-05-12=
Multi-Agent-System - 1 - Мультиагентный вариант модели “хищник-жертва”
Детали
- Большое направление в мат.моделировании связано с моделями, основанными на действиях агентов. При этом выделяются модели ABM (Agent-Based Model) и модели MAS (Multi-Agent System).
- Модели на основе агентов представляют собой способы решения “прямых” задач, нацеленные на симуляцию одновременного выполнения действий и взаимодействий нескольких агентов для воссоздания и предсказания появления сложных явлений в различных системах.
- Мультиагентные системы MAS представляют собой попытки формирования самоорганизующихся систем.
- Основателем концепции самоорганизующихся систем был князь Кропоткин (Петр Алексеевич). В его понимании концепции самоорганизующихся систем и анархизма эквивалентны.
- Князь Кропоткин был ученым, математиком, статистиком, географом и путешественником. Первый раздел книги Кропоткина “Анархия” называется “Анархия в природе. Взаимная помощь у животных”. Кропоткин с пиететом описывает полеты стай птиц, движение косяков рыб..., тщательно разбирая групповое поведение, которое может быть полезно при организации общественной жизни людей.
- В современных реалиях стаи птиц, косяки рыб, рои дронов... проще всего исследовать с позиций самоорганизующихся систем MAS. Фактически речь идет о принципиальном переходе для определенных классов задач от методов поиска глобальных экстремумов к методам локальной оптимизации.
- Пример с эпидемией Covid-19 показал, что дифференциальные модели (SIR-модели) полезны только для понимания динамики общей картины развития эпидемии. При разработке конкретных санитарных мероприятиях следует опираться только на агентские модели.
- Выявление цепочек заболевших венерическими заболеваниями является давним и явным применением агентской методологии для решения практических задач, хотя при этом такие термины не употребляются.
- Рассмотрим мультиагентный вариант модели “хищник-жертва”.
- “Хищники” будут обозначаться оранжевыми точками, “жертвы” - зелеными точками.
- Моделирование производится итерациями в 2D-ограниченной квадратной “среде обитания”.
- Индивидуальная особь каждого типа моделируется как случайно движущая точка. Начальное условие таково, что в “среде обитания” есть 100 случайным образом распределенных точек, 10 % из которых - “хищники”, а остальные “жертвы”.
- “Жертвы” могут воспроизводить себя с некоторой скоростью (значение задается ползунком).
- При столкновении “хищника” и “жертвы” количество “жертв” уменьшается на 1, а “хищников на 1 увеличивается. Если в течении определенного количества итераций (значение задается ползунком) “хищник” не столкнется с “жертвой” (не “съест” ее) он ликвидируется (“умирает”).
- И “хищник”, и “жертва” имеют параметр мобильности (каждая популяция свой), который определяет в пределах какого расстояния (как далеко) точка популяции может случайным образом “скакнуть” при каждой итерации.
- Максимальная популяция каждого типа ограничена 500 точками. В зависимости от заданных параметров модель показывает несколько различных поведений, включая вымирание “хищников”, “жертв” или обоих популяций, колебания популяций, а также пространственные волны “хищников”, преследующих скопления “жертв”.
- Числами на картинках обозначены некоторые этапы одного моделирования.
Идеи, цели, выводы
1. Несомненно мультиагентный вариант модели “хищник-жертва” существенно расширяет возможности классической модели “хищник-жертва”, заданной дифференциальными уравнениями Lotka-Volterra.
Multi-Agent-System - 1 - Мультиагентный вариант модели “хищник-жертва”
Детали
- Большое направление в мат.моделировании связано с моделями, основанными на действиях агентов. При этом выделяются модели ABM (Agent-Based Model) и модели MAS (Multi-Agent System).
- Модели на основе агентов представляют собой способы решения “прямых” задач, нацеленные на симуляцию одновременного выполнения действий и взаимодействий нескольких агентов для воссоздания и предсказания появления сложных явлений в различных системах.
- Мультиагентные системы MAS представляют собой попытки формирования самоорганизующихся систем.
- Основателем концепции самоорганизующихся систем был князь Кропоткин (Петр Алексеевич). В его понимании концепции самоорганизующихся систем и анархизма эквивалентны.
- Князь Кропоткин был ученым, математиком, статистиком, географом и путешественником. Первый раздел книги Кропоткина “Анархия” называется “Анархия в природе. Взаимная помощь у животных”. Кропоткин с пиететом описывает полеты стай птиц, движение косяков рыб..., тщательно разбирая групповое поведение, которое может быть полезно при организации общественной жизни людей.
- В современных реалиях стаи птиц, косяки рыб, рои дронов... проще всего исследовать с позиций самоорганизующихся систем MAS. Фактически речь идет о принципиальном переходе для определенных классов задач от методов поиска глобальных экстремумов к методам локальной оптимизации.
- Пример с эпидемией Covid-19 показал, что дифференциальные модели (SIR-модели) полезны только для понимания динамики общей картины развития эпидемии. При разработке конкретных санитарных мероприятиях следует опираться только на агентские модели.
- Выявление цепочек заболевших венерическими заболеваниями является давним и явным применением агентской методологии для решения практических задач, хотя при этом такие термины не употребляются.
- Рассмотрим мультиагентный вариант модели “хищник-жертва”.
- “Хищники” будут обозначаться оранжевыми точками, “жертвы” - зелеными точками.
- Моделирование производится итерациями в 2D-ограниченной квадратной “среде обитания”.
- Индивидуальная особь каждого типа моделируется как случайно движущая точка. Начальное условие таково, что в “среде обитания” есть 100 случайным образом распределенных точек, 10 % из которых - “хищники”, а остальные “жертвы”.
- “Жертвы” могут воспроизводить себя с некоторой скоростью (значение задается ползунком).
- При столкновении “хищника” и “жертвы” количество “жертв” уменьшается на 1, а “хищников на 1 увеличивается. Если в течении определенного количества итераций (значение задается ползунком) “хищник” не столкнется с “жертвой” (не “съест” ее) он ликвидируется (“умирает”).
- И “хищник”, и “жертва” имеют параметр мобильности (каждая популяция свой), который определяет в пределах какого расстояния (как далеко) точка популяции может случайным образом “скакнуть” при каждой итерации.
- Максимальная популяция каждого типа ограничена 500 точками. В зависимости от заданных параметров модель показывает несколько различных поведений, включая вымирание “хищников”, “жертв” или обоих популяций, колебания популяций, а также пространственные волны “хищников”, преследующих скопления “жертв”.
- Числами на картинках обозначены некоторые этапы одного моделирования.
Идеи, цели, выводы
1. Несомненно мультиагентный вариант модели “хищник-жертва” существенно расширяет возможности классической модели “хищник-жертва”, заданной дифференциальными уравнениями Lotka-Volterra.
❤2
2025-05-13=
Multi-Agent-System - 2 - Формализм для описания агентов (1 из 3)
Детали
- Пик бума агентского моделирования пришелся на начало 2000-х. Демонстрируя множество парадоксальных явлений в бизнес-системах, агентские модели вызывали большой интерес. Все это сопровождалось созданием и адаптацией языков программирования для решения задач ABM (Agent-Based Model) и MAS (Multi-Agent System).
- Тем не менее, до сих пор понятной и простой реализации формализма для моделирования функций агента пока не появилось.
- Эта ситуация находится в русле проблемы формирования доменного языка бизнеса. Но для агентского моделирования проблема доменного языка решается гораздо проще.
- В данном случае необходимо создать формализм для вполне сформировавшейся “универсальной” задачи, а затем попытаться адаптировать этот формализм для решения практических задач (если подход ”универсальной” задачи для них уместен).
- В общем случае агентская модель состоит из 6 частей. Три из них носят статический характер (Сетка, Правила взаимодействия агентов, Ядро модели), а две всегда динамичны (Агенты, Правила обновления при создании нового агента).
- Особую роль играет шестая часть - Атрибуты, которая задает некие предопределенные характеристики задачи, которые носят или статический, или динамический характер.
- Сетка (статика). Сетка задает “среду обитания”. Она формируется первой и остается неизменной на протяжении всего процесса моделирования.
- Агенты (динамика). В “среде обитания” генерируются агенты и выделяются связанные с ними параметры модели.
- Каждый отдельный агент снабжен набором правил обновления, который должен обеспечить информирование агента о событиях и о состояниях в его окружении, а также определить состав действий, которые агенту следует предпринять в соответствии с вновь полученной информацией.
- В течении срока службы агента имеется возможность добавлять или модифицировать любое правило, которое относится к каждому конкретному агенту (групповые изменения не допускаются).
- При определенных событиях могут создаваться новые агенты или ликвидироваться старые. Способ наделения новых агентов правилами может быть любым: наследование, случайный выбор...
- Определение Атрибутов модели явно связано с содержанием “универсальной” задачи, для которой строится мультиагентная модель.
- Рассмотрим две задачи: “Хищник-жертва” и “Жизнь” Конвея (John Conway).
- Атрибуты для “Хищник-жертва”:
= Имя (статичный, зависит от родительского поколения);
= Координаты на сетке (динамичный);
= Индекс вершины на сетке (динамичный);
= Коэффициент рождаемости (статичный);
= Индекс смертности (динамичный для “хищников”);
= Радиус видения соседей (статичный);
= Кого считать соседями (динамичное евклидово расстояние между агентами);
= Скорость движения (динамичный).
- Конкретизация действий агентов для “Хищник-жертва”:
= наблюдать - обновить положения соседей;
= умереть - в соответствии с правилами;
= ускориться/замедлиться - изменить скорость на основе допущений индивидуальных параметров агента.
- Правила взаимодействия агентов для “Хищник-жертва”:
= съесть - добыча, попадающая в вершину “хищника”, ликвидируется;
= голодать - считаются итерации, приводящие к ликвидации “хищника” от голода;
= размножаться - в соответствии с правилами.
Идеи, цели, выводы
1. В красной рамке приведен пример с результатами моделирования для задачи “Хищник-жертва” за 100 итераций, а в синей - за 200 итераций (“хищники” - желтые, “жертвы” - синие).
2. В самом простом варианте модель ”Хищник-жертва” можно рассматривать как модель “случайного рынка” (Random Market), где все агенты что-то продают или покупают. При столкновениях происходит передача денег между агентами. Если модель выполнена корректно, то распределение денег между агентами должно соответствовать распределению Гиббса-Больтцмана (Gibbs-Boltzmann).
Multi-Agent-System - 2 - Формализм для описания агентов (1 из 3)
Детали
- Пик бума агентского моделирования пришелся на начало 2000-х. Демонстрируя множество парадоксальных явлений в бизнес-системах, агентские модели вызывали большой интерес. Все это сопровождалось созданием и адаптацией языков программирования для решения задач ABM (Agent-Based Model) и MAS (Multi-Agent System).
- Тем не менее, до сих пор понятной и простой реализации формализма для моделирования функций агента пока не появилось.
- Эта ситуация находится в русле проблемы формирования доменного языка бизнеса. Но для агентского моделирования проблема доменного языка решается гораздо проще.
- В данном случае необходимо создать формализм для вполне сформировавшейся “универсальной” задачи, а затем попытаться адаптировать этот формализм для решения практических задач (если подход ”универсальной” задачи для них уместен).
- В общем случае агентская модель состоит из 6 частей. Три из них носят статический характер (Сетка, Правила взаимодействия агентов, Ядро модели), а две всегда динамичны (Агенты, Правила обновления при создании нового агента).
- Особую роль играет шестая часть - Атрибуты, которая задает некие предопределенные характеристики задачи, которые носят или статический, или динамический характер.
- Сетка (статика). Сетка задает “среду обитания”. Она формируется первой и остается неизменной на протяжении всего процесса моделирования.
- Агенты (динамика). В “среде обитания” генерируются агенты и выделяются связанные с ними параметры модели.
- Каждый отдельный агент снабжен набором правил обновления, который должен обеспечить информирование агента о событиях и о состояниях в его окружении, а также определить состав действий, которые агенту следует предпринять в соответствии с вновь полученной информацией.
- В течении срока службы агента имеется возможность добавлять или модифицировать любое правило, которое относится к каждому конкретному агенту (групповые изменения не допускаются).
- При определенных событиях могут создаваться новые агенты или ликвидироваться старые. Способ наделения новых агентов правилами может быть любым: наследование, случайный выбор...
- Определение Атрибутов модели явно связано с содержанием “универсальной” задачи, для которой строится мультиагентная модель.
- Рассмотрим две задачи: “Хищник-жертва” и “Жизнь” Конвея (John Conway).
- Атрибуты для “Хищник-жертва”:
= Имя (статичный, зависит от родительского поколения);
= Координаты на сетке (динамичный);
= Индекс вершины на сетке (динамичный);
= Коэффициент рождаемости (статичный);
= Индекс смертности (динамичный для “хищников”);
= Радиус видения соседей (статичный);
= Кого считать соседями (динамичное евклидово расстояние между агентами);
= Скорость движения (динамичный).
- Конкретизация действий агентов для “Хищник-жертва”:
= наблюдать - обновить положения соседей;
= умереть - в соответствии с правилами;
= ускориться/замедлиться - изменить скорость на основе допущений индивидуальных параметров агента.
- Правила взаимодействия агентов для “Хищник-жертва”:
= съесть - добыча, попадающая в вершину “хищника”, ликвидируется;
= голодать - считаются итерации, приводящие к ликвидации “хищника” от голода;
= размножаться - в соответствии с правилами.
Идеи, цели, выводы
1. В красной рамке приведен пример с результатами моделирования для задачи “Хищник-жертва” за 100 итераций, а в синей - за 200 итераций (“хищники” - желтые, “жертвы” - синие).
2. В самом простом варианте модель ”Хищник-жертва” можно рассматривать как модель “случайного рынка” (Random Market), где все агенты что-то продают или покупают. При столкновениях происходит передача денег между агентами. Если модель выполнена корректно, то распределение денег между агентами должно соответствовать распределению Гиббса-Больтцмана (Gibbs-Boltzmann).
🔥1
2025-05-14=
Multi-Agent-System - 2 - Формализм для описания агентов (2 из 3)
Детали
- Формализм, применяемый для “Жизни”, будет сильно отличаться от введенного ранее для “Хищника-жертвы”.
- Идея “Хищника-жертвы” заключается в том, что агенты перемещаются, размножаются, умирают от голода... По сути агенты хаотично “ерзают” по “среде обитания” (в соответствии с применяемой функцией случайности). При столкновениях агенты одного типа размножаются. Если сталкиваются агенты разных типов, то “хищник” съедает “жертву”. Движения агентов также зависит от их возможностей “видеть” соседей.
- Идея “Жизни” совсем другая. Каждая вершина (узел) “среды обитания” имеет единственное свойство: “жив/мертв”. Это состояние меняется в зависимости от конфигурации соседних узлов и является главной системной переменной, определенной на Сетке.
- Атрибуты для “Жизни”:
= Координаты на сетке (статичный);
= Индекс вершины на сетке (статичный);
= Соседи (динамичный - соседи не меняют своего положения, но их статус “жив/мертв” меняется);
= Статус “жив/мертв” (динамичный).
- Конкретизация действий агентов для "Жизни":
= наблюдать - обновить положения соседей;
- Правила взаимодействия агентов для "Жизни":
= если агент находится в статусе “жив” с 2-3 “живыми” соседями, то остается “живым”;
= если агент находится в статусе “мертв” ровно с 3-мя “живыми” соседями, то он становится “живым”;
= в остальных случаях агент получает статус “мертв”.
- В красной рамке приведен пример Сетки - “среды обитания” агентов. Сетка представляет собой граф, привязанный к плоскости. Поэтому каждая вершина графа, кроме индекса, который является графовой характеристикой, имеет еще и декартовы координаты. Это позволяет вычислять близких (в смысле евклидова расстояния) к агенту соседей.
- Дуальное представление “среды обитания” дает возможность применять в агентских моделях любой граф, вершины которого расположены по заранее заданным координатам. Это становится важным при управлении роботами, доставляющими лекарства, комплектующие, материалы... в помещениях со сложной структурой и заставленных различным оборудованием.
- В синей и желтой рамках приведены возможные конфигурации Сеток.
- Важной составляющей агентских моделей являются правила реагирование при попадании на границу “среды обитания” или на другие препятствия (правила выполнения отскоков - Bounce Back Move).
- Для домашних пылесосов и пылесосов для бассейнов правила реагирование на границу “среды обитания” являются доминирующим навигационным функционалом.
- Описание “среды обитания” (через граф и координаты) может быть задано априорно или формироваться динамически как результат попадания агентов в стену (Wall).
- При инициировании модели фиксируются индивидуальные и групповые (популяционные) характеристики агентов.
- Размещение агентов по Сетке может быть конкретным или на основе некоторого распределения вероятностей для координат или индексов вершин графа “среды обитания”.
- Состав соседей является ключевой информацией для каждого агента. Для агентов, у которых может изменяться скорость передвижения по Сетке, формируется несколько списков соседей (в зависимости от применяемого значения скорости).
Идеи, цели, выводы
1. Как и обычно в практическом моделировании, на пути применения моделей ABM и MAS встает проблема релевантного формализма для описания задачи.
2. Пока проблема формализма для конкретной задачи не решена, гипотетический потенциал агентского моделирования не играет ровно ни какого значения.
3. Необходимым условием применение мультиагентных моделей в бизнесе является возможность фиксации “среды обитания” - Сетки и ее содержательной бизнес-интерпретации.
4. В задачах управления роботами и дронами пространство активности агентов естественным образом порождает 2D или 3D “среду обитания” - Сетку. Наличие только графа недостаточно для формировании Сетки.
Multi-Agent-System - 2 - Формализм для описания агентов (2 из 3)
Детали
- Формализм, применяемый для “Жизни”, будет сильно отличаться от введенного ранее для “Хищника-жертвы”.
- Идея “Хищника-жертвы” заключается в том, что агенты перемещаются, размножаются, умирают от голода... По сути агенты хаотично “ерзают” по “среде обитания” (в соответствии с применяемой функцией случайности). При столкновениях агенты одного типа размножаются. Если сталкиваются агенты разных типов, то “хищник” съедает “жертву”. Движения агентов также зависит от их возможностей “видеть” соседей.
- Идея “Жизни” совсем другая. Каждая вершина (узел) “среды обитания” имеет единственное свойство: “жив/мертв”. Это состояние меняется в зависимости от конфигурации соседних узлов и является главной системной переменной, определенной на Сетке.
- Атрибуты для “Жизни”:
= Координаты на сетке (статичный);
= Индекс вершины на сетке (статичный);
= Соседи (динамичный - соседи не меняют своего положения, но их статус “жив/мертв” меняется);
= Статус “жив/мертв” (динамичный).
- Конкретизация действий агентов для "Жизни":
= наблюдать - обновить положения соседей;
- Правила взаимодействия агентов для "Жизни":
= если агент находится в статусе “жив” с 2-3 “живыми” соседями, то остается “живым”;
= если агент находится в статусе “мертв” ровно с 3-мя “живыми” соседями, то он становится “живым”;
= в остальных случаях агент получает статус “мертв”.
- В красной рамке приведен пример Сетки - “среды обитания” агентов. Сетка представляет собой граф, привязанный к плоскости. Поэтому каждая вершина графа, кроме индекса, который является графовой характеристикой, имеет еще и декартовы координаты. Это позволяет вычислять близких (в смысле евклидова расстояния) к агенту соседей.
- Дуальное представление “среды обитания” дает возможность применять в агентских моделях любой граф, вершины которого расположены по заранее заданным координатам. Это становится важным при управлении роботами, доставляющими лекарства, комплектующие, материалы... в помещениях со сложной структурой и заставленных различным оборудованием.
- В синей и желтой рамках приведены возможные конфигурации Сеток.
- Важной составляющей агентских моделей являются правила реагирование при попадании на границу “среды обитания” или на другие препятствия (правила выполнения отскоков - Bounce Back Move).
- Для домашних пылесосов и пылесосов для бассейнов правила реагирование на границу “среды обитания” являются доминирующим навигационным функционалом.
- Описание “среды обитания” (через граф и координаты) может быть задано априорно или формироваться динамически как результат попадания агентов в стену (Wall).
- При инициировании модели фиксируются индивидуальные и групповые (популяционные) характеристики агентов.
- Размещение агентов по Сетке может быть конкретным или на основе некоторого распределения вероятностей для координат или индексов вершин графа “среды обитания”.
- Состав соседей является ключевой информацией для каждого агента. Для агентов, у которых может изменяться скорость передвижения по Сетке, формируется несколько списков соседей (в зависимости от применяемого значения скорости).
Идеи, цели, выводы
1. Как и обычно в практическом моделировании, на пути применения моделей ABM и MAS встает проблема релевантного формализма для описания задачи.
2. Пока проблема формализма для конкретной задачи не решена, гипотетический потенциал агентского моделирования не играет ровно ни какого значения.
3. Необходимым условием применение мультиагентных моделей в бизнесе является возможность фиксации “среды обитания” - Сетки и ее содержательной бизнес-интерпретации.
4. В задачах управления роботами и дронами пространство активности агентов естественным образом порождает 2D или 3D “среду обитания” - Сетку. Наличие только графа недостаточно для формировании Сетки.
2025-05-15=
Multi-Agent-System - 2 - Формализм для описания агентов (3 из 3)
Детали
- Все ранее рассмотренные вопросы (кроме явно прописанных конкретных правил) касались подготовительных или вспомогательных аспектов мультиагентного моделирования.
- Основная содержательная часть модели задается индивидуальными и групповыми правилами для агентов.
- По сути правила представляют собой “сырье”, на базе которых хотелось бы создать значимые бизнес-конструкции.
- На сайте conwaylife.com содержится информация о большинстве значимых конструкций, которые выявляются каждый год в игре “Жизнь”. У этих конструкций есть собственные имена и описания того, что они делают и как себя ведут. Их уже более 700. Некоторые примеры в желтых рамках.
- Все эти конструкции сформированы на базе всего ТРЕХ ранее приведенных правил взаимодействия агентов в “Жизни”. В красной рамке визуализирована структура, определяющая правила вычисления статуса “жив/мертв”. Если ячейка в центре имеет значение 1 (“жив”), а сумма в зеленых ячейках равна 2 или 3, то статус центральной ячейки в следующей итерации сохраняется. Если ячейка в центре имеет значение 0 (“мертв”), а сумма в зеленых ячейках равна 3, то статус центральной ячейки в следующей итерации изменяется на “жив” (1). Во всех остальных случаях в следующей итерации центральная ячейка имеет статус “мертв” (0).
- Большинство известных конструкций “Жизни” появились в результате применения следующей технологии:
= “явного проектирования” человеком правил для создания наиболее близких конструкций к тем, которые требуются;
= последующего автоматизированного поиска по коллекциям шаблонов алгоритмически сгенерированными над “явно спроектированными” правилами и начальными условиями.
- При этом “явное проектирование” больше похоже на изобретение, а автоматизированный поиск - на открытие.
- Полувековая история “Жизни” представляет собой строго инженерный подход к изобретению и открытию “кастомизированных” правил, а так же конструкций с наперед заданными свойствами.
- Это как раз то, чего не хватает бизнесу в процессе своей формализации: “рисование” бизнес-процессов только создает иллюзию формализации.
- В “Жизни” имеется большое направление создания “кастомизированных” правил и описания того, что они позволяют достичь.
- В агентском варианте “Жизни” можно задавать любые правила в рамках базовых 9-ти битов (клеток).
- Агентское моделирование обладает рядом свойств, которые выделяют его в ряду других мат.методов, которые полезно применять в бизнесе:
1) Достаточно известны “лучшие практики” применения мультиагенского моделирования при оптимизации сети поставщиков, решении логистических задач (популярен пример с доставкой Кока-Колы в Канаде), управлении кадрами...
2) Для реализации агентского подхода сначала требуется ввести необходимый формализм: определить значимые субъекты и объекты, а также состав их действий и свойств.
3) Обладая соответствующим формализмом, в дальнейшем в бизнесе можно применять любые мат.методы, а не только агентские технологии.
- Усилия по применению агентских моделей более мотивированы, но получаемый формализм открывает возможность применить при решении конкретных задач более адекватные мат.модели, которые изначально были неочевидны бизнесу.
Идеи, цели, выводы
1. Действия агентов из “Хищник-жертва” связаны со случайными процессами, тогда как действия агентов из “Жизни” полностью детерминированы (это совсем не означает, что их поведение просто).
2. Формализм агентов из “Хищник-жертва” и из “Жизни” можно представить как концы спектра для формализма мультиагенского моделирования.
3. Практически полезные агентские модели для бизнеса могут сочетать в себе случайность и детерминированность, а также использовать на этапе формирования моделей современные технологии машинного обучения и имитационного моделирования.
Multi-Agent-System - 2 - Формализм для описания агентов (3 из 3)
Детали
- Все ранее рассмотренные вопросы (кроме явно прописанных конкретных правил) касались подготовительных или вспомогательных аспектов мультиагентного моделирования.
- Основная содержательная часть модели задается индивидуальными и групповыми правилами для агентов.
- По сути правила представляют собой “сырье”, на базе которых хотелось бы создать значимые бизнес-конструкции.
- На сайте conwaylife.com содержится информация о большинстве значимых конструкций, которые выявляются каждый год в игре “Жизнь”. У этих конструкций есть собственные имена и описания того, что они делают и как себя ведут. Их уже более 700. Некоторые примеры в желтых рамках.
- Все эти конструкции сформированы на базе всего ТРЕХ ранее приведенных правил взаимодействия агентов в “Жизни”. В красной рамке визуализирована структура, определяющая правила вычисления статуса “жив/мертв”. Если ячейка в центре имеет значение 1 (“жив”), а сумма в зеленых ячейках равна 2 или 3, то статус центральной ячейки в следующей итерации сохраняется. Если ячейка в центре имеет значение 0 (“мертв”), а сумма в зеленых ячейках равна 3, то статус центральной ячейки в следующей итерации изменяется на “жив” (1). Во всех остальных случаях в следующей итерации центральная ячейка имеет статус “мертв” (0).
- Большинство известных конструкций “Жизни” появились в результате применения следующей технологии:
= “явного проектирования” человеком правил для создания наиболее близких конструкций к тем, которые требуются;
= последующего автоматизированного поиска по коллекциям шаблонов алгоритмически сгенерированными над “явно спроектированными” правилами и начальными условиями.
- При этом “явное проектирование” больше похоже на изобретение, а автоматизированный поиск - на открытие.
- Полувековая история “Жизни” представляет собой строго инженерный подход к изобретению и открытию “кастомизированных” правил, а так же конструкций с наперед заданными свойствами.
- Это как раз то, чего не хватает бизнесу в процессе своей формализации: “рисование” бизнес-процессов только создает иллюзию формализации.
- В “Жизни” имеется большое направление создания “кастомизированных” правил и описания того, что они позволяют достичь.
- В агентском варианте “Жизни” можно задавать любые правила в рамках базовых 9-ти битов (клеток).
- Агентское моделирование обладает рядом свойств, которые выделяют его в ряду других мат.методов, которые полезно применять в бизнесе:
1) Достаточно известны “лучшие практики” применения мультиагенского моделирования при оптимизации сети поставщиков, решении логистических задач (популярен пример с доставкой Кока-Колы в Канаде), управлении кадрами...
2) Для реализации агентского подхода сначала требуется ввести необходимый формализм: определить значимые субъекты и объекты, а также состав их действий и свойств.
3) Обладая соответствующим формализмом, в дальнейшем в бизнесе можно применять любые мат.методы, а не только агентские технологии.
- Усилия по применению агентских моделей более мотивированы, но получаемый формализм открывает возможность применить при решении конкретных задач более адекватные мат.модели, которые изначально были неочевидны бизнесу.
Идеи, цели, выводы
1. Действия агентов из “Хищник-жертва” связаны со случайными процессами, тогда как действия агентов из “Жизни” полностью детерминированы (это совсем не означает, что их поведение просто).
2. Формализм агентов из “Хищник-жертва” и из “Жизни” можно представить как концы спектра для формализма мультиагенского моделирования.
3. Практически полезные агентские модели для бизнеса могут сочетать в себе случайность и детерминированность, а также использовать на этапе формирования моделей современные технологии машинного обучения и имитационного моделирования.
2025-05-19=
Два распределения, полезные при работе с “воронкой продаж” (1 из 3)
Детали
- “Воронка продаж” (Sales Funnel) представляет собой модель, которая формализует поведение продавца и покупателя. При этом для продавца “воронка продаж” определяет последовательность необходимых этапов действий, которые привязаны к определенным состояниям покупателей.
- Обычно “воронка продаж” укладывается в 4 этапа (уровня).
- В красной рамке сведены маркеры продавца и состояния покупателя в маркетинговой модели “воронка продаж”.
- Будем считать, что каждый раз, когда происходит коммуникация продавца с потенциальным покупателем (клиентом) имеется определенная вероятность того, что клиент перейдет на один уровень ниже в “воронке продаж”. В противном случае далее этот клиент не рассматривается как потенциальный покупатель.
- Задача. Пусть из 100 потенциальных покупателей 60% перезвонили после “холодного” обзвона (осталось 60 после этапа 2), еще 2/3 наметили встречу и пришли на нее (осталось 40 после этапа 3), а 50%, прошедших этап 3, что-то в итоге купили (осталось 20 после этапа 4). Сколько требуется сделать “холодных” звонков, чтобы иметь 100 завершенных продаж.
- Ответ 500 неправильный, хотя “100 продаж” : “20 продаж” = “5 циклов” и “5 циклов” х “100 звонков в цикле” = “500 звонков”.
- Решение задачи опирается на теорию вероятностей. В этом случае необходимо корректно оперировать со случайностью.
- Рассмотрим мысленный эксперимент с бросанием “честной” монеты: монета бросается 100 раз и считается количество выпадений “орла”. Концепция вероятности не позволяет быть уверенным в результате повторных испытаний. Так, вероятность выпадения в испытании ровно 50 “орлов” составит около 0.001.
- При оценке результатов данного мысленного эксперимента корректно будет применить биноминальное распределение.
- В синей рамке для 5000 случайных переменных (5000 циклов движений по “воронке продаж”) “переписаны” данные задачи с применением биноминального распределения.
- В оранжевой рамке эти же данные, получившихся распределений (гистограмм), приведены по-отдельности с указанием “успехов” на каждом этапе.
- Разброс “успехов” получается слишком большим, хотя значения среднего сохранились для всех этапов.
- Рассмотренную модель можно параметризировать по количеству первоначальных “холодных” звонков.
- При 400-х “холодных” звонках вероятность осуществить 100 продаж составит 0.0042, при 500-х звонках - составит 0.47 и вероятность приблизится к 1 (0.9992) только при 650-ти “холодных” звонках.
- Биноминальное распределение описывает результаты n испытаний с вероятностью успеха p.
- Биномиальное распределение можно рассматривать как распределение успехов, возникающих в результате конечного процесса Бернулли (бросания монет) с точки зрения вероятности успеха p.
- Биноминальное распределение хорошо работает, если количество испытаний, которое нужно/можно произвести, конечно и априори известна вероятностью успеха p или неудачи (1 - p).
- Примеры, когда следует применять биноминальное распределение:
= если известен процент брака в работе станка, то с помощью биноминального распределения можно вычислить вероятность того, что в партии из N деталей бракованными будет не больше k деталей;
= если известен процент удач штрафного броска баскетболиста, то можно смоделировать результат трех его штрафных бросков;
= если известен процент эффективности лекарства, то можно оценить, какому количеству пациентов k из N оно поможет.
Идеи, цели, выводы
1. Корректность примененных подходов теории вероятностей явно влияет на уровень рисков и размеры получаемой прибыли.
Два распределения, полезные при работе с “воронкой продаж” (1 из 3)
Детали
- “Воронка продаж” (Sales Funnel) представляет собой модель, которая формализует поведение продавца и покупателя. При этом для продавца “воронка продаж” определяет последовательность необходимых этапов действий, которые привязаны к определенным состояниям покупателей.
- Обычно “воронка продаж” укладывается в 4 этапа (уровня).
- В красной рамке сведены маркеры продавца и состояния покупателя в маркетинговой модели “воронка продаж”.
- Будем считать, что каждый раз, когда происходит коммуникация продавца с потенциальным покупателем (клиентом) имеется определенная вероятность того, что клиент перейдет на один уровень ниже в “воронке продаж”. В противном случае далее этот клиент не рассматривается как потенциальный покупатель.
- Задача. Пусть из 100 потенциальных покупателей 60% перезвонили после “холодного” обзвона (осталось 60 после этапа 2), еще 2/3 наметили встречу и пришли на нее (осталось 40 после этапа 3), а 50%, прошедших этап 3, что-то в итоге купили (осталось 20 после этапа 4). Сколько требуется сделать “холодных” звонков, чтобы иметь 100 завершенных продаж.
- Ответ 500 неправильный, хотя “100 продаж” : “20 продаж” = “5 циклов” и “5 циклов” х “100 звонков в цикле” = “500 звонков”.
- Решение задачи опирается на теорию вероятностей. В этом случае необходимо корректно оперировать со случайностью.
- Рассмотрим мысленный эксперимент с бросанием “честной” монеты: монета бросается 100 раз и считается количество выпадений “орла”. Концепция вероятности не позволяет быть уверенным в результате повторных испытаний. Так, вероятность выпадения в испытании ровно 50 “орлов” составит около 0.001.
- При оценке результатов данного мысленного эксперимента корректно будет применить биноминальное распределение.
- В синей рамке для 5000 случайных переменных (5000 циклов движений по “воронке продаж”) “переписаны” данные задачи с применением биноминального распределения.
- В оранжевой рамке эти же данные, получившихся распределений (гистограмм), приведены по-отдельности с указанием “успехов” на каждом этапе.
- Разброс “успехов” получается слишком большим, хотя значения среднего сохранились для всех этапов.
- Рассмотренную модель можно параметризировать по количеству первоначальных “холодных” звонков.
- При 400-х “холодных” звонках вероятность осуществить 100 продаж составит 0.0042, при 500-х звонках - составит 0.47 и вероятность приблизится к 1 (0.9992) только при 650-ти “холодных” звонках.
- Биноминальное распределение описывает результаты n испытаний с вероятностью успеха p.
- Биномиальное распределение можно рассматривать как распределение успехов, возникающих в результате конечного процесса Бернулли (бросания монет) с точки зрения вероятности успеха p.
- Биноминальное распределение хорошо работает, если количество испытаний, которое нужно/можно произвести, конечно и априори известна вероятностью успеха p или неудачи (1 - p).
- Примеры, когда следует применять биноминальное распределение:
= если известен процент брака в работе станка, то с помощью биноминального распределения можно вычислить вероятность того, что в партии из N деталей бракованными будет не больше k деталей;
= если известен процент удач штрафного броска баскетболиста, то можно смоделировать результат трех его штрафных бросков;
= если известен процент эффективности лекарства, то можно оценить, какому количеству пациентов k из N оно поможет.
Идеи, цели, выводы
1. Корректность примененных подходов теории вероятностей явно влияет на уровень рисков и размеры получаемой прибыли.
2025-05-20=
Два распределения, полезные при работе с “воронкой продаж” (2 из 3)
Детали
- Усилия по выстраиванию “воронки продаж” должны завершиться продажами. И совсем небезразлично, что, сколько и с какой прибылью будет продано.
- Не всегда понятно, что выгоднее: продавать много с маленькой комиссией или продавать мало с большой комиссией.
- Рассмотрим бета-распределение, которое дает возможность обоснованно выбрать размер комиссии в операциях продаж.
- Бета-распределение представляет собой двухпараметрическое непрерывное распределение случайной переменной, значения которой ограничены неким конечным интервалом.
- Два параметра бета-распределения называются “параметрами формы”, которые, грубо говоря, определяют “жирность” левого (“альфа”) и правого (“бета”) хвостов функции PDF. Примеры бета-распределений в красной рамке.
- В содержательном смысле бета-распределение представляет собой распределение вероятностей по вероятностям.
- Содержательное различие между биноминальным распределением и бета-распределением: биноминальное моделирует число событий при известной вероятности p, а бета-распределение моделирует вероятность p как таковую. Таким образом, p в биноминальном распределении является параметром, а в бета-распределении p представляет собой случайную переменную.
- В общем случае параметры “альфа” и “бета” могут быть любыми. Но если (“альфа” - 1) интерпретировать как количество “успехов”, а (“бета” - 1) - как количество “неудач”, то появляется прямая аналогия с ранее рассмотренным биноминальным распределением.
- Когда “альфа” растет (увеличивается количество “успехов”), выпуклость функции PDF смещается вправо (второй рисунок в красной рамке), в то время как увеличение “бета” (увеличивается количество “неудач”) сдвигает PDF влево (первый рисунок в красной рамке).
- В сфере продаж имеется много задач, которые связаны с вычислениями вероятностей над вероятностями. Например, оценка откликов на рекламу; понимание динамики конверсии клиентов, фактически купивших что-то на сайте компании...
- Теоретические характеристики бета-распределения впечатляющие, а потенциальная сфера его применения обширна. При этом на практике надо уметь строить значения “альфа” и “бета” на имеющихся данных.
- Рассмотрим два подхода к работе с параметрами бета-распределения.
- Первый подход связан с репараметризацией бета-распределения.
- В этом случае бета-распределение задается не через абстрактные “альфа” и “бета”, а через просто вычисляемые и интуитивно понятные параметры “среднее” и “спред” (spread, разброс).
- В первой строке таблицы в зеленой рамке вычислено среднее “мю” для бета-распределения в классической форме.
- Во второй строке таблицы в зеленой рамке вычислен спред “s”. Под спредом понимается максимальное значение стандартного отклонения от среднего “мю” для данных полученной статистики.
- Решая имеющиеся уравнения для ”альфа” и “бета” по среднему “мю” и спреду “s” получим новое представление бета-распределения (в коричневой рамке).
Идеи, цели, выводы
1. Бета-распределение является сопряженным (conjugate prior) для ряда распределений: биноминального, Бернулли, геометрического... Это обстоятельство и другие характеристики определяют особое положение бета-распределения при решении практических задач.
Два распределения, полезные при работе с “воронкой продаж” (2 из 3)
Детали
- Усилия по выстраиванию “воронки продаж” должны завершиться продажами. И совсем небезразлично, что, сколько и с какой прибылью будет продано.
- Не всегда понятно, что выгоднее: продавать много с маленькой комиссией или продавать мало с большой комиссией.
- Рассмотрим бета-распределение, которое дает возможность обоснованно выбрать размер комиссии в операциях продаж.
- Бета-распределение представляет собой двухпараметрическое непрерывное распределение случайной переменной, значения которой ограничены неким конечным интервалом.
- Два параметра бета-распределения называются “параметрами формы”, которые, грубо говоря, определяют “жирность” левого (“альфа”) и правого (“бета”) хвостов функции PDF. Примеры бета-распределений в красной рамке.
- В содержательном смысле бета-распределение представляет собой распределение вероятностей по вероятностям.
- Содержательное различие между биноминальным распределением и бета-распределением: биноминальное моделирует число событий при известной вероятности p, а бета-распределение моделирует вероятность p как таковую. Таким образом, p в биноминальном распределении является параметром, а в бета-распределении p представляет собой случайную переменную.
- В общем случае параметры “альфа” и “бета” могут быть любыми. Но если (“альфа” - 1) интерпретировать как количество “успехов”, а (“бета” - 1) - как количество “неудач”, то появляется прямая аналогия с ранее рассмотренным биноминальным распределением.
- Когда “альфа” растет (увеличивается количество “успехов”), выпуклость функции PDF смещается вправо (второй рисунок в красной рамке), в то время как увеличение “бета” (увеличивается количество “неудач”) сдвигает PDF влево (первый рисунок в красной рамке).
- В сфере продаж имеется много задач, которые связаны с вычислениями вероятностей над вероятностями. Например, оценка откликов на рекламу; понимание динамики конверсии клиентов, фактически купивших что-то на сайте компании...
- Теоретические характеристики бета-распределения впечатляющие, а потенциальная сфера его применения обширна. При этом на практике надо уметь строить значения “альфа” и “бета” на имеющихся данных.
- Рассмотрим два подхода к работе с параметрами бета-распределения.
- Первый подход связан с репараметризацией бета-распределения.
- В этом случае бета-распределение задается не через абстрактные “альфа” и “бета”, а через просто вычисляемые и интуитивно понятные параметры “среднее” и “спред” (spread, разброс).
- В первой строке таблицы в зеленой рамке вычислено среднее “мю” для бета-распределения в классической форме.
- Во второй строке таблицы в зеленой рамке вычислен спред “s”. Под спредом понимается максимальное значение стандартного отклонения от среднего “мю” для данных полученной статистики.
- Решая имеющиеся уравнения для ”альфа” и “бета” по среднему “мю” и спреду “s” получим новое представление бета-распределения (в коричневой рамке).
Идеи, цели, выводы
1. Бета-распределение является сопряженным (conjugate prior) для ряда распределений: биноминального, Бернулли, геометрического... Это обстоятельство и другие характеристики определяют особое положение бета-распределения при решении практических задач.
2025-05-21=
Два распределения, полезные при работе с “воронкой продаж” (3 из 3)
Детали
- При рассмотрении вопроса размера комиссии при продаже необходимо учитывать как минимум два разнонаправленных фактора:
= правило убывающей доходности диктует применять более высокие проценты комиссии;
= большая доля новых клиентов обусловливает политику более низких процентов комиссии.
- Эти факторы трудно учесть через прямую оптимизацию, но косвенным образом это сделать можно.
- Второй подход к работе с бета-распределением связан c моделированием решения “прямой” задачи, основываясь на свойстве сопряженности бета-распределения и биноминального распределения.
- Пусть имеется некий товар с вполне определенной стоимостью. Он продается с добавлением величины комиссии (нулевая комиссия означает продажу по себестоимости).
- Построим два бета-распределения.
- Первое будем называть “базовым”. Пусть “базовое” бета-распределение имеет фиксированные параметры, а модель продаж, связанная с этим распределением, хорошо известна и понятна продавцу.
- Для определенности рассмотрим бета-распределение с параметрами (10, 90), когда 10 “удач” приходится на 90 “неудач”.
- Второе бета-распределение будем называть “комиссионным”. Его параметры “u” - доля “удач” и “ v” - доля “неудач”. Эти параметры будут варьироваться.
- Из “базового” и “комиссионного” бета-распределений выбирается 2 000 значений вероятностей. И на их базе строятся наборы значений биноминального распределения для 1 000 испытаний. И значение 2 000, и значение 1 000 выбраны для определенности. Они могут быть любыми другими.
- Полученные значения биноминальных распределений умножаются на стоимость товара:
= значения, изначально связанные с “базовым” бета-распределением, умножаются на стоимость без комиссии (комиссия 0%);
= значения, изначально связанные с “комиссионным” бета-распределением, умножаются на (1 + комиссия) * стоимость (комиссия в модели также варьируется).
- В оранжевой рамке приведены полученные значения биноминальных распределений: оранжевый цвет для “комиссионных”, а серый - для “базовых”.
- В зеленой рамке приведена разница “комиссионные” значения минус “базовые”. Таким образом можно оценить насколько выгоднее продавать с комиссией, чем без комиссии.
- Ответ на вопрос об квазиоптимальной комиссии содержится в модели, представленной в красной и синей рамках.
- В красной рамке в модели используется комиссия в 15% и зафиксирован определенный расклад “удачных/неудачных” продаж (задают ползунки). В синей рамке используется комиссия в 40% при определенном раскладе “удачных/неудачных” продаж.
- То, что решаемая задача является “прямой” задачей, означает, что продавцу предоставляется некий инструментарий для принятия решений, который позволяет вычислять последствия замыслов продавца.
Идеи, цели, выводы
1. Обычно ни какая модель не бывает полностью завершенной. Если появляются новые данные, то их следует добавить в модель. И часто это сопряжено с большими проблемами: апостериорные данные могут иметь другое распределение, чем данные априорные.
2. Свойство сопряженности бета-распределения проявляется в том, что если в качестве априорного распределения используется бета-распределение, то апостериорное распределение биномиального правдоподобия также является бета-распределением.
3. Таким образом, проводя любое количество испытаний (экспериментов), апостериорную вероятность можно вычислить простым добавлением количества “удач” и “неудач” к существующим априорным параметрам “альфа” и “бета” соответственно. Именно на этом строится приведенный выше инструментарий определения квазиоптимальной комиссии при продажах.
Два распределения, полезные при работе с “воронкой продаж” (3 из 3)
Детали
- При рассмотрении вопроса размера комиссии при продаже необходимо учитывать как минимум два разнонаправленных фактора:
= правило убывающей доходности диктует применять более высокие проценты комиссии;
= большая доля новых клиентов обусловливает политику более низких процентов комиссии.
- Эти факторы трудно учесть через прямую оптимизацию, но косвенным образом это сделать можно.
- Второй подход к работе с бета-распределением связан c моделированием решения “прямой” задачи, основываясь на свойстве сопряженности бета-распределения и биноминального распределения.
- Пусть имеется некий товар с вполне определенной стоимостью. Он продается с добавлением величины комиссии (нулевая комиссия означает продажу по себестоимости).
- Построим два бета-распределения.
- Первое будем называть “базовым”. Пусть “базовое” бета-распределение имеет фиксированные параметры, а модель продаж, связанная с этим распределением, хорошо известна и понятна продавцу.
- Для определенности рассмотрим бета-распределение с параметрами (10, 90), когда 10 “удач” приходится на 90 “неудач”.
- Второе бета-распределение будем называть “комиссионным”. Его параметры “u” - доля “удач” и “ v” - доля “неудач”. Эти параметры будут варьироваться.
- Из “базового” и “комиссионного” бета-распределений выбирается 2 000 значений вероятностей. И на их базе строятся наборы значений биноминального распределения для 1 000 испытаний. И значение 2 000, и значение 1 000 выбраны для определенности. Они могут быть любыми другими.
- Полученные значения биноминальных распределений умножаются на стоимость товара:
= значения, изначально связанные с “базовым” бета-распределением, умножаются на стоимость без комиссии (комиссия 0%);
= значения, изначально связанные с “комиссионным” бета-распределением, умножаются на (1 + комиссия) * стоимость (комиссия в модели также варьируется).
- В оранжевой рамке приведены полученные значения биноминальных распределений: оранжевый цвет для “комиссионных”, а серый - для “базовых”.
- В зеленой рамке приведена разница “комиссионные” значения минус “базовые”. Таким образом можно оценить насколько выгоднее продавать с комиссией, чем без комиссии.
- Ответ на вопрос об квазиоптимальной комиссии содержится в модели, представленной в красной и синей рамках.
- В красной рамке в модели используется комиссия в 15% и зафиксирован определенный расклад “удачных/неудачных” продаж (задают ползунки). В синей рамке используется комиссия в 40% при определенном раскладе “удачных/неудачных” продаж.
- То, что решаемая задача является “прямой” задачей, означает, что продавцу предоставляется некий инструментарий для принятия решений, который позволяет вычислять последствия замыслов продавца.
Идеи, цели, выводы
1. Обычно ни какая модель не бывает полностью завершенной. Если появляются новые данные, то их следует добавить в модель. И часто это сопряжено с большими проблемами: апостериорные данные могут иметь другое распределение, чем данные априорные.
2. Свойство сопряженности бета-распределения проявляется в том, что если в качестве априорного распределения используется бета-распределение, то апостериорное распределение биномиального правдоподобия также является бета-распределением.
3. Таким образом, проводя любое количество испытаний (экспериментов), апостериорную вероятность можно вычислить простым добавлением количества “удач” и “неудач” к существующим априорным параметрам “альфа” и “бета” соответственно. Именно на этом строится приведенный выше инструментарий определения квазиоптимальной комиссии при продажах.
2025-05-26=
Распределение, полезное при оценке времени выполнения проекта
Детали
- Рассмотрим PERT-распределение, которое полезно при оценке времени выполнения проекта, а также при вычислении других ожидаемых количественных значений (“количеств”) характеристик проекта.
- PERT - это аббревиатура от «методы оценки и обзора характеристик проектов» (Project Evaluation and Review Technique).
- Метод PERT был разработан для упрощения планирования и составления календарно-сетевых графиков исполнения больших и сложных проектов. В методе PERT изначально заложено наличие неопределенности, что позволяет разработать календарно-сетевой график исполнения проекта без точного знания многих деталей (особенно временных характеристик) всех составляющих проекта.
- Метод PERT главным образом нацелен на анализ времени, которое требуется для выполнения каждой отдельной задачи, а также определение минимального необходимого времени для выполнения всего проекта. Самой популярной частью PERT является метод “критического пути” (CPM, Critical path method), опирающийся на исследование календарно-сетевого графика.
- PERT-распределение представляет собой распределение, которое широко применяется при моделировании экспертных оценок желаемых “количеств” (например, времени завершения проекта), учитывая мнения/догадки экспертов о минимальных, максимальных и наиболее вероятных значениях этих “количеств”.
- PERT-распределение является модификацией (трансформированием) бета-распределения.
- PERT-распределение задается четырьмя параметрами: min, max, мода и форма (shape, опционально)
- В синей рамке приведены примеры трех PERT-распределений с фиксированными min = -2, max = 3, мода = 1 и изменяющимся параметром формы “лямбда”. Синий график соответствует значению “лямбда” 0, желтый - значению 1, а зеленый - значению 4.
- PERT-распределение можно рассматривать как непрерывную альтернативу треугольному распределению (оранжевая рамка).
- В красной рамке приведены примеры PERT-распределения, позволяющего ответить на вопрос “Когда будет сделана работа, если исполнитель обещал уложиться в 1 час”. Ответы зависят от доверия к словам исполнителя, что проявляется в значениях параметра формы “лямбда”.
- Рассмотрим пример по оценке времени разработки простецкой программы “ABCD”.
- В салатовой рамке приведены оценочные данные по срокам (в минутах) исполнения этапов разработки программы “ABCD”.
- Общий min составляет 41 минуту, max - 485 минут (8 часов) и мода - 120 минут (2 часа). Получающиеся оценки являются слишком неопределенными.
- Для каждого этапа сформируем свое PERT-распределение. Проведем 50 000 вычислительных экспериментов, случайно выбирая значения из PERT-распределений каждого этапа.
- В зеленой рамке приведен полученный результат. Он говорит, что среднее время исполнения проекта составит около 3-х часов.
Идеи, цели, выводы
1. При наличии нескольких кандидатов, представляющих “критический путь”, будет более корректным перейти к PERT-распределениям, провести соответствующие вычислительные эксперименты и только по их результатам выбрать “критический путь”.
Распределение, полезное при оценке времени выполнения проекта
Детали
- Рассмотрим PERT-распределение, которое полезно при оценке времени выполнения проекта, а также при вычислении других ожидаемых количественных значений (“количеств”) характеристик проекта.
- PERT - это аббревиатура от «методы оценки и обзора характеристик проектов» (Project Evaluation and Review Technique).
- Метод PERT был разработан для упрощения планирования и составления календарно-сетевых графиков исполнения больших и сложных проектов. В методе PERT изначально заложено наличие неопределенности, что позволяет разработать календарно-сетевой график исполнения проекта без точного знания многих деталей (особенно временных характеристик) всех составляющих проекта.
- Метод PERT главным образом нацелен на анализ времени, которое требуется для выполнения каждой отдельной задачи, а также определение минимального необходимого времени для выполнения всего проекта. Самой популярной частью PERT является метод “критического пути” (CPM, Critical path method), опирающийся на исследование календарно-сетевого графика.
- PERT-распределение представляет собой распределение, которое широко применяется при моделировании экспертных оценок желаемых “количеств” (например, времени завершения проекта), учитывая мнения/догадки экспертов о минимальных, максимальных и наиболее вероятных значениях этих “количеств”.
- PERT-распределение является модификацией (трансформированием) бета-распределения.
- PERT-распределение задается четырьмя параметрами: min, max, мода и форма (shape, опционально)
- В синей рамке приведены примеры трех PERT-распределений с фиксированными min = -2, max = 3, мода = 1 и изменяющимся параметром формы “лямбда”. Синий график соответствует значению “лямбда” 0, желтый - значению 1, а зеленый - значению 4.
- PERT-распределение можно рассматривать как непрерывную альтернативу треугольному распределению (оранжевая рамка).
- В красной рамке приведены примеры PERT-распределения, позволяющего ответить на вопрос “Когда будет сделана работа, если исполнитель обещал уложиться в 1 час”. Ответы зависят от доверия к словам исполнителя, что проявляется в значениях параметра формы “лямбда”.
- Рассмотрим пример по оценке времени разработки простецкой программы “ABCD”.
- В салатовой рамке приведены оценочные данные по срокам (в минутах) исполнения этапов разработки программы “ABCD”.
- Общий min составляет 41 минуту, max - 485 минут (8 часов) и мода - 120 минут (2 часа). Получающиеся оценки являются слишком неопределенными.
- Для каждого этапа сформируем свое PERT-распределение. Проведем 50 000 вычислительных экспериментов, случайно выбирая значения из PERT-распределений каждого этапа.
- В зеленой рамке приведен полученный результат. Он говорит, что среднее время исполнения проекта составит около 3-х часов.
Идеи, цели, выводы
1. При наличии нескольких кандидатов, представляющих “критический путь”, будет более корректным перейти к PERT-распределениям, провести соответствующие вычислительные эксперименты и только по их результатам выбрать “критический путь”.
2025-05-27=
Модель информационной эффективности рынка (1 из 3)
Детали
- Теория Фама (Eugene Fama), лауреата Нобелевской премии по экономике 2013 года, носит название “Гипотеза эффективного рынка”.
- “Гипотеза...” основывается на принципе: “вся существующая информация сразу и полностью отражается на стоимости ценных бумаг”. Этот принцип также является и определением понятия “информационно эффективный рынок”
- Принцип, сформулированный Фамом, стал организующим фактором многочисленных эмпирических исследований в финансовой экономике.
- Понятие “эффективности” в “Гипотезе...” не совпадает с интуитивным пониманием “эффективности”, и поэтому теория Фама часто интерпретируется некорректно.
- Первый главный результат ”Гипотезы...” и связанных с ней многочисленных исследований заключается в том, что существующие методы и средства анализа рынка ценных бумаг на практике не работают, но создают иллюзию понимания происходящих явлений.
- Второй главный результат состоит в том, что рынки действительно являются информационно эффективными.
- Практических вывода, следующих из “Гипотезы...”, два:
= опосредованно цены активов (акции, облигации, недвижимость...) точно отражают всю известную на данный момент информацию о соответствующих компаниях и характеристиках их деятельности;
= экономические агенты-наблюдатели используют только немногие данные о рынке, что делает их знания крайне ограниченными.
- Формализуем “Гипотезу...” в виде мат.модели и постараемся выявить известные эмпирические закономерности прямо из нее. Для этого необходимо обеспечить учет транзакций, происходящих на разных временных шагах (тактах), а также возникающих причинно-следственных связей.
- Пусть агент А владеет двумя активами АА, а агент В владеет двумя активами ВВ. Введем правила торговли. Правила АА -> ВА и ВВ -> АВ означают соответственно, что агент А продал один свой актив агенту В, а агент В продал свой один актив агенту А.
- Правило АВ -> ВА означает, что агенты А и В произвели обмен своими активами в ходе двух операций купли-продажи. Тоже самое относится и к правилу ВА -> АВ.
- Введенные 4 правила купли-продажи дают возможность построить модель “самой простой” экономики. При этом четыре литеры будут определять текущее состояние экономики, в которой первые две литеры описывают активы агента А, последние две литеры - активы агента В.
- Модель “самой простой” экономики будет состоять из двух агентов с четырьмя правилами купли-продажи и начальным состоянием ААВВ, для которой можно построить многоходовой граф.
- В голубой рамке приведен граф состояний “самой простой” экономики после первого такта.
- В оранжевой рамке содержится совмещенное изображение состояний (голубые прямоугольники) и событий (желтые прямоугольники), приводящих к попаданию “самой простой” экономики в то или иное состояние, на втором такте.
- В данном случае, как и во многих других практических обстоятельствах, событие и действующее правило представляются эквивалентными сущностями.
- В синей рамке состояния и события третьего такта разделены между собой.
- В красной рамке показана ситуация на пятом такте. Явно заметно, что количество состояний существенно меньше, чем количество имеющих место различных событий.
Идеи, цели, выводы
1. Даже в “самой простой” экономике агенты не имеют ресурсов и возможностей отследить все имеющие место события в кластере возникающих причинно-следственных связей (хотя они вычислимы и известны).
2. Целью рассматриваемой модели является выявление объема и структуры информации, которые агент реально может получить и использовать при принятии решений.
Модель информационной эффективности рынка (1 из 3)
Детали
- Теория Фама (Eugene Fama), лауреата Нобелевской премии по экономике 2013 года, носит название “Гипотеза эффективного рынка”.
- “Гипотеза...” основывается на принципе: “вся существующая информация сразу и полностью отражается на стоимости ценных бумаг”. Этот принцип также является и определением понятия “информационно эффективный рынок”
- Принцип, сформулированный Фамом, стал организующим фактором многочисленных эмпирических исследований в финансовой экономике.
- Понятие “эффективности” в “Гипотезе...” не совпадает с интуитивным пониманием “эффективности”, и поэтому теория Фама часто интерпретируется некорректно.
- Первый главный результат ”Гипотезы...” и связанных с ней многочисленных исследований заключается в том, что существующие методы и средства анализа рынка ценных бумаг на практике не работают, но создают иллюзию понимания происходящих явлений.
- Второй главный результат состоит в том, что рынки действительно являются информационно эффективными.
- Практических вывода, следующих из “Гипотезы...”, два:
= опосредованно цены активов (акции, облигации, недвижимость...) точно отражают всю известную на данный момент информацию о соответствующих компаниях и характеристиках их деятельности;
= экономические агенты-наблюдатели используют только немногие данные о рынке, что делает их знания крайне ограниченными.
- Формализуем “Гипотезу...” в виде мат.модели и постараемся выявить известные эмпирические закономерности прямо из нее. Для этого необходимо обеспечить учет транзакций, происходящих на разных временных шагах (тактах), а также возникающих причинно-следственных связей.
- Пусть агент А владеет двумя активами АА, а агент В владеет двумя активами ВВ. Введем правила торговли. Правила АА -> ВА и ВВ -> АВ означают соответственно, что агент А продал один свой актив агенту В, а агент В продал свой один актив агенту А.
- Правило АВ -> ВА означает, что агенты А и В произвели обмен своими активами в ходе двух операций купли-продажи. Тоже самое относится и к правилу ВА -> АВ.
- Введенные 4 правила купли-продажи дают возможность построить модель “самой простой” экономики. При этом четыре литеры будут определять текущее состояние экономики, в которой первые две литеры описывают активы агента А, последние две литеры - активы агента В.
- Модель “самой простой” экономики будет состоять из двух агентов с четырьмя правилами купли-продажи и начальным состоянием ААВВ, для которой можно построить многоходовой граф.
- В голубой рамке приведен граф состояний “самой простой” экономики после первого такта.
- В оранжевой рамке содержится совмещенное изображение состояний (голубые прямоугольники) и событий (желтые прямоугольники), приводящих к попаданию “самой простой” экономики в то или иное состояние, на втором такте.
- В данном случае, как и во многих других практических обстоятельствах, событие и действующее правило представляются эквивалентными сущностями.
- В синей рамке состояния и события третьего такта разделены между собой.
- В красной рамке показана ситуация на пятом такте. Явно заметно, что количество состояний существенно меньше, чем количество имеющих место различных событий.
Идеи, цели, выводы
1. Даже в “самой простой” экономике агенты не имеют ресурсов и возможностей отследить все имеющие место события в кластере возникающих причинно-следственных связей (хотя они вычислимы и известны).
2. Целью рассматриваемой модели является выявление объема и структуры информации, которые агент реально может получить и использовать при принятии решений.
2025-05-28=
Модель информационной эффективности рынка (2 из 3)
Детали
- Информационно эффективный рынок:
= не является саморегулирующимся или “ясновидящем” рынком;
= не обязательно должен обрабатывать все поступающие ордера наиболее прибыльным образом;
= является непредсказуемым рынком, на котором не работают простые правила торговли, например, “если вчера рынок шел вверх, то покупай сегодня”...
- Если рынки являются информационно эффективными, то согласно “Гипотезы...” Фама любое корпоративное событие должно немедленно отражаться на ценах акций.
- Закономерен вопрос, почему опытные и хорошо образованные агенты-наблюдатели не могут воспринимать всю имеющуюся информацию об изменениях на рынке.
- Следом встает другой вопрос: “какую информацию о рынке реально может получить агент-наблюдатель”.
- В синей рамке приведен “схема” мультиходового графа “самой простой” экономики на четвертом такте (шаге).
- Что в ней интересного. Во-первых, черные стрелки показывают движения “состояние” - “событие” - “состояние”. Синие вершины - это состояния, а оранжевые - это события (правила). Кроме этого, на “схеме” имеются оранжевые стрелки, которые обозначают причинно-следственные связи. Технически оранжевая стрелка соединяет предыдущее событие и последующее, “перепрыгивая” вершину, стоящего между ними состояния.
- Во-вторых, полученная схема комбинаторно полная и исчерпывающим образом описывает все состояния и события “самой простой” экономики, а также все существующие в ней причинно-следственные связи.
- Таким образом, модель обеспечивает выполнение “Гипотезы...” Фама, гарантируя, что “вся существующая информация может сразу и полностью отражаться на стоимости ценных бумаг”
- Приведенная “схема” так же предопределяет направление, работы по которому дают возможность ответить на два выше поставленных вопроса.
- Выбрав пути, по которым агент-наблюдатель может следить за развитием ситуации на рынке, и отобразив их на “схему”, можно понять, какой долей фактов, существующих в информационно эффективном рынке, не владеет агент-наблюдатель.
- Несомненно, что модель “самой простой” экономики слишком заурядна. Но заложенные в ней подходы дают возможность строить более сложные модели.
- Добыча и торговля золотом. Пусть компания G добывает в шахте X некоторый единичный объем золота, а также имеется 3 рыночных агента A, B и C. Каждый добытый единичный объем золота может быть обменен между A, B и C.
- Появившееся на рынке золото с рынка не изымается.
- Пусть начальной строкой будет ХААВСGGG. В начале строки стоит X, а в конце - столько G, сколько должно быть единичных объемов золота на рынке.
- Правила генерации единичных объемов золота: XA->XAG, XB->XBG, XC->XCG, XD->XGG, XAB->XABG, XAC->XACG, XBC->XBCG, XABC->XABCG. Например, правило XA-> XAG означает, что компания G добыла в шахте X единичный объем золота для A...
- Правила поступления золота на рынок: GA->AA, GB->BB, GC->CC.
- Правила обмена золота на рынке: AB->BA, AC->CA, BC->CB.
- Причинно-следственный граф модели на шестом такте приведен в оранжевой рамке.
- Денежный поток в национальной экономике. Причинно-следственный граф модели на шестом такте приведен в зеленой рамке.
- Правила модели следующие:
= предложение денег центральным банком В фиксировано;
= коммерческие банки С, D, E, F (обобщены как Х) совершают транзакции с В по правилам: ХB->BХ, а также обмены между собой;
= порции денег Z могут сниматься клиентами или изыматься центральным банком В при определенном уровне инфляции (выражается в количестве Z в текущем состоянии).
Идеи, цели, выводы
1. Приведенные модели интересны еще и тем, что они инициируют тему выбора набора простых правил (формализма), способных описать достаточно сложные экономические процессы.
Модель информационной эффективности рынка (2 из 3)
Детали
- Информационно эффективный рынок:
= не является саморегулирующимся или “ясновидящем” рынком;
= не обязательно должен обрабатывать все поступающие ордера наиболее прибыльным образом;
= является непредсказуемым рынком, на котором не работают простые правила торговли, например, “если вчера рынок шел вверх, то покупай сегодня”...
- Если рынки являются информационно эффективными, то согласно “Гипотезы...” Фама любое корпоративное событие должно немедленно отражаться на ценах акций.
- Закономерен вопрос, почему опытные и хорошо образованные агенты-наблюдатели не могут воспринимать всю имеющуюся информацию об изменениях на рынке.
- Следом встает другой вопрос: “какую информацию о рынке реально может получить агент-наблюдатель”.
- В синей рамке приведен “схема” мультиходового графа “самой простой” экономики на четвертом такте (шаге).
- Что в ней интересного. Во-первых, черные стрелки показывают движения “состояние” - “событие” - “состояние”. Синие вершины - это состояния, а оранжевые - это события (правила). Кроме этого, на “схеме” имеются оранжевые стрелки, которые обозначают причинно-следственные связи. Технически оранжевая стрелка соединяет предыдущее событие и последующее, “перепрыгивая” вершину, стоящего между ними состояния.
- Во-вторых, полученная схема комбинаторно полная и исчерпывающим образом описывает все состояния и события “самой простой” экономики, а также все существующие в ней причинно-следственные связи.
- Таким образом, модель обеспечивает выполнение “Гипотезы...” Фама, гарантируя, что “вся существующая информация может сразу и полностью отражаться на стоимости ценных бумаг”
- Приведенная “схема” так же предопределяет направление, работы по которому дают возможность ответить на два выше поставленных вопроса.
- Выбрав пути, по которым агент-наблюдатель может следить за развитием ситуации на рынке, и отобразив их на “схему”, можно понять, какой долей фактов, существующих в информационно эффективном рынке, не владеет агент-наблюдатель.
- Несомненно, что модель “самой простой” экономики слишком заурядна. Но заложенные в ней подходы дают возможность строить более сложные модели.
- Добыча и торговля золотом. Пусть компания G добывает в шахте X некоторый единичный объем золота, а также имеется 3 рыночных агента A, B и C. Каждый добытый единичный объем золота может быть обменен между A, B и C.
- Появившееся на рынке золото с рынка не изымается.
- Пусть начальной строкой будет ХААВСGGG. В начале строки стоит X, а в конце - столько G, сколько должно быть единичных объемов золота на рынке.
- Правила генерации единичных объемов золота: XA->XAG, XB->XBG, XC->XCG, XD->XGG, XAB->XABG, XAC->XACG, XBC->XBCG, XABC->XABCG. Например, правило XA-> XAG означает, что компания G добыла в шахте X единичный объем золота для A...
- Правила поступления золота на рынок: GA->AA, GB->BB, GC->CC.
- Правила обмена золота на рынке: AB->BA, AC->CA, BC->CB.
- Причинно-следственный граф модели на шестом такте приведен в оранжевой рамке.
- Денежный поток в национальной экономике. Причинно-следственный граф модели на шестом такте приведен в зеленой рамке.
- Правила модели следующие:
= предложение денег центральным банком В фиксировано;
= коммерческие банки С, D, E, F (обобщены как Х) совершают транзакции с В по правилам: ХB->BХ, а также обмены между собой;
= порции денег Z могут сниматься клиентами или изыматься центральным банком В при определенном уровне инфляции (выражается в количестве Z в текущем состоянии).
Идеи, цели, выводы
1. Приведенные модели интересны еще и тем, что они инициируют тему выбора набора простых правил (формализма), способных описать достаточно сложные экономические процессы.
