
- •Г.В. Бабенко Математическая экономика
- •Г.В. Бабенко
- •Предисловие
- •Глава 1 посвящена вопросам финансовых вычислений - процентные вычисления, дисконтирование, расчет доходности в случае совершения операций несколько раз в году.
- •Глава 4 раскрывает подходы к расчетам, применяемым при определении параметров сделок по краткосрочному и долгосрочному страхованию жизни.
- •Введение
- •1. Финансовые вычисления
- •Проценты простые
- •1.1.1. Наращивание по простой процентной ставке
- •1.1.2 Сложные проценты
- •1.1.3 Наращивание по сложным процентам
- •1.1.4 Определение суммы по смешанным процентным ставкам
- •1.1.5 Эквивалентная ставка
- •1.1.6 Номинальная ставка
- •1.1.7 Эффективная ставка
- •1.2 Математическое дисконтирование и банковский учёт
- •1.2.1 Математическое дисконтирование
- •1.2.2 Банковский учёт или учёт векселей
- •1.3 Учёт платёжного обязательства с начислением простых процентов.
- •1.3.1 Наращение по простой процентной ставке
- •1.3.2. Дисконтирование по сложным годовым учётным ставкам
- •1.3.3 Наращение по сложным учётным ставкам
- •1.3.4 Наращение по сложной учётной ставке m раз в году.
- •Вопросы и задачи:
- •2. Наращение процентов и инфляция.
- •2.1. Консолидация платежей
- •2.2 Методы составления планов погашения обязательств
- •2.3 Обыкновенная годовая рента
- •2.4 Оценки инвестиционных проектов
- •2.4.1 Внутренняя норма окупаемости
- •2.4.2 Граничный дисконтный множитель
- •2.5 Барьерная ставка
- •Вопросы и задачи:
- •3. Риски и их измерители
- •3.1. Методы уменьшения финансового риска
- •3.2. Оптимизация портфеля ценных бумаг
- •Вопросы и задачи:
- •4. Распределение рисков в страховании
- •4.1. Актуарная математика
- •4.2 Основные вероятностные характеристики продолжительности жизни
- •4.3. Анализ моделей краткосрочного страхования жизни
- •Откуда получим, что
- •4.4 Анализ модели долгосрочного страхования
- •Вопросы и задачи
- •5. Линейное программирование
- •5.1 Основные понятия математического программирования экономических процессов
- •5.1.1 Исследование операций. Оптимальное решение.
- •5.1.2 Классификация оптимизационных методов и моделей
- •5.1.3 Основные понятия и этапы построения оптимизационных моделей
- •5.1.4 Примеры задач линейного программирования
- •5.1.5 Общая постановка задачи линейного программирования
- •5.1.6 Теоретические основы методов линейного программирования. Выпуклые множества точек
- •5.2 Геометрический метод решения задач линейного программирования
- •5.2.1 Свойства задачи линейного программирования
- •5.2.2Геометрическое изображение системы ограничений.
- •5.3 Симплексный метод
- •5.3.1 Геометрическая интерпретация симплексного метода
- •5.3.2 Аналитические методы поиска оптимального решения
- •5.3.3. Симплексные таблицы
- •5.3.4 Метод искусственного базиса
- •5.4 Двойственные задачи
- •5.4.1 Экономическая интерпретация двойственной задачи
- •5.4.2 Взаимно двойственные задачи линейного программирования и их свойства
- •5.4.3 Первая теорема двойственности
- •5.4.4 Вторая теорема двойственности
- •5.5 Транспортная задача.
- •5.5.1. Экономико-математическая модель транспортной задачи.
- •5.5.2 Нахождение первоначального базисного распределения поставок
- •5.5.3. Поиск оптимального решения методом потенциалов.
- •5.6. Открытая модель транспортной задачи.
- •Вопросы и задачи:
- •6. Управление запасами
- •6.1 Модели управления запасами в экономике
- •6.2 Управление запасами при случайном спросе и задержке в поставках
- •Вопросы и задачи.
- •Заключение
- •Библиографический список
5.3.2 Аналитические методы поиска оптимального решения
Рассмотрим две разновидности симплексного метода: симплекс-метод с естественным базисом и симплекс-метод с искусственным базисом (или М-метод).
Симплекс-метод с естественным базисом. Для использования симплексного метода задача линейного программирования должна быть приведена к каноническому виду, т.е. система ограничений должна быть представлена в виде уравнений, причем матрица системы уравнений должна содержать единичную подматрицу размерностью m х m. В этом случае очевиден начальный опорный план (неотрицательное базисное решение).
Для определенности предположим, что первые m векторов матрицы системы составляют единичную матрицу. Тогда очевиден первоначальный опорный план: (b1, b2, …, bm, 0, …, 0).
Проверка на оптимальность опорного плана проходит с помощью критерия оптимальности, переход к другому опорному плану - с помощью преобразований Жордана-Гаусса и с использованием критерия оптимальности. Полученный опорный план снова проверяется на оптимальность и т.д. Процесс заканчивается за конечное число шагов, причем на последнем шаге либо выявляется неразрешимость задачи (конечного оптимума нет), либо получаются оптимальный опорный план и соответствующее ему оптимальное значение целевой функции.
Признак оптимальности заключается в следующих двух теоремах.
Теорема 3.1. Если для некоторого вектора, не входящего в базис, выполняется условие
где
то можно получить новый опорный план, для которого значение целевой функции будет больше исходного; при этом могут быть два случая:
а) если все координаты вектора, подлежащего вводу в базис, неположительны, то задача линейного программирования не имеет решения;
б) если имеется хотя бы одна положительная координата у вектора, подлежащего вводу в базис, то можно получить новый опорный план.
Теорема 3.2. Если для всех векторов выполняется условие
то полученный план является оптимальным.
На основании признака оптимальности в базис вводится вектор А k, давший минимальную отрицательную величину симплекс-разности:
Чтобы выполнялось условие неотрицательности значений опорного плана, выводится из базиса вектор А г , который дает минимальное положительное отношение
Строка А г называется направляющей, столбец А г и элемент а гк –направляющими (последний называют также разрешающим элементом).
Элементы вводимой строки, соответствующей направляющей строке, в новой симплекс-таблице вычисляются по формуле
а элементы любой другой i-й строки пересчитываются по формулам:
Значения базисных переменных нового опорного плана (показатели графы "план") рассчитываются по формулам:
для
для
Если наименьшее значение Q достигается для нескольких базисных векторов, то чтобы исключить возможность зацикливания (повторения базиса), можно применить следующий способ.
Вычисляются частные, полученные от деления всех элементов строк, давших одинаковое минимальное значение Q, на свои направляющие элементы. Полученные частные сопоставляются по столбцам слева направо, при этом учитываются и нулевые, и отрицательные значения. В процессе просмотра отбрасываются строки, в которых имеются большие отношения, и из базиса выводится вектор, соответствующий строке, в которой раньше обнаружится меньшее частное.
Для использования приведенной выше процедуры симплекс-метода к минимизации линейной формы F следует искать максимум функции F,= -F, затем полученный максимум взять с противоположным знаком. Это и будет искомый минимум исходной задачи линейного программирования.