- •Моделювання економічного ризику
- •8.1. Теоретико-ігрова модель
- •8.1.1. Концепція теорії гри
- •8.1.2. Економічне середовище
- •8.1.3. Функціонал оцінювання
- •8.1.4. Функція ризику
- •8.1.5. Матриця ризику
- •8.1.6. Неперервний випадок
- •8.2. Інформаційна ситуація
- •8.3. Прийняття рішень в умовах ризику
- •8.4. Критерії прийняття рішень
- •8.4.1. Перша інформаційна ситуація (і1)
- •8.4.1.1. Критерій Байєса
- •8.4.1.2. Модальний критерій
- •8.4.1.3. Критерій мінімального сподіваного значення несприятливих відхилень від моди
- •8.4.1.4. Критерій мінімальної дисперсії
- •8.4.1.5. Критерій мінімальної семіваріації
- •8.4.1.6. Критерій мінімального коефіцієнта варіації
- •8.4.1.7. Критерій мінімального коефіцієнта семіваріації
- •8.4.2. Друга інформаційна ситуація (і2)
- •8.4.3. Третя інформаційна ситуація (і3)
- •8.4.3.1. Ряд пріоритетів. Перша формула Фішберна
8.4.1.4. Критерій мінімальної дисперсії
У випадку, коли + чи , оптимальне рішення задовольняє умову:
: ( ; Р) = ( ; Р),
де D–( ; Р) = ( ( ; Р))2 = — величина дисперсії для рішення xk.
Обчислення величини ; Р) можна здійснити також згідно з формулами:
.
8.4.1.5. Критерій мінімальної семіваріації
У випадку, коли + чи , оптимальне рішення задовольняє умову:
: ,
де: — величина семіваріації для рішення xk; (у випадку, коли величина семіваріації = 0); к = { } — вектор індикаторів несприятливих відхилень для рішення хk по відношенню до байєсівської оцінки В (хк; Р) (k = 1, ..., m).
Наприклад, якщо , то
kj = .
Приклад 8.6. Виходячи з умови задачі про фруктового дилера (приклад 8.2), знайти рішення, яке є оптимальним з позицій:
а) критерію мінімальної дисперсії;
Розв’язання: а) Для обчислення дисперсій скористаємося отриманими під час розв’язання прикладу 8.4 оцінками Байєса для відповідних рішень:
; 47,5; 50; 42,5; 28,75.
Тоді:
; (х1; Р) = ;
; (х2; Р) = ;
; (х3; Р) = 16,58;
(х4; Р) = 23,58;
(х5; Р) = 25,59.
Отже, згідно з критерієм мінімальної дисперсії (чи мінімального середньоквадратичного відхилення) найкращим слід вважати рішення х1, другий рейтинг має рішення х2, потім — х3.
б) Оскільки F = F+, то індикатор несприятливого відхилення kj = 1 в тому випадку, коли .
Оскільки j = 1, ..., 5, то 11 = 12 = 13 = 14 = 15 = 0, тобто для рішення х1 величина .
Для рішення х2:
21 = 1; 22 = 23 = 24 = 25 = 0; = 21 · р1 = 0,1;
.
Для рішення х3:
31 = 32 = 1; 33 = 34 = 35 = 0; = р1 + р2 = 0,3;
.
Для рішення х4:
41= 42 = 1; 43 = 44 = 45 = 0; = 0,3;
.
Для рішення х5:
51=52 = 1; 53 = 54 = 55 = 0; = 0,3;
.
Отже, згідно з критерієм мінімальної семіваріації знову найвищий рейтинг має рішення х1, другий — х2, потім — х3.-
8.4.1.6. Критерій мінімального коефіцієнта варіації
Якщо ФО має позитивний інгредієнт (F=F+), то оптимальним слід вважати рішення
де — величина коефіцієнта варіації для рішення xk.
8.4.1.7. Критерій мінімального коефіцієнта семіваріації
Якщо F=F+ , то оптимальним слід вважати рішення
де — величина коефіцієнта семіваріації для рішення xk.
Розв’язання. Якщо дилера задовольняє щоденний прибуток в 40$, то рішення х1 для нього є найкращим, оскільки воно є безризиковим ( (х1; Р) = 0).
Якщо ж щоденний прибуток в 40$ дилера не задовольняє, то перед ним виникає проблема вибору рішення, яке б враховувало в оптимальному співвідношенні як величину ризику, так і величину сподіваного прибутку.
Рішення цієї проблеми можна здійснити, зокрема, за допомогою критерію мінімального коефіцієнта варіації.
Використовуючи результати, отримані під час розв’язання прикладів 8.4 та 8.6, приходимо до оцінок:
тобто найкраще співвідношення між величиною ризику та величиною сподіваного прибутку забезпечує рішення х2, потім — х3.
Аналогічний результат отримуємо також під час використання коефіцієнта семіваріації (переконайтесь у цьому самостійно).-