Бакалавриат
2024/2025![Цель освоения дисциплины](/f/src/global/i/edu/objectives.svg)
![Планируемые результаты обучения](/f/src/global/i/edu/results.svg)
![Содержание учебной дисциплины](/f/src/global/i/edu/sections.svg)
![Элементы контроля](/f/src/global/i/edu/controls.svg)
![Промежуточная аттестация](/f/src/global/i/edu/intermediate_certification.svg)
![Список литературы](/f/src/global/i/edu/library.svg)
Принятие решений в задачах цифровой экономики в условиях риска и неопределённости
Статус:
Курс по выбору (Экономика)
Направление:
38.03.01. Экономика
Кто читает:
Департамент математики
Где читается:
Факультет экономических наук
Когда читается:
3-й курс, 2 модуль
Формат изучения:
без онлайн-курса
Охват аудитории:
для своего кампуса
Преподаватели:
Лепский Александр Евгеньевич
Язык:
русский
Кредиты:
3
Контактные часы:
28
Программа дисциплины
Аннотация
Анализируя сложные процессы функционирования экономических систем, исследователь или лицо, принимающее решения, сталкивается с различными типами неопределенности. Эти неопределенности могут иметь как стохастический характер, так и иную природу. Поэтому современному экономисту-исследователю и практику необходимо научиться владеть основными инструментариями принятия решений в условиях риска и неопределенности. В этом курсе будут рассмотрены нестохастические модели описания неточности данных и неопределенности условий принятия решений. В частности, будут рассмотрены основные положения теории нечетких множеств и методы работы с нечеткими данными (нечеткая регрессия, нечеткая кластеризация данных), модели принятия решений при нечеткой информации. Также будут рассмотрены основные модели описания неопределенности нестохастического характера и принятия решений в условиях такой неопределенности. Это, прежде всего, модели в рамках теории свидетельств (функций доверия). В ходя изучения дисциплины будут рассмотрены различные кейсы применения изученных теоретических положений к решению реальных задач анализа экономической информации и принятия решений. В частности, будут рассмотрены следующие задачи: - выбор торговой стратегии на основе оценивания функций принадлежности торговых решений; - анализ согласованности позиций экспертов в задачах принятия решений на основе вычисления показателя размытия нечетких множеств; - кластеризация банков по согласованности их рекомендаций о прогностической стоимости акций на основе построения нечетких отношений; - нечеткий вывод при анализе фондового и валютного рынков; - регрессия с нечеткими данными и/или нечеткими параметрами; - нечеткая классификация и кластеризация финансово-экономических данных; - оценка качества и агрегирования экспертной информации методами теории свидетельств; - наилучшее распределение средств сервисной компании (гостиница, авиакомпания и пр.), как задача максимизации нечеткого агрегирующего интеграла при бюджетных ограничениях.
Цель освоения дисциплины
- Ознакомление студентов с основами работы с нечеткими данными и в условиях нестохастической неопределенности (теорией возможностей, теорией свидетельств и др.) применительно к задачам анализа экономических данных и принятия решений.
Планируемые результаты обучения
- студент должен иметь представление о нечетких отношениях и уметь их использовать в задачах экономического анализа
- студент должен иметь представление о нечетких числах, операциях над ними, способах измерения расстояний между ними и их сравнении; должен уметь строить простые графики с нечеткими параметрами или переменными, решать простые нечеткие уравнения
- студент должен иметь представление о нечеткой кластеризации
- студент должен иметь представление о нечеткой регрессии
- студент должен иметь представление о понятии нечеткого множества и основных операциях над ними
- студент должен иметь представление об основных понятиях теории свидетельств и прикладном потенциале этой теории в задачах экономического анализа
- студент должен уметь применять простые методы принятия решений к задачам с нечеткими данными
Содержание учебной дисциплины
- Нечеткие множества и их применение
- Нечеткие отношения в задачах экономического анализа.
- Нечеткие числа и нечеткая арифметика.
- Принятие решений при нечетких данных в задачах экономического анализа.
- Нечеткая классификация и кластеризация.
- Нечеткая регрессия в задачах экономического анализа.
- Элементы теории свидетельств и их применение в задачах анализа экспертной информации и принятия решений.
Элементы контроля
- Контрольная работаПисьменная работа
- ЭкзаменПисьменная работа
- Дополнительное собеседованиеСтуденты, набравшие не менее 7 (итоговых) баллов, имеют право на получение 1-2 бонусных баллов (до 10-ти итоговых баллов) по результатам дополнительного собеседования (решения дополнительных задач повышенной сложности, ответы на вопросы повышен-ной сложности и пр.).
Промежуточная аттестация
- 2024/2025 2nd module0.1 * Дополнительное собеседование + 0.4 * Контрольная работа + 0.5 * Экзамен
Список литературы
Рекомендуемая основная литература
- Wang X., Ruan D., Kerre E.E. Mathematics of Fuzziness – Basic Issues. – Berlin Heidelberg: Springer-Verlag, 2009.
- Волкова, Е. С., Нечеткие множества и мягкие вычисления в экономике и финансах : учебное пособие / Е. С. Волкова, В. Б. Гисин. — Москва : КноРус, 2019. — 155 с. — ISBN 978-5-406-06705-5. — URL: https://book.ru/book/930521 (дата обращения: 25.08.2023). — Текст : электронный.
- Нечеткие модели анализа данных и принятия решений : учебное пособие, Броневич, А. Г., 2022
Рекомендуемая дополнительная литература
- Dash, M. K., & Kumar, A. (2016). Fuzzy Optimization and Multi-Criteria Decision Making in Digital Marketing. Hershey, PA: Business Science Reference. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1087743
- Glenn Shafer, & Roger Logan. (n.d.). 18 Implementing Dempster’s Rule for Hierarchical Evidence. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.A0D71FF9
- Viertl, R. (2007). Fuzzy Data and Statistical Modeling. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.E4DD52AD
- Viertl, R. (2010). Statistical Methods for Fuzzy Data. Chichester, West Sussex: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=354087
- Нечеткие модели и методы в менеджменте : учеб. пособие для вузов, Птускин, А. С., 2008