Content uploaded by Angela Shvetsova
Author content
All content in this area was uploaded by Angela Shvetsova on Sep 27, 2023
Content may be subject to copyright.
МЯГКИЕИЗМЕРЕНИЯИВЫЧИСЛЕНИЯ
Научныйжурнал
Том36,Номер11,Ноябрь 2020
1йгодвыпуска– 2017
Периодичность:12выпусковвгод
ISSN26189976(print)
ISSN27132072(online)
ООО"Издательскийдом
"НАУЧНАЯБИБЛИОТЕКА"
Главныйредактор
ПрокопчинаСветланаВасильевна,профессор,доктортехническихнаук
ФинансовыйуниверситетприПравительствеРоссийскойФедерации,Россия
Заместительглавногоредактора
ЗвягинЛеонидСергеевич,доцент,кандидатэкономическихнаук
ФинансовыйуниверситетприПравительствеРоссийскойФедерации,Россия
Редакционныйсовет
КлейнерГеоргийБорисович,профессор,
докторэкономическихнаук,
членкорреспондентРо ссийскойакадемиинаук,
ФинансовыйуниверситетприПравительствеРоссийскойФедерации,
Россия
ПедричВитольд,профессор,PhD
Институтинженеровэлектротехники иэлектроники(ч ленIEEE),Уни
верситетпровинцииАльберта,Канада
СанчесТомазоКалво,профессор,PhD
УниверситетАлькала,Испания
СапожниковаКсенияВсеволодовна,PhD
Международнаяконфедерацияпо измерениям(членIMEKO TC7),Всероссий
ский научноисследовательский институт м етрологии им. Д.И. Менд елеева
(ВНИИМ),Россия
ТаймановРоальдЕвгеньевич,PhD
Международнаяконфедерацияпоизмерениям(членIMEKOTC7),Всерос
сийский научноисс ледовательский институт метролог ии им. Д.И. Мен
делеева(ВНИИМ), Россия
ЮришСергейЮрьевич,профессор,PhD
Международнаяас социациячастотныхдатчиков,Испания
Редакционнаяколлегия
АверкинАлексейНиколаевич,доцент,
кандидатфизикоматематических наук
Федеральныйиссл едовательскийц ентр"Информат икаиуправле ние"
РоссийскойАкадемииНаук
БатыршинИльдарЗакирзянович,докторфизикоматематическихнаук
Национальныйполитехническийинститут,Мексика
ГисинВладимирБорисович,профессор,
кандидатфизикоматематических наук
ФинансовыйуниверситетприПравительствеРоссийскойФедерации,
Россия
ГороховВладимирЛеонидович,профессор,доктортехническихнаук
СанктПетербургскийгосударственныйэлектротехническийуни
верситет"ЛЭТИ" им.В.И.Ульянова(Ленина),Россия
ЖуковРоманАлександрович,доцент,
кандидатфизикоматематических наук
ТульскийфилиалФинансовогоуниверситета приПравительстве
РоссийскойФедерации,Россия
Куприянов МихаилС тепанович ,профессор,доктортехническихнаук
СанктПетербургскийгосударственныйэлектротехническийуни
верситет"ЛЭТИ" им.В.И.Ульянова(Ленина),Россия
КотельниковВалерийГригорьевич,профессор,доктортехническихнаук
Финансовы йуниверс итетприПравител ьствеРосс ийской Федераци и,Россия
ЛазаревВикторЛазаревич,доцент,кандидаттехническихнаук
Национальныйиссл едовательскийу ниверситетинформационных
технологий,механикииоптики(ИТМО),Россия
ЛепскийВладимирЕвгеньевич,докторпсихологическихнаук
ИнститутфилософииРАН,Россия
НедосекинАлексейОлегович,профессор,докторэкономическихнаук ,
кандидаттехниче скихнаук
ООО"СИФИНАНС",Россия
СпесивцевАлександрВасильевич,доктортехническихнаук
Военнокосмическаяакадемияим.СанктПетербургскийФедеральный
исследовательскийцентрРоссийскойакадемиинаук,Россия
ТарасовВалерийБорисович,доцент,кандидаттехническихнаук
Московскийгосуда рственныйтехническийуниверситетим.Н.Э.Ба умана,
Россия
ТулупьевАлександрЛьвович,профессор,
докторфизикоматематическихнаук
СанктПетербургски йинститут информ атикииа втоматиз ацииРАН,Россия
ЩепетоваСветланаЕвгеньевна,доцент,док торэкономиче скихнаук
ФинансовыйуниверситетприПравительствеРоссийскойФедерации,Россия
РешениемВысшейаттестационнойкомиссииприМинистерственаукиивысшегообразованияРоссийскойФедерации
(ВАКприМинобрнауки России)журналвключенвПереченьрецензируемыхнаучныхизданий,вкоторыхдолжныбыть
опубликованыосновныенаучныерезультатыдиссертацийнасоисканиеученойстепеникандидатанаук,
насоисканиеученойстепенидокторанаук.
ЖурналвключенвнациональнуюбиблиографическуюбазуданныхРоссийскогоиндексанаучногоцитирования(РИНЦ),
индексируетсявНаучнойэлектроннойбиблиотекеeLIBRARY.RU(Россия).
ЖурналзарегистрированвМинистерствецифровогоразвития,связиимассовыхкоммуникацийРоссийскойФедерации,
Федеральнойслужбепонадзорувсфересвязи,информационныхтехнологийимассовыхкоммуникаций(РОСКОМНАДЗОР).
Свидетельствоорегистрациисредствамассовойинформацииот08.12.2017ПИ№ФС7771792
Перепечаткаматериалов,опубликованныхвжурнале"Мягкиеизмеренияивычисления",допускаетсятолькосписьменногоразрешенияредакции.
Статьирецензируются.Точказренияавторовстатейможетнесовпадатьсмнениемредакции.
Ответственностьзадостоверностьрекламныхобъявленийнесутрекламодатели.
Подписановпечать27.11.2020.Формат60х901/8.
Ценадоговорная.Объем10,25 п.л.
Тираж5000экз.
ОтпечатановтипографииООО"Канцлер"
г.Ярославль,ул.ПолушкинаРоща,16,ст.66а
Email:kancler2007@yandex.ru
ПодпискавовсехотделенияхсвязиРо ссии,
Казахстана,УкраиныиБелоруссии.
Каталог"ПрессаРоссии" – индекс39468
Редакция
123022,г.Москва,Звенигородскоешоссе,д.5,стр.1
info@slib.com,idnb11@yandex.ru
+7(495)5922998,+7(916)9255954
slib.com
SOFTMEASUREMENTSANDCOMPUTING
Scientificjournal
Volume36,No.11,November 2020
1styearpublished– 2017
12issuesperyear(monthlyfrequency)
ISSN26189976(print)
ISSN27132072(online)
PublishingHouse
SCIENTIFICLIBRARYLtd.
EditorinChief
ProkopchinaSvetlanaV.,Professor,DoctorofTechnicalSciences
FinancialUniversityundertheGovernmentoftheRussianFederation,Russia
DeputyEditorinChief
ZvyaginLeonidS.,AssociateProfessor,CandidateofEconomics
FinancialUniversityundertheGovernmentoftheRussianFederation,Russia
EditorialCouncil
KleinerGeorgeB.,Professor,DoctorofEconomics
RussianAcademyofSciences(RASCorrespondingMember),
FinancialUniversityundertheGovernmentoftheRussianFederation,Russia
PedryczWitold,Professor,PhD
InstituteofElectricalandElectronicsEngineers(IEEEMember),
UniversityofAlberta,Canada
SanchezTomasaC.,Professor,PhD
UniversityofAlcalá,Spain
SapozhnikovaKseniaV.,PhD
InternationalMeasurementConfederation(IMEKOTC7Member),
D.I.MendeleevInstituteforMetrology(VNIIM),Russia
TaymanovRoyaldE.,PhD
InternationalMeasurementConfederation(IMEKOTC7Member),
D.I.MendeleevInstituteforMetrology(VNIIM),Russia
YurishSergeyY.,Professor,PhD
InternationalFrequencySensorAssociation(IFSA),Spain
EditorialBoard
AverkinAlexeyN.
AssociateProfessor,Can didateofPhysicalandMathematicalSciences
FederalResearchCenter“ComputerScienceandControl”
oftheRussianAcademyofSciences,Russia
BatyrshinIldarZ.
DoctorofPhysicalandMathematicalSciences
InstitutoPolitécnicoNacional,Mexico
GisinVladimirB.
Professor,CandidateofPhysicalandMathematicalSciences
FinancialUniversityundertheGovernmentoftheRussianFederation,Russia
GorokhovVladimirL.
Professor,DoctorofTechnicalSciences
SaintPetersburgElectrotechnicalUniversity"LETI",Russia
ZhukovRomanA.
CandidateofPhysicalandMathematicalSciences
FinancialUniversityundertheGover nmentofRussia nFederation
(Tulabranch),Russi a
KupriyanovMikhailS.
Professor,DoctorofTechnicalSciences
SaintPetersburgElectrotechnical University"LETI",Russia
KotelnikovValeryG.
Professor,DoctorofTechnicalSciences
FinancialUniversityundertheGovernmentoftheRussianFederation,Russia
LazarevViktorL.
AssociateProfessor,Can didateofTechnicalSciences
ITMONationalRese archUniversity,R ussia
LepskiyVladimirE.
DoctorofPsychologica lSciences
InstituteofPhilosophyoftheRussianAcademyofSciences,Russia
NedosekinAlexeyO.
Professor,DoctorofEconomics,Candi dateofTechnicalSciences
LLC"СFINANCE",Russia
SpesivtsevAlexanderV.
DoctorofTechnicalSciences
St.PetersburgFederalResearchCe nteroftheRussianAcademyofSciences,
Russia
TarassovValeryB.
AssociateProfessor,Can didateofTechnica lSciences
BaumanMoscowStateTechnicalUniversity,Russia
TulupyevAlexanderL.
Professor,DoctorofPhysicalandMathematicalSciences
St.PetersburgInstituteforInformaticsandAutomation,RussianAcademy
ofSciences,Russia
ShchepetovaSvetlanaE.,AssociateProfessor ,DoctorofEconomics
FinancialUniversityundertheGovernmentoftheRussianFederation,Russia
3
IndexingandPeerreview
RussianScienceIndex(eLIBRARY.RU)
HigherAttestationCommission
oftheRussianMinistryofEducationandScience
SubjectAreaandCategory
Measurements– MeasurementScience,IntelligentMeasurements
Computing–SoftComputing
Mathematics – Bayesianapproach,TheoryofProbabilityandStatistics
ThejournalisregisteredintheMinistryofDigitalDevelopment,Communicationsand MassMediaoftheRussianFederation,
theFederalServiceforSupervisionofCommunications,InformationTechnology,andMassMedia(ROSKOMNADZOR).
CertificateofMassMediaRegistrationPI№FS77– 71792from08.12.2017
WrittenpermissionshouldbesoughtfromSCIENTIFICLIBRARYLtd.toreproduceanysubstantialpartofacopyrightedworkofthejournal.
Signedarticlesrepres enttheviewsof theauthors,whichmaynotnecessarilycoincidewiththoseofSCIENTIFICLIBRARYLtd.
Responsibilityfortheaccuracyofadvertisementslieswithadvertisers.
Signedforprinting27.11.2020.Size60х901/8.
Thepriceisnegotiable.Numberofsheets10,25 P.L.
Edition5000copies.
Printinghouseof Ltd."Kantsler" Y aroslavl,
ul.PolushkinaRoshcha,16,66A
Email:kancler2007@yandex.ru
SubscriptioninallpostofficesofRussia,
Kazakhstan,UkraineandBelarus.
RussianPressCatalog– Index39468
EditorialOffice
5/1,Zvenigorodskoyeshosse,123022,Moscow,Russia
info@slib.com,idnb11@yandex.ru
+7(495)5922998,+7(916)9255954
slib.com
МЯГКИЕИЗМЕРЕНИЯИВЫЧИСЛЕНИЯ Том36,Номер11,Ноябрь 2020
3
СОДЕРЖАНИЕ
ОБЩАЯТЕОРИЯИЗМЕРЕНИЙ.
МЕТОДОЛОГИЯ ИПРИМЕНЕНИЕ
ТЕОРИИИНТЕЛЛЕКТУАЛЬНЫХ,
МЯГКИХ,СИСТЕМНЫХИЗМЕРЕНИЙ:
МЕРЫ,ШКАЛЫ,ТЕХНОЛОГИИ
СпесивцевАлександрВ.
,
СпесивцевСергейА.,
СпесивцевВасилийА.
Мягкиеизмеренияимягкиевычисления–
путьматематизации психологииличности …………
…
5
МОДЕЛИРОВАНИЕСЛОЖНЫХ
СИСТЕМВУСЛОВИЯХ
НЕОПРЕДЕЛЕННОСТИ
БекеневаЯнаА
.
Выявлениеаномалийнаосноверазнородных
данныхвраспределенныхсистемахмониторинга…
ЗвягинЛеонидС.
Математическиеалгоритмытеорииигр,
какприкладнойинструмент
для экономическихрешений ………………………………
…
24
3
5
БАЙЕСОВСКИЕ
ИНТЕЛЛЕКТУАЛЬНЫЕ
ТЕХНОЛОГИИ
ПрокопчинаСветланаВ.
,
МищенкоСветланаН.
Применениерегуляризирующегобайесовского
подходадляопределениязаконовраспределения
рейтинговыхоценокбанков …………………………………
…
48
ИНФОРМАЦИОННЫЕТЕХНОЛОГИИ
ИСИСТЕМЫИНТЕЛЛЕКТУАЛЬНОЙ
ОБРАБОТКИДАННЫХВУСЛОВИЯХ
НЕОПРЕДЕЛЕННОСТИ
ШвецоваАнжелаА.,
ЗвягинцеваАннаВ.
Информационноаналитическаясистема
поддержкипринятиярешений
длястратегическогопланированияразвития
регионовигородов ………………………………………………
…
ИвановМихаилН.
Виртуальныетренажерыкакнеотъемлемая
составляющая электронногообучения …………………
55
67
ИНФОРМАЦИЯИАНОНСЫ
НАУЧНЫХМЕРОПРИЯТИЙ
3я конференция IFSAFrequency&TimeConference
(IFTC'2021)……………………………………………………………
…
7Международнаяконференцияпосенсорам
идостижениямэлектронногоприборостроения …
…
77
79
SOFTMEASUREMENTSANDCOMPUTING Volume 36,No.11,November 2020
4
CONTENTS
GENERALTHEORY
OFMEASUREMENTS.METHODOLOGY
A
NDAPPLICATIONO
F
THETHEORY
OFINTELLECTUAL,SOFT,SYSTEMIC
MEASUREMENTS:MEASURES,
SCALES,TECHNOLOGIES
S
pesivtse
v
AlexanderV.,
S
pesivtse
v
SergeyA.,
S
pesivtsevVasilyA.
Softmeasurementsandsoftcalculations
arethewaytomathematizethepsychology
o
f
personality ……………
…
…………………………………………
…
5
COMPLEXSYSTEMSMODELING
UNDERUNCERTAINTY
BekenevaYanaA
.
Anomaliesdetectionbasedonheterogeneousdata
indistributedmonitoringsystems……………………………
Z
vyaginLeonidS.
Mathematicalalgorithmsofgametheory
asanappliedtoolformakingeffectivefinancial
andeconomicdecisions …………………
…
………………………
24
35
BAYESIANINTELLIGENT
TECHNOLOGIES
ProkopchinaSvetlanaV.,
MishchenkoSvetlanaN.
Applicationoftheregularizingbayesianapproach
todeterminingthelawsofthedistribution
ofbank'sratin
g
values ……………………………………………
…
48
INFORMATIONTECHNOLOGIESAND
INTELLECTUALDATAPROCESSING
SYSTEMSUNDERUNCERTAINTY
S
hvetsov
a
AngelaA.
,
Z
viagintsevaAnnaV.
Informationanalysisdecisionsupportsystem
forstrategicplanningofregionalandurban
development……………………………………………………………
IvanovMikhailNikolaevich
Virtualsimulatorsasaninte
g
ralpartof
e
learnin
g
……
55
67
INFORMATION
A
NDANNOUNCEMENTS
OFSCIENTIFICEVENTS
3rd IFSAFrequency&TimeConference(IFTC'2021)…
7InternationalConferenceonSensors
andElectronicInstrumentationAdvances………………
…
7
7
79
МЯГКИЕИЗМЕРЕНИЯИВЫЧИСЛЕНИЯ Том36,Номер11,Ноябрь 2020
5
УДК 159.923:519.6 DOI:10.36871/26189976.2020.11.001
МЯГКИЕИЗМЕРЕНИЯИМЯГКИЕВЫЧИСЛЕНИЯ–
ПУТЬМАТЕМАТИЗАЦИИПСИХОЛОГИИЛИЧНОСТИ
СпесивцевАлександрВ.1
1Доцент,доктортехническихнаук,СанктПетербургскийФедеральныйисследовательский
центрРоссийскойакадемиинаук,СанктПетербург,Россия,email:sav2050@gmail.com
СпесивцевСергейА.2
2ИП«Консультирование»,СанктПетербург,Россия,email:wwconsult@yandex.ru
СпесивцевВасилийА.3
3Младшийнаучныйсотрудник,СанктПетербургскийФедеральныйисследовательскийцентр
Российскойакадемиинаук,СанктПетербург,Россия,email:ryukuro@yandex.ru
ИНФОРМАЦИЯ
А
ННОТАЦИЯ
Ключевыеслова:
психологияличности
мягкиеизмерения
нечетковозможностныйподход
явныеинеявныеэкспертныезнания
математическаямодель
экспертнаяоценка
психологконсультант
Рассматриваютсяпредпосылкивнедрениянечетковозмож
ностного подхода при построении математических моделей
в психологии личности. Специфика этой области психолог ии
заключается в невозможности построения эффективных ма
тематическихмоделейдетерминированнымиметодами,втом
числеи статистическими. Делов том,что статистические ме
тодыпредназначеныдляобработкимножестваисходных
данных и применяются успешно в социальной психологии,
которая описывает тенденции некоторого явления группы
людей«вобщемисреднем»,нонеприменимыкиндивиду
альной личности. Принципиальная позиция авторов состоит
в необходимости использования знаний и опыта высококва
лифицированных специалистовпсихологов, которые практ и
куютнепосредственное консультированиеклиентовпореше
ниюличныхпсихологическихпроблем.Предлагаемыйаппа
рат построения нечетковозможностных моделей излагается
вформеалгоритма,вкоторомрасписанывсенеобходимые
этапы – от работы с экспертом до интерпретации моделей
иихиспользованиядляполучениякачественноновойин
формацииопсихологическомсостоянииклиента. Применение
нечетковозможностного подхода иллюстрируется на приме
ре синтеза математической модели оценивания и прогнози
рования психологического состояния готовности женщины
ксозданиюустойчивойсемьи
SOFTMEASUREMENTSANDSOFTCALCULATIONS
A
RETHEWAYTOMATHEMATIZETHEPSYCHOLOGYOFPERSONALITY
SpesivtsevAlexanderV.1
1AssociateProfessor,DoctorofTechnicalSciences, St.PetersburgFederalResearchCenteroftheRussian
AcademyofSciences, SaintPetersburg,Russia,email:sav2050@gmail.com
SpesivtsevSergeyA.2
2Soleproprietors,«Consultin
g
»
,
SaintPetersbur
g
,Russia,email:wwconsult@yandex.r
u
ОБЩАЯТЕОРИЯИЗМЕРЕНИЙ.МЕТОДОЛОГИЯИПРИМЕНЕНИЕТЕОРИИ
ИНТЕЛЛЕКТУАЛЬНЫХ,МЯГКИХ,СИСТЕМНЫХИЗМЕРЕНИЙ:МЕРЫ,ШКАЛЫ,ТЕХНОЛОГИИ
6
SpesivtsevVasilyA.3
3JuniorResearcher, St.PetersburgFederalResearchCenteroftheRussianAcademyofSciences,
SaintPetersburg,Russia,email:ryukuro@yandex.ru
A
RTICLEINFO
A
BSTRACT
Keywords:
Personalitypsychology
Softdimensions
Fuzzypossibilityapproach
Explicitandimplicitexpertknowledge
Mathematicalmodel
Expertassessment
Consultantpsychologist
Isites for the introduction of the fuzzyprobabilistic approach
in the construction of mathematical models in personality
psychology.Thespecificityofthisfieldofpsychologyliesinthe
impossibilityofconstructingeffective mathematicalmodelsby
deterministicmethods,includingstatisticalones.Thefact
isthatstatisticalmethodsareintendedforprocessingavariety
of initial data andare used successfully in social psychology,
whichdescribesthetrendsofacertainphenomenonofagroup
ofpeople«ingeneralandinthemiddle»,butarenotapplicable
toanindividualpersonality.Themainpositionoftheauthors
is the need to use the knowledge and experience of highly
qualified specialistspsychologists who practice direc
t
counselingofclientstosolvepersonalpsychologicalproblems.
The proposed apparatus for constructing fuzzy probability
modelsispresentedintheformofanalgorithmthatdescribes
all the necessary steps – from working with an expert to
interpretingmodelsandusingthemtoobtainqualitativelynew
information about the client's psychological state. The
applicationofthefuzzyprobabilityapproachisillustratedby
the example of the synthesis of a mathematical model for
assessingand predictingthe psychologicalstate of a woman's
readinesstocreateastablefamily
1.Введение
Психологиякакгуманитарная наука всвоейосновевербализована,ивалидность
своихвыводовпсихологидоказываюттакжевербализованнымиконструкциями,пред
ставляющими на уровне их понимания закономерностями или примерами. Поэтому
авторы излагают свои намерения по математизации психологии личности так про
странноинепривычнодляестественников.
Изложенныерешения даже конкретнойзадачи вобластипсихологии личности или
акмеологии на языке математики, привычном для исследователейестественников,
не привлекут внимание исследователейпсихологов изза «сухости изложения»и«непо
нятности»полученныхкакимто образомформул,апредставителейестественныхнаук –
изза«заумности»пространныхвербальныхизложенийзадачвстилепсихологии.Такчто
читатель должен понять трудность положения авторов одновременно быть в образе
«лучшегоматематикавпсихологии»и«лучшегопсихологавматематике».
Краткоизложимлогикуавторововозможностиматематизациипсихологиилично
сти.Впервыеконцепция«мягкихвычислений»описанаЛ.Задевработе [13],ав1997г.
С.В.Прокопчинойбылвведентермин«мягкиеизмерения»иобоснованаегосвязьсмяг
кимивычислениями[1].Посколькупсихологивсвоей практике, незнаятого,осуществ
ляют«мягкиеоценки»,имеющиесемантический«оттенок»,топрименениеобобщенных
шкалсоответствиянечеткихлингвистическихзначенийихчисловымиоценкамиприво
дитк возможности довольно сильного«отождествления» мягких оценок имягких изме
рений (ввиду принципиального отсутствия прямых) с применением разработанных
SOFTMEASUREMENTSANDCOMPUTING Volume 36,No.11,November 2020
7
донастоящеговремениметодовинженериизнаний[7].Тогдавобщемслучаеподмягкой
оценкойвпсихологическихисследованиях следуетпониматьнечеткиелингвистические
оценки, пронизанные НЕфакторами (нечеткость, недоопределенность и др.), а на по
лярнойшкале мягкая оценкавыражается нечеткиммножеством содновременным про
явлениемизучаемогопризнакавразныхкачественныхкатегориях[11].
Приведенныетеоретическиепредпосылкидаютполноеоснованиедляматемати
зациисложнойиинтереснойнауки– психологииличности[3,10].
Конфликт, связанный с измерениями в области психологии, заложенвэтуудиви
тельнуюнаукуизначально.Соднойстороны,психология– этонаукаодуше.Исамоназва
ниееевзятоизмифаопрекраснойбогине Психее,а современныефункциииндивидуаль
ной консультативной псих ологии ранее всегда относились к религии. Это очень шаткие
основания для становления новой науки. C другой стороны, психология может полно
правнопретендовать на статуснауки тольковсвязи сматематизацией своихизмерений,
отражающихобъективнуюнаучнуюприродувэтойдеятельности.Так, некоторыефило
софы,напримерИммануилКант,отрицаливообщевозможностьсуществованияпсихоло
гиикакнауки,поскольку предмет этогоразделазнанийочеловеке – «явления,недоступ
ныеизмерению,и,следовательно,неподдающиеся математическомуанализуилиописа
нию…Психическиеявлениябыстротечныиподверженыискажениюсамим процессом
наблюдения…Поэтомупростонеможетбытьнауки,занимающейсятакимнеконтролиру
емым,дактомуженефизическим(умозрительным)предметом»[4].
Инымисловами, вопрособ измеренияхуже издавна является ключевымдлялю
бой сферы знания, в том числе и психологии, если она хочет называть себя наукой.
Иужев1905г. А.БинеиТ.Симон создаютпервуюбалльнуюшкалу измерения интел
лекта, а в 1916 г. американский психолог Л. Термэн предлагает ставшую знаменитой
аббревиатуруIQишкалуизмерения от 0до100,котораяс тоговремени используется
втестеСтэнфорда–Бине[5].
Преодоление собственной «ненаучной» природы психологии осуществляется дву
мяпутями.Первыйизнихпролегаетчерезизучениефизиологии,дающейкакразсерь
езные, измеряемые результаты, верифицируемость опытов и возможность создать ме
тодологическуюбазу,опирающуюсянаопыты.Частовсвязисфизиологическимподхо
домупоминается трудВ. Вундта «Основы физиологической психологии»[2]. Этомууче
номуудалосьчастичноопровергнутьутвержденияКанта,ипсихологи получили воз
можностьизмерятьфизиологическиереакции,которыесвязаныспсихикойчеловека.
Второйпуть– черезобластьматематизациисоциальнойпсихологии,изучающей
поведение, мысли и предпочтения, характерные для групп людей, объединенных
неким признаком – возрастом, полом, профессией и т.п. С группой задач социальной
психологиипрекрасносправляетсяматематическаястатистика.Такпостепеннопсихо
логиястановиласьнаукойвобщепринятомзначенииэтогослова.
Носледуетзаметить,чтовобоихподходахизмерениюподлежатнесамичувства,
движения души или другие события психики. Измеряется «нечто», отражающее или,
лучше сказать, сопровождающее события психической жизни индивида.Приэтом
нужно понимать, что психологическая жизнь самой личности принятыми методами
оценкенеподдается,посколькулибо физиологические измерения,либоответынасо
циологическиеопросыявляютсятолькоединичными элементамивобщейсовокупно
стиисследуемойвыборки.
Изучениевнутреннейжизни человекакакличности методамиВ.М.Вундта [2]
породиломассуважныхоткрытийипониманий,например,сделаловозможнымсо
здание «детектора лжи» и других приборов, основанных на идее, что физические
или химические измерения както отражают жизньп сихики. Такой подход к чело
векупородилпредположенияотом,чтосильноепереживаниенепременновыража
GENERALTHEORYOFMEASUREMENTS.METHODOLOGYANDAPPLICATIONOFTHETHEORY
OFINTELLECTUAL,SOFT,SYSTEMICMEASUREMENTS:MEASURES,SCALES,TECHNOLOGIES
8
етсявизбранныхдлянаблюденияфизиологическихреакцияхичтоесли феномен
широкораспространен,тоегоприсутствиеулюбогочеловекаявляетсявыражением
нормы и обязательно хорошо скажется на его жизни. Однако подобным образом
описываетсялишьто,чтоможноназватьэмоциями,связаннымисинстинктами
ифизиологией.Так,можноизучатьвозбуждение,страх,радостьипрочие психоло
гические явления того же порядка либо выявлять физиологическую депрессию
и невротизированное поведение. Но это все измерения физиологических явлений,
которые чувства человека только сопровождают. Сами же чувства и характерные
чертыличностиостаютсявнеоценивания.
Досихпорпсихологиисходятизпредположения,чтосилачувствиизбранная
для измерений физиологическая реакция не просто коррелируют между собой,
анепременнофункциональнодругдругусоответствуют,причемисточникэтойуве
ренностинеизвестен,потомукакнеполученоникакойдругойнезависимойоценки,
котораяподтвердилабы,чтоделаобстоятименнотак.Легкопредположить,напри
мер,чтодвачеловекапережилиодноитожепотрясение,ноизмерениефизиологи
ческихреакцийпоказало,чтопереживанияодногобылив3разасильнее,чемувто
рого. Потом выяснилось, что первый довольно быстро восстановился и даже не
сколькоповысилсвоипсихологическиевозможностипротивостоятьстрессу,второй
же,напротив,пережив сравнительнослабыйэмоциональныйвсплеск,потерялрас
судокиперешелвсостояниекнязяМышкина,которогогеройдобилсякфиналуро
мана«Идиот».
Наприведенномпримеревидно,чтоэти«слабые»и«сильные»переживанияпо
даннымприборовдалипарадоксальныйрезультат– «сильное»переживание«натре
нировало»изакалилопсихику,«слабое»– ееуничтожило.Специалистытутжеобъяс
нят,чтоэтопросто– второйиспытуемыйнебылстрессоустойчивым.Нотогданужно
создаватьнекиесистемы измерений, которые будутпредсказыватьс большой веро
ятностью результаты определенного воздействия на конкретную психику, иначе
«слабое» воздействие может погубить конкретного человека, и этому, конечно же,
найдетсяофициальное«статистическоеобъяснение»,ноконкретномупациентувта
ком случае уже все равно. И чем с более сложными случаями будут работать такие
«статистически отработанные технологии», тем больше будет «брака». Можно даже
предположить, что чем сложнее будет личность, проходящая терапию или консуль
тирование, тем менее достоверные и полезные для работы измерения мы получим,
основываясьна идее, что всесобытиядушиодинаковоипропорциональносистемно
отражаютсяфизиологическинауровнетела.
Получается,что чем большепроявится несовершенность(«топорность») инстру
ментальных методов оценивания состояния человека, тем больше специалисту
психологупридетсяопиратьсяисключительнонасобственноечутье,качествокоторо
говнастоящеевремяоценитьтожепрактическинереально.Темсамымподтверждает
сябытующаявпрофессиональныхкругахнесовсемшутливаяпоговорка«Сколькопси
хологов– столькоимнений»!
Подводя итоги вышесказанному, можно утверждать, что, переводя на язык со
временной математики, все психологи работают в условиях существенной неопреде
ленности.
Цельданногоисследования– познакомить заинтересованного читателя
психолога с перспективным методом построения математических моделей, наделен
нымспецифическими«умениями»,принадлежащимкобластимягкихизмерений
имягкихвычислений,аматематиков– побудитькразработкеспециализированных
технологий и методов, предназначенных для работы именно со знаниямииопытом
психологовконсультантов[3].
МЯГКИЕИЗМЕРЕНИЯИВЫЧИСЛЕНИЯ Том36,Номер11,Ноябрь 2020
9
2.Почемуинструментоцениваниявпсихологииличностидолженбытьособым
Когда говорят о движениях души, очень сложно связанных с физиологическими
реакцияминакакиетораздражители,мывообщетеряемвсякиевозможностиизмере
нийпривычнымиспособами.Кактолькопсихологпопадаетвпространствопсихологи
ческих и мировоззренческих понятий, работа над которыми и у взрослых здоровых
людей,иупациентовклиникявляетсяглавнойзадачей(еслимыне говорим о стан
дартных психологических навыках), исчезают последние возможности чтото изме
рять. Нет возможности ни создать некую количественную оценку психологического
состояния человека в изучаемой области, ни построить основанную на измерениях
теориюработысклиентомдляскорейшегопреодоленияегопроблемы.
Именнопоэтомувпсихиатрииописаныслучаи,подобныелечениюнашей сооте
чественницыСабиныШпильрейнуставшеговпоследствиизнаменитымдоктораКарла
Юнга. Девушка с хроническими тиками, истериками, тяжелейшими неврозамиисуи
цидальныминаклонностямибылапереданамолодомуврачувкачествепациенткибо
леевсегопотому,чтовееизлечениеужениктоневерил.Впроцесселечениямолодой
ученыйнарушилвсезаповедииправилапсихотерапииипсихиатрии,включаялюбов
ную связь с пациенткой, но при этомнетолькополностьюизлечил ее от душевного
расстройства– женщинасамасталаинтереснымученымпсихологом.
Выстраивать систему оценивания болезни, изучать факторы, существенные для
психикипациента,методамиклассическойматематикиипроводитьнаэтомосновании
курсреабилитациибольногоневозможновпринципе.Так,измерениягальванического
сопротивлениякожныхпокровов и другихфизиологическихреакцийв данномслучае
покабесполезны.Дляпониманияпричинтакогоположениявещейжелательноразде
литьвнутреннюю жизнь человека на эмоции,которые связаны с инстинктивной дея
тельностьючеловека,итем,чтоможноназватьпереживаниями.
Действительно, тело дает мгновенный ответ на многие раздражители, которые
связаныс инстинктами. Так, можно весьмаэффективноисследоватьреакции настрах,
радость,изучитьаспектысексуальнойпривлекательностиифеномен ревности. Про
блемыначинаются,когдатребуетсяоцениватьиотслеживатьболеесложныепсихоло
гические феномены: мужчина считаетсвоюжизньуязвимой,когдане может купить
для своих родственников все, вплоть до очень недешевых развлечений, практически
без повода переживая панические атаки;женщина с неприязнью относитсякразвле
чениямиобщениюсверстников,страдаетотодиночестваинеможетсоздатьпару;по
жилаяженщинаосознает,чтотеряетсмыслжизниидр.
Рассматриватьвсеэтислучаинафонестатистикиподобныхпроблем – весьма
беспомощноедействие,дающеетольконекуюнаукообразностьвзаписяхмедицинской
карты или дневниках психолога, и не более того. Любая среда предполагает также
оченьсложныевоздействиянапсихику,средикоторыхразумновыделить несколько
важнейшихфакторов и учитывать их дляпрогнозирования психологическойреакции
илисостояния человека.Однако сам аппарат классическойматематикихорошосправ
ляетсясописаниемдаженелинейных причиннообусловленных зависимостей только
приналичиистрогозаданноймеры длякаждогофактора,итолькопослеэтогоспособен
составлятьсистемунелинейныхуравнений(линейностьотметаетсясразу!)[3].
Таким образом, современные задачи оценивания работы с психикой человека
врежимеиндивидуальногоконсультированиятребуютпоявлениядовольносложного
методаизмерений,которыйотвечалбыследующимтребованиям.
Методдолжен:
−выдавать объективную характеристику оцениваемого качества клиентавко
личественномвиде(коэффициент/число);
−позволятьсравниватьоцениваемоесостояниеклиентанаразныхэтапах кон
сультирования;
ОБЩАЯТЕОРИЯИЗМЕРЕНИЙ.МЕТОДОЛОГИЯИПРИМЕНЕНИЕТЕОРИИ
ИНТЕЛЛЕКТУАЛЬНЫХ,МЯГКИХ,СИСТЕМНЫХИЗМЕРЕНИЙ:МЕРЫ,ШКАЛЫ,ТЕХНОЛОГИИ
10
−сравниватьегоуспехисрезультатамидругихклиентов;
−сравниватьэффективностьпримененныхкклиентуметодовтерапии;
−служить своего рода тренажером для психологов, которые, интуитивно пред
полагая оценку клиента, могли сравнить свое экспертное мнение с результатами ма
тематическихрасчетов.
Учитывая вербальный характер консультационных сеансов экспертапсихолога
спациентом,методвпервуюочередьдолжен«уметь»переводитьсловесныеописания
консультантапутемправильнойих«арифметизации»вцифры,скоторымиможноуже
совершатьряд корректных математических действий,позволяющих получить оценку
психологического состояния клиента по теме консультирования в многофакторной
психологическойреальности[3,10].
Наличие количественной меры даст возможность сформировать специализиро
ванныешкалыоцениваниясущественныхдляданнойобластиконсультированияпси
хологических качеств. Каждая такая шкала должна представлять словесные (лингви
стические)описанияцифровымипоказателями.Приэтомматематические величины,
которые позволяют «вычислять» состояние клиента, «склеиваются» со словесными
описаниямисостоянияклиента,которымидумаетконсультант.
В этом методе должна быть реализована возможность учитывать психологиче
скуюреальностьклиента,вкоторойдажепооднойизучаемойтемепостоянно«кипит»
жизньнескольких важных, нелинейносвязанных междусобой факторов.Налицо при
мер того, что каждый из рассматриваемых факторов является обобщенным,какэто
показанонарис.2.Такова«плавающая»природапсихикичеловека,требующаяприме
нениячрезвычайночувствительногоматематическогоаппарата.
Следовательно, описать пространство проблемы, выделить факторы,существен
ныедляеерешения,изатемнаучитьсяизмерятьразвитиеличностивэтомфакторном
пространствевцифрахикоэффициентах– задача,решениекоторойпозволит более
объективнооцениватьвкладразныхподходовиметодиквобластипсихологии при
менительнокконкретномучеловеку.Потомужеможнобудетсоздавать интерпрета
цииэтихвлияний,строитьтеорииипроверятьихнадругихлюдях.Тогдаиполучится
устойчивое,количественноизмеряемоенаучноедвижениевперед.
Дотехпор,покаузаконеннойметодикиизмеренийвпсихологиинесоздано,спо
ритьобэффективностиодногометодаибесполезностидругогоможнобесконечно.
3.Местомягкихизмеренийимягкихвычисленийвпсихологииличности
В своей практической деятельности психологэксперт всегда чувствует, как
именноидутделауклиентаичтоименностоитдополнительнопроработатьдляполу
чениянеобходимогорезультатавегожизни.Приэтомонисамощущаетоструюнеоб
ходимостьразвития системыизмерений,котораядолжна быть направленана количе
ственнуюоценкудействияразныхфакторов,ихвзаимосвязейиналичиясовокупного
(интегрального,обобщенного)показателя состоянияпсихики испытуемогоприреше
нии его конкретных проблем. Иными словами, психологэксперт, сам того не осозна
вая, во время каждого сеанса выступает как «интеллектуальная измерительно
диагностическаясистема»(ИИДС)[8].
Нарис.1 представленасхемапроникновенияматематических методовв область
психологии.При этомсущественным, как показановыше, являетсяусловное разделе
ниенасоциальнуюпсихологиюипсихологиюличности[10].
В данном исследовании объектом представляется психологическое состояние
личностипациента(клиента),апредметом – модельноалгоритмическое обеспечение
решения задач оценивания состояния личности и использования дляуспешногопре
одоления возникших проблем путем целенаправленного создания психологического
комфортавегосознании.
SOFTMEASUREMENTSANDCOMPUTING Volume 36,No.11,November 2020
11
Заметим,чтовданномконтекстечеловек(иконсультантпсихолог,иегоклиент)
рассматриваетсякак«сложнаясистема»,например,экспертвкачествехранителяиис
точниказнаний,клиент– вкачествеобъектаисследованиянарушенногопсихологиче
скогосостояния.
Рис.1. Схемаобластейиспользованияматематическихметодоввпсихологии
Основное внимание авторов направлено на проникновение математики именно
в психологию личности. При этом сам консультантпсихолог выступает в качестве
ИИДС, используя свои явные и неявные экспертные знания (ЭЗ), накопленные им
впроцессепрактическойпрофессиональнойдеятельности.
Упомянутые выше неявные знания наряду с явными играют ключевую роль
впроцессахпринятияэкспертомграмотныхрешений осостояния«сложной системы»
(вданном случаечеловека).Неявныезнания (англ. tacit knowledge)– видзнаний,кото
рыенемогутбытьформализованыввидесловилиалгоритмовипереданыдругим[5].
Всоставнеявныхзнаний,согласноисследованиямученыхпсихологов,включаютсята
киеаспектычеловеческогомышления,какноухау,секретымастерства,умения,навы
кииопыт.Напрактикепроявлениенеявныхэкспертныхзнанийнаиболееярко выра
жаетсявграмотномисвоевременномпринятии решений лица, принимающего реше
ние(ЛПР),принедостаточностиинформацииосостоянии«сложнойсистемы»,особен
новэкстремальныхситуациях,когданечеткостьусловийизменяетсянакороткихин
тервалахврежимереальноговремени.
Посколькуобщей тенденциейв данной предметнойобласти выработка иприня
тие решения осуществляются исключительно экспертомпсихологом, то ощущается
остраянеобходимостьсозданиянаучныхосновпостроенияаналитическихвыражений
для оценивания и прогнозирования психического состояния человека в условиях су
щественнойнеопределенности.
Наиболееперспективным направлениемвизвлечении иформализации явныхи не
явныхэкспертныхзнанийдляоцениванияпсихическогосостояниячеловекаявляетсяне
четковозможностныйподход, суть которогосостоитв использовании элементов теории
нечеткихмножестввсочетаниистеориейпланированияэкспериментов[3,10].
Классическаякоммутативная диаграмма(рис.2a) реализациипроцессавыработки
ипринятиярешенияосостояниисложногообъекта[6],втомчислеичеловекакакобъ
екта изучения, реализуется на основе технологии накопления и обработки данных –
экстенсионал(по Д. Поспелову),а используемый психологамиконсультантамиподход
μ(рис.2б) наосновенакопленныхявныхинеявныхзнанийиопыта– интенсионал (по
Д.Поспелову).
GENERALTHEORYOFMEASUREMENTS.METHODOLOGYANDAPPLICATIONOFTHETHEORY
OFINTELLECTUAL,SOFT,SYSTEMICMEASUREMENTS:MEASURES,SCALES,TECHNOLOGIES
12
аб
Рис.2. Технологииреализациипроцессоввыработкиипринятиярешенийнаоснове:
а– данныхиб– экспертныхзнаний(отображениеμ)
Нарис.2 обозначены:
Т– множествомоментоввремениt,вкоторыенаблюдаетсяобъект;
U,Y – множествавходныхU ивыходныхY воздействийсоответственно;
X – множество состояний хобъекта,характеризуемоевкаждыймоментвремениt ∈ Т
наборомпеременныхxk,k =l,s;
Y/Ξ – фактормножествосостоянийпсихикичеловека;
S – пространство шкализмерениявходныхивыходныхвоздействий;
R – множество возможных корректировок решений о состоянии психикичеловекапо
средствомотображений ψиξ;
g– оператор выходов, описывающий механизм(формулы,алгоритмы)формирования
выходноговоздействияY:
η– операторшкалированиявсехвходныхивыходныхпеременных;
χ – операторвзаимнооднозначногосоответствияY/Ξ сошкалойвыходнойпеременнойY;
ϑ=η χ:Y→Y/Ξ – композицияотношенийвзадачедиагностированиясостоянияпсихики
человека;
μ– оператор принятиярешенияэкспертомпсихологомпридиагностированиисостояния
психикичеловека.
Здесьуместноотметить,чтокоммутативнаядиаграмма,вопервых,представляет
концептуальную модель процесса накопления и использования знаний и опыта экс
пертавпроцессеегопрофессиональнойдеятельности,посколькувнейполностьюрас
крывается содержание как задач наблюдения в выбранном факторном пространстве,
такизадачпринятиярешений.Вовторых,этужедиаграммуможноинтерпретировать
как комплекс необходимых этапов при построении математической модели оценива
ниясостоянияСлОнаосновеэкспертныхзнаний,которыенеобходимопреждеизвлечь
иформализовать.
В такомаспектеотображениевида:
g:T ×U ×X →Y
задает факторное пространство вместе с представлениемэксперта о множестве неза
висимыхпеременных,определяющихсостояниесоответствующиезначениязависимой
переменнойY врешенииконкретнойзадачи.
В этом случае задача классификации психологического состояния испытуемого
определяетсяотображением:
η:Y→S,
котороеформируется наосновесистематизации экспертомдлявсегофакторного про
странствасистемышкалS,существующихвегосознании.Затемпутемразбиения(фак
МЯГКИЕИЗМЕРЕНИЯИВЫЧИСЛЕНИЯ Том36,Номер11,Ноябрь 2020
13
торизации)множестваY состоянийСлО на объективновыделенныеклассысостояний
экспертопределяетфактормножествоY/Ξ черезотображение:
ϑ :Y→Y/Ξ.
Так,например,отображениевобщемвидеобусловливаетвпродукционных пра
вилахантецедент«Если…»намножествевыбранныхвходныхпеременныхU ×X,акон
секвент«То…»– нафактормножествеY/Ξ ввидеоценкиэксперта.Приэтомреализа
циякомпозицииотношений:
ϑ =η ◦χ:Y→ Y/Ξ
обеспечивает представление множества продукционных правил в лингвистическом
виде,с помощьюкоторых производитсяокончательное оцениваниесостояние СлОна
шкалемножестваY/Ξ.
В случае, когда результаты экспертного оценивания не полностью совпадают
с решениями, полученными с использованием формальных моделей, то реализуется
следующееотображение:
ψ:S →R,
котороепредусматриваеткорректировкупринятогорешенияпоотношениюξ сучетом
выбранногошкалированияS.
Отметим,чтозадачиконтроляэтапаI идиагностированияэтапаII (рис. 2) экс
пертомрешаютсяпрактическимгновенно,посколькушкалыS существуютвегосозна
нии,акомпозицияотношений:
g◦η◦ψ◦ξ:Y→ Y/Ξ
является только иллюстрацией нашего понимания процесса выработки осознанных
действийвсознанииэксперта.
В этом выражается существенное отличие предлагаемого метода использования
экспертныхзнанийоттрадиционногоподхода,базирующегосянанакоплении,иобра
ботки большого количества численной информации о состоянии человека – знания
эксперта уже сформировались в процессе его деятельности в виде опыта по данному
конкретномувопросу.
Естественно полагать, что метазнания MZЭ(q,t,μ)эксперта включают в себя про
фессиональныеявныеZЭпр(q,t,μ)инеявныеZ
Эн(q,t,μ) знанияопсихологическомсостоя
нииконкретногочеловека.
Раскрытиенеопределенностисостоянияпсихикичеловеканаосновеявныхинеявных
экспертныхзнанийпозволяетконструктивносформироватьследующееотображение:
μ: T× U× X→ Y/Ξ.
Для формирования этого отображения предложена следующая коммута тивная схе
ма (рис. 3), представляющая последовательность взаимосвязанных процессов извлече
ния,представленияиформализацииявныхинеявныхэкспертныхзнаний.Приэтом
самоотображениеμпредставляетсякомпозициейпредставленныхотношений:
μ=g1◦g2◦g3,
ОБЩАЯТЕОРИЯИЗМЕРЕНИЙ.МЕТОДОЛОГИЯИПРИМЕНЕНИЕТЕОРИИ
ИНТЕЛЛЕКТУАЛЬНЫХ,МЯГКИХ,СИСТЕМНЫХИЗМЕРЕНИЙ:МЕРЫ,ШКАЛЫ,ТЕХНОЛОГИИ
14
гдеg1– отношениеизвлечениямножестваконцептов ZЭк(q,t,μ)изметазнанийMZЭ(q,t,μ)
эксперта,включающихвсебя профессиональные явные ZЭпр(q,t,μ), неявные ZЭн(q,t,μ)
и знания в сопредельных областях ZЭсопр (q,t,μ) для решения задачи о состоянии кон
кретногоСлО;
g2– отношениепредставленияконцептов ZЭк(q,t,μ)ввиделингвистическихпере
менныхи формирование факторного пространства ZЭфп(q,t,μ),вкоторомэкспертпри
нимаетрешениеосостоянииСлОвконкретнойзадаче;
g3– отношениеформализацииявныхинеявныхэкспертныхзнаний ввидеполино
миального выражения на множестве лингвистических продукционных правил фак
торного пространства ZЭфп(q,t,μ) с диагностированием состояния СлО на фактор
множествеY/Ξ.
Рис.3. Коммутативнаясхемапроцессовизвлечения,
представленияиформализацииявныхинеявныхэкспертныхметазнаний
Таким образом, теоретически показана возможность эффективной работысэкс
пертомпсихологомиегознаниями.Рассмотримболееподробнометодикуизвлечения
иформализацииэкспертныхзнанийаналитическимвыражением.
4.Методикаработысэкспертомпсихологомиегознаниями
Методика нечетковозможностного подхода к извлечению и формализации экс
пертныхданныханалитическимвыражениемвключаетследующиеосновныеэтапы.
Этап 1.Формулировказадачи,выбориобоснованиефакторногопространства,
в котором принимается решение о состоянии СлО, и построение вербальночисловых
шкалдлявсехпеременных.
Этап2. Представлениевыбранныххарактеристикв виде лингвистическихпере
менных с соответствующими шкалами измерений. Построение множества нечетких
продукционныхправилимпликативноготипа«если…,то…»какформыпредставления
экспертныхзнаний.
Этап 3. Подготовка на основе методов теории планирования экспериментов
опроснойматрицыдлявыбранногофакторного пространства и заполнениеееэкспер
том.Строкиматрицы– нечеткиепродукционныеправилаимпликативноготипа«ситу
ация – оценка». Осуществляется построение полиномиального выражения методами
теориипланированияэкспериментов.
SOFTMEASUREMENTSANDCOMPUTING Volume 36,No.11,November 2020
15
Этап4. Проводитсяпроверкавыполнениятребованияадекватностиоценивания
состояния пациента на основе сравнения результатов, полученных с использованием
разработанной модели, и результатов, полученных при обработке мнений экспертов
(интенсионалпоД.Поспелову)
Этап 5. Проведениеэкспертомпрофессиональногоанализакачествапостроенных
моделей, извлечение из построенных адекватных моделей методами математического
анализановойинформацииоспецификефункционированияконкретногопациента.
Однимизглавныхэтаповработысэкспертомявляетсявыборфакторного про
странства,вкоторомонпринимаетрешениеподаннойконкретнойпроблеме.При этом
экспертпринимаетрешениявсловесном(вербальном)виде,учитываянаблюдаемыеим
нюансы поведения клиента. На языке математики эксперт выражает своимыслисло
весно в ходе содержательной беседысинженеромпознаниям,тотпредставляет эти
мысли в виде лингвистических переменны х (рис. 4).Такихпеременных,описывающих
изучаемоеявление,всознании экспертапсихологасодержитсямножество,но,согласно
установленнымограничениямпсихофизическихспособностейчеловека,дляпостроения
моделинужновыбиратьнеболеесеми[12]. Тогда самые информативные переменные
составляютфакторноепространствоизлингвистическихпеременных.
Нарис. 4 представлена Y как лингвистическая переменная, где лингвистическая
шкалаимееттерммножества:Н– низкое;НС– нижесреднего;С – среднее;ВС– выше
среднего;В– высокое.
Н НС С ВС В
0,3 0,4 0,5 0,6 0,7
Рис.4. Y каклингвистическаяпеременная
Методикупостроенияпрогностическоймоделиудобнеедемонстрироватьнакон
кретныхпримерах.
Примерпостроениянечетковозможностноймоделиоценивания
психологическойготовностиженщиныксозданиюсемьи
Рассматривается задача создания математической модели психологической го
товностиженщиныксозданиюсемьи[10].
Психологические аспекты женской личности многогранны [9], очемсвидетель
ствует дерево связей, приведенное на рис. 5. Предлагаемое факторное пространство
разработанодляоцениваниясостоянияпсихологическогосостоянияженщин,которые
осознали,чтоунихестьпроблемы,чтоэтипроблемыможноинужнорешать.
Такиеженщиныделятсянадвечеткиегруппы:
1) те,ктоужедобилисьопределенногостатусаидоходов,достигливозраста40+,
родилиребенка,имеют «за спиной»брачныйопыт итеперьрешили занятьсяисвоей
личнойжизнью,посколькуужепоняли,чтосамопосебеничегонеделается,асвобода
современемпревращаетсяводиночество;
2) те,ктонашелработусопределеннымуровнемоплаты,понялсвоиперспекти
выпритакомобразежизни,достигливозраста30+,неродилиребенка.Но,независи
мо от возраста и прочих факторов, эта женщина хочет осознать, что мешает ей по
строить семью и достичь гармонии в семейной жизни, не считает себя уникальной
1
0
GENERALTHEORYOFMEASUREMENTS.METHODOLOGYANDAPPLICATIONOFTHETHEORY
OFINTELLECTUAL,SOFT,SYSTEMICMEASUREMENTS:MEASURES,SCALES,TECHNOLOGIES
16
инеповторимой «королевой»,готова работатьнад собой, тратить наэтосвоисилы,
времяиденьги.
Какследуетизанализарис.5,экспертвыделилсначалагруппуизсемиосновныхпе
ременных,которые,своюочередь,объединяютпеременныевторойступенииерархии.
Рис.5. Деревосвязей,представляющеебазузнанийиерархическойэкспертнойсистемыоце
ниванияпсихологическогосостоянияженщины[7]
Охарактеризуем более подробно входные переменные факторного пространства
дляпостроенияметамодели.
МЯГКИЕИЗМЕРЕНИЯИВЫЧИСЛЕНИЯ Том36,Номер11,Ноябрь 2020
17
Дляэтого дадим представлениеотом,чтовкладываетэкспертконсультантвпо
нятиешкалы соответствующейпеременной. Характеристикиобозначены толькокон
цамиоппозиционнойшкалывинтервале[0,1]:
Х1– семейныйисексуальныйопыт(степеньпреодолениянегативногоопыта).
Высокая.Родственники управлять жизнью женщины не способны, отношения
снимидостаточнонормальные,бывшегомужанет,предыдущиеотношениясерьезных
травмненанесли.
Низкая.Родственники до сих пор под разными предлогами «тянут» деньги, по
рождают дискомфорт и плохое настроение. С бывшим мужем рассталась тяжело, воз
можно,осталисьнеразрешенныематериальныеипсихологическиепроблемы. Тем
неменееженщинапривыкласчитатьвсюсвоюродню«однойбольшойсемьей»,кото
руюонаобязана(вдуше)содержать.Неособеннохорошиеотношениясребенком,если
онесть.Серьезнозаниженасамооценка;
Х2– способностьборотьсяссопротивлением(степеньуверенностивсвоейправоте).
Высокая.Способность быстро разбираться в рассматриваемом на консультациях ма
териале,желаниепроверятьэтонасвоихпримерах,применятьновыйматериалнапракти
ке, готовность делать дополнительную работу для преодоления своих проблем, желание
показатьиобсудитьсвоипроблемы,самостоятельноизучатьсостояниесвоейпсихики.
Низкая.Слабаяспособность критически обозревать действиясоциума, родствен
ников,мужчинисвоидействия,желаниеуйтиотсозданиякакихтовыводов по теме,
«вытеснение»ужепонятойинформации,невыполнениедомашнихзаданий,возникно
вениеситуаций,затрудняющихработу,илиделающихееневозможной,невозможность
самостоятельногорассуждать по актуальным дляженщины проблемам. Однакопони
маниеложноститакойжизненнойпозицииприводитеекнеобходимостипопробовать
вырватьсяизсоздавшейсяситуации,т.е.попытаться найтиинойпуть(например,кон
сультированиеупсихолога);
Х3– способностьактивнообучаться(волевоеусилиедлядостиженияпромежу
точныхцелей).
Высокая.Темыосваиваютсяполно,индивидуальныепроблемыпоотдельнымте
мамкомпенсируютсядополнительнойработойнадсобой.
Низкая.Женщинасистематически не способна разбирать новые темы исобытия
своейжизни,потомучтопочтивсеонисвязаныстравмированным,искаженныммиро
воззрением.Иногдавстречаютсятемы, которые вообще «тормозят»всюработу нака
коетосущественноеколичествовремени.Не«всплывают»впамяти примеры реали
зациипредставленныхпсихологическихзаконовизеежизни;
Х4– психологическая готовность к новой реальности (градиент стабильности
обучения).
Высокий.Каждая следующая тема не только достаточно полно усваивается, но
и сразу начинает влиять на мировоззрениеженщинывцелом,воззрения на сопре
дельныетемытакжеменяются,ошибкипониманияотдельныхтемкорректируютсяна
ходу, сохраняется «прозрачность» всей системы понимания себя и мира вокруг, не
смотря на ее постоянное усложнение. Скорость восприятия изучаемого материала
идуховногоподъемавысокая.
Низкий.Женщина не видит, как усвоение теоретического материала позволит
начать работу над собой, освоение материала сопровождается длительным «наплева
тельским» отношением к самостоятельнойработе,новыезнанияиногда спутывают
понимание уже усвоенного материала. Скорость восприятия изучаемого материала
идуховногоподъемадостаточнонизкая;
Х5– базовыепсихологическиересурсыженщины(наличиересурсовиготовность
ихиспользоватьнаизменениежизни).
ОБЩАЯТЕОРИЯИЗМЕРЕНИЙ.МЕТОДОЛОГИЯИПРИМЕНЕНИЕТЕОРИИ
ИНТЕЛЛЕКТУАЛЬНЫХ,МЯГКИХ,СИСТЕМНЫХИЗМЕРЕНИЙ:МЕРЫ,ШКАЛЫ,ТЕХНОЛОГИИ
18
Высокое.Возможностьвыделятьвремяиденьги,необходимыедлязанятийидопол
нительных активностей. Женщина способна концентрироваться достаточно продолжи
тельноевремя на решениизадачи, хорошо воспринимаетновый материал, критично его
рассматривает,чтопозволяетбыстроисбольшимпониманиемегоусваивать.
Низкое.Недостаточноеколичестводенегивременидляконсультирования,рассе
янное внимание, неумение сосредоточиться на одной теме, недостаточная сила воли
длясистематической работы, несмотрянасуществующее понимание ижелание изме
нитьсвоюжизнь;
Х6– навыкидляработынадсвоимбудущим(степеньположительнойнаправлен
ности).
Высокая.Понимание,чтовсеполучится,готовностьосознаватьиразвиватьсвои
успехи, ощущение, чтомир – вполне дружелюбная среда, в которой возможна полноцен
наяреализациясебя,понимание,чтохорошиемужчиныесть,иихвполнереальнонайти.
Низкая.Женщина,наеевзгляд,начинаетрешатьсвоипроблемыпотому,чтопро
стодеватьсянекуда.Впечатлениеомужчинах достаточноплохое,мирпредставляется
жестоким,иконкретноона– никомуненужна;страхтого,что«вообщеничегонеполу
чится»,новсетакихочетсяпопробоватьулучшитьсвоюжизнь;
Х7– социальнопсихологическийклимат(степеньготовностикизменениюсвоего
отношениякокружающимееродственникам,знакомымиколлегам).
Высокая.Готовностьпереориентироватьсвоеотношениекокружающимиработу
надсобойдлядостиженияжелаемогорезультата,идажебольше.
Низкая.Позиция, при которой женщина, даже обладая достаточными ресурсами,
хочет изменяться по минимуму усилий и предпочитает только пополнить свои «зна
ния»,чтобыпостроитьновыеотношенияк мужчинамижизни вцелом,неменяяхоть
както отношение к окружающим, слабые когнитивные способности, иногда желание
получитьоговоренныйрезультатзачеткоуказанныевремяисумму.
Каквидно из анализафакторного пространства,перечисленные переменныеоб
ладают свойством системности в описании психологического состояния готовности
женщиныксозданиюздоровой семьи. Лингвистическиепеременныефакторногопро
странстваобразуют множествонечетких продукционных правилимпликативного ти
па«если…, то…» («ситуация»– «оценка»). Продукционноеправило такоготипаотра
жаетмнениеэкспертавданнойконкретнойситуации.
Для построения модели используется специальная опросная матрица, структура
которой заимствована из методов теории планирования экспериментов, причем каж
дая строка этой матрицы является нечетким продукционным правилом.Витогеэкс
пертные знания можно представлять в виде полиномиального выражения [3, 8, 10].
Фрагментопроснойматрицыдляданногослучаяпредставленвтабл.1.
Таблица1
Фрагментопроснойматрицысоценкамиэксперта
ирасчетнымизначениямипомодели(1)
х1х2х3х4х5х6х7YY
расч.
…… ………… … … … …
SOFTMEASUREMENTSANDCOMPUTING Volume 36,No.11,November 2020
19
ОкончаниеТаблицы1
2
9
–1 –1 1 1 1 –1 –1 0,6 0,55
1
30 1 –1 1 1 1 –1 1 0,6 0,609
31 –1 1 1 1 1 –1 1 0,
7
0,679
3
2
11111–1–1 0,6 0,58
9
3
3
–1 –1 –1 –1 –1 1 –1 0,
3
0,296
34 1 –1 –1 –1 –1 1 1 0,
3
0,32
9
3
5
–1 1 –1 –1 –1 1 1 0,4 0,37
9
…… … … … … … … … …
64 1111111 0,
7
0,69
9
Итоговоевыражениемодели созначимымикоэффициентамиприняловид:
Y
=0,4789+0,01484х1+0,04141х2+0,033594х3+0,046094х4+0,097656х5+
+0,046094 х6+0,02578х7+0,010156х2х5++0,010156 х2х7+0,010156х3х6+
+0,010156х1х2х3– 0,01641х1х2х5– 0,01797х1х3х5+0,010156х2х3х4–
– 0,01953х2х3х5– 0,01016х2х4х5– 0,01172х3х4х5– 0,02422х4х5х6–0,01016х5х6х7,
(1)
где все переменные представлены в стандартизованном (безразмерном) масштабе
поформулам:
=
,=
,Δ=
,i=7– количествопеременных.
5.Мониторингуспеховконсультированияпринечетковозможностномподходе
Рассмотримприменениенапрактикепостроенноймодели(1)впроцессе кон
сультированияженщин. Примерымониторингаприведеныдлятрехэтапов (каждый
этаппримерно4–7месяцев)психологическогоконсультированияженщин.
Начальное состояние.Женщина вообще не собиралась замуж, но хотела разо
братьсясосвоимивнутреннимипроблемами.Гордиласьсвоейработой, планировала
карьеру. Личная жизнь была построена по образцу одинокой мамы и превратилась
воченьредкиесвиданиясразнымимужчинами.
Оценкиэксперта и расчетныезначения Yпо модели для трех этаповконсульти
рованияпоказанывтабл.2.
Таблица2
Результатыпоэтапногооцениванияпсихологическогосостоянияклиентки
Начал
о
Iэтап IIэтап
Х10,
3
0,3
5
0,
5
Х20,
5
0,
5
0,6
Х30,4 0,4 0,6
Х40,4 0,5 0,7
Х50,3 0,5 0,6
Х60,5 0,6 0,7
Х70,4 0,6 0,7
Y 0,353 0,481 0,684
НН
С
Н
С
С СВ
С
Первыйэтапработы.Разбиралисьцелиженщинывжизни,осуществлялосьфор
мированиесценариеввжизни,оценивалисьролиматери,сестры,бывшегомужа.
GENERALTHEORYOFMEASUREMENTS.METHODOLOGYANDAPPLICATIONOFTHETHEORY
OFINTELLECTUAL,SOFT,SYSTEMICMEASUREMENTS:MEASURES,SCALES,TECHNOLOGIES
20
Результаты.Сталаинтересоватьсявопросамиотношений,отделятьсвоиинтере
сыиинтересысвоихродственников,думать отом,чтопридуманныйеюсценарий
жизнинеявляетсяобязательнымисмирятьсяснимнетникакогосмысла.Почувство
валапотребностьвдетях,чтоповлиялонаотношениекХ1,повысилофакторыХ6,Х7.
Второйэтап.Работалиспониманиемволичеловека,вопросамисемейныхтради
ций, сравнивалась важность семьи и работы в ее жизни, возможность делать в своей
жизниосознанныйвыбор,невзираяна изначальный комплекспроблем.Нафонетого,
что женщина стала переписываться с мужчинами, разбирались особенности конкрет
ныхпретендентов.
Результаты.Осознала,чтолюдиживутвовсенетак,каконасебепредставляла,
аоченьпоразному;можновыбиратьистроитьсвоюсудьбу;естьоченьприятныеиинте
ресныевариантыжизни;мужчинымогутбытьпредставленывжизнинекакдополнение
кработе,аработаможетстатьнеобязательнымдополнениемксемейнойжизни.
ЖенщинавышлазамужиуехаланапостоянноеместожительствавЕвропу.
6.Извлечениедополнительнойинформациипомодели
Нелинейныйхарактермодели(1)позволяетпоновомувзглянутьнаособенности
влияния отдельных факторов на разных этапах обучения по результатам численного
эксперимента.
Методикаэкспериментасостоитв следующем. Значениявсехвходящихвмодель
переменных, кроме одной, закреплялись на одном уровне, и затем последовательно
каждаяизпеременныхварьироваласьвпределахотнижнегодоверхнего уровней
шкалы изменений. Если на одном уровне фиксируются все факторы, и на этом фоне
меняетсяодин изних, то представляетсявозможность получить изменение веса каж
догофакторанаразныхуровнях,опираясьна изменение значенияY в связи сизмене
ниемвыбранногоX.
Результаты расчетов для всех переменных, закрепленных на уровнях «–0,5»
и«+0,5»,приведенынарис.6.
Рис.6. Графикиизмененияпеременныхвчисленномэксперименте:
«–0,5»– вначале;«+0,5»– ближекзавершениюконсультирования
МЯГКИЕИЗМЕРЕНИЯИВЫЧИСЛЕНИЯ Том36,Номер11,Ноябрь 2020
21
7.Обсуждениерезультатов
Согласно современным психологическим воззрениям существуют определенные
техники воздействия на психику человека. Специалисту, знакомому со значительным
спектромразработанныхтехник,необходимоподобратьметод,наиболее подходящий
данномуклиенту. Послеэтого психикачеловека приводится, по мнениюданногопси
хологическогонаправления,внадлежащийпорядок.
Кодному изавторовнаконсультациивсечащеприходятженщины,которыеуже
провели огромную работу над собой, обращались к замечательным специалистам,
нонедобилисьдажеприблизительно того результата,накоторыйонирассчитывали.
Этоговорит,чтокженщинамвслепуюилипопрофессиональномунаитиюбылиприме
ненынекие техники,которыенеподошлидлярешениявопроса.Какбылопоказано[9],
никакой внятной и математически корректной методики для анализапсихикикон
кретного человека без его сравнения со «средним арифметическим»исистемыизме
рений для оценки динамики в психологическом состоянии и мировоззрении клиента
насегоднянесуществует.
Конечно,есть специалисты, обладающие особенной чувствительностью, эмпати
ейкклиенту,которыесамипережилиподобныепроблемыиликоторыехорошопони
мают проблему в результате узкой специализации. Они ранее вполне справлялись
снебольшим потокомклиентов безо всякихсистемизмерения,опираясьнаинтуицию
идругиенеосознанныеинструментыпсихологическойработы.Носегоднявсебольшее
количествослучаевстановится«сложными»,потомучтовсебольшеечислолюдейоб
ладают сложнооргнизованной психикой. И у них значительное количество вопросов
вжизнирешаетсяисключительноприпомощи специальной настройки,«ремонта»ча
стонебольших(нокрайнесущественныхитрудноопределимых)проблем.
Применениесистемногоподходакизвлечению и формализацииэкспертных зна
нийввиденечетковозможностныхмоделейвчрезвычайноважнойобласти деятель
ности– индивидуальноеконсультирование– получаетэффективныйинструментарий
дляизмерений,качествокоторыхотвечаетсовременнымтребованиямипрокладывает
принципиальноновыйпутьрешениязадачвобластипсихологииличности.
8.Заключение
Методология решения задач психологии личности и акмеологии должна попол
няться новыми методами количественного измерения успехов клиентоввпроцессе
консультирования.
Разработанный нечетковозможностный подход использует психологаконсуль
танта в качестве «интеллек туальной измерительнодиагност ической системы». Это дает
возможность решения задачи извлечения экспертных знаний из глубины его подсозна
ния,где хранится накопленный опыт иинтуиция,с последующей формализацией их не
четковозможностноймоделью.
Предлагаемая методика вооружает психологов новым мощным инструментом
решения задачи помощи клиентам в их психологических ситуациях, получая количе
ственныеоценкиихсостояниявлюбойисследуемыймоментвремени.
Приэтомприменениеметодикиучитисамогоконсультантамыслитьсистемно
и структурировать свое профессиональное знание. С помощью выбора факторного
пространстваможностроитьматематическиемоделииметодикидляоцениванияспе
цифических психологических состояний человека, что дает возможность сравнивать
этиметодикимеждусобойпозаданнымпараметрам.
Нечетковозможностная модель позволяетприменятьметодыматематического
анализа для выявления и исследования более глубоких явлений в психике клиентов.
Например, можно высказать достаточно содержательную гипотезу: линейная часть
ОБЩАЯТЕОРИЯИЗМЕРЕНИЙ.МЕТОДОЛОГИЯИПРИМЕНЕНИЕТЕОРИИ
ИНТЕЛЛЕКТУАЛЬНЫХ,МЯГКИХ,СИСТЕМНЫХИЗМЕРЕНИЙ:МЕРЫ,ШКАЛЫ,ТЕХНОЛОГИИ
22
полиномиальноймоделиотражаетявныезнания,анелинейная– неявныезнаниякон
сультантаэксперта, находящиеся в его подсознании. При этом выделенные эффекты
взаимодействия переменных дают возможность интерпретировать их как психологи
ческую особенность понимания экспертомизучаемогоявленияиоценить количе
ственно,чегодругиеметодикинепозволяютвпринципе.
Приминимальныхнавыкахклиентспособенсамостоятельнооцениватьзначение
переменных и получать оценку проведенного процесса, выраженную одним числом.
Это предоставляет дополнительные возможности для контроля процесса консульти
рования и самоконтроля. Так, если клиент и консультант выставили свои оценки од
номуитомужепроцессуконсультирования,унихпоявляютсяновыетемыдляобсуж
дения– насколькоодинаковоониоцениваютзадачиирезультатыконсультирования,
накакихименномоментахделаютособыеакцентыичемэтилюдиотличаютсяв ми
ровоззренческихвопросах,связанныхсличностнымростом.
В методологическом плане разработанная методика предоставляет возможность
считать мягкиеизмеренияимягкиевычислениякакудобныйиэффективныйпуть мате
матизациипсихологии личности с построением ма тематических моделей для получени я
количественногооцениванияипрогнозированияпсихологическогосостоянияклиента.
Исследования,выполненныеподаннойтематике,проводилисьпричастичной
финансовойподдержкеврамкахбюджетнойтемы№007320190004.
Списоклитературы
[1] АверкинА.Н.,ПрокопчинаС.В.Мягкие вычисленияиизмерения//Интеллектуаль
ныесистемы(МГУ).1997.Т.2.Вып.1–4.С.93–114.
[2] ВундтВ.М.Основыфизиологическойпсихологии/пер.подред.А.А.Крогиуса,А.Ф.Ла
зурскогоиА.П.Нечаева.Вып.1–16.– СПб.:Тип.П.П.Сойкина,[1908–1914].16т.;24.
[3] ИгнатьевМ.Б.,МарлейВ.Е.,МихайловВ.В.идр.Моделированиеслабо формализо
ванныхсистемнаосновеявныхинеявныхэкспертныхзнаний:монография. –
СПб.:ПОЛИТЕХЭКСПРЕСС,2018.– 430с.
[4] КантИ.Критикачистогоразума/пер.снем.– М.:Эксмо,2015.
[5] КорсиниР.,АуэрбахА.Психологическаяэнциклопедия / пер.сангл. – СПб.:Питер,
2003.– 1094с.
[6] МышкоВ.В.,КравцовА.Н.,КопкинЕ.В.идр.Теоретические основыи методыопти
мизации анализа технического состояния сложных систем: монография. – СПб.:
ВКАимениА.Ф.Можайского,2013.– 303с.
[7] Мягкиевычисления и измерения. Теоретические основыи методы: монография.
Том.I/подред.д.т.н.проф.С.В.Прокопчиной.– М.:ИД«НАУЧНАЯБИБЛИОТЕКА»,
2017.– 420с.
[8] Спесивцев А.В., Домшенко Н.Г.Эксперт как «интеллектуальная измерительно
диагностическаясистема»//ХIIIМеждународнаяконференцияпомягкимвычисле
ниямиизмерениямSCM.Сборникдокладов(СанктПетербург,23–25июля2010г.). –
СПб.,2010.Т.2.С.28–34.
[9] Спесивцев А.В.,СпесивцевС.А.,СпесивцевВ.А.Математизация развития психики жен
щинынабазефаззимоделей//ХVМеждународнаяконференцияпомягкимвычис
лениямиизмерениямSCM.Сборникдокладов(СанктПетербург,25–27 июня
2012г.).– СПб.:ИздвоСПбГЭТУ«ЛЭТИ»,2012.Т.2.С.151–154.
[10] СпесивцевС.А.,СпесивцевА.В.,СпесивцевВ.А.Мониторингнаосновефаззимоделей
психологической готовности женщины к созданию семьи / XIV Международная
конференция по мягким вычислениямиизмерениям.Сборникдокладов. – СПб.:
ИздвоСПбГЭТУ«ЛЭТИ»,2011.С.241–246.
SOFTMEASUREMENTSANDCOMPUTING Volume 36,No.11,November 2020
23
[11] Тарасов В.Б.АнализимоделированиеНЕфакторовнаполярныхшкалах//Инте
грированныемоделиимягкиевычислениявискусственноминтеллекте.Сборник
трудовнаучнопрактического семинара(Коломна,17–18мая2001г.).– М.:Наука.
Физматлит,2001.С.65–71.
[12] MillerG.A. (1956)TheMagical NamberSeven,Plusof MinusTwo.ThePsychologicalRe
view,vol.63,pp.81–97.
[13] ZadehL.A. (1994)Fuzzy Logic,NeuralNetwork andSoftComputing. Communicationsof
theACM,vol.37,no.3,pp.77–84.
References
[1] Averkin A.N.,ProkopchinaS.V. (1997) Soft calculations and measurements. Intelligent
Systems(MSU),vol.2,issue1–4,pp.93–114.
[2] WundtV.M. (1908–1914)Foundationsofphysiologicalpsychology/laneundertheedi
torship of A.A. Krogius, A.F. Lazursky and A.P. Nechaev. Issue 1–16. – St. Petersburg,
P.P.SoikinType,16t.;24.
[3] IgnatievM.B.,MarleyV.E.,MikhailovV.V.,etal. (2018)Modelingofweaklyformalizedsys
tems based on explicit and implicit expert knowledge: monograph. – St. Petersburg,
POLYTECHEXPRESS,430p.
[4] KantI.(2015)CriticismofPureReason/transl.fromGerman.– Moscow,Eksmo.
[5] KorsiniR.,AuerbachA. (2003)Psychologicalencyclopedia/per.fromEnglish.– St.Pe
tersburg,Peter,1094p.
[6] MyshkoV.V.,KravtsovA.N.,KopkinE.V.,etal. (2013) Theoreticalfoundationsandmethods
ofoptimizationoftheanalysisofthetechnicalstateofcomplex systems: monograph. –
St.Petersburg,VKAbyA.F.Mozhaiskogo,303p.
[7] (2017)Softcomputingandmeasurement.Theoreticalfoundationsandmethods:mono
graph. Tom. I / ed. by Doctor of technical sciences prof. S.V. Prokopchina. – Moscow,
PUBLISHINGHOUSE«SCIENTIFICLIBRARY»,420p.
[8] SpesivtsevA.V.,DomshenkoN.G. (2010)Expertasan«intelligentmeasurementanddiagnos
tic system» // XIII International Conference on Soft Computing and SCM Measurements.
Collectionofreports(St.Petersburg,July23–25,2010).St.Petersburg,vol.2,pp.28–34.
[9] SpesivtsevA.V.,SpesivtsevS.A.,SpesivtsevV.A. (2012)Mathematizationofthedevelopmentof
thefemalepsycheonthebasisoffuzzymodels.Collectionofreports (St. Petersburg,June
25–27,2012).St.Petersburg,PublishingHouseofSPbGETU«LETI»,vol.2,pp.151–154.
[10] SpesivtsevS.A.,SpesivtsevA.V.,SpesivtsevV.A. (2011)Monitoringonthebasisoffuzz
modelsofpsychologicalreadinessofawomantocreateafamily/XIVInternationalCon
ference on soft Computing and Measurement. Collection of reports. – St. Petersburg,
PublishingHouseofSPbGETU«LETI»,pp.241–246.
[11] TarassovV.B. (2001)Analysisandmodelingofnonfactorsonpolarscales//Integrated
modelsandsoftcomputinginartificialintelligence.Collectionofproceedingsofthesci
entificandpracticalseminar(Kolomna, May17–18,2001).– Moscow, Nauka. Fizmatlit,
pp.65–71.
[12] MillerG.A. (1956)TheMagical NamberSeven,Plusof MinusTwo.ThePsychologicalRe
view,vol.63,pp.81–97.
[13] ZadehL.A. (1994)Fuzzy Logic,NeuralNetwork andSoftComputing. Communications of
the ACM,vol.37,no.3,pp.77–84.
COMPLEXSYSTEMSMODELINGUNDERUNCERTAINTY
24
УДК 004.056 DOI:10.36871/26189976.2020.11.002
ВЫЯВЛЕНИЕАНОМАЛИЙНАОСНОВЕРАЗНОРОДНЫХДАННЫХ
ВРАСПРЕДЕЛЕННЫХСИСТЕМАХМОНИТОРИНГА
БекеневаЯнаА.1
1Кандидаттехническихнаук,СанктПетербургскийгосударственныйэлектротехнический
университет«ЛЭТИ»им.В.И.Ульянова(Ленина),СанктПетербург,Россия,
email:yabekeneva@etu.ru
ИНФОРМАЦИЯ
А
ННОТАЦИЯ
Ключевыеслова:
Интеллектуальныйанализданных
подготовкаданных
распределенныесистемымониторинга
анализпроцессов
выявлениеаномалий
журналысобытий
Различного рода аномальные ситуации в процессах могут
бытьсвязаныкакснезначительнымиотклонениями,так
и с серьезными неполадками или нарушениями, которые
могутпривестикнепоправимымпоследствиямифинансо
вым потерям. Своевременное выявление аномалий позво
ляет повлиять на ход процесса и минимизировать послед
ствияобнаруженныхотклоненийотнормальногоходапро
цесса.Выявлениеаномалийявляетсяоднойиззадачанали
заданных.Современныесистемымониторингасодержат
большоеколичестворазныхустройств, данные от которых
могутбытьиспользованывкачествеисходныхданныхпри
проведении интеллектуального анализа. Большое влияние
накачество анализаоказываетпредварительнаяобработка
данных.Вработепредставленывариантыпримененияраз
личных методов анализа данных для решения задач выяв
ления аномалий в процессах, связанных с перемещениями
движущихсяобъектов.Описаныэтапыподготовкиданных
кразнымметодаманализа.Большоевниманиеуделяется
набирающим популярность методам интеллектуального
анализа процессов. Рассматриваются особенности формата
входных данных для методов интеллектуального анализа
процессов, а также особенности назначения атрибутов.
Предложенные методы обработки данных были протести
рованы на нескольких наборах данных, связанных с пере
мещениями грузовых транспортных средств на распреде
леннойтерритории организации иперемещениямисотруд
никоввофисномздании
A
NOMALIESDETECTIONBASEDONHETEROGENEOUSDATA
INDISTRIBUTEDMONITORINGSYSTEMS
BekenevaYanaA.1
1CandidateofTechnicalSciences, SaintPetersburgElectrotechnicalUniversity«LETI»,Department
ofComputerScienceandEngineering,SaintPetersburg,Russia,email:yabekeneva@etu.ru
A
RTICLEINFO
A
BSTRACT
Keywords:
Datamining
Datapreparation
Distributedmonitoringsystems
Variouskindsofabnormalsituationsintheprocessescanbeassoci
ated with both minor deviations and serious malfunctions
orviolationsthatcanleadtoirreparableconsequencesandfinancial
МЯГКИЕИЗМЕРЕНИЯИВЫЧИСЛЕНИЯ Том36,Номер11,Ноябрь 2020
25
Processanalysis
Anomalydetection
Eventlogs
losses.Timelyidentificationofanomaliesallowsyo
u
toinfluence
thecourseoftheprocessandminimizetheconsequencesofde
tecteddeviationsfromthenormalcourseoftheprocess.Anoma
lydetectionisoneofthetasksofdataanalysis.Modernmonitor
ingsystemscontainalargenumberofdifferentdevices,thedata
fromwhichcanbeusedasinitialdataforintellectualanalysis.
Datapreprocessinghasagreatinfluenceonthequalityofthe
analysis.Thepaperpresentstheoptionsforusingvariousmeth
odsofdataanalysistosolvetheproblemsofdetectinganomalies
intheprocessesassociatedwiththemovementsofmovingob
jects. The stages of data preparation for different methods
ofanalysisaredescribed.Muchattentionispaidtotheincreas
ingly popular methods of intelligent analysis of processes.
Thefeaturesoftheinputdata formatforthemethodsofminin
g
processesareconsidered,aswellasthefeaturesoftheassign
mentofattributes.Theproposeddata processingmethodswere
tested on several datasets related to the movements of trucks
inthedistributedterritoryoftheorganizationandthemove
mentsofemployeesinanofficebuilding
1.Введение
Выявлениеразличногородааномалийнапредприятияхявляетсяважнойиакту
альнойзадачей. Для выявления аномальных ситуаций в качестве источников данных
могут быть использованы различные системы мониторинга, получающиевсеболее
широкоераспространениевразличныхорганизациях,атакжеучетныесистемыираз
личнаядокументация.
Современные системы мониторинга, как правило, состоят из большого количе
ства различных устройств, предназначенных как для регистрации какоголибо опре
деленногособытия,такидляопределенияхарактеристикобъекта.
Аномалии,выявляемыеврезультатеанализа,могутуказыватьнаразличногоро
данесоответствия,несоблюдениерегламента,атакженаболеесерьезныенарушения.
В данной работе рассмотрена задача выявления аномалий, связанных с переме
щениемдвижущихсяобъектовнапредприятии.Представленаметодикарешениязадач
интеллектуального анализа данных от систем мониторинга, позволяющая осуще
ствитьпредварительноепреобразованиеданныхдляприменениякним существую
щих методов анализа. Предложенная методика позволяет решать задачи, связанные
санализомотдельныхсобытийиихпоследовательностей.
2.Обработкаианализданныхвсистемахмониторинга
При планировании анализа одной из важнейших задач является выбор объекта
анализаисоответственнообъектанаблюдения.Дляразныхзадачэтомогутбытьраз
ные объекты: сотрудники организации, оборудование, производимая продукция,
транспортируемыйтоварипр.
Взадаче,связаннойсперемещениемдвижущихсяобъектов,объектами наблюдения
должны являться движущиеся объекты, которые могут быть идентифицированы устрой
ствами мониторинг а. К таким объектам наблюдения отно сятся, преждевсего,сотрудники
организацииитранспортныесредства,осуществляющиеперевозкулюдейилипродукции.
Следующейзадачейприпланированиианализаявляетсяпостановказадачанали
заитребованиякпроводимомуанализу,атакжевидывыявляемыханомалий [1].
При перемещении объектов основными видами аномалий могут быть отклонения
МОДЕЛИРОВАНИЕСЛОЖНЫХСИСТЕМВУСЛОВИЯХНЕОПРЕДЕЛЕННОСТИ
26
в маршруте, нетипичная длительностьпребываниявотдельномпункте, нетипичная
задержкаприперемещенииизодногопунктавдругой.Вслучаеанализаперемещений
сотрудниковосновнымивидамианомалиймогутбытьопоздания,прогулы,посещение
нетипичныхпомещений,нехарактерныезадержкивотдельном помещенииили на пу
тиследованияизодногопомещения вдругое,отсутствиесотрудниканарабочемместе
вположенноевремя,подлогпропускаипр.Прианализеперемещений транспортных
средствк основнымвидаманомалий могуттакже относитьсянесоответствия, связан
ные с характеристиками перевозимой продукции, а в некоторых случаях несоответ
ствиятранспортногосредстваиуправляющегоимводителя.
Еще одной важной задачей является определение множества устройств монито
ринга, данные от которых будут использованы для анализа, а также определениеат
рибутов,характерныхдляданныхтиповустройств.Современныесистемымониторин
гамогутвключатьвсебяразличныесистемыконтролядоступа,измерительные
устройства, большое распространение приобретают устройства фотоивидеофикса
ции.Устройствамониторингаразныхтиповгенерируютинформациювразныхформа
тах,аданныеотнихзачастуюпопадаютвразныебазыданных.
Дляпроведения интеллектуального анализа данных в качестве входных данных
выступаюттабличныеданные.Таккакперемещенияоднихитехжеобъектов реги
стрируютсяразнымиустройствами,тонеобходимаинтеграцияданныхотисточников
и приведение разнородных данных к единому виду. Изображения иливидеопотоки,
получаемыеоткамернаблюдения,должныбытьпредварительнообработанысцелью
обнаруженияобъектовиихидентификации.
После предварительного преобразования данных и их объединения вединую
таблицузачастуюмогутбытьобнаруженыследующиепроблемы:
1. Одномусобытию,т.е. появлению одногообъектанаблюденияв зоне наблюде
ниясоответствует несколькозаписей, полученныхот разных устройств мониторинга,
т.е.одномусобытиюсоответствуетнесколькостроквтаблице.
2. Одниитежесмысловыехарактеристикидляразныхустройствмогут иметь
разныенаименования,т.е.одномупараметрусоответствуетнесколькостолбцовсраз
ныминазваниями.
Следствиемуказанныхпроблемявляетсянетолькоизбыточноеколичествострок
истолбцоввтаблице,нотакжеибольшоеколичествонезаполненныхячеек.
Вработе[2] предложенметодобработкиданных,позволяющийполучитьрезуль
тирующуютаблицу, вкоторой одномусобытию соответствуетодна строкав таблице,
содержащаявсевозможныезначенияхарактеристиксобытия,аодной смысловой ха
рактеристикесобытия– одинстолбец.Данныевтакойтаблицеявляются отсортиро
ваннымипообъекту наблюдения иупорядоченными повремени,чтопозволяетгово
ритьополучениипоследовательностисобытий.
После предварительного преобразования данных может быть реализован вы
бранныйметоданализаданных.Условномогутбытьвыделены3группыанализа:
А)анализотдельновзятыхсобытий;
Б)анализпоследовательностейсобытий;
В)анализпроцессов.
Для различных видов анализа различаются требования кформату входных дан
ных, следовательно, необходима дополнительная подготовка данныхквыбранному
методуанализа.
Нарисунке1 представлена методика решениязадач интеллектуального анализа
прианализеперемещенийдвижущихсяобъектов.Методикавключаетвсебявсеэтапы
преобразованияданныхиприменениякнимметодованализадлякаждойизрассмат
риваемыханалитическихзадач.
SOFTMEASUREMENTSANDCOMPUTING Volume 36,No.11,November 2020
27
Рис.1. Методикарешениязадачинтеллектуальногоанализа
2.1.Анализотдельновзятыхсобытий
Анализ отдельно взятых событий можетбытьиспользовандлявыявления ано
мальныхзначенийхарактеристикодногособытия,связанного с появлениемиливне
которыхслучаяхнахождениемобъекта наблюдения взаданнойобласти.К такимано
малиям относятся опоздание, прогул, подлог пропуска, аномальные значения, выяв
ленныеприизмерениипараметров(температура,весит.д.).Дляанализа отдельно
взятыхсобытиймогутбытьиспользованытакиеметодыкакклассификацияикласте
ризация.Предварительнаяподготовка данныхвключаетв себяразделение исходного
набораданныхнанаборы,имеющиеобщийсоставатрибутов,чтопозволяетполучить
некотороеполностью заполненныхтаблиц.Длякаждогоподнабораданныхпроводит
сяоперацияклассификации или кластеризации,при этом методыклассификации для
каждогоподнаборамогутбытьразными.Вработе[3] был исследован такой параметр
какдлительность нахождения в отдельно взятойзоне,т.е.подразумеваетсяанализха
рактеристикдвухсобытий,идущихподряд.Однаковрассматриваемойработе подсо
бытием понималось не только появление объекта наблюдения в помещении,
нои нахождениев нем.Используемый метод кластеризации позволил выявить такие
отклонениякакнетипичнаядлительностьпребываниявотдельновзятом помещении
(рис.2),посещениенетипичногопомещения,атакжеподлогпропуска.
COMPLEXSYSTEMSMODELINGUNDERUNCERTAINTY
28
Рис.2. Применениекластеризацииприанализеперемещенийсотрудников
2.2.Анализпоследовательностисобытий
Анализ цепочки событий может выполняться методами поиска ассоциативных
правил,применяемых,какправило,дляанализарыночныхкорзин.Втакомслучаепод
готовкаданных включаетв себяформирование так называемыхтранзакций, каждым
элементом которой является одно событие с описывающими его атрибутами. Поиск
ассоциативныхправилпозволяетвыявитьтипичныепоследовательностисобытийдля
разныхцепочексобытий,имеющиходинаковоезавершение.Аномалиимогутбытьоб
наружены,есливтекущейпоследовательностисобытийзамеченонетипичноеповеде
ние, которое может указывать на аномальное завершение всей цепочки событий.
Вто жевремя при наличиидостаточно репрезентативнойвыборки цепочек событий,
завершающихся аномалией, могут быть выявлены типичные последовательности со
бытий,приводящиекопределенногородааномалиям.
Перемещения объектов из одной зоны наблюдения в другую могут также быть
рассмотреныкакпроцесс.Вэтомслучаемогутбытьпримененынабирающиепопуляр
ность методы интеллектуального анализа процессов (Process mining) [4]. Исходными
даннымидляметодовинтеллектуальногоанализапроцессовявляютсятакназываемые
журналысобытий.Существуютпрограммы,позволяющиепостроитьмоделипроцессана
основеисходной таблицы любоготрадиционного формата (xlsx,csv и т.д.). Пользовате
людостаточно лишь выбратьстолбцы таблицы, соотнося их с атрибутами журнала со
бытий. Однако такая подготовка накладывает существенные ограничения на провод и
мыйанализ. Журнал событий предполагает лишь4 атрибута, используемыхв анализе:
временнаяметка,идентификаторслучая,типактивностииресурс.Временнойметкесо
ответствуетпараметрвременивисходнойтаблице.Подидентификаторомслучаявдан
ном формате понимается идентификатор объекта, для которого строится модель про
цесса. В рассматриваемой задаче это может быть как сам движущийся объект (для от
слеживанияпоследовательностиего перемещений), таки зонанаблюдения (для отсле
живания посещаемости данной зоны). Под активностью понимается тип совершенного
действия.Именноэтотпараметрзаписываетсявблокиприпостроениимоделипроцесса
дляегопредставления пользователю.В простейшемслучае типом активностидлядви
жущихсяобъектов является «Вход»/»Выход» или «Въезд»«Выезд». Подресурсом пони
МЯГКИЕИЗМЕРЕНИЯИВЫЧИСЛЕНИЯ Том36,Номер11,Ноябрь 2020
29
маетсясущность,котораяпроизвеладействие,т.е.этоможетбытькаксам движущийся
объект,таки инойобъект,например,водительтранспортногосредства.
В общем виде соответствие атрибутов для построения моделей процессов пред
ставленовтаблице1.
Таблица1
Соответствиепараметровсобытияатрибутамформатажурналовсобытий
Принципформи
рованиямоделей
процессов
Идентификатор
случая Время Ресурс Активность
Подвижущемуся
объекту
Объектнаблю
дения Время Объектнаблюденияили
управляющимимсубъек
т
Типсобытия
Поместунаблю
дения
Местонаблю
д
е
ния Время Объектнаблюденияили
управляющимимсубъек
т
Типсобытия
Подвижущемуся
объектувместе
наблюдения
Объектнаблю
дения+Место
наблюдения
Время Объектнаблюденияили
управляющимимсубъект Типсобытия
Построиммодельповыбраннымпараметрамдлязаданноготранспортногосред
ства(рис.3).
Рис.3. Модельпроцессабезпредварительногопреобразованияатрибутов
На приведенном фрагменте можно определить, какое действие было совершено
даннымтранспортнымсредствомивкакое время,однакоизтакоймоделинеясно,где
именнопроизошлисобытия,какиебылиопределеныпараметрыдлякаждогоизних.
Выбор зоны наблюдения в качестве атрибута активности позволит построить
модель,отображающуютолькомаршрутперемещенийвыбранногообъекта,однаконе
будетнестиинформацииосовершенныхдействиях.
Такимобразом,можносделатьвыводонеобходимостипредварительной подго
товкиданных для дальнейшегоанализа процессов.В настоящее время ведется разра
боткаметодаформированияжурналовсобытий дляполучениянаиболееинформатив
ныхмоделей.Ранеебылопредставленодвапрототипатакогометода.Восновеметода,
представленногов[5] лежитцентрализованныйсборданных отвсехустройств мони
торинга, их обработка и выбор ключевыхатрибутовдлякаждого типа события. Рас
пределенный метод [6] основан на понятиях интернета вещей и туманных вычисле
МОДЕЛИРОВАНИЕСЛОЖНЫХСИСТЕМВУСЛОВИЯХНЕОПРЕДЕЛЕННОСТИ
30
ний,чтопредъявляетвысокиетребования к оборудованию, расположенномувзонах
наблюдения.Ключевыеатрибутыдляформированияактивностивыбираютсясучетом
составаустройствмониторингавкаждойиззоннаблюдения(таблица2).
Таблица2
Соответствиепараметровсобытияатрибутамформатажурналовсобытий
послеформированияатрибутаактивности
Принципформи
рованиямоделей
процессо
в
Идентификатор
случая Время Ресурс Активность
Подвижущемуся
объекту
Объектнаблю
дения Время Объектнаблюденияили
управляющимимсубъект
Типсобытия+
местонаблю
дения+до
полнительные
параметры/
Местонаблю
дения/
Местонаблю
дения+до
полнительные
параметры
Поместунаблю
дения
Местонаблюде
ния Время Объектнаблюденияили
управляющимимсубъект
Типсобытия+
дополнитель
ныепараметры
Подвижущемуся
объектувместе
наблюдения
Объектнаблю
дения+Место
наблюдения
Время Объектнаблюденияили
управляющимимсубъект
Типсобытия+
дополнитель
ныепараметры
Формированиеатрибутаактивностинаосновекомбинациитакихпараметровкак
«Зонанаблюдения»,«Типсобытия»ивесдлясобытия«Взвешивание»позволяетполу
читьмодельвида,представленногонарис.4.
Рис.4. Модельпроцессапослепреобразованияатрибутаактивности
Такаямодельпозволяетоценитьмаршрутобъектанаблюдения,совершенныеим
действия,дополнительныеважныепараметры.Следовательно,такаямодельявляется
болееинформативнойприпроведениианализа и выявлениианомалий.Подобныемо
SOFTMEASUREMENTSANDCOMPUTING Volume 36,No.11,November 2020
31
делипроцессапозволяютвыявитьтакиеаномалиикакопозданияипрогулы,наруше
ниепоследовательностипосещениязон,нетипичнаядлительностьпребываниявзоне
наблюденияилиперемещенияиз одногопунктавдругой,несоответствиепараметров
разныхвзаимосвязанныхсобытий(например,разныепоказаниявеса).
Внастоящее время ведется работа по комбинациии совершенствованию пред
ложенных методов формирования журналов событий. Особое вниманиеуделяется
вопросувыбораключевыхатрибутов прибольшомколичествепараметровисследуе
могопроцесса. Важнымявляется вопросне только учета важнейшиххарактеристик,
ноисозданиемоделей,неперегруженныхинформацией.Крометого,исследуетсяво
просоптимизациипередачиданныхсцельюоптимизациитрафикавканалах связи
системмониторинга.
3.Выводы
Повышениесложностиорганизациисистеммониторинга,добавлениеразличных
устройств,большиеобъемыпередаваемыхихранимыхданныхотустройствконтроля
повышают требования к технологиям преобразования данных. Благодаря развитию
различныхметодов анализаданныхинформация,получаемаяотразличныхустройств
системмониторинга,можетне только хранитьсяв базахданных, ноииспользоваться
дляанализапроцессов,происходящихнапредприятиях.
Представленныевработерезультатыполучатдальнейшееразвитие.Вчастности,
планируетсяразработкановыхметодовоптимизациитрафикавсистемахмониторин
гасцельюснижениянагрузкинаканалысвязи.Возможнотакжеразвитиеновыхпро
токолов,атакжеповышениетребованийкустройствамконтролясцельюиспользова
нияихвычислительныхмощностейдляобработкиданных.
Благодарностиипризнание
РаботавыполненаприфинансовойподдержкеСтипендииПрезидентаРоссийской
ФедерацииСП2581.2019.5.
Заявлениеоконфликтеинтересов
Авторзаявляет, что унее нетизвестныхконкурирующих финансовыхинтересов
илиличныхотношений, которыемогли бы повлиятьна научныерезультаты,описан
ныевэтойстатье.
Источники
[1] GuoD.,LiuS.,JinH. A graphbased approach to vehicle trajectory analysis // Journal
ofLocationBasedServices.2010.Т.4.№.3–4.С.183–199.
[2] BekenevaY.A.,KholodI.I.,LebedevS.I.,NovikovaE.S.,&ShorovA.V. Violationdetectionin
heterogeneouseventsstreams// ProcediaComputerScience.2019.Т.150.С.381–388.
[3] NovikovaE.,BekenevaY.,ShorovA. The MotifBased Approach to the Analysis of the
Employee Trajectories within Organization // SecurityandCommunicationNetworks.
2018.Т.2018.
[4] VanDerAalstW. Processmining: Overviewandopportunities // ACM Transactionson
ManagementInformationSystems(TMIS).2012.Т.3.№.2.С.1–17.
[5] BekenevaY.A.AlgorithmforGeneratingEvent LogsBasedon DatafromHeterogeneous
Sources // 2020 IEEE Conference of Russian Young Researchers in Electrical and
ElectronicEngineering(EIConRus).– IEEE,2020.С.233–236.
[6] BekenevaY.A.AnApproachtotheDistributedGenerationofEventLogsBasedon Data
from Heterogeneous Monitoring Devices // 2020 9th Mediterranean Conference on
EmbeddedComputing(MECO).– IEEE,2020.С.1–4.
COMPLEXSYSTEMSMODELINGUNDERUNCERTAINTY
32
References
[7] GuoD.,LiuS.,JinH. A graphbased approach to vehicle trajectory analysis // Journal
ofLocationBasedServices, 2010, vol.4, no.3–4, pp.183–199.
[8] BekenevaY.A.,KholodI.I.,LebedevS.I.,NovikovaE.S.,&ShorovA.V. Violation detection in
heterogeneouseventsstreams// ProcediaComputerScience, 2019, vol.150, pp.381–388.
[9] NovikovaE.,BekenevaY.,ShorovA. The MotifBased Approach to the Analysis of the
Employee Trajectories within Organization // SecurityandCommunicationNetworks,
2018, vol.2018.
[10] VanDerAalstW. Processmining: Overviewandopportunities // ACM Transactionson
ManagementInformationSystems(TMIS), 2012, vol.3. no.2.pp.1–17.
[11] BekenevaY.A.Algorithm for Generating Event Logs Based on Data from Heterogeneous
Sources// 2020IEEEConferenceofRussianYoungResearchersinElectricalandElectronic
Engineering(EIConRus).– IEEE,2020, pp.233–236.
[12] BekenevaY.A.AnApproachtotheDistributedGenerationofEventLogsBasedonDatafrom
Heterogeneous Monitoring Devices // 2020 9th Mediterranean Conference on Embedded
Computing(MECO).– IEEE,2020, pp.1–4.
МЯГКИЕИЗМЕРЕНИЯИВЫЧИСЛЕНИЯ Том36,Номер11,Ноябрь 2020
33
УДК 519.83 DOI:10.36871/26189976.2020.11.003
МАТЕМАТИЧЕСКИЕАЛГОРИТМЫТЕОРИИИГР,
КАКПРИКЛАДНОЙИНСТРУМЕНТДЛЯПРИНЯТИЯЭФФЕКТИВНЫХ
ФИНАНСОВОЭКОНОМИЧЕСКИХРЕШЕНИЙ
ЗвягинЛеонидС.1
1Кандидатэкономическихнаук.,доцент,доценткафедры«Системныйанализвэкономике»,
ФГОБУВО«ФинансовыйуниверситетприПравительствеРоссийскойФедерации»,Москва,Рос
сия,email:LSZvyagin@fa.ru
ИНФОРМАЦИЯ
А
ННОТАЦИЯ
Ключевыеслова:
теорияигр
принятиерешений
экономическиерешения
математическиеметоды
теоретикоигровоемоделирование
Впоследнеевремяметоды теоретикоигрового моделирова
ниявсечащеприменяютсявфинансовойсфере.Вчастности,
формирование оптимального инвестиционного портфеля
рассматриваетсяианализируетсясточкизрениятеорииигр
как вид кооперативной игры. В бизнесе теория игр широко
применяется для моделирования поведения между конку
рентами. Экономисты часто используют теорию игр, чтобы
понятьповедениеолигополий,пытаясьвычислить,когда
фирмывступаютвсговор.Актуальностьметодовтеорииигр
для финансовоэкономической сферы обусловлена их уни
версальностью,атакжематематической обоснованностью.
В данной статье рассматривается как используя концепции,
содержащиесявтеорииигр,можнонетольковыстроитьре
альныесценариидлятакихситуацийкак ценовая конкурен
ция, производство и выпуск продукции, взаимоотношения
между покупателем и продавцом, но также и спрогнозиро
ватьихрезультаты.Цельюданнойстатьиявляетсяизучение
основных понятий теории игр, а также рассмотрение прак
тических подходов к решению конкретных ситуаций, имею
щихотражениевфинансовоэкономическойсфере
MATHEMATICALALGORITHMSOFGAMETHEORYASANAPPLIEDTOOL
FORMAKINGEFFECTIVEFINANCIALAND ECONOMICDECISIONS
ZvyaginLeonidS.1
1PhDofEconomics,AssociateProfessor,AssociateProfessoroftheDepartmentof«SystemAnalysis
inEconomics»,FinancialUniversityundertheGovernmentoftheRussianFederation,Moscow,Russia,
email:LSZvyagin@fa.ru
A
RTICLEINFO
A
BSTRACT
Keywords:
Gametheory
Decisionmaking
Economicdecisions
Mathematicalmethods
Gametheoreticmodeling
Recently,themethodsofgametheoreticmodelingareincreasing
lyused inthe financialsphere. In particular, theformation ofan
optimalinvestmentportfolioisconsideredandanalyzedfromthe
point of view of game theory as a type of cooperative game. In
business,gametheoryiswidelyusedtomodelthebehaviorbe
tweencompetitors.Economistsoftenusegametheorytounder
stand the behavior of oligopolies, trying to calculate when firms
collude.Therelevanceofgametheorymethodsforthefinancial
МОДЕЛИРОВАНИЕСЛОЖНЫХСИСТЕМВУСЛОВИЯХНЕОПРЕДЕЛЕННОСТИ
34
andeconomicsphereisduetotheiruniversality,aswellasma
t
h
ematical validity. This article examines how using the concepts
containedingametheory,itispossiblenotonlytobuildrealsce
narios for such situations as price competition, production and
output,therelationshipbetweenbuyerandseller,butalsotopre
dicttheirresults.Thepurposeofthisarticle is to study thebasic
concepts of game theory, as well as to consider practical ap
proachestosolvingspecific situations that are reflected in the fi
nancialandeconomicsphere
1.Введение
Теорияигр – этонаукаостратегическомпринятии оптимальных решений неза
висимымии конкурирующими другс другомзаинтересованными сторонами (игрока
ми)в целях максимизациипотенциального выигрыша или минимизации возможного
проигрыша. Являясь теоретической основой для понимания социальных ситуаций,
теорияигрширокоиспользуетсявразличныхобластяхзнаний,и,вчастности,приме
няется в финансовоэкономической сфере. Основоположниками теории игр стали ма
тематикиДжонфонНейманиДжонНэш,атакжеэкономистОскарМоргенштерн.
Наиболееважную,основополагающуюрольвприкладномприменениитеорииигрдля
решенияэкономических ситуаций сыграла монография «Теория игри экономическое
поведение»,написаннаяДжономфонНейманомиОскаромМоргенштерном.
Теория игр представляет собой совокупность аналитических инструментов,
предназначеннуюдля пониманияспецифическихявлений,которыеможно наблюдать
вовремявзаимодействиялиц,принимающихрешения.Основныедопущения,лежащие
восноветеории,заключаютсявтом,чтозаинтересованныестороныпреследуютчетко
определенные рациональные внешние цели, а также учитывают собственные знания
илиожиданиявотношенииповедениясвоихконкурентов,тоестьзадействуютстрате
гическое мышление. Модели теории игр являются весьма абстрактными представле
ниями реальных ситуаций. Однако эта абстрактность позволяет их использовать для
изученияширокогоспектраявлений.Например,теорияравновесияпоНэшуиспользо
валасьдляизученияолигополистическойиполитическойконкуренции.Теорияповто
ряющихся игр использовалась для освещения социальных явлений, таких как угрозы
иобещания.Теорияядраобъясняет,почемурезультатторговливрамкахсистемыцен
стабиленвэкономикесмногочисленнымчисломагентов[8,c.251–254].
Дляформального изложения своих идей теория игр использует математические
методы.Именноматематическаяформулировкапозволяетлегкоопределятьпонятия,
проверятьсогласованностьидей,атакжеисследоватьпредположения[1,c.38–40].
Помимоэтого,теориюигрможнорассматриватькаксамостоятельную социаль
нуюнауку, целькоторой состоит в понимании ианализе поведениявзаимодействую
щихлиц,принимающихрешения.
2.Основытеорииигр
Теорияигрвключаетвсебянаборпонятийиопределений,которыепозволяют
нагляднопроиллюстрироватьосновныеположенияданнойнауки.
Игра– математическаямодель,представляющая собой совокупность решений,
принимаемыхдвумяилиболеелицами(игроками)приконфликтнойситуации(разли
чаюткооперативныеинекооперативныеигры)[2,c.18].
Игрок– лицо, принимающеестратегические,рациональныерешениявконтексте
игры.
SOFTMEASUREMENTSANDCOMPUTING Volume 36,No.11,November 2020
35
Ход игрока – принимаемое им решениеспоследующимсовершениемдействия,
определеннымправиламиигры.
Стратегия– планвозможныхдействий,которыеигрокпредприметвзависимости
отсложившейсяв игреситуации.
Выплата– выигрыш,которыйигрокполучаетвзависимостиотдостиженияопре
деленногорезультата(можетбытьвлюбойизмеримойформе)[4,c.44].
Информация– знания,доступные игрокунаданныймомент(информацияможет
быть доступна в полном объеме для всех игроков уже к началу игры,аможетпода
ватьсяпорционнопомереразвитияигровогопроцесса).
Равновесие– точкавигре,гдевсеигрокидостиглиожидаемогорезультата.
Предполагается,что каждый игрок мыслит рационально, то есть онзнаетовоз
можныхальтернативах, формирует ожидания относительнолюбыхнеизвестных,име
етчеткуюцельисознательнопредпринимаетнаиболеевыгодныедля себя действия.
Этоназываетсяконцепциейрациональноговыбора[4,c.48].
Зачастуювмоделях,которыерассматриваютсяврамкахтеорииигр,игрокампри
ходитсяприниматьрешениявусловияхнеопределенности.Этоможетбыть[2,c.71]:
−неопределенностьвотношенииобъективныхпараметровокружающейсреды;
−недостаточнаяинформированностьособытиях,которыепроисходятвигре;
−неуверенностьвдействияхдругихигроков;
−неуверенностьврассужденияхдругихигроков.
Вотличиеот идеальныхмоделейтеории игр,реальностьтакова, чтомеждукон
курирующимисторонамипрактическивсегданаблюдаетсяасимметрия.Например,не
которые игроки могут иметь более четкое восприятие ситуации илииметьбольше
возможностейдляееанализа.Этиразличия,стольважныевжизни,отсутствуютвтео
рииигрвеенынешнемвиде.Чтобыпроиллюстрироватьпоследствияэтогофакта,рас
смотримигрувшахматы.В реальнойигревшахматыигрокимогутиметькакразлич
ныезнанияовозможныхходах,такиобладатьнеравнымианалитическимиспособно
стями. Когда же шахматы моделируются с использованием современной теории игр,
предполагается, что знание игроками правил игры является совершенным,аихспо
собностьанализировать– идеальна.Подразумевается,чтошахматы– этотривиальная
игра для «рациональных» игроков: существует алгоритм, который можно использо
ватьдля«решения»игры.Этоталгоритмсостоитиздвухстратегий,пооднойдлякаж
догоигрока,чтоприводитк«равновесному»результату.Такимобразом, абстрактная
модельшахматпозволяетнамвывестисущественныйфактобигре,втожевремяона
опускаетсамыйважныймоментреальнойигрывшахматы:способности игроков
не идентичны[8,c.303–305].
Моделирование асимметрий в способностях и в восприятии ситуацииразными
игрокамиявляетсяприоритетнойзадачейдлявозможныхбудущихисследований, ко
торыемоглибырассмотретьмодели«ограниченнойрациональности».
3.Стратегическиеодновременныеигрыиихроль
вфинансовоэкономическойобласти
Взависимостиотколичестваходов,стратегическиеигрыможноразделитьнаод
новременныеипоследовательные.Впервомслучаеукаждогоигрокаестьтолькоодин
ход,иониосуществляютсяодновременно.Вовторомслучаеигроки могут совершать
ходынесколькораз[10,c.2].
Одновременные игры можно представить в виде таблицы, которая называется
нормальнойформойигры.
Предположим,чтонамнеобходимонаглядноизобразитьодновременную игру.
Известно,чтоукаждогоигрокаестьтолькоодинход,ивсеониосуществляютсяедино
COMPLEXSYSTEMSMODELINGUNDERUNCERTAINTY
36
временно.Спервамыдолжныуказатьколичествоучаствующихигроков.Далееследует
перечислитьвсевозможныеходыдлякаждогоигрока,посколькуонимогутиметьраз
ныеварианты.Предположим,чтоукаждогоигрокаестьтолькоконечноечисло вари
антов. Игроки одновременно делают свои ходы, определяют исход игры,послечего
получаютсвоивыплаты.Каждаяизкомбинацийвозможныхигровыхходовдаетвито
геразныерезультаты.Если имеетсяигроков,идляигрока1существуетвозмож
ныхходов,адляигрока2,соответственно,возможныхходов итак далее. Тогдасу
ществует ××…×возможныхисходов,длякаждогоизкоторыхчислобудет
обозначатьсоответствующиевыплатыдляигрока1,игрока2итакдалее[10,c.4].
Можно привести следующий пример одновременной игры для двух игроков:
две компании разделяют рынок, на котором они в настоящее время зарабатывают
по5000000долларов.Обекомпаниидолжныопределить,нужналиимреклама.Стои
мостьрекламыдлякаждойизкомпанийсоставляет2000000долларов,притом, ком
пания, разместившая рекламу, получит 3 000 000 долларов за счетконкурентапри
условии,чтопоследнийнерекламируется [10,c.4–5].
Пустьданыдвекомпании– A иB.Еслиониобенеразмещаютрекламу,тополучают
по5000000долларовкаждая.Еслижеоберекламируются,тоснижают свою прибыль
до3000000долларов.ЕслиA покупаетрекламу,аB нет,тоA получает6000000долларов,
аB только2000000,инаоборот,еслиB рекламируется,акомпанияA нет.Схемавыплатпо
казанавтаблице1.Цифры,разделенныезапятой,этовыплатыдляA иB,указанныевмил
лионахдолларов,исоответствующиекаждомуизвышеупомянутыхвариантов[10,c.5].
Таблица1
Матрицаисходовигры
Bрекламируетс
я
Внерекламируетс
я
Арекламируется 3,
3
6,
2
Анерекламируется 2,6 5,
5
Такимобразом,еслиимеетсядваигрока,иуигрока1естьвариантов,ауигрока
2– вариантов,токаждыйизнихприводитксоответствующим выплатам, в зависи
мостиотсделанноговыбора.
Еслижеприодновременнойигре выигрыш одного игрокаравняетсяпроигрышу
второгоигрока, иих сумма равна0,тоданныйтипигрыназываетсяигройснулевой
суммой.Например,предположим,чтодваучастникасоревнуютсявигре«камень,нож
ницы,бумага»составкойв1доллар.Представимэтоввидематрицы[10,c.5]:
Таблица2
Матрицадля игры«камень,ножницы,бумага»
Камен
ь
Ножниц
ы
Бумаг
а
Камень 0 1 1
Ножницы 1 0 1
Бумаг
а
110
Из вышеприведенной таблицы видно, что выигрыш одного игрока неизменно,
прилюбомварианте,равенпроигрышувторого,асуммавыплатвсегдаравнанулю.
Одновременная игра для трех игроков может быть проиллюстрирована следую
щимпримером: три законодателядолжны проголосовать, разрешаютлионисебепо
вышениезаработнойплатына2000доллароввгод.Посколькуизбирателинаблюдают
заголосованием,законодателимогутпотерятьлицо,еслипроголосуютзаповышение.
МЯГКИЕИЗМЕРЕНИЯИВЫЧИСЛЕНИЯ Том36,Номер11,Ноябрь 2020
37
Предположим,что,пооценкамзаконодателей,потеря«лица»стоит1000долларов
вгод.Чтопроизойдет,есливсетрипроголосуютодновременно?[10,c.5].
Такуюодновременнуюигрудлятрехигроковможновизуализироватьдвумямат
рицами,которыеприведенывтаблице3.ИгрокA выбираетматрицу,B выбираетстро
ку,аC выбираетстолбец.Выплатыуказанывтысячахдолларов[10,c.6].
Таблица3
Голосованиезаконодателей
Аголосует«за
»
Аголосует«против
»
С«за
»
С«против
»
С«за
»
С«против
»
В«за» 1,1,
1
1,1,
2
В«за» 2,1,
1
0,1,
0
В«против» 1,2,
1
1,0,
0
В«против» 0,0,1 0,0,
0
Для приведенных выше примеров можно справедливо предположить, что каждый
игрокожидаетотсвоихсоперниковтакиеходы,которыесводилибыкминимумуего(иг
рока)потенциальныйвыигрыш.Особеннонаглядноэтоиллюстрируетпримеригрысну
левойсуммой.Еслиигрокбудетоцениватьсвоюстратегиюотносительно наихудшего
возможногоисхода,тологичнопредположить,чтоонсконцентрируетсянатомварианте,
который будет гарантировать максимально возможный выигрыш или минимально воз
можныйпроигрыш. Этоназываетсяпринципоммаксимина. Так,еслисуществуютдва иг
рокаАиВ,тоцельюигрокаАбудетмаксимизироватьсвойвыигрыш,ацельюигрока
В– минимизироватьвыигрышигрокаА.Знаясвоивыигрышиприразличных стратегиях,
игрок А выберет ту, что гарантирует ему максимальный выигрыш из минимально воз
можных.Чтокасается игрокаВ,то он предпочтеттустратегию,котораябудетемугаран
тироватьминимальныйпроигрышизмаксимальновозможных[10,c.6–7].
Так, в примере с покупкой рекламы, худшим вариантом для компании Абудетпо
купка рекламы компанией Б, и тогда, следуя принципу максимина, компанияАбудет
стремитсямаксимизироватьминимальновозможныйвыигрыш,тоесть,купитрекламу.
ВпримересголосованиемнаихудшимисходомдляигрокаА,еслионпроголосует
«за»,будетто, что всеостальныепроголосуют «против» (потерясоставит 1000долла
ров).Если же игрокА проголосует«против», тов любом из наихудших сценариеввы
игрышигрокаАсоставит0.Значит,следуяпринципумаксимина,игрокАдолженголо
совать«против».
Такимобразом, моделирование ситуации с построением матрицы можетэффектив
ноприменятьсявфинансовоэкономическойобластидлявыбораоптимальнойстратегии
всоответствииспринципоммаксимина.Этоможетстатьэффективным инструментом
дляпринятиярешений,еслиизвестныисходыкаждогоизвозможныхвариантов.
4.РавновесиепоНэшу,егоприменениевэкономическойсфере
Равновесиепо Нэшу– это концепцияв теорииигр, согласнокоторой,оптимальным
результатом игры является отсутствие стимула у игроков отклоняться от первоначаль
ной стратегии, поскольку ни один и з игроков не сможет увеличить свой выигрыш, если
остальные участники своих стратегий не меняют. Данная концепция была выведена
в1950 году и получила свое название в честьсвоего автора, амери канского математика
Джона Нэша. Равновесие по Нэшу является одним из важнейших понятий теории игр,
вкоторомделаетсяпопыткаматематическиилогическиопределитьдействияучастни
ковигры,которые обеспечилибы имнаилучшийрезультат.Причина, покоторой данная
концепция считается столь значимой, связана с ее применимостью –равновесиеНэша
можетбытьвключеновширокийспектрдисциплин,вчастностиэкономических[10,c.9].
МОДЕЛИРОВАНИЕСЛОЖНЫХСИСТЕМВУСЛОВИЯХНЕОПРЕДЕЛЕННОСТИ
38
Однаконевсегдаигрокиспособныдоговоритьсяиприйтикнаиболеевыгоднойдля
всехстратегии.Яркимпримеромэтогоявляетсятакназываемаядилеммазаключенного.
Какправило,онаможетбытьпроиллюстрированаследующейситуацией: есть
двое преступников А и В, которые ограбили банк. Они арестованы и допрашиваются
вотдельныхкомнатах.Увластейнетдругихсвидетелей,ионимогут выиграть дело
тольковтомслучае,еслионисмогут убедить хотя бы одного из грабителей предать
своегосообщникаидать показания опреступлении.Каждыйграбительбанкасталки
вается с выбором: сотрудничать со своим сообщником и хранить молчание или дать
показания для судебного расследования. Если они оба будут сотрудничать и хранить
молчание,товластисмогутосудитьихтольконаодингодтюремногозаключения.Ес
лиодинизнихдастпоказания,адругой– нет,тотот,ктодаетпоказания, выйдет
насвободу,адругойполучиттригода.Однакоеслиобабудутсвидетельствоватьдруг
противдруга,каждыйполучитдвагодатюрьмы.Даннуюзадачуможнопроиллюстри
роватьследующейтаблицей[10,c.10].
Таблица4
Дилеммазаключенного
Вмолчи
т
Впризнаетс
я
Амолчи
т
1,
1
3,
0
Апризнается 0,
3
2,
2
Кажетсяочевидным,чтонаиболеевыгоднымвариантомдляобоихигроковбудет
тот,которыйпредполагаетмолчаниеобоихивлечетзасобойодингодтюремногоза
ключениядлякаждогоизпреступников.Однакодлякаждогоизграбителейвсежеесть
стимулотклонитьсяотданнойстратегии,независимоотвыборасоперника.Так,сточ
кизренияА,еслиБхранитмолчание,тоАможетлибосотрудничатьсБипровестигод
втюрьме,либопредатьБивыйтинасвободу.Очевидно,чтовэтом случае А захочет
предатьБ.Сдругойстороны,еслиБвсвоюочередьдастпоказанияпротивА,тоонмо
жетлибохранитьмолчаниеиполучитьтригодатюремногозаключения,либосознать
сяипровестивтюрьмедвагодавместотрех.Опятьже,очевидно,онсновапредпочел
быпредатьБ[10,c.10–11].
Витоге получается, чтодилемма заключенного приводитк парадоксальномуре
зультату– игрокиневыберутнаиболеевыгоднуюстратегиюдлянихобоих,поскольку
каждый из них сталкивается со стимулом, побуждающим отклониться от взаимовы
годнойстратегиивпользустратегииличнойвыгоды.Важнуюрольвэтомиграетито,
что заключенные не могут заранее согласовать свои действия другсдругом,таккак
онинаходятсявразныхизолированныхкамерах.
Современная экономика изобилует реальнымипримерами дилеммы заключен
ного.Однимизтакихпримеровявляетсятакназываемаятрагедияобщих ресурсов.
Ееможно сформулироватьтак– есликнекоторомуэкономическомуресурсудансво
бодныйдоступ,тоэтоистощиттакойресурсилижевовсеегоуничтожит,поскольку
онбудетиспользоватьсячрезмерно.Этопроизойдетвсилутого,чтовсе,ктоисполь
зуетресурс,преследуютвпервуюочередьличнуювыгоду,ибудутстаратьсяеемак
симизировать.Классическимпримеромподобнойэкономической ситуации является
пастбище:предположим,чтов некоторойсельскойобщинеестьединственноепаст
бище,и на немкаждый из общинников может пасти скот, безкакихлиб о ограниче
ний.Однакочем больше скотабудетпастись на пастбище,темменьше нанембудет
травы, и, соответственно, в итоге выгода от скотоводства сократитсядлявсехоб
щинников. Это произойдет потому, что каждыйиз скотоводов, естественно, захочет
SOFTMEASUREMENTSANDCOMPUTING Volume 36,No.11,November 2020
39
максимизироватьсвоювыгоду,увеличивпоголовьескота.Еслитаксделалбытолько
одинобщинник,торесурспастбищасократилсябынезначительно.Однако если все
общинникипоступят таким образом, то пастбище неизбежно будет либо сильно ис
тощено,либополностьюуничтожено.Этогоможнобылобыизбежать,если каждый
изобщинниковрешилбысократитьвыпасскотанапастбище,ноэто приведет
куменьшению личнойвыгоды,поэтому каждомускотоводу выгоднолишь увеличи
ватьиспользованиепастбища[9,c.252].
Поведениекартелейтакжеможнорассматриватькакдилеммузаключенного.
Всеучастникикартелямогутколлективнообогащаться,ограничиваяобъемпроизвод
ства, чтобыудерживатьдостаточновысокуюценудля извлечения экономической вы
годы,но если рассматриватьучастников картеля поодиночке, то каждый в отдельно
стибудет иметь стимулобманывать картельи увеличивать производство, чтобы уве
личитьсвоюприбыльзасчетдругихучастниковкартеля[8,c.447].
Темне менее с течением времени люди стремятся выработать различные решения
дилеммызаключенного,чтобыпреодолетьверховенстволичногоблаганадобщим.
Вотличие от гипотетической ситуации с заключенными, большинствоэкономи
ческих и других взаимодействий между людьми повторяются более одного раза. Ди
леммазаключенного,какправило,рассматриваетсявкачествеигры,котораяразвора
чиваетсяоднократно.Такимобразом,еслинекаяситуацияповторяетсянесколькораз,
тос учетомприобретенногоопытаможноприменитьинуюстратегию[1,c.94].
Также обществом разработаны формальные институциональные стратегии для
корректировкистимулов,скоторымисталкиваютсяотдельныелица,принимающие
решения.Например,несоблюдениеправил, законов,коллективныхнорм влечетзасо
бой различные штрафные санкции, поэтому индивид скорее предпочтет несколько
меньшуюличнуювыгоду[8,c.436].
Крометого,улюдейсовременемразвилисьпсихологическиеиповеденческие
установки, такие как ориентация на долгосрочное сотрудничество, склонность к
кооперативномуповедениюивзаимномудоверию.Посути,такиеустановкипомо
гают сместить фокус с личной выгоды в пользу выгоды общей, и в итоге люди
склоннывыбиратьтестратегии,которыеиявляютсянасамомделенаиболее вы
годнымидлявсех.
5.Депозитныеигрыипринятиеэффективных
финансовоэкономическихрешений
Каждый вкладчик стремится максимизировать отдачу от своих инвестиций. Со
ответственно, предполагается, что если несколько инвесторов объединятсядлясов
местных инвестиций, то они могут увеличить свою общую выгоду. Тем не менее, это
приводиткдополнительномувопросуотом,какраспределитьдоходымеждувкладчи
ками.Врамкахтеорииигрданнаяпроблемарассматриваетсяспомощьютакназывае
мойдепозитнойигры(deposit game)[7,c.1920].
Депозитздесь определяют какположительное,фиксированное количествокапи
тала,которое находитсявбанкевтечениезаранееопределенногоипоследовательно
гочислапериодов,+1,...,,где1≤≤≤,гдеτ – последнийпериод,вкото
рыйможетбытьвнесендепозит.Такимобразом,проблемадепозита– этодискретный
иконечныйпромежутоквремени{1,...,τ}.Временнойинтервал,в течение которого
вносятсяденьги,называетсясрокомвклада,иобозначаетсяформулой[7,c.21]:
={,+1,…,}(1)
Совокупностьвсехвозможныхсроковвкладаопределяетсяследующимобразом:
COMPLEXSYSTEMSMODELINGUNDERUNCERTAINTY
40
=⊆{1,…,}∃,∈{1,…,}:={,+1,…,}(2)
Вклад с капиталом и сроком ={
,+1,...,}может быть представлен как
векторзапериоды{1,2,...,+1},гдевначалепериодадепонируетсясумма,авнача
ле периода +1сумма возвращается. Поскольку капитал возвращается при +1,
существующаямодельрасширяется,ивключаетвсебяпериод+1[7,c.2122].
Проиллюстрируемэтонапримере.Рассмотримдепозит,где=3.Возможный
депозитможетбытьзаписанкак(0,3,0,−3),этоозначает,чтотриединицыкапита
ла (=3
)депонируютсявтечениепериодов=2и =3, и возвращаются
вначалепериода4,которыйравен+1. Множество всех возможных депозитов
обозначается следующим образом: ∆={∈|∃> 0,∈: = · ℎ()}, где
функцияℎобозначаетсякакℎ: → вкачестведепозита наединицукапиталав
течение срока ={
,+1,...,}, то есть для всех t ∈{1,2,...,+1}и всех T∈T
мыимеем[7,c.21–22]:
ℎ()= 1,если=,
−1,если=+1
0,востальныхслучаях (3)
Далеепредположим,что есть функция дохода:∆→ ℝ
, котораяприсваивает
каждому депозиту ∈∆неотрицательный доход в периоды {1,...,+1}. Допустим,
чтодоходсдепонированнойизначальносуммыможетбытьполучен тольковпослед
нем периоде. Тогда, для всех =·ℎ({
,+1,...,}) ∈∆ и всех ≤имеем
() = 0. Так же предполагается, что невозможно получить бесконечную прибыль,
используяограниченноеколичествокапитала[7,c.22].
Капитал,которыйвкладчикимеет возможностьинвестировать в депозит,может
бытьполученизтрех источников.Вопервых,этособственныйкапитал,определяемый
какдоход,уменьшенныйнапотребительскиерасходы.Второйисточник– этовозврат
откапитала,которыйбылдепонированранее.Вкачестветретьегоисточникавыступа
етнепосредственнодоходотдепозита.
Пусть капитал вкладчика определяется как ∈ℝ.Тогда,длявсех∈{1,...,}
имеем
≥0. Тогда обозначим депозит с конечным периодом , множеством
вкладов∆,функциейдоходаикапиталомкак(,∆,,)[7,c.22].
Поскольку капитал вкладчика лимитирован, существуют только определенные
комбинации депозитов для инвестирования. Так, инвестиционный портфель обозна
чаетсяфункцией:∆→ ∪ {0},котораяопределяет,сколькоединицкаждогодепози
таиспользуется.Поскольку верхняяграницасуммывкладанезадана, и, кроме того,
доходотвкладанеможетбытьотрицательным,предположим,чтовкладчиквкаждый
изпериодовбудетинвестироватьвесьимеющийсякапиталвдепозиты[7,c.23].
Такимобразом,множествовсехвозможныхпортфелейдля∈ℝопределяетсякак:
()=
:∆→ℕ∪{0}∣
∣
∣
∣
∀∈ {1,…,}∶
()
∈∆ =
+
()()
∈∆ (4)
Левая часть равенства представляет собой чистое изменение в инвестициях за
период . Эта часть выражения может быть отрицательной, если в новые депозиты
вкладываетсяменьшекапитала,чемвыплачиваетсяизпредыдущихдепозитов.Правая
частьравенствасостоитиздвухчастей.Перваячасть– этокапитал.Втораячастьпред
ставляет собой сумму дохода по всем депозитам в момент времени . Таким образом,
МЯГКИЕИЗМЕРЕНИЯИВЫЧИСЛЕНИЯ Том36,Номер11,Ноябрь 2020
41
равенствогласит, чточистое изменениедепозитных инвестицийравняется суммека
питалаидепозитногодохода[7,c.2324].
Естественная цель вкладчика состоит в том, чтобы максимизировать общий до
ход.Однакототфакт,чтовлюбойпериодможетбытьнекоторыйдоход,представляет
некоторыетрудности.Иззатого,чтофункциядоходанеотрицательна,оптимальным
будет решение перенести весь доступный капитал, включая промежуточный доход,
напериод +1.Следовательно, естественнойцелью является максимизацияобщего
доходавмоментвремени+1.
Общийкапиталиндивидавпериодτ +1включаетвсебя:депозитный доход
запериодτ +1,которыйравен ∑()()
∈∆ ,изначальныйвклад илюбойпроме
жуточныйдоход.Притом,последниедваполученыдопериода+1и,такимобразом,
равныокупаемостивкладовпри+1.Она,всвоюочередь,равна∑∈∆()при
+1. Таким образом,общий капитал в момент времени +1в зависимости от воз
можногопортфеля∈()равно()=∑∈∆()[()−][7,c.23–24].
Заметим, что имеется +∈(1+2) для любых двух портфелей
∈(1)и ∈(2), то есть ()+()=∑()+()[()−] =
∈∆
=(+)[7,c.24].
Спомощью∈ℝопределиммаксимальныйдоходзапериод+1как[7,c.25]:
()=su
p
(
)−
∣
∣
∣
∣
∈()(5)
Предположим,чтодлявсех∈ℝсупремумсуществует.Однакоон,поопреде
лению, является бесконечностью. Это в свою очередь может произойти только если
существуетвозможностьарбитража1.Отметим,что()≥0[6,c.270].
Врамкахсотрудничества,гдегруппаагентов={1,...,}объединяет усилия,
вкладчикимогут создатькоалицию исовместно вноситьденьги. Например,если про
центная ставка, определяемая как доход, деленный на сумму депонированного капи
тала,будетвышеприинвестированиибольшейсуммыденег или депонированиисум
мынаболеедлительныйсрок,длячастныхлицможетбытьпривлекательнымсотруд
ничество.Такимобразом,коалициисмогутполучитьбольшийдоход.Вэтойсвязирас
смотрим ситуацию с депозитом (,,∆,,(())∈), где агент ∈имеет вектор
вклада ()∈ℝ, доступный для депонирования. Доступный капитал ()для коа
лиции ⊆,≠∅– это весь капитал, доступный каждому члену коалиции. Так, для
коалиции⊆,≠∅получим() =∑()
∈ [7,c.24–25].
Соответственно, максимальный общий доход коалиции ⊆за период +1
определяетсякак[7,c.25]:
()=su
p
(
)−()
∣
∣
∣
∣
∈() (6)
Так,депозитнаяиграсреинвестированием соответствует ситуациидепозита
(,,∆,,(())∈), с функцией , определяемой уравнением для всех ⊆,≠∅,
сусловием,что(∅)=0[7,c.216].
1Арбитраж (от фр. Arbitrage — справедливое решение) - это практика получения положительной ожида-
емой доходности от переоцененных или недооцененных бумаг на неэффективном рынке без дополнительных
рисков и с нулевыми дополнительными инвестициями. Представляет собой несколько логически связанных
сделок, направленных на извлечение прибыли из разницы в ценах на одинаковые или связанные активы [3].
МОДЕЛИРОВАНИЕСЛОЖНЫХСИСТЕМВУСЛОВИЯХНЕОПРЕДЕЛЕННОСТИ
42
Возникаетестественныйвопрос:какразделитьмаксимальныйобщийдоходмеж
ду отдельными игроками? Для решения этого вопроса мы проанализируем основные
распределениясоответствующейигры.Особенность кооперативной игрыздесьсосто
итв том, что коалиционныеотклонения практически исключены,потому что игроки
врамках коалиции поопределению неполучат выигрышменьший, чем тот,который
имбылбыгарантированприсамостоятельном депонировании средств. Рассмотрим
даннуюситуациюнапримере[9,c.220221].
Пусть дан депозит для трех игроков (,,∆,,(())∈)с двумя периодами,
тоесть = 2, = {1,2,3}инаборомдепозитов∆,которыйопределяетсяуравнением(1).
Крометого,предположим,чтоэтитриигрокаидентичны,втомсмысле,чтоукаждого
изниходинаковыйкапитал.Предположим,чтокапиталигрока∈определяетсякак
() = (300,−50). Отметим, что ()удовлетворяет предположению: ∈{1,...,}
≥0[7,c.27].
Врамкахрассматриваемойситуациипредполагается,чтоданотолькодвадепози
тас ненулевым доходом. Первый– этодвухлетняяоблигацияна500у.е.сдоходом6%
запериод. Второй– двухлетняяоблигация на250 у.е.сдоходностью1%.Так,внашей
моделифункциядоходаопределяетсяследующимобразом[7,c.26]:
()=(0,2.5,2.5),если= (250,0,−250),
(0,30,30),если= (500,0,−500),
(0,0,0)востальныхслучаях
При этом функция дохода удовлетворяет предположению: =·ℎ({
,+
+1,...,}) ∈∆идлявсех≤() = 0.
Теперь мы рассчитаем доходность каждой коалиции. Очевидно, что для объеди
нения,состоящегоиз двух игроков{,}оптимальнокупить однудвухлетнююоблига
циюна500у.е.,приэтомоставшиесяв первомпериоде100 у.е.немогутбытьисполь
зованыдляполучениякакоголибо дохода, но могут быть перенесены на следующий
период(без процентов).Вовторомпериодевраспоряжениикоалиции все еще будет
иметься500депонированныху.е.,100перенесенныху.е.,плюсдоходв30у.е.Этотпро
межуточныйдоходпереносится.Такимобразом,наиболееоптимальныйинвестицион
ныйпортфельдлялюбой коалициисдвумяигрокамиможноопределитьследующим
образом [7,c.27]:
()=1,если∈{(500,0,−500),(100,−100,0),(0,30,−30)},
0встальныхслучаях
Это гарантирует коалиции доход, равный ({,}) = (30−(−500)) +(0−
−(−30))−(600−100) = 60.
Если бы капитал был равен (300, 60), то депозит (500, 0, 500)всеещебылбы
осуществимым. В период =2капитал коалиции составляет всего 480 у.е., однако
сучетом промежуточного доходав 30у.е. будет доступно510 у.е.В случае,если капи
талбудетравен(300, 70) депозитнебылбывозможен, посколькупри=2вовкла
дыможноинвестироватьтолько490у.е.[7,c.27].
Если рассмотреть ситуацию, когда вклады составляют (300, 50), тоулюбогоиз
игроков ∈недостаточно капитала для внесения де позита в 500 у.е. Очевидно,что
оптимальным здесь является инвестирование в двухлетнюю облигацию стоимостью
250 у.е. Так, вместе с депозитом, который переносит промежуточный доход с =2
на =3доходностьбудетравна({}) = 5[7,c.27].
SOFTMEASUREMENTSANDCOMPUTING Volume 36,No.11,November 2020
43
Большаякоалицияможет купить однудвухлетнююоблигацию на 500у.е.иодну
на250у.е.впериоде=1иперенести оставшийся капиталвразмере150у.е.Проме
жуточныйдоходзапериод=2аналогичнопереноситсянапериод=3.Этоприво
диткдоходности()=65[7,c.27].
Еслимыхотимопределитькапитал∈ℝдляэтой депозитной игры,тоондол
жен удовлетворять нескольким неравенствам. Для коалиций двух игроков:
+≥60,+≥60и+≥60.Еслисложитьэтитринеравенствавместе,мы
получим2(++) ≥180или++≥90.Внашемжеслучае++=
=65<90[7,c.28].
Такимобразом, в депозитнойигре коалицииформируются игроками путем объ
единения их средств. Это позволяет открыть новые инвестиционные возможности
и получить более высокие доходы, которые разделяются между всеми участниками.
Данныйподходоткрываетновыеуникальныевозможности для вкладчиков, позволя
ющиеимувеличитьсвойдоход.
6.Рисквфинансовоэкономическойобластиитеорияигр
Однимизсамыхсерьезныхфинансовыхрисковявляетсяугрозабанкротства.Эко
номический агент может быть не в состоянии выполнить свои денежные обязатель
ствапереддругимисторонами.Этоможетпривестикнеблагоприятнымпоследствиям
какдляэкономическогоагента,такидляегокредиторов;экономический агентболь
шенесможетвестибизнес,акредиторможетпотерятькапитал[5,c.168–169].
Чтобы решить проблему возможного разорения, каждая отдельная компания
должна иметь достаточный объем рисккапитала. Он представляет собой денежные
средства, которые фирма резервирует на случай немедленного покрытия убытков.
Такженарядусотдельновзятымикомпаниямивнестисвойвкладврешениепроблемы
банкротства может бизнессектор в целом. Это обусловлено тем, что,есливсекомпа
ниивопределеннойотраслисохраняютрисккапитал,оченьмаловероятно,чтовсеони
обанкротятся одновременно. Гораздо более вероятно, что в то времякакнекоторые
компании могут быть не в состоянии предотвратить банкротство, другие компании
будутполучать прибыль.Такие компанииимеютсредства,чтобыпомочьфирмам,ко
торыеобанкротились.Темсамымонинетолькопоспособствуютоздоровлению биз
нессектора,ноикосвеннопомогутсамисебе[7,c.213].
В рамках теории игр такую ситуациюможнорассмотретьследующимобразом.
Пусть дано конечное пространство состояний и набор экономических агентов
={1,2,...,},чьипотеривтечениеследующегопериодавремениопределяютсякак
= ()∈ ∈ℝ×. Состояние ∈возникает с вероятностью , так ∈[0,1]
и ∑=1
∈ . Чтобы избежать разорения, экономические агенты удерживают опре
деленную сумму денежных средств, называемую рисккапиталом. Размер этого капи
талаопределяетсясоответствующейстепеньюриска .Онапредставляетсобой функ
циювида:ℝ→ℝ[7,c.213].
Ввышеупомянутойситуации каждый экономическийагентдействует индивиду
ально;если егоубыткинепокрываютсярисккапиталом,тоэкономическийагентста
новится банкротом. Вполне возможно, что в то время как один экономический агент
обанкротится,у другого экономического агентабудет избыток капитала. Оставшиеся
потериэкономическихагентовпослеисчерпаниярисккапиталапредставляют собой
функцию : → ℝ, определяемую для всех ∈и ∈как:() = (()−
−())=
{()−(),0}[7,c.214].
Притом, ()> 0означает,чтоэкономическийагентобанкротилсявсостоянии.
Избыток капитала после потерь представлен следующей функцией : → ℝ, которая
определяетсяаналогичнодлявсех∈и∈следующимобразом[7,c.213–214]:
COMPLEXSYSTEMSMODELINGUNDERUNCERTAINTY
44
() = (()−())=
{()−(),0}=−{()−(),0}.
Отметим, что ()−()=
{()−(),0}−{()−(),0}=
={
()−(),0}+{()−(),0}=()−().
Проиллюстрируемвышеизложенное напримере.Рассмотримтриэкономических
агента, = {1,2,3}втрехсостояниях ={
,,},вероятность которых одинако
ва.Убыткизаданыследующимобразом [7,c.214]:
=83−3
67−5
4311
Строкиматрицысоответствуютсостояниям,астолбцы– экономическимагентам,
т.е. =
(). Рисккапитал экономическихагентовсоставляет =(7,5,4),ожида
емый дефицит оценивается в 66
%. При этом потери и избыточный капитал
определяютсякак[7,c.215]:
=100
020
007
,=027
109
320
В обеихматрицахнайдем()или())вjйстрокеивм столбце.Отметим,что
вовсехсостоянияхестьэкономическийагент,которыйобанкротился,втовремякакдру
гие экономические агенты имеют запасной капитал. Однако мы также видим, что не во
всех состояниях капитала достаточ нодл я предотвращения банкротства всех экономиче
скихагентов.Вчастности,всостоянииимеем∑()>∑∈()
∈ [7,c.215].
Существуетчетыревозможныхпутиминимизациирискабанкротства.Вопервых,
экономическийагентможетувеличитьсвойрисккапитал;мыпредполагаем, чтокаж
дыйагентужеисчерпалэтувозможность.Вовторых– перестрахование1. Предполо
жим, что это уже включено в потенциальныепотери. Втретьих– получение государ
ственной помощи. Мы игнорируем этот вариант, потому что он является мерой по
следнейинстанции.Вчетвертых– экономическиеагентымогуткооперироватьсядруг
сдругом,помогаятем,комугрозитбанкротство[7,c.216].
Так,посредствомсотрудничествабудетвозможноспастипострадавшихэкономи
ческихагентов.Например,ЦанакасиБарнетт(2003)предполагают,чтоэкономические
агентымогуторганизоватьсотрудничествопонесколькимнаправлениям,средикото
рыхформированиеобщегофонда,слияниеипрямыеплатежиобанкротившимся эко
номическимагентам.Однакопервыедвавариантаимеютвесьмасущественныенедо
статки,кпримеру,экономическиеагентыкак правилонежелаюттерятьсвою финан
совую независимость; правительственные органы же в целом не одобряют слияния,
так как они могут привести к разрастанию монополии. Поэтому рассмотрим процесс
прямыхплатежей.
Прямыеплатежимогутосуществляться между экономическими агентами, если
покрайнеймереодинагентимеетнедостаточныйкапиталдляпокрытия всех убыт
ков,ипокрайнеймереуодногоагентаестьизбыточныйкапитал.Вприведенномвыше
1Перестрахование — перераспределение риска между страховщиками, при котором первый (прямой)
страховщик принимает от страхователя весь риск под собственную ответственность, а в дальнейшем перерас-
пределяет между собой и другими страховщиками. При наступлении страхового случая ущерб возмещается
первым (прямым) страховщиком, после чего остальные страховщики возмещают ему (прямому страховщику)
ущерб в соответствии с условиями договора перестрахования [3].
МЯГКИЕИЗМЕРЕНИЯИВЫЧИСЛЕНИЯ Том36,Номер11,Ноябрь 2020
45
примереагент1является банкротомвсостоянии1,иемутребуетсясумма,равная1
дляпредотвращения банкротства.Другие агентыв совокупностиимеют в остаткека
питал,больший1,соответственно,согласномоделипрямыхплатежей, остается опре
делитьвкладкаждогоизэтихсубъектов.Начнемстого,чторассмотримсовокупность
всех состояний, при которых существует избыток капитала. Она определяется
следующимобразом [11,c.243]:
=∈Ω|()≤()
∈∈ (7)
Однако может оказаться, что имеющегося капитала недостаточно, чтобы спасти
всехэкономическихагентовотбанкротства.Внашемпримереэтопроисходитвсосто
янии3.Обозначим совокупностьвсех состояний,вкоторыхсуществуетнехватка ка
питала[11,c.246]:
=∈Ω|()>()
∈∈ (8)
Обе ситуации, описанные выше, демонстрируют проблему распределения капи
талаприразличныхсостояниях.Онасостоитглавнымобразомвтом,чтоможетсло
житься ситуация, при которой одни экономические агенты будут «только получать»,
а другие – «только отдавать». Выходом из такого парадокса может стать система га
рантий, позволяющая ограничить объем капитала, который каждый экономический
агентможетполучитьилиоплатить.Этигарантиисправедливы,еслионивыбраныта
кимобразом,чтонет«чистыхвкладчиков»,тоестьсотрудничество будет выгодным
длявсехучастников[11,c.257].
Такимобразом,концепциитеорииигрпозволяютнаходитьновыерешениякаса
тельнорискменеджментавфинансовоэкономическойобласти.
7.Заключение
Теория игр представляет собой науку об изучении моделей принятия решений
в различных конфликтных ситуациях с использованием математических приемов
иметодов.Приэтомрассматриваемаяконфликтнаяситуацияврамках теории игр
определяетсякакигра,аучаствующиестороны– какигроки.Основнойцелью теории
игрявляется выработка оптимальнойстратегии поведенияигроков.Врамкахстрате
гическойигрыпредполагается, чтокаждыйиз игроков оцениваетсвоюстратегию ка
сательнонаименееблагоприятногоисхода.Соответственно, игрокстремитсяпринять
такое решение, которое максимизирует его возможный выигрыш или минимизирует
проигрыш(принципмаксимина).Так,спомощьюмоделирования конфликтнойситуа
ции, можно, опираясь на вышеупомянутый принцип, принять наиболее оптимальное
решение,вчастности,вфинансовоэкономическойсфере.
РавновесиепоНэшу– концепцияврамках теории игр, которая доказывает,
что если все участники игры следуют стратегии, гарантирующей иммаксимальный
выигрыш, то отклоняться от этой стратегии не имеет смысла, поскольку ни один из
игроковне сможет увеличить свой выигрыш.Так, основнымэкономическим смыслом
равновесия Нэша является то, что сотрудничество в конечном итоге позволяет всем
участникамвыигратьбольше,чемеслибыонидействовалипоодиночке.Врамкахтео
рииигрдепозитнаяиграотражаеттакуюэкономическуюситуацию,прикоторойинве
МОДЕЛИРОВАНИЕСЛОЖНЫХСИСТЕМВУСЛОВИЯХНЕОПРЕДЕЛЕННОСТИ
46
сторыформируюткоалициюдлятого,чтобымаксимизироватьсвойдоходотдепозита.
Опираясьнаматематическиеприемы,которыедокторфилософииГ.Ван Гулик рас
сматриваетвсвоейэкономическойработе,можносделатьвыводотом, чтоформиро
ваниекоалицииопределенновыгоднодляинвесторов, поскольку онивлюбом случае
неполучатменьшийдоход,чемприсамостоятельномдепонированиисредств.
Поскольку ни один экономический агент не застрахован от риска банкротства,
естьсмыслвформированиимеждунесколькими представителями отрасли коалиции
сцелью оказания помощитем из них, которые окажутсяна грани разорения.Это осу
ществимочерезсистемувзаимныхгарантий, ограничивающих количество капитала,
которыйможетбытьполучениливыплачен.
Такимобразом,подходы, используемые врамкахтеорииигр,позволяют модели
ровать конкретные экономические ситуации и находить оптимальные решения
какдляотдельныхпредставителейбизнеса,такидляобществавцелом.
Источники
[1] АлехинВ.В.Эконометрика:теорияигрвэкономике:учебноепособие/В.В.Алехин.–
Ростов:ИздательствоЮФУ,2011.– 110с.
[2] ЛабскерЛ.Г.Вероятностноемоделированиевфинансовоэкономическойобласти:
учеб.пособие/Л.Г.Лабскер.– Москва:ИНФРАМ,2019.– 172с.
[3] Райзберг Б.А., Лозовский Л.Ш., Стародубцева Е.Б. Современный экономический
словарь. – Москва: ИНФРАМ, 2011. [Электронный ресурс] – Режим доступа:
http://www.consultant.ru/document/cons_doc_LAW_67315/ (датаобращения:27.11.2020).
[4] СигалА.В.Теорияигриееэкономическиеприложения:учеб.пособие/А.В.Сигал.–
Москва:ИНФРАМ,2019.– 418с.
[5] СлепухинаЮ.Э.Рискменеджментна финансовых рынках:Учебноепособие /Сле
пухинаЮ.Э.,– 2еизд.,стер.– Москва:Флинта,2017.– 215с.
[6] BormP.,DeWaegenaereA.RafelsC.SuijsJ.TijsS.andTimmerJ. (2001). Cooperation
incapitaldeposits.ORSpektrum,vol.23,pp.265–281.
[7] VanGulickG. Gametheoryandapplicationsinfinance.– Tilburg:CentER,CenterforEco
nomicResearch,2010.– 269p.
[8] NisanN.,RoughgardenT.,TardosE.,VijayV. Algorithmicgametheory.– CambridgeUni
versityPress,2007.– 775p.
[9] OsborneMartinJ. Acourseingametheory.MassachusettsInstituteofTechnology,1998. –
373p.
[10] PrisnerE. Gametheorythroughexamples.Franklin University Switzerland,The Mathe
maticalAssociationofAmerica,2014.– 287p.
[11] TsanakasA.andBarnettC. (2003).Risk capitalallocation andcooperativepricingofin
suranceliabilities.Insurance:MathematicsandEconomics,33,p.239–254.
References
[1] AlyokhinV.V. Econometrica: game theory in economics:atextbook/V.V.Alyokhin. –
Rostov:SFUPublishingHouse,2011.– 110p.
[2] LabskerL.G. Probabilisticmodelinginthefinancialandeconomicfield:textbook.manual/
L.G.Labsker.– Moscow:INFRAM,2019.– 172p.
[3] RaizbergB.A.,LozovskyL.Sh.,StarodubtsevaE.B. Moderneconomicdictionary.– Moscow:
INFRAM, 2011. [Electronic resource] – Access mode: http://www.consultant.ru/do
cument/cons_doc_LAW_67315/(accessed:27.11.2020).
[4] SigalA.V. Gametheoryand its economicapplications:textbook.textbook/ V.A. Segal.–
Moscow:INFRAM,2019. – 418p.
SOFTMEASUREMENTSANDCOMPUTING Volume 36,No.11,November 2020
47
[5] Slepukhina Yu.E. Riskmanagementinfinancialmarkets:Atextbook/SlepukhinaYu.E.,–
2nded.,ster.– Moscow:Flinta,2017.– 215p.
[6] BormP.,DeWaegenaere A. Rafels C. Suijs J. Tijs S. andTimmerJ. (2001).Cooperationin
thefieldofcapitaldeposits.ORSpektrum,vol.23,pp.265–281.
[7] VanGulikG. Game theory and its applications in Finance. Tilburg: Center, Center for
EconomicResearch,2010.– 269p.
[8] NisanN.,RoughgardenT.,TardosE.,VijayV. Algorithmic game theory. Cambridge
UniversityPress,2007. – 775p.
[9] OsborneMartinJ. Acourse ingametheory.MassachusettsInstituteoftechnology1998. –
373p.
[10] PrisnerE. Gametheorybyexamples.FranklinUniversitySwitzerland,Mathematical
AssociationofAmerica,2014.– 287p.
[11] TsanakasA.andBarnettC. (2003).Riskcapitalallocationandjointpricingofinsurance
liabilities.Insurance:MathematicsandEconomics,vol.33,pp.239–254.
BAYESIANINTELLIGENTTECHNOLOGIES
48
УДК 519.25 DOI:10.36871/26189976.2020.11.004
ПРИМЕНЕНИЕРЕГУЛЯРИЗИРУЮЩЕГОБАЙЕСОВСКОГОПОДХОДА
ДЛЯОПРЕДЕЛЕНИЯЗАКОНОВРАСПРЕДЕЛЕНИЯ
РЕЙТИНГОВЫХОЦЕНОКБАНКОВ
ПрокопчинаСветланаВ.1
1Доктортехническихнаук,профессор,ФинансовыйуниверситетприПравительствеРоссий
скойФедерации,Москва,Россия,email:SVProkopchina@fa.ru
МищенкоСветланаН.2
2ООО«Издательскийдом«НАУЧНАЯБИБЛИОТЕКА»,Москва,Россия
ИНФОРМАЦИЯ
А
ННОТАЦИЯ
Ключевыеслова:
законраспределения
байесовскийподход
рейтинговыеоценки
Определение рейтинговых оценок банков важно как для са
мих банков, так и для оценки состояния всей финансовой
сферы государства. Их соответствие реальным ситуациям
зависитот расчетныхмоделей,применяемыхрейтинговыми
агентствами. Одним из основных этапов расчета при разра
боткемоделиявляетсяэтапопределениядиапазоновоценок.
Вомногих методиках рейтинговогооценивания банковдиа
пазоныопределяютсяэкспертнымпутеминосятсубъектив
ныйхарактер.
Вданной работе предлагаетсяалгоритм определениядиапа
зонов рейтинговых оценок с использованием аппроксима
циизаконовраспределенияоцениваемыхпоказателеймоде
ликривымисистемыПирсона. Такойподходпозволяетзна
чительно повысить точность и объективность рейтинговых
оценок
A
PPLICATIONOFTHEREGULARIZINGBAYESIANAPPROACHTODETERMINING
THELAWSOFTHEDISTRIBUTIONOFBANK'SRATINGVALUES
ProkopchinaSvetlanaV.1
1DoctorofTechnicalSciences,Professor,FinancialUniversityundertheGovernmentoftheRussian
Federation,Moscow,Russia,email:SVProkopchina@fa.ru
MishchenkoSvetlanaN.2
2OOO«PublishingHouse»SCIENTIFICLIBRARY»,Moscow,Russia
A
RTICLEINFO
A
BSTRACT
Keywords:
Distributionlaw
Bayesianapproach
Ratingestimates
Determiningtheratingratingsofbanksisimportantbothforthe
banksthemselvesandforassessingthestateoftheentirefinan
cialsectorofthestate.Theircompliancewithrealsituationsde
pendsonthecalculationmodelsusedbyratingagencies.One
ofthemainstagesofcalculationinthedevelopmentofthemodel
isthestageofdeterminingtherangesofestimates.
Inmanymethodsofratingbanks,therangesaredeterminedb
y
expertsandaresubjectiveinnature.
Inthispaper,weproposeanalgorithmfordeterminingtheranges
МЯГКИЕИЗМЕРЕНИЯИВЫЧИСЛЕНИЯ Том36,Номер11,Ноябрь 2020
49
o
f
ratingratingsusingtheapproximationofthedistributionlaws
oftheestimatedindicatorsof themodel bythePearsonsystem
curves.Thisapproachcansignificantlyimprovetheaccurac
y
andobjectivityofratingassessments
1.Введение
Многокритериальное оценивание широко используется при решении сложных
практическихзадачстатистическойобработкиинформации.
К числу таких задач относятся задачи рейтингового оценивания банковской дея
тельности.Самым важнымаспектом втакой задачеявляется разработкамодели рейтин
говогооценивания.Модельсостоитиз совокупностифинансовыхинефинансовыхпока
зателей.Каждыйпоказательзатемразделяетсянаоценочныедиапазоны.Чащевсегогра
ницыэтихдиапазоноввыбираютсянаоснованиисубъективныхмненийиоценокэкспер
тов,чтоможетвноситьзначительныепогрешностивполучаемыерейтинговыеоценки.
Еслирассматриватьпоказателикакслучайныевеличины,полученныеагентствами
вусловияхнеопределенности(особеннонефинансовыепоказатели),тоихможносамым
полнымобразомописатьзакономраспределенияихзначений.Определивзаконраспре
деления, можно определить границы диапазонов как квантили равновероятных у част
ков распределения. Одним из самых эффективных способов аппроксимации законов
распределения является использованиесистемыкривыхПирсонa [1]. Далее в статье
предлагаетсяалгоритмаппроксимациикривымисистемыПирсонадляодногоизоснов
ныхфинансовыхпоказателей.
2.Структураалгоритмаопределениядиапазоноврейтинговыхоценок
Алгоритмопределениядиапазоноврейтинговыхоценоксостоитизэтапов,нако
торыхпроизводимследующиедействия:
вычисляемповыборкевыборочноесреднее;
вычисляемповыборкедисперсию;
вычисляемповыборкесреднеквадратическоеотклонение;
вычисляемкоэффициентасимметрии(третийцентральныймомент);
вычисляемкоэффициентэксцесса(четвертыйцентральныймомент);
Покоэффициентамасимметриииэксцессаопределяемтипзаконараспределения,
егоасимметричностьотносительнонормальногозаконаиостровершинность.
3.Определениетипазаконараспределения
Для определения типа закона распределения используется система распределе
нийПирсона. Эти системыохватывают широкий круграспределений, встречающихся
напрактике.Внихвкачествечастныхслучаеввходяттиповыезаконыраспределений.
РаспределениясистемыПирсонаполучаютсяизрешенияследующегоуравнения:
()
=(−)
()
++(1)
иобразуютсемьосновныхгрупп,которые располагаютсянаплоскостимоментов.Плос
костьмоментов образовананормированными коэффициентамиасимметриии эксцесса,
которыеопределяютсяформулами:
=
;=
,(2)
БАЙЕСОВСКИЕИНТЕЛЛЕКТУАЛЬНЫЕТЕХНОЛОГИИ
50
где– дисперсияраспределения.
Вформуле(1),– коэффициентыраспределения,которыемогутбытьвычис
ленычерезпервыечетыремоментараспределения.
Критериемвыборааппроксимирующейкривойизэтойсистемыслужитзначение
величины ℋ, в соответствии с диапазоном изменения которого и образуются группы
распределенийикотороеможетбытьвычисленопоформуле:
ℋ=
(+3)
4(2−3
−6)(4−3
).(3)
Привычислении ℋпоэкспериментальнымданным величиныи заменяются
ихоценками(А
иЕ
).
Оценкикоэффициентовасимметриииэксцессадлядискретизированных данных
обычновычисляютсяпоформулам:
А
=1
√
∑(
−
)
∑(
−
)
,(4)
= ∑(
−
)
∑(
−
)
,(5)
где– выборочноесреднее,вычисляемоепоформуле:
=1
.(6)
Возможнотакжерекуррентноеоцениваниекоэффициентовасимметриииэксцес
саприиспользованииследующихформулдляоцениванияцентральных и начальных
моментовраспределения:
==
−(
),(7)
=
−3
+2(
),(8)
=−4+6()−3().(9)
Вформулах(6) –(8)начальныемоментыiгопорядка′оцениваютсяследующим
образом:
′=1
.(10)
SOFTMEASUREMENTSANDCOMPUTING Volume 36,No.11,November 2020
51
1. Используя таблицу Пирсона, приведенную в [1], и алгоритм байесовской ап
проксимации,находиманалитическоевыражениезаконараспределения.Дляэтогоис
пользуемподход,разработанныйв[2].
Тип закона распределения можно согласно разработанной технологии опреде
литьпоспециальнымтаблицам,графическивидкоторыхотражаетрис.1.
2. Определяемдиапазоныкритериевоценок.
Рис.1. Плоскостьмоментовдляопределениятипазаконараспределения
4.Расчетныйпримердляалгоритмаопределениядиапазоноврейтинговойшкалы
Расчетныйпримердляданногоалгоритмаприводитсянижедляпоказателяопе
рационной прибыли ROA (рентабельность активов (англ. return on assets)длягрупп
банковсуниверсальнойибазовойлицензиейвформатеотчетностиМСФО.
Исходные данные для расчета показателя ROA получены из форм банковской
отечности,приведенныхнасайтеЦентральногобанкаРФ[3].
Какпоказываютрасчетныезначениякоэффициентовасимметрии иэксцесса,по
лученные по приведенным выше формулам в Microsoft Excel, для данного показателя
определен тип закона распределения в виде Бетараспределения с левосторонней
асимметрией(около–0,5)иневысокимэксцессом.
BAYESIANINTELLIGENTTECHNOLOGIES
52
()=1
−∗Г(+)
Г()Г()∗(−)
(−)∗1−−
−
при⩽⩽;0− востальныхслучаях,
(11)
гдеи– границыобластиопределенияБетараспределения;
– коэффициентасимметрии;
– коэффициентэксцесса.
Таблица1
РасчетныезначениячисловыххарактеристикБетараспределения
длябанковсуниверсальнойлицензией
Типхарактери
стики
Значенияпогодам
01.01.2015 01.01.2016 01.01.2017 01.01.2018 01.01.2019
0,84 0,77 1,23 1,51 1,52
7,50 8,37 8,04 7,35 6,46
2,74 2,89 2,84 2,71 2,54
–0,76 –0,68 –0,68 –0,60 –0,50
2,49 1,15 1,43 1,69 1,83
В расчетном примере производиласьфильтрациявыборкидляустранения экс
тремальных значений показателя, поэтому параметры и являются минималь
ным и максимальным порогами значений показателя. В частности, для расчетного
примераониравны–7и+7соответственно.
Коэффициенты и являютсяпараметрамиформыБетараспределения,
определяются через значения числовых характеристик и по топографическому поло
жениюихнаплоскостимоментовпоформуламиметодике,приведеннымв[1].
Каквидно из приведенногоаналитического выражения, этоттип распределения
имеетограничениясдвухсторонпоосиабсцисс,чтовполнесоответствуетсутивычис
ляемогопоказателя.
Потипуданнойконкретнойкривойможносказать,чтоосновноечисло банков
группируетсяоколохорошихрейтинговыхоценок.
Типраспределениядляданногопоказателяустойчивосохранялсянапротяжении
периода 2015–2019 гг., что говорит, вопервых, об адекватности модели типа закона
распределения; вовторых, о возможности его использования для нахождения диапа
зоноврейтинговыхоценок.
Принимая за основу пять диапазонов оценок, по типу распределенияможно вы
числитьихпоравновероятнымквантилям.
=∆
()=
()
,(12)
где – значение вероятности, приходящееся на каждый диапазон оценок для Бета
распределения.Врасчетномпримереоноравно0,2.
Интервал [−∆
;+∆
] является диапазоном значений оценки, а величины
(=1,)– квантилями для указанног о значения вероятности распределения или зна
чениямиграницдиапазонов.
МЯГКИЕИЗМЕРЕНИЯИВЫЧИСЛЕНИЯ Том36,Номер11,Ноябрь 2020
53
Для расчетного примера значения диапазонов рейтинговых оценок сведены
втаблицу(табл.2).
Таблица2
ДиапазоныдляпоказателяROA – операционнаяприбыль(МСФО)
длябанковсуниверсальнойлицензией
Нормированные
диапазоны
Возможныедиапазон
ы
01.01.2015 01.01.201
9
Отличн
о
≥3,
3
≥4,
2
Хорош
о
≥2,3и<3,
3
≥2,9и<4,
2
Адекватн
о
≥1,4и<2,
3
≥1,6и<2,
9
Плох
о
>0и<1,4 >0и<1,6
Оченьплох
о
≤
0
≤
0
Рис.2. ОценкараспределенияпопоказателюROA – операционнаяприбыль(МСФО)
длябанковсуниверсальнойлицензией(01.01.2015)
Рис.3. ОценкараспределенияпопоказателюROA – операционнаяприбыль(МСФО)
длябанковсуниверсальнойлицензией(01.01.2019)
11
21211
5
10
61 60
29
24
9
34
11
0
10
20
30
40
50
60
70
7,0 6,1 5,1 4,2 3,3 2,3 1,4 0,5 0,5 1,4 2,3 3,3 4,2 5,1 6,1 Еще
Частота
3203325
15
35
41
54
24
15 14
6
12
0
10
20
30
40
50
60
7,0 6,1 5,1 4,2 3,3 2,3 1,4 0,5 0,5 1,4 2,3 3,3 4,2 5,1 6,1 Еще
Частота
БАЙЕСОВСКИЕИНТЕЛЛЕКТУАЛЬНЫЕТЕХНОЛОГИИ
54
5.Заключение
Полученныепопредлагаемомуалгоритмурешениядлязначенийдиапазонов
практическисовпадаютсозначениямидиапазоновисторическихданныхрейтинговых
агентств(различиевсотыхдоляхпоказателя),чтоподтверждаетадекватностьирабо
тоспособностьалгоритма.
Кроме того, по хронологическим рядам коэффициента асимметрии и эксцесса
можноопределять тренды и тенденции измененияпоказателя, определять их факти
ческуюдинамикуи, соответственно, использовать их для определениястепениустой
чивости банка. Так, например, конкретно для показателя ROA для банков с универ
сальнойлицензиейможноотметитьснижение прибыли, начиная от оценок всреднем
«хорошо»и«отлично»(2015г.)идо«адекватно»(2019г.).
Списоклитературы
[1] КендаллМ.Дж.,СтьюартА.Теорияраспределений.– М.:НАУКА,1966.– 588с.
[2] ПрокопчинаС.В.Методыисредствамоделированиязаконараспределениявусло
виях неопределенности: монография. – М.: Издательский дом «НАУЧНАЯ БИБ
ЛИОТЕКА»,2018.– 252с.
[3] СайтЦентральногобанкаРоссийскойФедерации.URL:https://cbr.ru.
References
[1] KendallM.G.,StuartA. (1966)TheAdvancedTheoryofStatistics.– M.:NAUKA,588p.
[2] ProkopchinaS.V. (2018)Methodsandtoolsformodelingthe distributionlawunder un
certainty:monograph.– M.:Publishinghouse«SCIENTIFICLIBRARY»,252p.
[3] WebsiteoftheCentralBankoftheRussianFederation.URL:https://cbr.ru.
SOFTMEASUREMENTSANDCOMPUTING Volume 36,No.11,November 2020
55
УДК 536.71:330.46:332.14 DOI:10.36871/26189976.2020.11.005
ИНФОРМАЦИОННОАНАЛИТИЧЕСКАЯСИСТЕМАПОДДЕРЖКИ
ПРИНЯТИЯРЕШЕНИЙДЛЯСТРАТЕГИЧЕСКОГОПЛАНИРОВАНИЯ
РАЗВИТИЯРЕГИОНОВИГОРОДОВ
ШвецоваАнжелаА.1
1Ассистенткафедрымировойэкономики,Белгородскийгосударственныйнациональныйиссле
довательскийуниверситет,Белгород,Россия,email:mikhajjlovaangela@yandex.ru
ЗвягинцеваАннаВ.2
2Профессоркафедрыкомпьютерныхтехнологий,доцент,доктортехническихнаук,Донецкий
национальныйуниверситет,Донецк,email:anna_zv@ukr.net
ИНФОРМАЦИЯ
А
ННОТАЦИЯ
Ключевыеслова:
стратегическоепланирование
регионыигорода
системаподдержкипринятия решений
информационноаналитическоеобеспече
ние
уравнениясостояний
прикладныепримерывычислений
В практических приложениях задачи стратегического пла
нирования отличаются сложностью и требуют проведения
множества вариантных расчетов при изучении различны
х
сценариев, для которых характерна существенная неопре
деленностьв прогнозныхоценках.Вэтомпланеактуально
применениекомплексаразличныхсредствинформационно
аналитического обеспечения деятельности аналитиков
иэкспертов.Врамкахданноговопросапредложенаинфор
мационноаналитическая система поддержки принятия ре
шений, ориентированная на автоматизацию вычислитель
ных процедур при стратегическом планировании. Система
организована на базе вычислительной платформы
«Statistica и включает в себя программные средства плат
формы,разработанныемакросыдляописанияипредстав
ления статистических и аналитических моделей, а также
модулиподдержкипринятиярешений.Возможностиси
стемы показаны наконкретных примерахустановленияза
кономерностей развития регионов и городов России в ре
альном секторе экономики. Получены соответствующие
обобщенныемодели,характеризующиесостояниеиразви
тие регионов по семи удельным показателям в период
с2012по2018годыипочетырем,характеризующимразви
тие городов в период 2003 по 2017 годы. Установлено, что
полученные модели коллективного поведения, представ
ленныеввидеуравненийсостояния,независятотвремени,а
определяютсятолькозначениямидостигнутыхпоказателей.
Предложенная система позволяет повысить эффективность
процессапринятиярешений,снизитьвремяизатратына
разработкудокументовстратегическогопланирования
INFORMATIONANALYSISDECISIONSUPPORTSYSTEM
FORSTRATEGICPLANNINGOFREGIONALANDURBANDEVELOPMENT
ShvetsovaAngelaA.1
1AssistantProfessoroftheDepartmentofWorldEconomy,BelgorodStateNationalResearchUniversity,
Bel
g
orod,Russia,email:mikha
jj
lovaan
g
ela@yandex.r
u
INFORMATIONTECHNOLOGIESANDINTELLECTUALDATAPROCESSINGSYSTEMS
UNDERUNCERTAINTY
56
ZviagintsevaAnnaV.2
2ProfessoroftheDepartmentofComputerTechnology,docent,DoctorofEngineeringScience,Donetsk
NationalUniversity,Donetsk,email:anna_zv@ukr.net
A
RTICLEINFO
A
BSTRACT
Keywords:
Strategicplanning
Regionsandcities
Decisionsupportsystem
Informationanalysissystem
Equationsofstates
Appliedexamplesofcalculations
Inpracticalapplications,thetasksofstrategicplanningarecom
plexandrequiremanyvariantcalculationswhenstudyingvari
ousscenarios,whicharecharacterizedbysignificantuncertaint
y
intheforecastestimates.Inthisregard,theuseofacomplex
of various means of information and analytical support for the
activitiesofanalystsandexpertsisrelevant.Withintheframe
work of this question, an information and analytical decision
supportsystemisproposed,focusedonautomatingcomputa
tionalproceduresinstrategicplanning.Thesystemisorganized
onthebasisoftheStatisticacomputingplatformandincludes
the platform's software tools, developed macros for describing
andpresentingstatisticalandanalyticalmodels,aswellasdeci
sionsupport modules.Thecapabilitiesofthe systemare shown
by specific examples of establishing patterns of developmen
t
ofRussianregionsandcitiesintherealsectoroftheeconomy.
The corresponding gene ralized models characterizing the state
and development of regions by seven specific indicators in the
periodfrom2012to2018andbyfourspecificindicatorscharac
terizing the development of cities in the period from 2003
to2017areobtained.Itisestablishedthat theobtained models
ofcollectivebehavior,presentedintheformofequations
ofstate,donotdependontime,butaredeterminedonlybytheval
ues of the achieved indicators. The proposed system allows you
to increase the efficiency of the decisionmaking process, reduce
thetimeandcostofdevelopingstrategicplanningdocuments
1.Введение
Анализ нормативнометодического обеспечения стратегического планирования
позволяет сделать вывод, что сегодня процесс целеполагания на различных уровнях
реализациигосударственной политикиоснован наэкспертном оцениваниинаправле
ний,целейиприоритетовсоциальноэкономическогоразвитиянаосновемненийспе
циалистов.Аналитическиеиинформационноаналитическиеметодывданнойобласти
имеют ограниченное применение. При целеполагании не учитываются закономерно
стигрупповой статикиидинамики социальноэкономическихобъектов,установление
целевыхуровнейпоказателейчастооснованонасубъективножелаемых,аненареаль
нодостижимыхзначенияхэтихвеличин.
Сегоднявсфере стратегического планирования на региональномифедеральном
уровняхсуществует12различныхметодик,гдерекомендуютсякприменению обшир
ныеперечнипоказателей (до несколькихсотен). Информационнаябазагосударствен
ной статистики охватывает сотни тысяч данных наблюдений по процессам развития
городови регионов[1]. Вцелом задачи стратегического прогнозированияи планиро
ванияв своей сутидостаточно сложныитребуютпроведениямножествавариантных
расчетовпри изучении различныхальтернатив и сценариев,для которых характерна
существеннаянеопределенностьвпрогнозныхоценках[2–3].Вобластистратегическо
гопланирования актуально применениекомплексаразличных средств информацион
МЯГКИЕИЗМЕРЕНИЯИВЫЧИСЛЕНИЯ Том36,Номер11,Ноябрь 2020
57
ноаналитическогообеспечения деятельности аналитикови экспертов [4–5]. Это поз
волилобыповыситьэффективностьпроцессапринятиярешений,снизитьвремяиза
тратынаразработкудокументовстратегическогопланирования.
Исходяизвышеприведенного, даннаяработанаправленана разработкусистемы
поддержки принятия решений (СППР), ориентированной на решение задач стратеги
ческогопланированияразвитиягородовирегионов.
2.Используемаяметодикаобработкиианализаданных
В СППР использована предложенная Методика комплексной оценки регионов
и городов для поддержки принятия решений при стратегическом планировании [6]
(далее– Методика).Приэтомприменяютсяследующиеосновныеметодыипроцедуры
анализа информации: кластерный, корреляционный, а также регрессионный анализ,
сортировкаи ранжирование, алгоритмическиеметоды оценкисходства, многомерное
шкалирование,2 и3Dвизуализация,методывекторногоанализа.
Методикавключаетвсебячетыреэтапаобработкиианализапоказателейразви
тиярегионов игородов, которые позволяют осуществить сравнениеуровня и темпов
развитиясоциальноэкономическихобъектовдля различныхпериодоввремени ивы
бранногоперечняпоказателей,атакжепровестиоценкуранговсоответствующихтер
риториальныхобразованийпо значениямкомплексногоиндекса иегоизменениям.
Напервомэтапеформируются и верифицируютсямассивыстатистическихданных из
открытых источников [1]. Для предварительной обработки данных используются
стандартные модули программы Statistica. Далее лицо, принимающее решения (ЛПР),
формируетпереченьзависимыхинезависимыхпеременных,наосновекоторыхразра
батываютсяуравнениясостоянияобъектов. Данные уравнения характеризуют кол
лективноеповедениегруппыизучаемыхобъектовипозволяют снизить неопределен
ность в прогнозных оценках. Для построения уравнений используется комплексный
индекс , который определяет состояние изучаемого объекта в многомерномпро
странственезависимых переменных иосновывается на векторномописании социаль
ноэкономических процессов. Для этой цели применяется геометрическая мера сход
ства в виде евклидового расстояния, которая оценивается для каждого состояния
поотношениюкопорномуобъектуиликонтрольнойгруппеобъектов.Оценкаиндекса
проводитсявспециальносоздаваемойподконкретнуюзадачуизмерительнойшкале.
Полученные таким образом расчетные таблицы и данные визуализации для
определенных аспектов развития территорий позволяют ЛПР обосновать предложе
нияимероприятия,которыевключаютсявдокументыстратегическогопланирования.
3.Структурасистемыподдержкипринятиярешений
ИсходяизпоставленнойцелиразработанаСППРдлястратегическогопланирова
нияразвития регионовигородов.Даннаяразработкапредставляетсобойинформаци
онноаналитическуюсистему(ИАС)снаборомпроцессов,обеспечивающих ЛПР нуж
ной информацией для всестороннего и объективного анализа состояния и развития
каккаждогорегиона(города),такивсейгруппывцелом.Системавключаетвсебяин
формационную,моделирующуюиэкспертнуюкомпоненты.
Информационная компонента представлена массивами статистических данных,
отражающими процессы изменения состояния однотипных объектов (регио
нов/городовРоссии)стечениемзаданногопериодавремени.Массивыданныхскомпо
нованысучетомнеобходимостианализапо10группампоказателейввидеструктури
рованных таблиц «объектыпоказатели», упорядоченных по времени с шагом 1 год.
Общий объем ретроспективных статистических данных, подключенныхкСППР,со
ставляет более 1 млн. наблюдений. Количество регионов России – 82, городов – 159.
ИНФОРМАЦИОННЫЕТЕХНОЛОГИИИСИСТЕМЫИНТЕЛЛЕКТУАЛЬНОЙОБРАБОТКИ
ДАННЫХВУСЛОВИЯХНЕОПРЕДЕЛЕННОСТИ
58
К отдельным модулям системы также прилагается инструкция пользователя, позво
ляющая быстро сориентироваться в процессах загрузкивыгрузки данных и подклю
ченияпроцедур(макросов)дляобработкипоступившейколичественнойинформации.
Систематакже оснащена набором перечней и описаний наиболеечасто применяемых
индикативных показателей для оценки различных аспектов развития территориаль
ныхобразований.
Поструктуреинформационнаякомпонентапредставляетсобойбазуданных(БД),
которая содержит информацию ор егионахи городах России в виде значенийпоказа
телейс возможностьюотражениядинамикиизменениязначенийпоказателей,чтояв
ляется важным для планирования и прогнозирования развития объектов.Всефайлы
базыданныхэкспортируютсявпрограммнуюплатформуStatistica.
Моделирующаякомпонента предложеннойСППРнаправленана обеспечениеЛПР
исходными и аналитическими данными о состоянии и развитии объектов исследова
ния,вкачествекоторыхвыступаютгородаирегионыРоссийскойФедерации. Данная
компонента включает в себя простейшие математические операции, а также матема
тические и аналитические процедуры построения и анализа эконометрических моде
лейнаосновеобработкиэмпирическихданных.Всистемепредусмотренавозможность
построенияинтервальныхшкалишкалотношенийдляизмеренияисравнениясосто
янийисследуемыхобъектов,атакжеоценкиуровняитемповихразвития.Аналитиче
скаячастьнаправленанасравнениеизучаемыхобъектов,атакжепроцессових разви
тия,междусобойисэталоннымиобъектамииликонтрольнойгруппойобъектов,ко
торые отражают некоторый прогрессивный (опорный) вектор развития.Дляанализа
используютсякритерии комплексной оценки,которые основанына сравнениихарак
теристиквектораразвития региона в пространственескольких показателей сха
рактеристиками опорного вектора . Сравнение векторов проводится за четко за
данныйпериодвремени.Длясравненияиспользуютсямодулиданныхвекторовразви
тия и ,атакжекосинусугламеждуэтимивекторами( ).
Моделирующая компонента позволяет осуществить большое количество вариа
тивныхрасчетови выбратьнаиболее качественныеэконометрическиемодели,а также
подобрать наиболее приемлемые шкалы для измерения состояний изучаемой группы
объектов.Восновупроектированиямоделирующейкомпоненты положеныразработан
ные метод многомерного эконометрического шкалирования [7], метод комплексной
оценки устойчивости развития регионов [8]. Кроме того, при компоновке моделирую
щейкомпонентыиспользованалгоритм(процедура)действий,изложенныйвМетодике
[6].Сцельювербальной конкретизациирешаемыхзадачиприемовихреализации,ЛПР
можетобратитьсякМетодикекаккодномуизсправочныхэлементовданнойСППР.
Поструктуремоделирующая компонента представляетсобойсистемурасчетных
модулейплатформыStatistica игруппувызываемых макросов,разработанныхдля по
луавтоматическойпроцедурыреализациирасчетов.
Экспертная компонента СППР направлена на обеспечение выполнения следую
щихпроцедур:
−формированиявкаждомконкретномслучаеперечняиндикативныхпоказателей;
−выбор группы исследуемых объектов (по состоянию, уровню, темпам,видам,
направлениюразвитияит.д.)содинаковымколичествоминдикативныхпоказателей,
которыеберутсядлякомплекснойоценки;
−формирования контрольной группы прогрессивно (регрессивно) развиваю
щихсяобъектов(илиэталонногообъекта)вопределеннойобластидеятельностисце
льюпостроенияопорноговектораразвития;
SOFTMEASUREMENTSANDCOMPUTING Volume 36,No.11,November 2020
59
−обоснованиявыбора конкретныхпериодов времени,для которыхнеобходимо
провестиисследования;
−оценки состояний и процессов развития объектов и их рангов по отношению
квыбранномуэталонномуобъектуиликонтрольнойгруппе;
−интерпретациирезультатовранжированияобъектов;
−изучениясценариевразвития,выборарациональныхвариантоврешениязада
чииформированияобщихвыводовит.д.
Поструктуреэкспертнаякомпонентапредставляетсобойсистемуаналитических
модулейплатформыStatistica имакрос,разработанныйсцельюпредставлениярезуль
татованализаиихвизуализацииввидеразличныхтиповтаблицидиаграммдляпри
нятиярешений.
РазработаннаяСППР позволяет наосновезаданныхкомплексныхкритериевоце
нитьотклонениявсостояниииразвитииисследуемогообъектапосравнениюсобъек
том,принятымвкачествеэталонного,илисконтрольнойгруппойобъектов.Всистеме
предусмотрено ранжирование объектов на основе предложенных критериев ком
плекснойоценкиспоследующейинтерпретациейрезультатов.
Таким образом, разработанная информационноаналитическая СППР позволяет осу
ществитьинформационную,модельнуюиэкспертнуюподдержкупринятиярешенийЛПР.
Вцелом,СППРпредставляетсобойсистему информационноаналитических ком
понентов, организованных на базе вычислительной платформы Statistica, и включает
в себя программные средства платформы, разработанные макросы для описания и
представления статистических и аналитических моделей, а также модули поддержки
принятиярешений.БлоксхемаалгоритмафункционированияСППРнаплатформеSta
tistica приведенанарисунке1.
Наданномрисунке , – начальноеи конечноесостоянияопорного(эталонно
го) объекта, – единица измерения, равная 0,01 длины отрезка ; –модуль
радиусвектора состояния объекта ; – переменная цикла по годам статистических
наблюдений; – переменнаяциклапоиндикативнымпоказателям; – переменнаяцикла
пообъектам наблюдения (регионам, городам); н
G– начальныйгод сбора данных,напри
мер,2003 год; k
G– последний годсбораданных, например,2018год; n– колвоиндика
тивныхпоказателей; , – векторразвитиядля тогорегионаиопорного(эталон
ного)объектасоответственно; – уголмеждувекторами и .
4.Общийалгоритмпроцедурыподдержкипринятиярешений
пристратегическомпланировании
Данный алгоритм включает в себя 12 основных блоков (подсистем),системуза
писиполученныхрезультатоввбазуданных,блокпроверки,атакжеблоксопоставле
ния результатов, оценки и выбора альтернатив. Расчетные блоки используют или
встроенныемодули Statistica или разработанные макросы на языке Visual Basic (VBA),
чторасширяетвозможностиСППРпутемдобавленияновыхмодулей.
Вблоке«Загрузкатаблицданныхстатистическихпоказателей…»экспортируются
данные,требуемыедляанализа,ипроводитсяихпредварительнаяоценка, для чего
используютсямодули«Statistica»:Basic Statistics/Tables,Distributing Fitting,Data идр.
Процедура формирования перечня индикативных показателей основана на мак
росе, который подключает модуль Correlation Matrices. На основе анализа корреляци
оннойматрицыистатистическиххарактеристикпоказателейвдиалогомрежимефор
мируется перечень индикативных показателей (переменных состояния)длягруппы
изучаемыхобъектов.
INFORMATIONTECHNOLOGIESANDINTELLECTUALDATAPROCESSINGSYSTEMS
UNDERUNCERTAINTY
60
Рис.1. БлоксхемарекурсивнойпроцедурыСППРдлястратегическогопланирования развития
регионовигородов
Баз
а
Баз
а
д
анных
Записьрезультатов
р
асчетавБ
Д
конец
Записьрезультатов
расчетавБ
Д
Баз
а
д
анных
Всепериодывремени
проанализированы?
Реализацияпроцедурыопределения
(кластерныйанализ,экспертная
оценка)опорноговектора – век
тораразвитияконтрольнойгруппы
(группыустойчиворазвивающихся
объектов)зауказанный период
.Нахождениедлиныопорного
вектора ,единицыизмерения
икомплексного индекса ,харак
теризующего уровеньустойчивого
развитияконтрольнойгруппыобъ
ектов
Измерениевекторовразвития
(нахождениедлин )длякаждого
kтогообъектавшкале заука
занныйпериодвремени ,опре
делениеуровняустойчивогоразвития
каждогообъекта. Сопоставление
векторовразвитиякаждогообъекта
исследуемой группысвекторомраз
вития , ранжированиеобъектов
по
Определениеугла междуопорным
вектором ивектором развития
каждогообъекта :
.Нахождение
проекции на опорныйвектор
ипоследующеепопарноесравнение
объектовмеждусобойпокритерию
.Ранжирование
объектовпо и
Баз
а
д
анных
Баз
а
д
анных
Баз
а
д
анных
начало
Загрузкатаблицданныхстатисти
ческихпоказателей
дляисследуемогоспискарегионов
(городов)зазаданныегоды
Баз
а
д
анных
Баз
а
д
анных
Записьрезультатов
р
асчетавБ
Д
Выборпериодавремениразвитияобъектов,за
к
о
торыйтребуетсяпровестидополнительныеиссле
дования(заданиеначальногоиконечногогода
анализируемыхданных)
Выборнаиболееоптимальныхэконометрических
моделейишкалыизмеренияисходяизкачества
полученныхуравненийсостояния
Сопоставлениевсехполученныхрезульта
тов,оценкаивыборальтернатив
Вызовпроцедурыформирования
перечняиндикативныхпоказателей
понаправлениюисследования
Записьполученных
результатоввБД
Записьполученных
рез
у
льтатоввБ
Д
Измерениесостоянийвсехобъектов
исследованиявшкалах ,(нахожде
ниепокаждойизшкалдлиныотрезка
икомплексногоиндекса
()
Построениепоотношениюкопор
номуобъектуэконометрическихмо
делейгрупповойстатикиобъектов
(дляодногогода)илидинамикиобъ
ектов(дляразличныхгодов)ввиде
уравнениясостояния:
Записьрезультатов
расчетавБД
А
Записьвыбранныхпоказате
лейиихзначенийвБ
Д
Вызовпроцедурывыбораопорного
состояния(объекта)иэталонногопро
цесса(нахождение , , )
Построениеизмерительныхшкал дляоценки
мерысходствасостояний(вкаждомслучае нахож
дениедлиныотрезкадляэталонногопроцесса
иединицыизмерения )
А
МЯГКИЕИЗМЕРЕНИЯИВЫЧИСЛЕНИЯ Том36,Номер11,Ноябрь 2020
61
Процедуравыбораопорного(эталонного)объектаиэталонногопроцессаисполь
зуетспециальныймакросVBA.
При построении измерительных шкал для оценки меры сходства состояний
иреализациипроцесса измерения состоянийобъектов используютсярасчетныезави
симости,приведенныевработе[9].
Присозданииэконометрическихмоделейгрупповойстатикиобъектов(дляодно
гогода)илидинамикиобъектов(дляразличныхгодов)ввидеуравнений состояния
используетсямодуль«Statistica»Multiple Regression.
Выборнаиболееоптимальныхэконометрическихмоделейишкализмерения,исходя
из качества полученных уравнений состояния, проводится в диалоговом режиме путем
выполнениявариативныхрасчетовдляразличныхизучаемыхпериодоввремени.
Реализацияпроцедурыопределенияопорноговектора(вектораразвитияконтроль
нойгруппызазаданныйпериодвремени)иегохарактеристикосновананациклическом
вызовемакросаVBA имодуляStatistica Cluster Analysis иэкспертнойоценкеЛПР.
При измерении векторов развития объектов в измерительной шкале, определе
нииуровня и направленияих развития используются расчетные зависимости,приве
денныевработе[8] имодуль«Statistica»Sort дляопределениярангов.
Вариативныерасчетывыполняютсядлянесколькихнепрерывныхпериодоввре
мени(10лет,5лет,2–3годаит.п.),различныхперечнейиндикативных показателей,
принятыхдлякомплекснойоценки,атакжепривыполнениипроцедуроценкисостоя
нийипроцессовразвитияобъектов иихранговпо отношениюк выбранномуэталон
номуобъектуиликонтрольнойгруппе.Сопоставлениевсехполученных результатов,
оценкаивыборальтернативпроводятсяЛПР путем экспертного оценивания данных
наосновевыводаобщейтаблицырасчетов.Дляэтогосопоставляютсярангиуровня
и темпов развития объектов за различные периоды времени и в различных группах,
проводится визуализация полученных данных, сравниваются векторные критерии
развития,оцениваютсяотклоненияотсреднихпоказателейит.д.
Разработанная СППР по взаимодействию с пользователем является пассивной
(существеннопомогаетЛПР,ноневыдаетготовогоконкретногопредложения).
Поспособуподдержкисистемаявляетсямодельноориентированной(имеется доступ
к статистическим, эконометрическим, феноменологическим и другим моделям)
инаправленнойнаиспользование,обработкуицелевойанализстатистическихданных.
Таким образом, разработанная ИАС позволяет обеспечить поддержкупринятия
решенийпристратегическомпланированииразвитиятерриториальныхобразований.
5.ПримерыиспользованияСППРприкомплекснойоценкеразвития
регионовигородов
5.1РегионыРоссийскойФедерации
Покажем возможностиИАСППРприустановлениизакономерностей регионально
горазвитиявреальномсектореэкономики(2012–2018годы,7показателей,82объекта).
Комплексную оценку представим по следующим показателям: объему товаров, работ
и услуг в сфере добычи ископаемых , в сфере обрабатывающих производств ,
в сфере производства и распределения электроэнергии, газа и воды ; продукции
сельскогохозяйства ;объемуработвстроительстве ;объемуплатныхуслугнасе
лению ;обороту розничной торговли . В процессе анализа использовались удель
ныепоказатели,длячеговеличины относилиськчисленностинаселения.
Результаты сравнительной оценки регионов Российской Федерации за 2018 год по
комплексууказанныхпоказателеймогутбытьописаныуравнениемсостояниявида(рис.2):
ИНФОРМАЦИОННЫЕТЕХНОЛОГИИИСИСТЕМЫИНТЕЛЛЕКТУАЛЬНОЙОБРАБОТКИ
ДАННЫХВУСЛОВИЯХНЕОПРЕДЕЛЕННОСТИ
62
.(1)
Полученному уравнению состояния соответствуют 75 регионов, коэффициент
корреляциисоставил 0,96. Здесь – наблюдаемые в2003 годузначения показа
телейдляБелгородскойобласти,принятойвкачествеопорногообъекта.
Комплексный индекс определяет положение объектов в многомерном про
странстве ,котороеоцениваетсяпоэконометрическойшкале.Чембольшезначе
ниекомплексного индекса ,тем объектимеет болеевысокий уровеньразвития, ис
ходяизкомплекснойоценкипоисследуемымпоказателям.
Рис.2. Зависимостьвеличины длярегионовРоссииотпоказателей (2018год)
Поаналогиипостроеныэконометрическиеуравнениядляпериодоввремени с
2012по2018годы,описывающие развитиерегионовРоссийской Федерации вреальном
секторе экономики. Данные уравнения являются экспоненциальными вида
. Исходяизтого,чтоуравненияимеютодинитотжевид,был
изучен вопрос о возможности получения для данных 2012–2018 годов одной зависи
мости.Общаяэконометрическаямодель,характеризующаявпериодс2012по2018го
дысостояниеиразвитиерегионовРоссиипопоказателям имеетследующийвид:
.(2)
SOFTMEASUREMENTSANDCOMPUTING Volume 36,No.11,November 2020
63
Коэффициент множественной корреляции данного уравнения составил 0,98.
Каквидно изпроведенной обработкиданных (рис.3),уравнениесостояния(2)неза
виситотвремени,таккакхорошоописываетвсестатистическиеданныевпериодвре
мени2012–2018годов.
Рис.3. Зависимостьвеличины отпоказателейреальногосектораэкономики
за2012–2018годы:
Такжеиз анализа уравнения(2)следует,чтонаибольшийвкладвуровеньразви
тиягородовпокомплексномукритерию вноситпоказатель .
Полученное уравнение состояния позволяет провести ранжирование регионов
России,исходяизразвитияреальногосектора экономики,атакжеизучитьтенденции
исценарииизмененияпоказателейразвитиясучетомзакономерностейколлективно
гоповеденияобъектов.
5.2ГородаРоссийскойФедерации
ВозможностиИАСППР такжепокажемнапримереустановлениязакономерностей
экономического развития городовРоссии (2003–2017годы,4показателя,159объектов).
Комплексную оценку проведем по следующим показателям: объем товаров, работ
иуслугвсфереобрабатывающихпроизводств ;объемработвстроительстве ;обо
ротрозничнойторговли ;объеминвестицийвосновнойкапитал .
Результатысравнительной оценки для данного случая могут быть описаны сле
дующимиуравнениями(рис.4):
По аналогии получены эконометриче ские уравнения для периодов времени с 2003
по 2017 годы. Эконометрические уравнения, полученные для городов Российской Феде
рации, являют ся степе нными вида . Общее уравнение для дан
INFORMATIONTECHNOLOGIESANDINTELLECTUALDATAPROCESSINGSYSTEMS
UNDERUNCERTAINTY
64
ных, характеризующих развитие городов по указанным четырем удельным показате
лям , , , впериод2003–2017годов,имеетвид(рис.5):
, .(3)
Здесь – значенияпоказателей,характеризующихсостояниеопорногообъ
екта(г. Белгорода)в2003году.
Полученное уравн ение состояния (3) не зависит от вре мени также,какиуравнение,
характеризующие развитие регионов. Из анализа уравнения (3) следует, что наибольший
вкладвуровеньразвитиягородовпокомплексномукритерию даетпоказатель .
а
)
б
)
Рис.4. Зависимостьвеличины длягородовРоссииот показателей :
а) 2016 ;
б)2017
Рис.5.Зависимостьвеличины отпоказателейразвитиягородов:
МЯГКИЕИЗМЕРЕНИЯИВЫЧИСЛЕНИЯ Том36,Номер11,Ноябрь 2020
65
Как видно из приведенных результатов, разработанные модели коллективного
поведения, представленные в виде уравнений состояния, характеризующих уровень
развитиярегионовигородовРоссийскойФедерации,независятотвремени,аопреде
ляютсятолькозначениямидостигнутыхпоказателей.Всвязисэтимрангиуровняраз
вития соответствующих объектов вразличныегодыизуказанногопериода времени
могут определяться по обобщенным уравнениям(2)и(3)изначениям показателей
за определенные годы. Однако, для пролонгации данного вывода на другие периоды
времени и на модели, описывающие состояние и развитие исследуемых объектов
поинымгруппампоказателей,требуетсядополнительноеподтверждениеданноговы
водапутемстатистическойобработкиэкспериментальнойданныхи построения соот
ветствующихэконометрическихмоделей.
Выводы
Разработана система поддержки принятия решений для стратегического плани
рованияразвития городови регионов, представляющаясобой системуинформацион
ноаналитическихкомпонентов,организованныхнабазе вычислительнойплатформы
Statistica ивключающаявсебяпрограммныесредстваплатформы,макросы,разрабо
танныена VBA дляописания ипредставления статистических ианалитических моде
лей,атакжемодулиподдержкипринятиярешений.Системанаправленанаиспользо
вание,обработкуицелевойанализстатистическихданных,являетсяпассивнойимо
дельноориентированной, и позволяет осуществить информационную,модельную
иэкспертнуюподдержкупринятиярешенийЛПР. В основуразработкисистемы поло
жены метод многомерного эконометрического шкалирования и метод комплексной
оценкиустойчивостиразвития регионов,которыеотличаютсяпостроениемдляопре
деленногопериодавременивектораразвитияобъекта в пространственесколькихпо
казателейисравнениемегохарактеристиксопорнымвектором.
Расчетные блоки СППР используют или встроенные модули Statistica или разра
ботанныемакросынаязыкеVBA,чторасширяетвозможностиСППРпутемдобавления
новыхмодулей.Всвоюочередь,применениевСППРмоделейколлективного поведе
ниядляпроведенияэволюционныхвычисленийпозволяетснизитьнеопределенность
припринятиирешенийвпроцессепланирования.
Заявлениеоконфликтеинтересов
Уавторовданнойстатьинетизвестныхконкурирующихфинансовыхинтересов
илиличныхотношений, которыемогли бы повлиятьна научныерезультаты,описан
ныевэтойстатье.
Источники
[1] Базаданных Федеральной службыгосударственной статистики. URL:https://ros
stat.gov.ru/(30.10.2020).
[2] МеншуткинВ.В.,ФилатовН.Н.Опытоценкисостоянияипрогнозированиясоцио
экологоэкономическойсистемы:квопросуустойчивогоразвитиярегиона//Ин
терКарто.ИнтерГИС.2020.№1.С.30–44.
[3] ГафароваЕ.А.Эмпирические моделирегионального экономическогороста с про
странственными эффектами: результаты сравнительного анализа // Вестник
Пермскогоуниверситета.Серия:Экономика.2017.Т.12.№4.С.561–574.
[4] ФаттаховР.В.,Низамутдинов М.М.,ОрешниковВ.В.Инструментарийобоснования
параметровстратегическогоразвитиярегионанабазеадаптивноимитационного
моделирования//Регион:ЭкономикаиСоциология.2017.№1(93).С.101–120.
ИНФОРМАЦИОННЫЕТЕХНОЛОГИИИСИСТЕМЫИНТЕЛЛЕКТУАЛЬНОЙОБРАБОТКИ
ДАННЫХВУСЛОВИЯХНЕОПРЕДЕЛЕННОСТИ
66
[5] Деревянко Б.А.Современныеметодыисредствапроектированияимитационных
системисистемподдержкипринятиярешений//Мягкиеизмеренияивычисления.
2019.№1.С.4–11.
[6] АверинГ.В.,ЗвягинцеваА.В.,ШвецоваА.А.Оподходахкпредсказательномумоделиро
ванию сложных систем // Научные ведомости Белгородского государственного уни
верситета.Сер.Экономика.Информатика.2018.Т.45.№1.С.140–148.
[7] AverinG.V.,ZviagintsevaA.V.,KonstantinovI.S.,SvetsovaА.А.(2019)Measurementofthe
Statusof Complex Systemsin Multidimensional Phase Spaces. AnInternationalJournal
ofAdvancedComputerTechnology,vol.8,no.6,pp.3176–3181.
[8] AverinG.V.,ZviagintsevaA.V.,KonstantinovI.S.,SvetsovaА.А.(2018)MethodandCriteria
forAssessingtheSustainableDevelopment.TheJournalofSocialSciencesResearch,no.1,
vol.4,pp.106–112.
[9] МихайловаА.А.,ЗвягинцеваА.В.РегиональныеособенностиразвитиясубъектовРос
сийскойФедерации, исходяиз анализастатистических данных //Системный ана
лиз и информационные технологии в наукахо природе и обществе. 2017. № 1(12) –
2(13).С.44–62.
Reference
[1] Database of the Federal State Statistics Service. URL: https://rosstat.gov.ru/(accessed
October30,2020).
[2] MenshutkinV.V,FilatovN.N. (2020) Experience of assessing state and forecasting
ofsocioecologicaleconomicsystem: to thequestionofsustainable development of the
region.InterCarto.InterGIS,no.1,pp.30–44.
[3] GafarovaE.A. (2017)Empiricalmodelsofregionaleconomicgrowthwithspatialeffects:
comparativeanalysisresults.Perm UniversityHerald.Economy,vol.4,no.4,pp.561–574.
[4] FattakhovR.V.,Nizamutdinov M.M.,OreshnikovV.V.(2017) Tools for justifying the
parameters of strategic regional development based on adaptive simulation. Region:
EconomicsandSociology, no.1(93),pp.101–120.
[5] DerevyankoB.A. (2019) Modern methods and design tools of simulation systems and
decisionsupport.Softmeasurementsandcalculations,no.1,pp.4–11.
[6] AverinG.V.,ZviagintsevaA.V.,Shvetsova A.A. (2018) On approaches to predictive
modeling of complex system. BelgorodStateUniversityScientificBulletin.Economics.
Informationtechnologies,vol.45,no.1,pp.140–148.
[7] AverinG.V.,ZviagintsevaA.V.,KonstantinovI.S.,SvetsovaА.А.(2019)Measurementofthe
StatusofComplexSystemsinMultidimensionalPhaseSpaces.AnInternationalJournalof
AdvancedComputerTechnology,vol.8,Issue6,pp.3176–3181.
[8] AverinG.V.,ZviagintsevaA.V.,KonstantinovI.S.,SvetsovaА.А.(2018)MethodandCriteria
forAssessingtheSustainable Development.TheJournalofSocialSciencesResearch,vol.
4,11,SpecialIssue1,pp.106–112.
[9] MikhailovaA.A.,ZviagintsevaA.V. (2017) Regional features of development of subjects
the Russian Federation, based on the analysis of statistical data. Systemanalysisand
informationtechnologyinenvironmentalandsocialsciences,no.1(12)2(13),pp.44–62.
SOFTMEASUREMENTSANDCOMPUTING Volume 36,No.11,November 2020
67
УДК 004.94 DOI:10.36871/26189976.2020.11.006
ВИРТУАЛЬНЫЕТРЕНАЖЕРЫКАКНЕОТЪЕМЛЕМАЯСОСТАВЛЯЮЩАЯ
ЭЛЕКТРОННОГООБУЧЕНИЯ
ИвановМихаилН.1
1Кандидатэкономическихнаук,доцент,ФГОБУВО «Финансовыйуниверситет
приПравительствеРоссийскойФедерации»,Москва,Россия,email:MNIvanov@fa.ru
ИНФОРМАЦИЯ
А
ННОТАЦИЯ
Ключевыеслова:
виртуальныетренажеры
онлайнкурсы
блокчейн
симуляторы
дистанционныеобразовательныетехноло
гии
Финуниверситет
электронноеобучение
В данной статье рассматриваются способы повышения ка
чества образовательногопроцесса при использовании вир
туальных тренажеров. Приведены основные тренды при
менения симуляторов в образовании. Представленпракт и
ческийопытФинансовогоуниверситетаприПравительстве
Российской Федерации по развитию Открытой онлайн
академии online.fa.ru. Рассмотрены конкретные примеры
разработанных виртуальных тренажеров «Управление фи
нансовымфондом», «Русский как иностранный» и«Финан
совый директор» для онлайнкурсов Открытой онлайн
академии Финуниверситета. Приведено описание структу
рывиртуальноготренажеранапримересимулятора,«Блок
чейникриптовалюты»
INFORMATIONANALYSISDECISIONSUPPORTSYSTEM
FORSTRATEGICPLANNING OFREGIONALANDURBANDEVELOPMENT
IvanovMikhailN.1
1PhDofEconomics,FinancialUniversityundertheGovernmentoftheRussianFederation,
Moscow,Russia,email:MNIvanov@fa.ru
A
RTICLEINFO
A
BSTRACT
Keywords:
Virtualsimulators
Onlinecourses
Blockchain
Simulators
Distancelearningtechnologies
FinancialUniversity
Elearning
Thisarticlediscussesthewaystoimprovethequalityoftheeduca
tionalprocesswithusingvirtualsimulators.Themaintrendsinthe
useofsimulatorsineducationare presented.Thepracticalexperi
enceof theFinancialUniversityundertheGovernment of the Rus
sian Federation on the development of the Open Online Academ
y
online.fa.ruispresented.Specificexamplesofthedevelopedvirtual
simulators «Financial Fund Management», «Russian as Foreign»
and «Financial Director» for online courses of the Open Online
AcademyoftheFinancialUniversityareconsidered.Thedescrip
tionofthestructureofavirtualsimulatorisgivenontheexample
ofasimulator«BlockchainandCryptocurrencies»
1.Введение
Бурное развитие дистанционных образовательных технологий ставятвсеновые
требования перед, казалось, привычными инструментами. Вынужденный переход
надистанционное обучение впериодсамоизоляцииявнопоказал повышенныетребо
INFORMATIONTECHNOLOGIESANDINTELLECTUALDATAPROCESSINGSYSTEMS
UNDERUNCERTAINTY
68
вания, предъявляемые студентами к цифровым образовательным ресурсам. Одним
изтаких требований является наличие практикоориентированной составляющей, ко
тораяможетбытьреализованаврежимекомпьютерныхсимуляторов.
Сегодня современные онлайнкурсы передовых университетов – это не просто
выложенныенаплатформувидеолекцииитестовыезадания,асложныйтехнологиче
скийпродукт,включающийвсебяразличныеобразовательныетехнологиииподходы,
такиекаккомпьютерныесимуляторыитренажеры.
Применение симуляторов в образовании является трендом на протяжении мно
гихлет [1].Ихиспользованиеприподготовкеспециалистоввомногихобластях,таких
как авиация, строительство, медицина и многие другие, по существу, является един
ственным возможным вариантом. Тренажеры применяются даже при обучении сту
дентовфармакологии[2].
Активноеиспользованиесимуляторовсталовозможнымисучетомповсеместно
горазвитиядистанционногообучения.Такразвитиевиртуальныхмиров привело,
внекоторыхслучаях,кихиспользованиювкачественеотъемлемойчастидистанцион
ного обучения [3]. Особенно эти технологии активно применяются с применением
трехмерноговиртуальногомирасэлементамисоциальнойсетиSecond Life [4, 5].
Применение шлемов виртуальной реальности позволяет реализовать «эффект
присутствия», когда обучающийся ощущает полное присутствие внутри внушаемого
пространствавиртуальныхпредметов[6].
Внедрение виртуальных лабораторных практикумов в образовательный процесс
сприменением дистанционных образовательных технологий вРоссии ужедолгоевремя
применялось во многих, прежде всего технических, вузах [7–9]. Однако их полноценное
встраиваниевкурстребовалосьневсегда.Зачастуюэтобылисамостоятельныеэлементы,
нацеленныенапроведениеотдельныхвидовработ,восновномлабораторныхзанятий.
Использование же современных образовательных технологий в онлайнкурсах
выводитихнановыйуровенькачества,позволяяповыситьвовлеченностьслушателей
в онлайнкурс за счет использования тренажеров с интерактивными учебными зада
ниями.Тренажерпозволяетвыйтизарамкитеоретическихзнанийивонлайнрежиме
нагляднопродемонстрироватьразличныепроцессыиситуации.Напрактическихпри
мерах дать возможность слушателям самостоятельно принимать решения и делать
выводы,получаяобратнуюсвязьоткомпьютерноготренажераодопущенныхошибках
илиуспешныхдействиях.
2.Разработкакомпьютерныхтренажеровдляонлайнкурсов
Активное применение онлайнкурсов в учебном процессе, развитие Националь
нойплатформы открытого образования[10], реализацияприоритетногопроекта «Со
временнаяцифроваяобразовательнаясредаРоссийскойФедерации»[11] предъявляют
к университетам высокие требования соответствия современным цифровым образо
вательнымтехнологиям.
ВФинуниверситетевнедренаиуспешноразвиваетсяОткрытаяонлайнакадемия[12].
Насегодняшнийденьвнейразмещеноболее 40 онлайнкурсах, накоторыхобучается
более20000слушателей.
Радкурсов,вчастности,«Логика.Теорияаргументации»,«Введениевфилософию
русскогокосмизма», «Вспомнитьвсе! Школьнаяматематика дляпервокурсников» вы
сокооцененыэкспертамииявляются победителями ипризерамипрестижныхмежду
народныхконкурсов.
Врамкахпроекта Финансовогоуниверситета приПравительстве РоссийскойФе
дерациипосозданиюновых флагманскихонлайнкурсовсовместнос командой разра
ботчиков Simulizator.com[13] былоразработанонесколькосовременныхкомпьютер
МЯГКИЕИЗМЕРЕНИЯИВЫЧИСЛЕНИЯ Том36,Номер11,Ноябрь 2020
69
ных тренажеров. Среди них «Управление финансовым фондом», «Русский как ино
странный»,«Финансовыйдиректор»и«Блокчейникриптовалюты».
Компьютерныйтренажер«Русскийкакиностранный»дляонлайнкурса«Элементар
но.РУ» направлен наиностранныхграждан,которые хотя изучить русскийязык,познако
митьсяскультуройстраныи,возможно,обучатьсявроссийскомуниверситете(рис.1).
Главного героя виртуального тренажера зовут Том. Он иностранныйстудент,
обучающийся в Финансовом Университете и путешествующий по городам России.
ТомиегородственникиживутвИталии.ПередпоездкойТомавРоссию,родственники
попросилиегопривезти изРоссии сувениры.Для того, чтобыдобытьсувениры,Тому
предстоитпутешествоватьпостране,пройтииспытанияирешитьрядситуаций.
Компьютерныйтренажер«Управлениефинансовымфондом»дляонлайнкурса
«International Portfolio Managment»предназначендля магистратурыистудентовстар
шихкурсовбакалавриата(рис.2).
Главныйгеройкомпьютерноготренажерауправляетсредствамиэндаументфон
да,длятогочтобыреализоватьпроектыпоспасениюредкогоживотного.
Рис.1. Тренажер«Русскийкакиностранный»
Все разработанные компьютерные тренажеры представляют определенный ин
терес,но сточкизрениявариативностисценарияипогруженияслушателявпредмет
нуюобласть,врамкахизученияонлайнкурса,можновыделитьонлайнкурс «Блок
чейникриптовалюты».
АвторкурсаВарнавскийА.В.имеетбогатыйпрактическийопытработыстехнологи
ями блокчейн [14–18]. Данный опыт был положен в основу онлайнкурса «Блокчейн
и криптовалюты», который размещен и привлек большую аудиторию на образователь
ныхплатформахЛекториум[19] иОткрытаяонлайнакадемияФинуниверситета.
ИНФОРМАЦИОННЫЕТЕХНОЛОГИИИСИСТЕМЫИНТЕЛЛЕКТУАЛЬНОЙОБРАБОТКИ
ДАННЫХВУСЛОВИЯХНЕОПРЕДЕЛЕННОСТИ
70
Рис.2. Тренажер«Управлениефинансовымфондом»
Интерес к предметной области значительной аудитории и востребованность со
держательнойпрактическойсоставляющейвонлайнкурсепредопределилиразработ
кукомпьютерногосимулятора.
Напримереданногосимуляторарассмотримобучениевигровойформе техноло
гииблокчейнврамкахонлайнкурса(рис. 3).
Блокчейни криптовалюты – этоактуальная тема, имеющая очевидныеперспек
тивысвоегоразвитиявмире.Сприменениемтехнологииблокчейнпроводяткрупные
торговыесделки,защищаютавторскиеправаиинтеллектуальнуюсобственность,про
водятэлектронноеголосованиеимногоедругое.
SOFTMEASUREMENTSANDCOMPUTING Volume 36,No.11,November 2020
71
Какбылоотмеченоранее,разработанныйвФинуниверситетеонлайнкурс
поданнойтематикеимелзначительныйинтерессостороныстудентовивнешних
слушателей,поэтомубылорешенопродолжитьего развитие идополнить,интегриро
вавс разработаннымтренажером.Такимобразом,увсехслушателейонлайнкурсапо
явиласьвозможностьпройтиувлекательнуюобучающуюигрувкомпьютерномтрена
жере«Блокчейникриптовалюты».
Рис.3. Тренажер«Главнаястраница»
Особенностькомпьютерноготренажера«Блокчейникриптовалюты» заключает
сявтом, что внемдемонстрируютсяпринципыиразличныесферы применения этой
технологии.Дляеедемонстрациинедостаточнотекстовогоописанияилирассказа,со
здана специальная интерактивная игровая конструкция. Тренажер имеет захватыва
ющую сюжетную линию и игровых персонажей, с которыми обучающийся,какглав
ныйгерой,взаимодействуетвходепроисходящихвигресобытий.Этоподогреваетин
тересктренажеруионлайнкурсувцелом.Посюжетуигрыперсонажобучающегося–
это студент университета, живущий на планете, где люди учатся во сне. Участнику
предстоит пройти серьезные испытания, поскольку игрок был избран алгоритмами
сети,чтобы предотвратить великоезло итолько технологияблокчейн сможетвэтом
помочь(рис.4).
Содержаниеинтерактивнойигрыподеленонатритематическихмодуля. В пер
вом модуле «Основы блокчейн технологии» разбираются ее принципыиосновные
INFORMATIONTECHNOLOGIESANDINTELLECTUALDATAPROCESSINGSYSTEMS
UNDERUNCERTAINTY
72
элементы,такиекакхеширование,открытыеизакрытыеключи,формирование тран
закции,блокицепьблоков,распределенноехранениецепиблоковидр.
Рис.4. Сюжетнаявставка
Вовтороммодуле«Криптовалютыикриптоспекуляции»игрокиосваиваютнавы
ки работы с криптовалютами. А именно, создают криптовалютные кошельки разных
типов, обменивают валюту через криптовалютные обменники, торгуют на специаль
ныхбиржах,следятзановостямиикурсамиразныхкриптовалютныхпар.
И наконец в третьем тематическом модуле «Документарный блокчейн» игроки
конфигурируют и запускают собственную блокчейн сеть для университетов, чтобы
хранитьинформациюобобразовательныхдостиженияхизнанияхстудентов(рис. 5).
Важнымиособенностямитренажера,являетсяспособегопрохожденияиигровая
модель.Участники,принимаярешениянаинтерфейсныхформахи выбираяварианты
ответов в диалоговых ситуациях, последовательно выполняют интерактивные зада
ния.Развитие событий втренажере нелинейно и зависит от успешностивыполнения
игроком заданий. Таким образом, в конце игры главного героя ожидает один из не
скольких финалов. Каждое действие участника в игре сопровождается пояснениями
иобратнойсвязьюотвиртуальногоперсонажапомощника,которыйсопровождаетиг
рокавпроцессепрохождениякомпьютерноготренажера.Этоделает тренажер авто
номнымпродуктом,нетребующемконсультационногосопровожденияв онлайн ре
жиме,чтооченьважноприиспользованиивонлайнкурсе.
Завыполнениезаданий в тренажереучастники набирают игровыебаллы.Их ко
личествозависит от безошибочноговыполнения самогозадания,использованных по
пытокпрохождения,атакжеотвыстраиваниявзаимоотношенийсвиртуальнымипер
сонажами.Набранныезавыполнениезаданийбаллыпередаютсявонлайнкурсиучи
тываютсяпри формированииитоговой оценки.На основенабранных игрокомбаллов
формируетсяединыйигровойрейтингсредивсехучастников.
МЯГКИЕИЗМЕРЕНИЯИВЫЧИСЛЕНИЯ Том36,Номер11,Ноябрь 2020
73
Рис.5. Схемаблокчейнсетихранениязнанийивоспоминаний
3.Выводы
Использование игровых те хнологий в онлайнкурсах поз волило повысить качество
проводимых с применением дистанционных образовательных технолог ий практических
занятий. Внедрение разработанных виртуальных тренажеров «Управление финансовым
фондом», «Русский как иностранный» и «Блокчейн и криптовалюты» в онлайнкурсы
наплатформе Открытойонлайнакадемии Финуниверситета online.fa.ru привлекло инте
ресслушателей иполучило положительные оценкисо стороны экспертов, оценивающих
курс«Вводнаявблокчейн»наМеждународномконкурсеEdCrunch Award 2019.
Развитиеонлайнобучениянабираетвсебольшиеоборотыи,очевидно,чтобудущее
засовременнымитехнологическими решениями. Такимобразомонлайнкурсыидальше
будут развиваться в направлении повышения качества, становиться более увлекатель
ными,технологичнымии интегрировать всебя различные образовательныетехнологии
иподходы,например,такиекаккомпьютерныетренажерыисимуляторы. Сегодня уже
сложнопредставитьсебе современный и конкурентоспособныйонлайнкурсбезпракти
ческойсоставляющей,вчастности,использованиякомпьютерныхтренажеров.
ИНФОРМАЦИОННЫЕТЕХНОЛОГИИИСИСТЕМЫИНТЕЛЛЕКТУАЛЬНОЙОБРАБОТКИ
ДАННЫХВУСЛОВИЯХНЕОПРЕДЕЛЕННОСТИ
74
Заявлениеоконфликтеинтересов
Автор(ы)заявляют,чтоунихнетизвестныхконкурирующихфинансовых инте
ресов или личных отношений, которые могли бы повлиять на научные результаты,
описанныевэтойстатье.
Источники
[1] LudvigsenS.,MorchA. (2010) Computersupported collaborative learning: Basic concepts,
multipleperspectives,andemergingtrends.InternationalEncyclopediaofEducation,vol.5,
pp.290–296.EditedbyMacGawB.,PetersonP.,BakerE.URL:https://doi.org/10.1016/B978
0080448947.004930.
[2] ViaD.K.,etal. (2004) Using highfidelity patient simulation and an advanced distance
education network to teach pharmacology to secondyear medical students. J. Clin.
Anaesth, vol.16,pp.144–151.URL:https://doi.org/10.1016/j.jclinane.2003.09.001.
[3] HaavardtunP.,MallamS.,SharmaA.,NazirS. (2020)UsingVirtual WorldsasanIntegrated
PartofVirtualDistanceLearning(VDL)NetworksinSimulatorBasedEducation.In:NazirS.,
AhramT.,KarwowskiW.(eds)AdvancesinHumanFactorsinTraining, Education, and
LearningSciences. AHFE 2020.Advances inIntelligent Systems and Computing, vol. 1211.
Springer,Cham.URL:https://doi.org/10.1007/9783030508968_40.
[4] DeLuica,A.,etal. (2009)Developmentandevaluationofavirtualcampusonsecondlife:
the case of second DMI, pp. 220–233. Computers & Education, vol. 52, Issue 1. URL:
https://doi.org/10.1016/j.compedu.2008.08.001.
[5] SutcliffenA.,AlrayesA. (2012)Investigatinguser experienceinsecond lifeforcollaborative
learning.International Journalof HumanComputer Studies,Vol. 70,Issue7, pp. 508–525.
URL:https://doi.org/10.1016/j.ijhcs.2012.01.005.
[6] FerdigR.E.,GandolfiE.,ImmelZ. (2018)EducationalOpportunitiesforImmersiveVirtual
Reality. In: Voogt J., Knezek G., Christensen R., Lai KW. (eds) Second Handbook
ofInformationTechnologyinPrimaryandSecondaryEducation.SpringerInternational
Handbooks of Education. Springer, Cham. URL: https://doi.org/10.1007/9783319
710549_66.
[7] Попова Е.П., Иванов М.Н.,СолдатовВ.Ф.Использование дистанционных образо
вательных технологий при подготовке инженеров в техническом университете //
Открытоеобразование. 2014. №6. – М.:МЭИ– С.80–84.(84 с.).
[8] Иванов М.Н., Иванова Н.Н., Лазарева С.А.Особенности взаимодействия виртуальных
лабораторных комплексов с электронной системой дистанционного обучения //
IX Международная научнопрактическая конференция «Научнообразовательная
информационнаясредаXXIвека»:Материалы.– Петрозаводск,2015.–С.92–94.(226с.).
[9] ИвановМ.Н.,ИвановаН.Н.,ПоповаЕ.П.,ПоляковВ.В.Повышениекачестваобразова
тельногопроцессапутемширокогоприменениявиртуальныхлабораторныхком
плексов // IX Международная научнопрактическая конференция «Научно
образовательная информационная среда XXI века»: Материалы. – Петрозаводск,
2015–С.95–96.(226с.).
[10] Национальнаяплатформаоткрытогообразования.URL:https://npoed.ru.
[11] Приоритетный проект «Современная цифровая образовательная среда Российской
Федерации».URL:https://online.edu.ru.
[12] ОткрытаяонлайнакадемияФинуниверситета.URL:https://online.fa.ru.
[13] Использование симуляторов в образовательной деятельности. URL: http://simu
lizator.com.
[14] ВарнавскийА.В.,Бурякова А.О.Перспективыиспользованиятехнологиираспределен
ных реестров для автоматизации государственного аудита. Управленческие науки.
2018.№8(3).С.88–107.URL:https://doi.org/10.26794/2404022X20188388107.
SOFTMEASUREMENTSANDCOMPUTING Volume 36,No.11,November 2020
75
[15] Бурякова А.О., Варнавский А.В.Цифровизация деятельности Счетной палаты Россий
скойФедерации.Управленческиенауки.2019.№9(4).С.98–114.URL:https://doi.org/
10.26794/2404022X20199498114.
[16] Варнавский А.В.Токен или криптовалюта: технологическое содержание и эко
номическаясущность.Финансы:теория и практика/Finance:Theory and Practice.2018.
№22(5).С.122–140.URL:https://doi.org/10.26794/258756712018225122140.
[17] Варнавский А.В.,БуряковаА.О.Распределенныереестры,какинструментыразвития
крупномасштабных финансовых систем. Управление развитием крупномасштабных
систем MLSD'2019 Материалы двенадцатой международной конференции Научное
электронноеиздание / подобщейред.С.Н.Васильева,А.Д.Цвиркуна.2019.С.489–492.
[18] VarnavskiyA.,GruzinaU.,RotA.,BuryakovaA.,SebechenkoE.,TrubnikovV. (2020)
ProspectsandLimitationsoftheUseofBlockchainOptionsfortheSupplyofElectricity.
In:HernesM.,RotA.,JelonekD.(eds)TowardsIndustry4.0– Current Challenges in
Information Systems. Studies in Computational Intelligence, vol. 887. Springer, Cham.
URL:https://doi.org/10.1007/9783030404178_6.
[19] Образовательных платформа Лекториум. URL: https://www.lektorium.tv/block
chain.
References
[1] LudvigsenS.,MorchA. (2010) Computersupported collaborative learning: Basic con
cepts,multipleperspectives,andemergingtrends.InternationalEncyclopediaofEduca
tion, vol. 5, pp. 290–296. Edited by MacGaw B., Peterson P., Baker E. URL:
https://doi.org/ 10.1016/B9780080448947.004930.
[2] ViaD.K.,etal. (2004) Using highfidelity patient simulation and an advanced distance
education network to teach pharmacology to secondyear medical students. J. Clin.
Anaesth.vol.16,pp.144–151.URL:https://doi.org/10.1016/j.jclinane.2003.09.001.
[3] HaavardtunP.,MallamS.,SharmaA.,NazirS. (2020)UsingVirtualWorldsasanIntegrat
edPartofVirtualDistance Learning(VDL)NetworksinSimulatorBasedEducation.In:
NazirS.,AhramT.,KarwowskiW.(eds)AdvancesinHumanFactorsinTraining,Educa
tion,andLearningSciences.AHFE2020.AdvancesinIntelligentSystemsandComputing,
vol. 1211.Springer,Cham.URL:https://doi.org/10.1007/9783030508968_40.
[4] DeLuica,A.,etal. (2009)Developmentandevaluationofavirtualcampusonsecondlife:
the case of second DMI, pp. 220–233. Computers & Education, Vol. 52, Issue 1. URL:
https://doi.org/10.1016/j.compedu.2008.08.001.
[5] SutcliffenA.,AlrayesA. (2012)Investigatinguserexperienceinsecondlifeforcollabora
tive learning. International Journal of HumanComputer Studies, Vol. 70, Issue 7,
pp.508–525.URL:https://doi.org/10.1016/j.ijhcs.2012.01.005.
[6] FerdigR.E.,GandolfiE.,ImmelZ.(2018)EducationalOpportunitiesforImmersiveVirtualRe
ality.In:VoogtJ.,KnezekG.,ChristensenR.,LaiKW.(eds)SecondHandbookofInformation
TechnologyinPrimaryandSecondaryEducation.SpringerInternationalHandbooksofEdu
cation.Springer,Cham.URL:https://doi.org/10.1007/9783319710549_66.
[7] PopovaE.P.,IvanovM.N.,SoldatovV.F. (2014)Theusingofdistancelearningtechnologies
inthe training of engineers ata technical university.Open education, no. 6, pp. 8084,
Moscow,MPEI(InRuss.).
[8] IvanovM.N.,IvanovaN.N.,LazarevaS.A. (2015)Features ofthe interactionof virtualla
boratorycomplexeswithanelectronicdistancelearningsystem.MaterialsofIXInterna
tional Scientific and Practical Conference Scientific and educational information envi
ronmentoftheXXIcentury»,Petrozavodsk,pp.9294,PetrSU,226p.(InRuss.).
[9] IvanovM.N.,IvanovaN.N.,PopovaE.P.,PolyakovV.V. (2015)Improvingthequalityoftheed
ucational process through the widespread use of virtual laboratory complexes Materials
INFORMATIONTECHNOLOGIESANDINTELLECTUALDATAPROCESSINGSYSTEMS
UNDERUNCERTAINTY
76
of IX International Scientific and Practical Conference «Scientificandeducationalinfor
mationenvironmentoftheXXIcentury»,Petrozavodsk,pp.95–96,PetrSU,226p.(InRuss.).
[10] NationalOpenEducationPlatform.URL:https://npoed.ru.
[11] Priorityproject«Moderndigitaleducationalenvironmentofthe Russian Federation».
URL:https://online.edu.ru.
[12] OpenOnlineAcademyoftheFinancialUniversity.URL:https://online.fa.ru.
[13] Usingsimulatorsineducationalactivities.URL:http://simulizator.com.
[14] VarnavskiyA.V.,BuryakovaA.O. (2018)ProspectsofUsingDistributedLedgerTechnolo
gyto AutomatizeState FinancialControl. ManagementScience, 2018,no.8(3),pp.88–
107.(InRuss.)URL:https://doi.org/10.26794/2404022X20188388107.
[15] BuryakovaA.O.,VarnavskiiA.V. DigitalizationoftheAccountsChamberoftheRussianFeder
ation. Management Science, 2019, vol.9(4),pp.98–114.(InRuss.) URL: https://doi.org/
10.26794/2404022X20199498114.
[16] VarnavskiyA.V. (2018)TokenMoneyorCryptocurrency:technologicalContentandEco
nomicEssence.Finance:Theory and Practice, 2018, vol. 22(5), pp.122–140. (In Russ.)
https://doi.org/10.26794/258756712018225122140.
[17] VarnavskiiA.V.,BuryakovaA.O.(2019)Distributedledgersas toolsforthedevelopment
of largescale financial systems. Materials of XII International Scientific Conference
«Managing the development of largescale systems» (MLSD'2019), Ed. By S.N. Vasilev,
A.D.Tsvirkun,pp.489–492.
[18] VarnavskiyA.,GruzinaU.,RotA.,BuryakovaA.,SebechenkoE.,TrubnikovV. (2020) Pro
spectsandLimitationsoftheUseofBlockchainOptionsfortheSupplyofElectricity.In:
HernesM.,RotA.,JelonekD.(eds)TowardsIndustry4.0– CurrentChallenges inInfor
mation Systems. Studies in Computational Intelligence, vol. 887.Springer,Cham.
https://doi.org/10.1007/9783030404178_6.
[19] EducationalplatformLectorium.URL:https://www.lektorium.tv/blockchain.
МЯГКИЕИЗМЕРЕНИЯИВЫЧИСЛЕНИЯ Том36,Номер11,Ноябрь 2020
77
ИНФОРМАЦИЯИАНОНСЫНАУЧНЫХМЕРОПРИЯТИЙ
78
SOFTMEASUREMENTSANDCOMPUTING Volume 36,No.11,November 2020
79
INFORMATIONANDANNOUNCEMENTSOFSCIENTIFICEVENTS
80
Издательскийдом
"НАУЧНАЯБИБЛИОТЕКА"
Издательствовыпускаетнаучные,исторические,философские
труды,учебники,учебныепособия,мемуары,краеведческую
ихудожественнуюлитературу.
Конкурентные преимущества:
9высокое качество редакционно-издательских услуг
9короткие сроки выпуска книг и журналов (3 недели – 1 месяц)
9максимальный учет интересов и пожеланий заказчика
9конкурентные цены, возможность оплаты в рассрочку
9бесплатная доставка заказов по России
ЖурналывходятвнациональнуюбиблиографическуюбазуданныхРоссийскогоиндекса
научногоцитирования(РИНЦ),индексируютсявНаучнойэлектроннойбиблиотеке
eLIBRARY.RU(Россия),включеныВысшейаттестационнойкомиссией(ВАК)Россиивперечень
рецензируемыхнаучныхизданий,вкоторыхдолжныбытьопубликованыосновныенаучные
результатыдиссертацийнасоисканиеученойстепеникандидатанаук,
насоисканиеученойстепенидокторанаук.
Аудиторияиздаваемыхжурналов:объединенияпредпринимателей,
российские,зарубежные,коммерческиеигосударственныеорганизации,
преподавателивузов,научнаяобщественность.
ПодпискавовсехотделенияхсвязиРоссии,Казахстана,УкраиныиБелоруссии.
Каталог"ПрессаРоссии"–индекс39468
Редакция
123022,г.Москва,Звенигородскоешоссе,д.5,стр.1
info@slib.com,idnb11@yandex.ru
+7(495)5922998,+7(916)9255954
slib.com
PublishingHouse
SCIENTIFICLIBRARYLtd.
Thepublishinghousespecializesonpublishingscientific,
historical,philosophicalworks,textbooks,studyguides,
memoirs,localliteratureandfiction.
Competitive advantages:
9high quality of publishing services
9short terms of publishing books and magazines (3 weeks – 1 month)
9maximum consideration of customer’s interests and wishes
9affordable prices, payment by installments
9free delivery across Russia
JournalsarebeingindexedinthenationalbibliographicRussianScienceIndexdatabase
oftheScientificElectronicLibraryeLIBRARY.RU(Russia),includedbytheHigherAttestationCommission
oftheRussianMinistryofEducationandScienceinthelistofpeerreviewedscientificpublications
inwhichthemainscientificresultsofdissertationsforbothacandidateofsciencesdegreeand
adoctorofsciencesdegreeshouldbepublished.
Audienceofjournalspublished:businessassociations,
foreignandnational,commercialandgovernmentorganisations,
university academicstaff,scientificcommunity.
SubscriptioninallpostofficesofRussia,Kazakhstan,UkraineandBelarus.
RussianPressCatalog–Index39468
EditorialOffice
5/1,Zvenigorodskoyeshosse,123022,Moscow,Russia
info@slib.com,idnb11@yandex.ru
+7(495)5922998,+7(916)9255954
slib.com