Моделирование рисков инновационного проекта с использованием нейронных технологий

<p>Одной из главных проблем российской экономики является замедленность темпов инновационного развития. Особенно низкие показатели инновационной активности имеет строительная отрасль. Одной из главных причин этого являются высокие риски, сопровождающие любую инновационную деятельность (в том числе в строительстве). В связи с этим, актуальным является вопрос моделирования рисков инновационных проектов. Одним из самых распространенных методов моделирования экономических рисков любых проектов являются нейронные (нейросетевые) технологии.</p><p>Целью настоящей магистерской диссертации является моделирование рисков инновационного проекта &laquo;Промтехстрой&raquo; с использованием нейронных технологий. Объектом исследования являются риски, возникающие при реализации инновационных проектов, предметом &ndash; процесс моделирования рисков инновационных проектов с использованием нейросетевых технологий.</p><p>Чтобы достичь поставленной в магистерской диссертации цели, необходимо решить следующие задачи:</p><p>- определить сущность инновационного проекта,</p><p>- исследовать понятие и виды рисков при реализации инновационных проектов,</p><p>- изучить как можно использовать нейронные технологии для моделирования рисков инновационных проектов,</p><p>- применить данный метод для оценки рисков инновационного проекта &laquo;Промтехстрой&raquo;,</p><p>- оценить риски инновационного проекта альтернативным методом (методом Монте-Карло) и сравнить полученные результаты.</p><p>В магистерской диссертации было проведено описание технико-экономических характеристик инновационного проекта &laquo;Промтехстрой&raquo;, проведен анализ чувствительности, анализ сценариев и имитационное моделирование методом Монте-Карло. В данной работе была построена оптимальная модель нейронной сети, имеющая архитектуру [7-2-1] и 19 синаптических весов.</p><p>Результатом проведенного анализа чувствительности является следующий вывод: для того, чтобы инновационный проект &laquo;Промтехстрой&raquo; был успешным, необходимо, чтобы уровень продаж выпускаемых плит был хотя бы не менее проектного (388,3 тыс.шт., начиная со второго года реализации проекта). Далее был проведен анализ сценариев, в результате которого получили, что значение NPV&nbsp; и при &laquo;оптимистичном&raquo; сценарии (наилучшем варианте) и при &laquo;пессимистичном&raquo; (наихудшем варианте) положительно. Следовательно, исследуемый инновационный проект следует принять к реализации, он будет прибыльным. Правильность полученного ранее вывода подтвердило и имитационное моделирование методом Монте-Карло: разброс прогнозных значений NPV находился в интервале [48459,528;40508,092]. Стандартное отклонение = 877,09. Наиболее вероятное значение NPV получили равным 40483,57 тыс. руб.</p><p>При моделировании риска инновационного проекта с использованием нейронных технологий получили следующий результат: прогнозное значение NPV равно 40927 тыс.руб., что больше рассчитанного (38840 тыс.руб) и полученного с помощью метода Монте-Карло (404836,57 тыс.руб.) . &nbsp;Следует отметить, что стандартное отклонение прогнозного значения NPV, полученное с использованием нейронных технологий равно 121,8, в 7,2 раза меньше аналогичного показателя, полученного с помощью метода Монте-Карло. Ошибка обучения и тестирования нейронной сети ничтожно малы, что говорит о высоком качестве построенной модели и возможности ее дальнейшего применения для аналогичных целей.</p><p>Результатом данной магистерской диссертации является вывод о том, что аппарат нейронных сетей хорошо применим для инновационных проектов при условии наличия обучающей выборки. Таким образом, предприятия, имеющие данные о реализации прошлых инновационных проектов, могут смело использовать нейронные технологии для сокращения своих производственных рисков. Однако, несмотря на высокую точность результатов нейросетевого моделирования, не стоит забывать о том, что для принятия адекватного решения по реализации инновационного проекта, целесообразно использование обоих методов.</p>