+7 (925) 966 4690
ИД «Финансы и кредит»

ЖУРНАЛЫ

  

АВТОРАМ

  

ПОДПИСКА

    
«Финансовая аналитика: проблемы и решения»
 

Включен в перечень ВАК по специальностям

ЭКОНОМИЧЕСКИЕ НАУКИ:
5.2.1. Экономическая теория
5.2.3. Региональная и отраслевая экономика
5.2.4. Финансы
5.2.5. Мировая экономика
5.2.6. Менеджмент


ЭКОНОМИЧЕСКИЕ,
ФИЗИКО-МАТЕМАТИЧЕСКИЕ НАУКИ:
5.2.2. Математические, статистические и инструментальные методы в экономике

Реферирование и индексирование

РИНЦ
Referativny Zhurnal VINITI RAS
Worldcat
Google Scholar

Электронные версии в PDF

Eastview
eLIBRARY.RU
Biblioclub

Аналитическое обоснование выбора объекта венчурных инвестиций

т. 8, вып. 41, ноябрь 2015

PDF  PDF-версия статьи

Получена: 25.06.2015

Одобрена: 05.07.2015

Доступна онлайн: 10.11.2015

Рубрика: МАТЕМАТИЧЕСКИЙ АНАЛИЗ И МОДЕЛИРОВАНИЕ В ЭКОНОМИКЕ

Страницы: 35-46

Кравченко Т.К. доктор экономических наук, профессор кафедры бизнес-аналитики, Национальный исследовательский университет «Высшая школа экономики», Москва, Российская Федерация 
tkravchenko@hse.ru

Предмет. Статья посвящена вопросам анализа и оценки эффективности высокотехнологичных инвестиционных проектов, разрабатываемых в условиях высокой степени риска и перспективы получения высокой прибыли. Наличие различных видов неопределенности и качественных признаков оценки альтернатив не всегда позволяет использовать традиционные методы инвестиционного анализа. Поэтому для выбора объекта венчурных инвестиций представляется целесообразным применение систем поддержки принятия решения (СППР), в основе которых лежат различные методы принятия решений.
     Цели. Разработка нового подхода, основанного на использовании систем поддержки принятия решений, позволяющего при сравнении и оценке альтернативных проектов учитывать множество признаков (в том числе качественных), согласовывать оценки проектов, заданные различными экспертами с учетом уровня их компетентности, а также учитывать возможные сценарии развития внешней среды. Задачи исследования заключаются в построении моделей принятия решения с использованием конкретных СППР, применении различных методов обоснования выбора объекта венчурных инвестиций, нахождении решения и сравнении полученных результатов.
     Методология. В работе используются метод анализа иерархий (МАИ) и метод аналитических сетей (МАС). Также предлагается использование методов, сочетающих различные принципы согласования оценок альтернатив. В качестве инструмента решения поставленной задачи применяются наиболее распространенные СППР, в том числе Экспертная система поддержки принятия решений (ЭСППР), разработанная под руководством автора.
     Результаты. Представленные в работе результаты подчеркивают эффективность предложенного подхода для обоснования выбора объекта венчурных инвестиций. Применение различных СППР позволяет использовать различные математические методы для повышения качества аналитического обоснования решения.
     Выводы. В результате исследования задача выбора объекта венчурных инвестиций поставлена и решена с использованием современных методов и инструментальных средств. Разработанный подход может быть применен в деятельности инвестиционных и венчурных фондов.

Ключевые слова: венчурный фонд, инвестиционный анализ, система поддержки принятия решений, метод принятия решений, коэффициент согласованности Кендалла

Список литературы:

  1. Amis D., Stevenson H. Winning angels: The 7 fundamentals of early stage investing. Upper Saddle River, NJ: FT Press, 2001. 400 p.
  2. Bierman H. (Jr.), Smidt S. The capital budgeting decision: Economic analysis of investment projects. New York: Routledge, 2007. 402 p.
  3. Kuckertz A., Kollmann T., Rohm P., Middelberg N. The interplay of track record and trustworthiness in venture capital fundraising // Journal of Business Venturing Insights. 2015. № 4. P. 6–13.
  4. Treville S., Petty J.S., Wager S. Economies of extremes: Lessons from venture-capital decision making // Journal of Operations Management. 2014. Vol. 32. Iss. 6. P. 387–398.
  5. Кузнецова Е.В., Дружаев А.А. Финансовые критерии для отбора проектов с IT-составляющей // Проблемы теории и практики управления. 2014. № 10. С. 106–112.
  6. Кравченко Т.К. Экспертная система поддержки принятия решений // Открытое образование. 2010. № 6. С. 147–156.
  7. Трахтенгерц Э.А. Компьютерные системы поддержки принятия управленческих решений // Проблемы управления. 2003. № 1. С. 13–28.
  8. Figueira J., Greco S., Ehrgott M. (Eds.) Multiple criteria decision analysis: State of the art surveys. Berlin, Heidelberg: Springer, 2005. 1045 p.
  9. Frada B., Clyde H. (Eds.) Handbook on decision support systems 1: Basic themes. Berlin, Heidelberg: Springer, 2008. 854 p.
  10. Кравченко Т.К., Середенко Н.Н. Выделение признаков классификации систем поддержки принятия решений // Открытое образование. 2010. № 4. C. 71–78.
  11. Цыгичко В.Н., Черешкин Д.С. Информационно-аналитическая поддержка стратегических решений // Информационное общество. 2006. № 1. С. 61– 68.
  12. Исаев Д.В. Применимость аналитических информационных систем для решения задач корпоративного управления и стратегического менеджмента // Аудит и финансовый анализ. 2011. № 5. C. 271–277.
  13. Bokovec K., Damij T., Rajkovic T. Evaluating ERP Projects with multi-attribute decision support systems // Computers in Industry. 2015. № 73. P. 93–104.
  14. Саати Т.Л. Принятие решений. Метод анализа иерархий. М.: Радио и связь, 1993. 278 с.
  15. Gupta S., Dangayach G.S., Kumar A., Singh A.K., Rao P.N. Analytic Hierarchy Process (AHP) model for evaluating sustainable manufacturing practices in Indian electrical panel industries // Procedia – Social and Behavioral Sciences. 2015. № 189. P. 208–216.
  16. Jovanovic B., Filipovic J., Bakic V. Prioritization of manufacturing sectors in Serbia for energy management improvement – AHP method // Energy Conversion and Management. 2015. № 98. P. 225–235.
  17. Саати Т.Л. Принятие решений при зависимостях и обратных связях. Аналитические сети. М.: ЛКИ, 2008. 360 с.
  18. Boj J.J., Rodriguez-Rodriguez R., Alfaro-Saiz J.-J. An ANP-multi-criteria-based methodology to link intangible assets and organizational performance in a Balanced Scorecard context // Decision Support Systems. 2014. № 68. P. 98–110.
  19. Horenbeek A.V., Pintelon L. Development of a maintenance performance measurement framework using the analytic network process (ANP) for maintenance performance indicator selection // Omega. 2014. Vol. 42. № 1. P. 33–46.
  20. Legendre P. Species associations: The Kendall coefficient of concordance revisited // Journal of Agricultural, Biological and Environmental Statistics. 2005. № 10 (2). P. 226–245.
  21. Sidney S., Castellan N.J. Nonparametric statistics for the behavioral sciences. New York: McGraw-Hill, 1988. 266 p.
  22. Бююль А., Цефель П. SPSS: Искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей. М.: DiaSoft, 2005. 608 с.
  23. Дубнов П.Ю. Обработка статистической информации с помощью SPSS. М: АСТ, 2004. 224 c.
  24. Mehta C.R., Patel N.R. IBM SPSS exact tests. NY: IBM, 2011. 226 p.

Посмотреть другие статьи номера »

 

ISSN 2311-8768 (Online)
ISSN 2073-4484 (Print)

Свежий номер журнала

т. 17, вып. 1, март 2024

Другие номера журнала