Business-insider.ru

Про деньги в эпоху кризиса
23 просмотров
Рейтинг статьи
1 звезда2 звезды3 звезды4 звезды5 звезд
Загрузка...

Метод анализа дерева решений применяется если

Метод «дерево решений»

Для анализа рисков инновационных проектов часто применяют метод дерева решений. Он предполагает, что у проекта существует несколько вариантов развития. Каждое решение, принимаемое по проекту, определяет один из сценариев его дальнейшего развития. При помощи дерева решений решаются задачи классификации и прогнозирования. Дерево решений – это схематическое представление проблемы принятия решений. Ветви дерева решений представляют собой различные события (решения), а его вершины – ключевые состояния, в которых возникает необходимость выбора. Чаще всего дерево решений является нисходящим, т. е. строится сверху вниз.

Выделяют следующие этапы построения дерева решений:

1. Первоначально обозначают ключевую проблему. Это будет вершина дерева.

2. Для каждого момента определяют все возможные варианты дальнейших событий, которые могут оказать влияние на ключевую проблему. Это будут исходящие от вершины дуги дерева.

3. Обозначают время наступления событий.

4. Каждой дуге прописывают денежную и вероятностную характеристики.

5. Проводят анализ полученных результатов.

Основа наиболее простой структуры дерева решений – ответы на вопросы «да» и «нет».

Пример 1. Рассмотрим пример дерева решений, задача которого – ответить на вопрос «Пойти ли гулять?». Чтобы решить эту задачу, необходимо ответить на ряд вопросов, которые находятся в узлах дерева (рис. 8.1). Вершина дерева «На улице солнечно» является узлом проверки. Если на этот вопрос получен положительный ответ, то переходим к левой ветви дерева, если отрицательный – то к правой. Движение продолжается до тех пор, пока не будет получен окончательный ответ.

Рис. 8.1. Дерево решений «пойти ли гулять»

Для каждой дуги дерева могут быть определены числовые характеристики, например величина прибыли по проекту и вероятность ее получения. В этом случае оно помогает учесть все возможные варианты действия и соотнести с ними финансовые результаты. Для формулирования сценариев развития проекта необходимо располагать достоверной информацией с учетом вероятности и времени наступления событий. Затем переходят к сравнению альтернатив.

Пример 2. Компания «Конфетти» в настоящее время выпускает плитки молочного шоколада. Директор по развитию считает, что на рынке повысился спрос на молочный шоколад с наполнителями. Перед компанией стоит вопрос: переходить ли на производство молочного шоколада с наполнителем или не стоит этого делать? Если производить шоколад обоих типов, то потребуется увеличить производственные мощности. Информация об ожидаемых выигрышах и вероятности событий в случае того или иного решения представлена на дереве решений (рис. 8.2). Используя дерево решений, руководитель находит наиболее предпочтительное решение – увеличить производственные мощности. Это обусловлено ожидаемой прибылью – 2 млн руб., которая превышает прибыль 1 млн руб. при отказе от такого наращивания, если в точке «а» будет низкий спрос. Руководитель, двигаясь к первой точке принятия решения, рассчитывает предполагаемую прибыль в случае альтернативных действий.

Рис. 8.2. Дерево решений «какой шоколад производить»

Для производства только молочного шоколада с наполнителем она составит 4,4 млн руб. (5 × 0,8 + 0,2 × 2). Аналогично рассчитывается ожидаемое значение для варианта выпуска только молочного шоколада без наполнителя, которое равно всего 2,55.

Таким образом, наращивание производственных мощностей является наиболее желательным решением и приносит наибольший выигрыш.

Пример 3. Руководителю отдела нужно принять решение относительно закупки станков. Второй станок более экономичный, но и в то же время более дорогой и требует больших накладных расходов (рис. 8.3). Руководителю нужно выбрать тот станок, который обеспечит максимизацию прибыли.

ОборудованиеПостоянные расходыОперационный расход на единицу техники
Станок 1500 000
Станок 2700 000

Рис. 8.3. Дерево решений

Руководитель оценивает вероятность спроса на продукцию, производимую на станках:

· 2 000 ед. с вероятностью 0,4;

· 3 000 ед. с вероятностью 0,6.

Станок 1: 840 000 × 0,4 + 1 510 000 × 0,6 = 1 242 000.

Станок 2: 1 180 000 × 0,4 + 2 120 000 × 0,6 = 1 744 000.

Таким образом, приобретение второго станка более экономично.

Недостатками дерева решений является ограниченное число вариантов решения проблемы. В процессе построения дерева решений необходимо обращать внимание на его размер. Оно не должно быть слишком перегруженным, т. к. это уменьшает способность к обобщению и способность давать верные ответы.

Не нашли то, что искали? Воспользуйтесь поиском:

Лучшие изречения: При сдаче лабораторной работы, студент делает вид, что все знает; преподаватель делает вид, что верит ему. 9916 — | 7557 — или читать все.

Энциклопедия маркетинга

Каталог консалтинговых компаний

Библиотека маркетолога

Дерево решений как способ оптимизации процессов

Н.А. БатуринаК.эк.н., доц. кафедры бухгалтерского учета, анализа и аудита ВФ МГЭИ
Журнал «Справочник экономиста», № 10 за 2009 год

Прогнозирование показателей использования оборотных активов связано с определенной долей риска. Под риском использования оборотных активов понимается вероятность достижения величины прогнозируемых показателей, характеризующих структуру, ликвидность и эффективность их использования, с учетом воздействия непредвиденных обстоятельств (возникновение сбоев производственного цикла, нарушение ритмичности поставок, несвоевременное выполнение обязательств перед контрагентами, изменение деловой репутации хозяйствующего субъекта, его инвестиционной привлекательности, а также возможность максимально точного прогнозирования данных обстоятельств).

Следовательно управление рисками использования оборотных активов — составная часть общего процесса антикризисного управления на предприятии. Главной задачей аналитика, исследующего риски использования оборотных активов, является не только их оценка, но и анализ.

Читать еще:  Что такое анализ эффективности хозяйственной деятельности

Анализ рисков использования оборотных активов хозяйствующего субъекта представляет собой процесс, направленный на прогнозирование возможных ситуаций и минимизацию потерь, связанных с их возникновением в финансово-хозяйственной деятельности. Он связан с тем, что неизвестно, какое именно из состояний экономики наступит. Шансы наступления каждого состояния определяются в форме субъективных вероятностей, которые характеризуют степень убежденности лица, принимающего решения, его компетентность.

Важный момент при оценке рисков — определение и разграничение методов прогнозирования их величины. Эти методы подразделяются на количественные и качественные. Применение тех и других имеет как преимущества, так и недостатки. Так, количественные методы считаются представляющими наиболее точную информацию. Однако они неприменимы в случае изменяющейся бизнес-среды. В этом случае прибегают к качественным методам, которые основаны, как правило, на экспертных оценках, квалификации и профессиональном суждении специалистов и носят субъективный характер.

Идеальный вариант прогнозирования величины рисков использования оборотных активов — совмещение количественных (формализованных) и качественных (неформализованных) методов. Также следует отметить, что система прогнозирования величины рисков использования оборотных активов является наиболее сложной из существующих и требует для своей реализации высокой профессиональной квалификации исполнителей.

С целью исследования возможностей применения существующих методов обратимся к данным табл. 1, из которых необходимо выделить схему «дерево решений».

Таблица 1. Аналитические обоснования применения методов прогнозирования рисков использования оборотных активов

Метод

Характеристика

Метод экспертных оценок

Качественный метод. Предполагает прогнозирование величины рисков использования оборотных активов, используя профессиональное суждение аналитика и его опыт. Результаты, полученные при помощи этого метода, являются неточными, субъективными. К нему прибегают, как правило, в случае возникновения непредвиденных обстоятельств. К таким методам относятся методы Дельфи, Паттерн, мозговой атаки и др.

Методы обработки пространственно-временных совокупностей

К ним относятся следующие:

1) простая линейная регрессия (метод экстраполяции). Основан на предположении о существовании прямолинейной зависимости между показателями. Часто используется для прогнозирования величины оборотных активов. Для построения уравнения зависимости величины оборотных активов и объема продаж необходимо владеть информацией о них за ряд предыдущих периодов (5–7 лет). Недостатком этого метода является необходимость существования постоянства хозяйственных связей. Поэтому прогнозные значения показателей, определяемые подобным образом, могут расходиться с фактическими данными, поскольку выявленная зависимость не может носить постоянный характер;

2) криволинейная регрессия. Используется в том случае, если зависимость между величиной оборотных активов и объемом продаж носит непрямолинейный характер;

3) множественная регрессия. Применяется в том случае, если имеется большой разброс между взаимозависимыми показателями, следовательно, высока вероятность того, что на уровень зависимой переменной оказывают существенное влияние и другие дополнительные факторы;

4) адаптивно-имитационное прогнозирование. Позволяет прогнозировать величину оборотных активов с учетом их адаптации к возникающим условиям функционирования

Метод ситуационного анализа

Используется в случае жестко детерминированных связей, когда каждому значению фактора соответствует определенное значение результативного показателя. При этом ставится задача выявления и исследования факторов развития хозяйствующего субъекта и установления степени их влияния на различные результативные показатели

Метод построения дерева решений

В процессе анализа формируются различные комбинации факторных показателей с учетом вероятностей их достижения организацией; на основании имеющихся вариантов рассчитываются результативные показатели и вероятность их наступления; исходя из итоговых расчетов формируются выводы о применимости конкретной комбинации факторов

Метод прогнозирования на основе пропорциональных зависимостей

Одним из них является метод доли от объема производства, который предполагает формирование величины оборотных активов с учетом планируемого объема производства. Он применим в случае наличия постоянных структурных связей между величиной оборотных активов и объемом производства

Бюджетирование

Основано на детальном планировании материальных и денежных потоков организации, что позволяет определить размеры избытка (недостатка) оборотных активов на перспективу и заранее разработать реабилитирующие мероприятия. Реальность прогнозов зависит от многих факторов (степень определенности обстоятельств, характер взаимоотношений с контрагентами, ценовая политика и т.д.)

Одним из наиболее распространенных методов обоснования альтернативных вариантов капиталовложений, осуществляемых в условиях риска, является метод «дерево решений». Применяя его на практике, аналитики при помощи схемы вероятных событий, связанных с проведением инвестиционной деятельности, получают наглядное представление об уровне риска и экономической выгоде. В процессе использования данного метода необходимо придерживаться следующих этапов:

  • выявляются альтернативные варианты инвестиционных решений и по каждому из них оцениваются вероятности (субъективные или объективные) получения количественно исчисляемых целевых показателей (например, денежного потока, рентабельности, чистой текущей стоимости, объема продаж и пр.);
  • вся релевантная информация систематизируется в табличной форме;
  • с использованием информации, обобщенной в аналитической таблице, строится схема «дерево решений» и рассчитываются ожидаемые значения обобщающих показателей по каждому альтернативному варианту принятия решений;
  • по результатам проведенного анализа формируется заключение и вырабатываются практические рекомендации.

А. Захарова, начальник Управления систем менеджмента ОАО «Система-Галс», МГТУ им. Н.Э. Баумана, МИПК МГТУ MBA

Данный метод применяется для экспертного прогнозирования. Любое прогнозирование может быть успешным лишь при некоторой стабильности условий. Но решения органов власти или иные события могут менять условия, и тогда события развиваются иначе, чем ранее предполагалось. При разработке методологического анализа риска любых проектов необходимо составить целый каталог сценариев, каждый из которых индивидуален по происхождению, развитию и последствиям. Таким образом, мы декомпозируем задачи прогнозирования, предусматривая выделение набора отдельных вариантов развития событий, в совокупности охватывающих все возможные варианты развития. Хочется отметить, что в этом методе применяется частичная формализация. Часто стремление к излишней математизации приводит к попытке внесения искусственной определенности либо к использованию громоздкого математического аппарата.

Читать еще:  Особенности психологического анализа процессов управления

При анализе инвестиционно-строительных проектов предполагается получение большого числа различной информации, но главному анализу подвергаются факторы реализуемости:

  • реализуемость на рынке: каков прогноз соотношения спроса и предложения собственности данного типа в рассматриваемом секторе торговли;
  • реализуемость местоположения/объекта: насколько характеристики участка отвечают требованиям для определенного вида использования;
  • финансовая реализуемость: удовлетворяет ли доходность, соотнесенная с риском, требованиям корпорации.

Рассмотрим на условном примере технологию использования этого аналитического метода.

Инновационный проект компании завершился разработкой новой продукции. Управленцы компании исследуют следующие направления ее поведения на рынке:

1) осуществлять маркетинговые исследования (самостоятельно или с привлечением внешних компаний). При этом возможно выявление следующих ситуаций:

а) благоприятное положение на рынке, способствующее продажам разработанной продукции. В данном случае спрос возможен низкий, средний и высокий;

б) неблагоприятное положение на рынке. Наличие трех перечисленных видов спроса также предполагается;

2) не осуществлять маркетинговые исследования. В этой ситуации возможно следующее:

а) компания самостоятельно производит и реализовывает разработанную продукцию;

б) инновационный проект по производству новой продукции продается другому хозяйствующему субъекту.

Разместим данные, необходимые для проведения этого анализа, в табл. 2.

Методы классификации и прогнозирования. Деревья решений

Метод деревьев решений ( decision trees ) является одним из наиболее популярных методов решения задач классификации и прогнозирования. Иногда этот метод Data Mining также называют деревьями решающих правил , деревьями классификации и регрессии.

Как видно из последнего названия, при помощи данного метода решаются задачи классификации и прогнозирования.

Если зависимая, т.е. целевая переменная принимает дискретные значения, при помощи метода дерева решений решается задача классификации.

Если же зависимая переменная принимает непрерывные значения, то дерево решений устанавливает зависимость этой переменной от независимых переменных, т.е. решает задачу численного прогнозирования.

Впервые деревья решений были предложены Ховилендом и Хантом (Hoveland, Hunt) в конце 50-х годов прошлого века. Самая ранняя и известная работа Ханта и др., в которой излагается суть деревьев решений — «Эксперименты в индукции» («Experiments in Induction «) — была опубликована в 1966 году.

В наиболее простом виде дерево решений — это способ представления правил в иерархической, последовательной структуре. Основа такой структуры — ответы «Да» или «Нет» на ряд вопросов.

На рис. 9.1 приведен пример дерева решений, задача которого — ответить на вопрос: «Играть ли в гольф?» Чтобы решить задачу, т.е. принять решение, играть ли в гольф, следует отнести текущую ситуацию к одному из известных классов (в данном случае — «играть» или «не играть»). Для этого требуется ответить на ряд вопросов, которые находятся в узлах этого дерева, начиная с его корня.

Первый узел нашего дерева «Солнечно?» является узлом проверки , т.е. условием. При положительном ответе на вопрос осуществляется переход к левой части дерева, называемой левой ветвью , при отрицательном — к правой части дерева. Таким образом, внутренний узел дерева является узлом проверки определенного условия. Далее идет следующий вопрос и т.д., пока не будет достигнут конечный узел дерева, являющийся узлом решения . Для нашего дерева существует два типа конечного узла : «играть» и «не играть» в гольф.

В результате прохождения от корня дерева (иногда называемого корневой вершиной) до его вершины решается задача классификации, т.е. выбирается один из классов — «играть» и «не играть» в гольф.

Целью построения дерева решения в нашем случае является определение значения категориальной зависимой переменной.

Итак, для нашей задачи основными элементами дерева решений являются:

Корень дерева: «Солнечно?»

Внутренний узел дерева или узел проверки : «Температура воздуха высокая?», «Идет ли дождь?»

Лист , конечный узел дерева, узел решения или вершина : «Играть», «Не играть»

Ветвь дерева (случаи ответа): «Да», «Нет».

В рассмотренном примере решается задача бинарной классификации , т.е. создается дихотомическая классификационная модель. Пример демонстрирует работу так называемых бинарных деревьев.

В узлах бинарных деревьев ветвление может вестись только в двух направлениях, т.е. существует возможность только двух ответов на поставленный вопрос («да» и «нет»).

Бинарные деревья являются самым простым, частным случаем деревьев решений. В остальных случаях, ответов и, соответственно, ветвей дерева, выходящих из его внутреннего узла , может быть больше двух.

Рассмотрим более сложный пример. База данных , на основе которой должно осуществляться прогнозирование, содержит следующие ретроспективные данные о клиентах банка, являющиеся ее атрибутами: возраст, наличие недвижимости, образование, среднемесячный доход, вернул ли клиент вовремя кредит . Задача состоит в том, чтобы на основании перечисленных выше данных (кроме последнего атрибута) определить, стоит ли выдавать кредит новому клиенту.

Как мы уже рассматривали в лекции, посвященной задаче классификации, такая задача решается в два этапа: построение классификационной модели и ее использование.

На этапе построения модели, собственно, и строится дерево классификации или создается набор неких правил . На этапе использования модели построенное дерево , или путь от его корня к одной из вершин, являющийся набором правил для конкретного клиента, используется для ответа на поставленный вопрос «Выдавать ли кредит ?»

Читать еще:  Анализ и оценка уровня организации труда

Правилом является логическая конструкция, представленная в виде «если : то :».

На рис. 9.2. приведен пример дерева классификации, с помощью которого решается задача «Выдавать ли кредит клиенту?». Она является типичной задачей классификации, и при помощи деревьев решений получают достаточно хорошие варианты ее решения.

Как мы видим, внутренние узлы дерева (возраст, наличие недвижимости, доход и образование) являются атрибутами описанной выше базы данных . Эти атрибуты называют прогнозирующими, или атрибутами расщепления (splitting attribute ). Конечные узлы дерева, или листы, именуются метками класса, являющимися значениями зависимой категориальной переменной «выдавать» или «не выдавать» кредит .

Каждая ветвь дерева, идущая от внутреннего узла , отмечена предикатом расщепления . Последний может относиться лишь к одному атрибуту расщепления данного узла. Характерная особенность предикатов расщепления : каждая запись использует уникальный путь от корня дерева только к одному узлу-решению. Объединенная информация об атрибутах расщепления и предикатах расщепления в узле называется критерием расщепления (splitting criterion ) [33].

На рис. 9.2. изображено одно из возможных деревьев решений для рассматриваемой базы данных . Например, критерий расщепления «Какое образование?», мог бы иметь два предиката расщепления и выглядеть иначе: образование «высшее» и «не высшее». Тогда дерево решений имело бы другой вид.

Таким образом, для данной задачи (как и для любой другой) может быть построено множество деревьев решений различного качества, с различной прогнозирующей точностью.

Качество построенного дерева решения весьма зависит от правильного выбора критерия расщепления . Над разработкой и усовершенствованием критериев работают многие исследователи.

Метод деревьев решений часто называют «наивным» подходом [34]. Но благодаря целому ряду преимуществ, данный метод является одним из наиболее популярных для решения задач классификации.

Анализ дерева решений

Анализ дерева решений [англ. — Decision Tree Analysis] — это метод, который описывает процесс принятия решения посредством рассмотрения альтернативных вариантов и последствий их выбора. Отображается в виде диаграммы. Этот метод используют в тех случаях, когда прогнозируемые сценарии и результаты действий, имеют вероятностный характер. В диаграмме анализа дерева решений отражаются вероятности и величины затрат, выгоды каждой логической цепи событий и будущих решений, и используется анализ ожидаемого денежного значения с целью определения относительной стоимости альтернативных действий.

Описание

Дерево решений рисуется слева на право. При формировании дерева используются четыре следующих типа графических обозначений:

  • Квадраты — места принятия решений.
  • Круги — места появления исходов.
  • Пунктирные линии — возможные решения.
  • Треугольники или прямые линии — возможные исходы.

Необходимо рассчитать ожидаемую стоимостную оценку (EMV) для каждой альтернативы — максимальную состоящую из сумм оценок выигрышей, которые необходимо умножить на вероятность реализации выигрышей, для всех возможных вариантов.

Пример

Перед руководством одной иностранной автомобильной компании стоит задча выпускать в России новую модель своего автомобиля или нет. Для этого необходимо решить, монтировать или нет на заводе новый конвейер по производству автомобиля, который сконструирован по новой технологии и отличается от уже существующих. Если новый конвейер будет работать безперебойно, то компания получит прибыль 600 млн. рублей. В противном случае, при отказе конвейера компания может потерять 470 млн. рублей. По предварительным оценкам руководства компании, существует вероятность 70%, что новый конвейер откажет. Есть предложение создать экспериментальный конвейер, а затем решить, монтировать или нет новый конвейер. Экспериментальный конвейер обойдется компании в 95 млн. рублей. Еще руководство компании считает, что существует 50% шансов, что экспериментальный конвейер будет работать нормально. Если экспериментальный конвейер будет работать, то с вероятностью 80% новый конвейер также будет работать. Если же экспериментальный конвейер откажет, то есть вероятность 40%, что новый конвейер заработает. Есть ли необходимость строить экспериментальный конвейер? Нужно ли монтировать новый конвейер? Какова ожидаемая стоимостная оценка наилучшего решения?

В узле F возможны исходы «конвейер работает» с вероятностью 0,3 (что приносит прибыль 600) и «конвейер не работает» с вероятностью 0,7 (что приносит убыток -470) следовательно оценка узла F. EMV( F) = 0,3 x 600 + 0,7 х ( -470) = -149. Это число мы пишем над узлом F.

В узле 4 мы выбираем между решением «монтируем новый конвейер» (оценка этого решения EMV( F) = -149) и решением «не монтируем новый конвейер» (оценка этого решения EMV(G) = 0): EMV(4) = max = max <-149, 0>= 0 = EMV(G). Эту оценку мы пишем над узлом 4, а решение «монтируем новый конвейер» отбрасываем и зачеркиваем.

EMV( B) = 0,8 х 600 + 0,2 х (-470) = 480 — 94 = 386.

EMV(2) = max = max <386, 0>= 386 = EMV(B). Поэтому в узле 2 отбрасываем возможное решение «не монтируем новый конвейер».

EMV(D) = 0,4 х 600 + 0,6 х (-470) = 240 — 282 = -42.

EMV(3) = max = max <-42, 0>= 0 = EMV( E). Поэтому в узле 3 отбрасываем возможное решение «монтируем новый конвейер».

ЕМV(A) = 0,5 х 386 + 0,5 х 0 — 95 = 98.

EMV(1) = max = max <98; 0>= 98 = EMV( A). Поэтому в узле 1 отбрасываем возможное решение «не монтируем экспериментальный конвейер».

Ожидаемая стоимостная оценка наилучшего решения равна 98 млн. рублей. Строим новый конвейер. Если экспериментальный конвейер работает, то монтируем новый конвейер. Если экспериментальный конвейер не работает, то новый конвейер не монтируем.

Ссылка на основную публикацию
ВсеИнструменты 220 Вольт
Adblock
detector