Вы находитесь на странице: 1из 205

Вестник ПГТУ.

Прикладная математика и механика, 2010

Федеральное агентство по образованию


Государственное образовательное учреждение
высшего профессионального образования
«Пермский государственный технический университет»

ВЕСТНИК ПГТУ

ПРИКЛАДНАЯ МАТЕМАТИКА
И МЕХАНИКА

№ 15

Издательство
Пермского государственного технического университета
2010
3
Вестник ПГТУ. Прикладная математика и механика, 2010

УДК 51
В38

Представлены результаты научных исследований преподавателей, со-


трудников и аспирантов кафедры прикладной математики ПГТУ. Часть работ
выполнена совместно со студентами ПГТУ специальности «Математические
методы и компьютерные технологии в экономике».
Предназначено для студентов старших курсов, аспирантов и научных
работников.

Редакционная коллегия: д-р физ.-мат. наук, проф. А.Р. Абдуллаев; д-р физ.-
мат. наук, проф. Н.В. Азбелев; д-р техн. наук, проф. В.П. Первадчук; д-р
техн. наук, проф. Н.А. Труфанов; д-р физ.-мат. наук, проф. В.П. Максимов; д-р
физ.-мат. наук, проф. И.Н. Шардаков; д-р физ.-мат. наук, доц. М.А. Севодин

Ответственные за выпуск: д-р физ.-мат. наук, проф. А.Р. Абдуллаев; д-р


техн. наук, проф. В.П. Первадчук; А.И. Граничникова

УДК 51

ISBN 978-5-398-00342-0 ©ГОУ ВПО «Пермский государственный


технический университет», 2010

4
Вестник ПГТУ. Прикладная математика и механика, 2010

УДК 658.512

И.П.МОСКАЛЕНКО, М.А.СЕВОДИН
Пермский государственный технический университет

О ПОСТРОЕНИИ ОБОБЩЕННОГО ПОКАЗАТЕЛЯ ФИ-


НАНСОВОЙ ДЕЯТЕЛЬНОСТИ ПРЕДПРИЯТИЯ

Исследован общий порядок построения обобщенного показателя фи-


нансовой деятельности предприятия. Рассмотрен критерий адекватности мо-
дели исходным данным. Приведен пример построения модели обобщенного
показателя.

В данной работе исследуются зависимости между показателями,


характеризующими определенную сферу деятельности финансовых
институтов. При этом ставится задача построения сводного показателя,
на основе которого можно было бы дать оценку этой деятельности,
сделать выводы об «успешности», «правильности» их функционирова-
ния. Обсуждение вышеназванных вопросов в статье проводится парал-
лельно с рассмотрением примера – построение модели обобщенного
показателя на основе показателей поступления собственных денежных
средств в местные бюджеты трех субъектов РФ: Республики Татар-
стан, Свердловской области, Пермского края.
Рассмотрим следующие пять показателей:
«Налоги на прибыль, доходы»  этот показатель говорит о том,
сколько поступило средств в бюджет при облагании налогами на дохо-
ды физических лиц и прибыль организаций.
«Налоги на имущество»  налоги на имущество физических лиц,
организаций, игорный налог, земельный налог, транспортный налог,
налог на наследование и дарение.
«Государственная пошлина и сборы»  пошлина за совершение
нотариальных действий по делам, рассматриваемым в арбитражных,
конституционных судах, совершение действий, связанных с получени-
ем гражданства Российской Федерации.
«Доходы от оказания платных услуг и компенсации затрат госу-
дарства»  консульские сборы, лицензионные сборы, плата за предос-
тавление информации, сборы на выдачу лицензий и право на произ-
водство и оборот акцизных товаров.
«Штрафы, санкции, возмещение ущерба»  штрафы за наруше-
ние законодательства, таможенного дела, нарушение обязательных
требований государственных стандартов.
5
Вестник ПГТУ. Прикладная математика и механика, 2010

Эти показатели характеризуют поступление средств в местный


бюджет субъекта РФ. Каждый из показателей был взят за 41 месяц, на-
чиная с октября 2005 года и заканчивая мартом 2009.
Идея построения сводного показателя базируется на методах
факторного анализа и основывается на том, что частные показатели
являются внешним выражением некоторой реально существующей, но
неизмеримой величины. В этом случае колебания показателей обу-
словлены в основном вариацией обобщенного показателя. Поэтому
между частным и обобщенным показателем будет иметь место сильная
корреляция.
Математически это выглядит так:
xi  li f  ei , i  1, n ,
где x i  частный показатель; f  обобщенный показатель;
l i  нагрузка (вес) обобщенного показателя f на частный показатель
x i ; e i  остаток (характерный показатель), определяющий ту часть по-
казателя x i , изменение которой вызвано действием случайной величи-
ны.
При этом можно выразить обобщенный показатель через линей-
ную комбинацию частных показателей с весами ai [1]:
f  a1 x1  a2 x2  ...  an xn .
Рассмотрим алгоритм построения обобщенного показателя.
Сначала определяются значения нагрузок li . Они дают основные
оценки для численных значений обобщенного показателя каждого мо-
мента времени t. Далее будет установлено, что li являются коэффици-
ентами корреляции между xi и f
li  rxi f .
Теперь необходимо определить адекватность модели исходным
данным, т.е. проверить, можно ли взятые показатели выразить одним
генеральным фактором. Для этого используется критерий триад
Спирмена, который представим в виде выполнения следующих ра-
венств:
r12 r13 r12 r14 r r r r r1, n 1r1, n
  ...  12 1n  13 14  ,
r23 r24 r2n r34 rn 1, n
где rij  коэффициенты корреляции между двумя показателями [2].

6
Вестник ПГТУ. Прикладная математика и механика, 2010

Значения, полученные в результате расчетов (табл.1),


Таблица 1

r12 r13 r12 r14 r12 r15 r13 r14 r13 r15 r14 r15
Субъект РФ
r23 r24 r25 r24 r35 r45
Пермский край 1,00(33) 1,00(41) 0,99(94) 1,00(21) 1,00(11) 0,99(71)
Свердловская
0,99(27) 0,98(11) 1,01(81) 1,00(64) 1,02(20) 0,98(45)
область
Республика
1,00(01) 0,98(51) 1,02(27) 1,00(64) 0,99(71) 0,98(81)
Татарстан

говорят нам о том, что для каждого из выбранных субъектов существу-


ет взаимосвязь между 5 показателями, которую можно использовать
для построения модели сводного индекса.
Значения обобщенного показателя можно найти, используя рег-
рессионный метод, предложенный Томсоном. Суть этого метода за-
ключается в том, что оценки значения фактора определяются из сле-
дующей системы уравнений [3]:
a1  r12 a2  ...  r1n an  rx1 f ,

r21a1  a2  ...  r2 n an  rx2 f ,

...
r a  r a  ...  a  r f .
 n1 1 n 2 1 n xn

Коэффициенты a i модели находим в соответствии с методом


наименьших квадратов.
Рассчитанные значения коэффициентов представлены в табл. 2.
Таблица 2

Доходы от ока-
Налоги Государ- зания платных Штрафы,
Налоги
на при- ственная услуг и ком- санкции,
на иму-
быль, пошлина, пенсации за- возмещение
щество
доходы сборы трат государ- ущерба
ства
Пермский край 1,881 -0,029 -0,823 -0,116 0,014
Свердловская
0,792 -0,046 0,257 0,092 -0,102
область
Республика
2,696 -0,525 -1,784 0,008 0,307
Татарстан

7
Вестник ПГТУ. Прикладная математика и механика, 2010

Таким образом, построенные модели обобщенного показателя


выглядят следующим образом (табл.3).
Таблица 3

Модель
Пермский край f  1, 881x1  0, 029 x2  0, 823x3  0,116 x4  0, 014 x5
Свердловская об-
f  0, 792 x1  0, 046 x2  0, 257 x3  0, 092 x4  0,102 x5
ласть
Республика Татар-
f  2, 696 x1  0, 525 x2  1, 784 x3  0, 008 x4  0, 307 x5
стан

Обобщенный показатель можно назвать «Индекс собственных


доходов местного бюджета субъекта РФ».
Мерой качества оценки обобщенного показателя может служить
коэффициент детерминации.
Вычисленные значения коэффициента для трех моделей:

Коэффициент детерминации
Пермский край 0,740959206
Свердловская область 0,79537838
Республика Татарстан 0,739201942

Можно сказать, что модель обобщенного показателя для Перм-


ского края учитывает 74 % изменчивости показателей, и лишь 26 %
остаются необъясненными уравнениями регрессии, для Свердловской
области соответственно 79,5 % и 20,5 %, и лишь для Республики Та-
тарстан этот показатель имеет значения 74 % и 26 %, но все равно име-
ет достаточно высокое значение для принятия модели.
При составлении модели были определены значения нагрузок ча-
стных показателей на сводный показатель и получены следующие ре-
зультаты (табл.4).
Таблица 4

Доходы от
Штрафы,
Налоги Налоги Государ- оказания
санкции,
на при- на ственная платных услуг
возмеще-
быль, имуще- пошлина, и компенсации
ние ущер-
доходы ство сборы затрат госу-
ба
дарства
Пермский край 0,921 0,34 0,877 0,34 0,953
Свердловская
0,999 0,666 0,97 0,886 0,764
область
Республика
0,953 0,288 0,732 0,169 0,949
Татарстан

8
Вестник ПГТУ. Прикладная математика и механика, 2010

Таким образом, анализируя значения нагрузок для каждой из мо-


делей, можно сказать, что для экономики Пермского края и Республи-
ки Татарстан наибольшее значения имеют три показателя, это «Налоги
на прибыль, доходы», «Государственная пошлина и сборы» и «Штра-
фы, санкции, возмещение ущерба». Соответственно, можно сделать
вывод о том, что улучшение (увеличение притока денежных средств)
значений по этим показателям будет наиболее продуктивным, т.е. бу-
дет иметь большее влияние на обобщенный показатель. Что же касает-
ся Свердловской области, то можно утверждать, что все показатели
оказывают значимое влияние на сводный, а это значит, что элементы
модели имеют достаточно высокую связь, которая подтверждается вы-
численным коэффициентом детерминации, равным 0,79537838.
В соответствии с построенными моделями и исходными данны-
ми, были рассчитаны обобщенные показатели для трех регионов, срав-
нение сводных индексов которых представлены на рисунке:
Сравнение регионов

1,0E+11

1,0E+10

1,0E+09

1,0E+08
ап 06

ап 07

ап 08

09
ав 06

ав 07

ав 08
ию 06

ию 07

ию 08
де 05

ок 06

де 06

ок 07

де 07

ок 08

де 08
ф 05

ф 06

ф 07

ф 08
20

20

20

20
20

20

20
20

20

20
20

20

20

20

20

20

20
20

20

20

20
ев

ев

ев

ев
н

н
т

т
р

р
г

г
к

к
ок

Пермский край
Свердловская обасть
Республика Татарстан

Рис. Сравнение регионов

Следовательно, можно сделать вывод о том, что наиболее успеш-


ным из трех регионов является Республика Татарстан, в то время как
Пермский край и Свердловская область отстают по поступлению
средств в местные бюджеты.
В процессе исследования были построены модели сводных пока-
зателей, на основе данных представленных с октября 2005 по март
2009 года, по трем субъектам РФ: Пермский край, Свердловская об-
ласть, Республика Татарстан. Был проведен сравнительный анализ дея-
тельности доходной сферы местных бюджетов субъектов, который по-
казал, что наиболее успешным регионом оказалась Республика Татар-
стан.
Таким образом, мы рассмотрели алгоритм создания и вычисления
математической модели обобщенного показателя, на основе которого
9
Вестник ПГТУ. Прикладная математика и механика, 2010

можно было бы выявить наиболее и наименее влияющие факторы, а


также дать оценку деятельности финансового института, экономиче-
ские характеристики деятельности которого были бы составляющими
модели.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Иберла К. Факторный анализ / пер. с нем. В.М. Ивано-


вой; предисл. А.М. Дуброва. – М.: Статистика, 1980. – 398 с.
2. Харман Г. Современный факторный анализ. – М.: Стати-
стика, 1972. – 243 с.
3. Дрейпер Н.Р., Смит Г. Прикладной регрессионный ана-
лиз. – М.: Вильямс, Диалектика, 2007. – 912 с.

УДК 658.155

М.А. СЕВОДИН, Е.С. СМИРНОВА


Пермский государственный технический университет

О РОЛИ СПЕКУЛЯЦИЙ В УСТАНОВЛЕНИИ РАВНОВЕС-


НОЙ ЦЕНЫ

Рассмотрена «паутинообразная» модель баланса спроса и предложения.


Показано, что в некоторых случаях появление спекуляций на рынке неустой-
чивую ситуацию переводит в устойчивую.

Для выяснения роли спекулятивных преимуществ присутствия


спекулянтов на рынке в механизме установления равновесной цены
обсудим сначала рынок одного товара и действующих на нем произво-
дителя и потребителя. Товар будем считать бесконечно дробимым и
однородным, а вкусы потребителя и удельные издержки на производ-
ство единицы товара постоянными. Предположим, что зависимость
спроса D на товар от цены p за единицу этого товара является убы-
вающей функцией D(p), а поступление товара на рынок характеризует-
ся возрастающей функцией предложения S(p). Для простоты рассуж-
дений условимся считать, что S(p)=0, 0≤ p ≤ pmin и D(p)=0, p ≥ pmax.
Таким образом, мы предполагаем, что, если цена на товар выше
некоторого значения pmax, то спрос на товар полностью исчезает. Кро-
10
Вестник ПГТУ. Прикладная математика и механика, 2010

ме того, если цены не достигли некоторого уровня pmin (можно счи-


тать, что цена pmin совпадает с удельными издержками на производст-
во единицы товара), то товар не продается.
Состояние равновесия характеризуется равенством спроса и
предложения

D( p )  S ( p) , (1)

причем в силу сделанных предположений уравнение (1) имеет единст-


венное решение po , pmin ≤ po ≤ pmax . При этом po обычно называется
равновесной ценой.
«Паутинообразная» модель [1], [2] заключается в реализации
процесса «нащупывания» равновесной цены. Использование этой мо-
дели требует введения дискретного времени t (t = 0,1,…) и дополни-
тельных предположений относительно рынка:
а) объем товара, поступающего на рынок в момент t, определяет-
ся ценой товара в момент (t1);
б) весь поставленный на рынок товар покупается, запасы товара
невозможны.
При этих требованиях справедливо рекуррентное соотношение

D( pt )  S ( pt 1) , (2)

которое задает последовательность значений цен (pt), t = 0,1,…, в


моменты времени t, определяющие процесс «нащупывания». Если по-
следовательность (pt) сходится к po, то на рынке с течением времени
устанавливается равновесная цена po. В случае, когда последователь-
ность не сходится к po, считают положение на рынке неустойчивым.
Положим

pt  p o
 . (3)
p o  pt 1
Если для каждого t имеем λ<1, то последовательность (pt) оче-
видно сходится к po. В противном случае сходимости нет.
Геометрически сказанное иллюстрирует рисунок.

11
Вестник ПГТУ. Прикладная математика и механика, 2010

D(p) S(p)

pmin pt po pt+1 pt1 p

Рис. Скручивающаяся паутина

Изображенная на рисунке последовательность горизонтальных и


вертикальных стрелок называется «паутиной». В данном случае мы
видим «скручивающуюся паутину», т.е. последовательность (pt) схо-
дится к po.
На рисунке функция D(p) выпуклая, а функция S(p) – вогнутая.
Если бы S(p) была выпуклой функцией, то описанный процесс был бы
расходящимся [1].
Случай, когда функции спроса и предложения являются линей-
ными, т.е. и выпуклыми и вогнутыми одновременно, детально изучен в
работе [3]. Если положить

 A( pmax  p), 0  p  pmax ,


D( pt )  
0, p  pmax ,
 0, p  pmin ,
S ( p)  
 B( p  pmin ), p  p,

то тогда по (3) получим λ=B/A. Здесь коэффициенты A и B считаются


положительными. Таким образом, в линейном случае процесс может
быть и сходящимся (B<A) и расходящимся (B≥A). В последнем случае,
как показано в [3], ситуацию в положительную сторону может изме-
нить присутствие на рынке еще одного участника – спекулянта, кото-
рый при понижении цены закупает Δ единиц товара (в [3] взято
Δ=γS(pt1)), т.е. выступает в роли дополнительного потребителя, и поз-
же продает эти Δ единиц, выступая уже в роли поставщика. Предпола-
гается, что эти функции может выполнять и сам производитель путем

12
Вестник ПГТУ. Прикладная математика и механика, 2010

организации временного складирования части товара. Поэтому вместо


равенства (2) требуется выполнение соотношений

D( pt )    S ( pt 1 ), pt 1  pо , (4)
D( pt 1 )    S ( pt ), pt  p .о
(5)

Цель данной статьи – установить перечисленные выше эффекты в


случае, когда спекулянт выбирает значение Δ в другом, отличном от
предложенного в [3], виде. Будем считать, что с некоторым γ, 0≤γ≤1
выполняется равенство

  γ(S ( pt 1 )  D( pt 1 )) . (6)

Такое определение авторам кажется более естественным: закупки


и продажи пропорциональны разности между предложением и спро-
сом. Более того, это позволит расширить область параметров, в кото-
рой полученные выводы будут справедливы.
Найдем γ, при которых цены на рынке будут стремиться к равно-
весным. Разумеется, что действия спекулянта считаются здесь соответ-
ствующими формулам (4), (5).
Прежде всего заметим, что в силу (1) выполняется следующее ра-
венство

S ( pt 1 )  D( pt 1 )  ( A  B) pt 1  Bpmin  Apmax  ( A  B)( pt 1  p o ) (7)

Теперь, пусть в момент t1 справедливо неравенство pt 1  p о ,


тогда согласно неравенству pt  pо , вытекающему из (1), в следую-
щий момент времени t происходит снижение цены. Спекулянт, ориен-
тируясь на это снижение, закупает товар в объеме Δ. Эти рассуждения
приводят к справедливости соотношения (4), что позволяет сравнить
расстояния от pt до po и от po до pt1. Имеем

p o  pt p o  pt S ( p o )  S ( pt 1 )   B p o  pt 
   
pt 1  p o
D( p )  D( pt )
o
pt 1  p o
A D( p )  D( pt ) pt 1  p o
o

 1   ( S ( pt 1 )  D( pt 1 )) A B (8)
          (1   ) .
 A pt 1  p o
A

13
Вестник ПГТУ. Прикладная математика и механика, 2010

Здесь мы использовали соотношения (4), (6), (7).


Таким образом, для того, чтобы выполнялись нужные нам усло-
вия pt  pо и pо  pt  pt 1  pо , мы должны потребовать

0    (1  )  1 .

Очевидно, что последние неравенства равносильны неравенствам


 1 
 . (9)
1  1 

Переход от pt к pt+1 обосновывается аналогично. Справедливыми


при этом оказываются соотношения (5), (6), (7), (8), используя которые
получим

pt 1  p o pt 1  p o S ( pt )    S ( p o ) B  1  
    o 
p o  pt D( pt 1 )  D( p o ) p o  pt A  A  p  pt
 pt 1  p o 1  ( S ( pt  )  D( pt 1 )) pt 1  p o
  
A( pt 1  p o ) p o  pt A pt 1  p o p o  pt
A B 1  2  (1  ) 2 
   .
A   (1  )    (1  ) 

Итак, неравенства pt 1  p о и pо  pt 1  pt  pо имеют место, ес-


ли

2  (1  ) 2 
0  1.
  (1  ) 

Так как мы можем считать, согласно (9), положительным значе-


ние   (1  ) , то последние неравенства равносильны соотношениям

 1 2
 . (10)
1  (1   ) 2

При любых λ, λ>0, очевидно имеет место

14
Вестник ПГТУ. Прикладная математика и механика, 2010

2 
 ,
(1  ) 2 1 

и поэтому (9), (10) справедливы, если

 1 2
 . (11)
1  (1   ) 2

Итак, если γ из (6) удовлетворяет соотношениям (11), то


pt  po  pt 1  pt 1 и «паутина» скручивается, т.е. цены товара на рын-
ке приближаются к равновесной цене.
Конечно, здесь еще что-то должно заставлять спекулянта дейст-
вовать так, чтобы в конечном итоге число γ оказалось в интервале из
(11). Мотивацией таких действий оказывается (см. [3]) максимизация
спекулянтом своей прибыли, которую мы обозначим через π(γ). Сама
прибыль, очевидно, равна

(  )  ( pt 1  pt ) .

Для нахождения максимального значения прибыли выполним


следующие преобразования
p о  pt  pt 1  p о 
(  )   ( pt 1  pt )   ( pt 1  p ) o
о 
 1 
pt 1  p  p  pt
о

  2  (1   ) 2  
  ( A  B )( pt 1  p o ) 2 (  (1   )  )   1 
   (1   )  
  ( A  B )( pt 1  p ) (  1)(  (2   )  ).
o 2

Таким образом, прибыль π(γ) как функция аргумента γ оказыва-


ется параболой с ветвями, направленными вниз. Поэтому максималь-
ное значение π(γ) достигается в точке

γо  .
2(2  )

Нам остается заметить, что γо окажется в нужном нам интервале


(11), если   (0; (1  17 ) / 2) , что лучше, чем в работе [3].

15
Вестник ПГТУ. Прикладная математика и механика, 2010

Итак, мы обосновали следующее утверждение. Пусть на рынке с


  (0; (1  17 ) / 2) в момент (t1) цена товара pt1 оказалась выше рав-
новесной. Тогда закупка спекулянтом в момент t товара объемом Δ из
(6) с целями продажи этой партии в момент (t+1) по цене pt+1 и макси-
мизации своей прибыли при этой операции обеспечивает приближение
по сравнению ценой с pt1 цены pt+1 к равновесной цене pо.
В заключение отметим следующее. В проведенных рассуждениях
мы нигде не пользовались условием λ≥1, при котором положение на
рынке неустойчиво. Поэтому при λ<1 естественно ожидать, что появ-
ление спекулянта на рынке тоже окажется полезным в том смысле, что
приближение к равновесным ценам окажется более быстрым. Это дей-
ствительно так, что следует из приведенных ниже формул.
При наличии спекулянта мы имеем
pt 1  p o p o  pt
pt 1  p  o
o
( pt 1  p o )  ( 2  (1  )2  )( pt 1  p o ) ,
p  pt pt 1  p o

а в случае отсутствия спекулянта на рынке


pt 1  po  2 ( pt 1  po ) ,
т.е. разность pt 1  po в первом случае меньше, чем во втором.
Работа выполнена при частичной финансовой поддержке Россий-
ского фонда фундаментальных исследований (№ 08-01-00-163).

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Калемаев В.А. Математическая экономика: учебник для вузов.


– М.: ЮНИТИ, 1998. – 240 с.
2. Самуэльсон П. Экономика. Т.2. М.: НПО АЛГОН ВНИИСИ,
1993.
3. Стронгин Р.Г. Исследование операций. Модели экономическо-
го поведения: учеб. – М.: Интернет-Университет Информационных
Технологий; БИНОМ. Лаборатория знаний, 2007. – 207 с.

16
Вестник ПГТУ. Прикладная математика и механика, 2010

УДК 519.237.8

Т.Ф. ПЕПЕЛЯЕВА, С.В. ИВАНКИНА


Пермский государственный технический университет

ФИНАНСОВОЕ ПЛАНИРОВАНИЕ КОММЕРЧЕСКОГО


БАНКА

Исследована система финансового планирования коммерческого банка.


С помощью многофакторной корреляционно-регрессионной модели исследо-
вано планирование прибыли в зависимости от структуры активов и пассивов.
Модель планирования прибыли дополнена ограничениями, обеспечивающи-
ми устойчивость и эффективность работы банка. Предложен механизм про-
гнозирования основных статей баланса и прогнозного отчета о прибылях и
убытках.

Для коммерческого банка, как и любого другого предприятия,


вопрос финансового планирования не менее актуален. Кроме того,
особенность его работы как учреждения, основывающего свою дея-
тельность на использовании средств клиентов, диктует необходимость
постановки эффективной системы финансового планирования.
Различают три группы методов планирования: методы эксперт-
ных оценок, детерминированные и стохастические методы (рис. 1)[1].

Рис. 1. Классификация методов прогнозирования финансового состояния


предприятия и финансового планирования

Планирование осуществляется по четырем основным направле-


ниям: рынок вкладов, рынок средств юридических лиц, рынок креди-
тования населения и рынок кредитования юридических лиц [2,3]. Ана-
17
Вестник ПГТУ. Прикладная математика и механика, 2010

лиз существующей системы планирования в Западно-Уральском банке


Сбербанка РФ выявил отсутствие разработанного механизма примене-
ния математического аппарата для планирования и прогнозирования,
который позволяет использовать значительно большее количество
информации, производить многовариантные решения, получать более
достоверные и устойчивые результаты. Кроме того, в Западно-
Уральском банке Сбербанка РФ отсутствует практика финансового
планирования на срок более одного года, что делает невозможной
оценку развития коммерческого банка в долгосрочной перспективе
и не соответствует требованиям современного стратегического управ-
ления коммерческим банком.
Как известно, прибыль банка находится в зависимости от струк-
туры его активов и пассивов. Задача определения меры влияния факто-
ров на конечный результат  прибыль коммерческого банка  может
быть решена с помощью многофакторных корреляционно-
регрессионных моделей. Известно, что корреляционно-регрессионный
анализ дает возможность количественно выразить влияние отобранных
факторов на результативный показатель. Кроме того, зная уравнение
множественной регрессии и задаваясь определенными значениями
факторов, можно предсказать значение функции и, следовательно,
управлять анализируемым показателем. Более того, эти модели позво-
ляют оценить работу банков с точки зрения их финансовых возможно-
стей [4,5].
В работе проведен многофакторный анализ прибыльности банка.
Исходными данными при построении трендов являлась отчетность За-
падно-Уральского банка Сбербанка РФ, бухгалтерский баланс и отчет
о прибылях и убытках (ОПиУ) за последние 5 лет.
Для отбора наиболее значимых факторных признаков была по-
строена матрица парных коэффициентов корреляции (табл.1). Ее ана-
лиз показал, что между факторными признаками существует сильная
зависимость.
Таблица 1
Матрица парных коэффициентов корреляции

Работающие Неработающие Средства Средства


Прибыль юридических физических
активы активы
лиц лиц
1 2 3 4 5 6
Прибыль 1,000 0,827 0,802 0,783 0,880

Работающие
0,827 1,000 0,958 0,987 0,970
активы

18
Вестник ПГТУ. Прикладная математика и механика, 2010

1 2 3 4 5 6
Неработающие
0,802 0,958 1,000 0,942 0,951
активы

Средства юри-
0,783 0.987 0,942 1,000 0,935
дических лиц

Средства фи-
0,880 0,970 0,951 0,935 1,000
зических лиц

В результате обработки данных корреляционно-


регрессионного анализа получены статистические характеристики,
представленные в табл. 2.
Таблица 2
Статистические характеристики

Среднее зна- Парная корреляция Коэффициент регрес-


Переменные
чение ХиY сии
Работающие акти-
117 978 016 0,827 -0,000730956
вы
Неработающие
12 843 081 0,802 -0,021079156
активы
Средства юриди-
30 569 991 0,783 -0,004437205
ческих лиц
Средства физиче-
64 093 204 0,880 0,03096647
ских лиц
Прибыль 1 225 114  

Исходя из проведенного анализа получено уравнение многофак-


торной связи прибыли в виде

Y1,2,3,4  267022,8115  0,000730956  x1  0,021079156  x2 
 0,004437205  x3  0,03096647  x4 ,

где Y1, 2,3, 4  теоретическое значение прибыли, x1  работающие акти-
вы, x 2  неработающие активы, x3  средства юридических лиц, x 4 
средства физических лиц.
Коэффициент детерминации R 2 = 0,8 свидетельствует о том,
что прибыль на 80 % зависит от указанных факторов и только на 20 %
от других факторов, не включенных в модель. Величина средней

19
Вестник ПГТУ. Прикладная математика и механика, 2010

ошибки аппроксимации составила 12 %. Графическое отображение ап-


проксимации представлено на рис. 2.

Рис. 2. Аппроксимация с помощью линейной регрессионной модели

Проверка адекватности всей модели осуществлялась с использо-


ванием F-критерия Фишера. Фактическое значение критерия больше
табличного Fфакт > Fтабл (14,27 > 3,06), что свидетельствует о статисти-
ческой значимости уравнения регрессии в целом.
Определение значимости коэффициентов регрессии осуществля-
лось с помощью t-критерия Стьюдента:

tфакт  Fфакт  14, 2679  3,777.

Актуальной проблемой начала 2008 г. стала нестабильность


финансовых рынков, что заставляет обратить внимание на значение и
инструментарий риск-менеджмента кредитных организаций [3,6].
Функции риск-менеджмента (планирование и риск-контроллинг)
и особенности применения оптимального управления ресурсами могут
быть прокомментированы на основе схемы, представленной на рис. 3.

20
Вестник ПГТУ. Прикладная математика и механика, 2010

Рис. 3. Взаимодействие систем планирования и риск-контроллинга

Главной задачей риск-контроллинга является формирование сис-


темы ограничений в отношении основных банковских рисков. Основ-
ная цель  построение структуры активов и пассивов, способствующей
увеличению прибыли с учетом возможностей банка, а также ограниче-
ний, обеспечивающих устойчивость и определенные показатели эф-
фективности.
Исходя из перечня факторов, учитываемых в регрессионной мо-
дели планирования прибыли, и имеющихся исходных данных предла-
гается заложить в модель следующие ограничения:
 коэффициент работоспособности активов на уровне 0,91;
 коэффициент клиентской базы на уровне от 0,5 до 0,7;
 коэффициент эффективного использования привлеченных
ресурсов более 0,9;
 рентабельность работающих активов более 4 %.
Таким образом, модель принимает вид:

21
Вестник ПГТУ. Прикладная математика и механика, 2010

Yˆ1,2 ,3 ,4  267022,8115  0,000730956  x1  0,021079156  x2 


0,004437205  x3  0,03096647  x4   max
43244188,94  e0.08(t-1)  x1  43244188,94  e0.08t
897904,01  (t  1) + 3415089,03  x2  897904,01  t + 3415089,03
2741127,51  (t  1) + 1788152,13  x3  2741127,51  t +1788152,13
3676774,55  (t  1) + 25487071,55  x4  3676774,55  t + 25487071,55
x1
0,8   0,92
x1  x2
x3  x4
0,5   0,7
x1  x2

x1
 0,9
x3  x4
Yˆ1,2 ,3 ,4
 0,04.
x1

В работе спланирована величина прибыли Западно-Уральского


банка Сбербанка России на 20092013 гг. с помощью полученного
уравнения регрессии

Yˆ1,2,3,4  267022,8115  0,000730956  x1  0,021079156  x2 


 0,004437205  x3  0,03096647  x4

при значениях переменных x1 , x 2 , x3 , x 4 , ожидаемых в прогнозный пе-


риод. Таким образом, планирование начинается с прогноза структуры
активов и пассивов баланса.
Графическое отображение полученных в работе линий тренда, а
также функции и коэффициент детерминации представлены на рис.
48.

22
Вестник ПГТУ. Прикладная математика и механика, 2010

Работающие активы
Работающие активы 0,08 x y  10172005, 5 x  11171958, 23
y  43244188, 94  e
2
2 R  0, 88
R  0, 98

Время (квартал) Время (квартал)

Рис. 4. Регрессионная модель зависимости размера работающих акти-


вов от времени
Неработающие активы

y  897904,01x  3415089,03
2
R  0,82

Время (квартал)

Рис.5. Регрессионная модель, описывающая изменение неработающих


активов

23
Вестник ПГТУ. Прикладная математика и механика, 2010

Счета до востребования
y  2741127,51x  1788152,13
2
R  0,80

Время (квартал)
Рис. 6. Регрессионная модель зависимости размера средств юридических
лиц от времени
Срочные счета

y  3676774,55 x  25487071,55
2
R  0,97

Время (квартал)
Рис.7. Регрессионная модель зависимости размера средств физических
лиц от времени
Доход

0,07 x
y  1989640,63 x  е
2
R  0,90

Время (квартал)
Рис. 8. Фактические и оценочные значения дохода

24
Вестник ПГТУ. Прикладная математика и механика, 2010

Таким образом, был определен механизм прогнозирования всех


статей баланса и отчета о прибылях и убытках. Результатом работы
является составление прогнозного баланса и прогнозного отчета о при-
былях и убытках Западно-Уральского банка Сбербанка России на
20092013 гг.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Методы прогнозирования финансового состояния органи-


зации.  URL: www.in4business.ru
2. Смирнов А.В. Анализ финансовой отчетности коммерческих
банков.  URL: www.cfin.ru
3. Волошин И.В. Оценка риска и рейтинга ликвидности
банка.  URL: www.cfin.ru
4. Савчук В.П. Финансовое планирование и разработка
бюджета предприятия.  URL: www.cfin.ru
5. Золотова Е.А. Планирование финансовых показателей дея-
тельности филиала коммерческого банка на основе линейных регрес-
сионных моделей // Финансы и кредит.  2007.  №7.  С. 711.
6. Никонова И.А., Шамгунов Р.Н. Стратегия и стоимость ком-
мерческого банка.  М.: Альпина Бизнес Букс, 2004.  304 с.

УДК 681.7.068

Д.Б. ШУМКОВА, О.В. ЧЕРДЖИЕВА


Пермский государственный технический университет

ИССЛЕДОВАНИЕ УСТОЙЧИВОСТИ ПРОЦЕССА ВЫТЯЖ-


КИ ОПТИЧЕСКОГО ВОЛОКНА

Представлена математическая модель устойчивости на основе процесса


вытяжки при простом одноосном растяжении ньютоновской жидкости с пе-
ременной вязкостью, а также проводится ее линеаризация.

При производстве кварцевого оптического волокна главным об-


разом встает вопрос качества световода. А одним из важных показате-
лей качества волокна является постоянство его свойств и геометриче-
ских размеров по длине.
25
Вестник ПГТУ. Прикладная математика и механика, 2010

Как известно, в любом реальном процессе неизбежно существу-


ют внешние воздействия, влияющие на итоговый продукт. Так, коле-
бания диаметра световода связаны с флуктуацией вязкости расплава в
зоне деформирования, а также с колебаниями скорости подачи заго-
товки и скорости вытяжки, колебаниями температуры печи, неодно-
родности физико-механических свойств заготовки. Указанные колеба-
ния в зависимости от конкретной ситуации могут со временем либо
затухать, либо наоборот усиливаться. Поэтому встает первоочередная
задача исследования чувствительных свойств световодов, в том числе
его диаметра к малым колебаниям различных технологических и фи-
зических параметров.
С проблемой исследования реакции процесса вытяжки оптиче-
ского волокна на внешние возмущающие воздействия тесно связана
проблема его устойчивости. Она определяет область параметров, при
которых возможно непрерывное формирование волокна.
Таким образом, имеется система дифференциальных уравнений,
описывающая процесс вытяжки при простом одноосном растяжении
ньютоновской жидкости с переменной вязкостью:
R R V V
V   , (1)
t x 2 x

 V V  1   V  R 2 1 R
R2 V    3R 2    , (2)
 t x  Re x  x  Fr We x

 T T  1   2 T 
R2  V    R   2 R 1  R   St  (T  1) 
2

 t x  Pe x  x 
 pp
1  T  T 4
4R  R p   R p  R   
4
  ( Rp  R)  kR( x  ) d . (3)

 (  x ) 2  ( R p  R ) 2 
3
0

Далее, при исследовании устойчивости определяющие параметры


разделяются на основные (стационарные) и возмущающие, которые
наложены на основные.
~

V (t , x)  V ( x) 1  V (t , x) 
~

T (t , x)  T ( x) 1  T (t , x) . 
(4)
~

R(t , x)  R ( x) 1  R (t , x) 
Здесь черта над переменными означает стационарные значения, а
волнистая линия – возмущенные состояния.
Таким образом, при подстановке (4) в (1)(3) получаем новую
26
Вестник ПГТУ. Прикладная математика и механика, 2010

систему:
R R V ( x) V
 V ( x)    0; (5)
t x 2 x
V 3  2V R T
  2  1 ( x)V  1 ( x)   2 ( x) R  1 ( x)  2 ( x)T; (6)
t Re x x x
T   2T T R
  2  3 ( x)  4 ( x)T  3 ( x)  4 ( x) R  3 ( x)V. (7)
t Pe x x x
И соответствующие коэффициенты:
6V  1
1 ( x)   ,
V Re RVWe
2 d  dV  R 2
 2 ( x)  2   3R 2  2  ,
R V Re dx  dx  R VWe VFr
2T  2 R St 4k ( Rp  R ) 1 ( pTp4  T 4 )( x  )
 3 ( x)    (T  1)   d ,
2 2
0  (  x )  ( R p  R ) 
TPe T T 2
 

 4 ( x)  2
2 d 
  R 2 

dT  2 1  3 / 2  R   St

2
 (T  1) 
2V T 


R TPe dx  dx  RT T

4R 1  ( R  R )( R  3R )  kR( x  )(2 R  3R )
 ( pT p  T )  
p 4 4 p p p
 
RT 0  2
  (  x ) 2  ( R  R ) 2 
  p 

4 R ( Rp  R )2 ( Rp  R  kR( x  )) 
  d ,
(  x)2  ( Rp  R ) 2 
2


  
3  2  RV 
1 ( x)      V ,
Re  RV 
 
1 d  dV 
2 ( x)  2
  3R 2   2V ,
R V Re dx  dx 
VT 
3 ( x)   ,
T
3a  TV 
1 ( x)   2 ,
Re V

27
Вестник ПГТУ. Прикладная математика и механика, 2010

1 d  dV 
2 ( x )     3 a2TR 2
dx 
2
,
Re R V dx 

2   RT  
3 ( x)  V  ,
RT Pe Pe
1 d  dT 
4 ( x )  2
  R 2  
R T Pe dx  dx 
2 1  R2 St V T  16R p ( R p  R )T
3 1
R p  R  kR( x  )
    d .
2 2
0  (  x )  ( R p  R ) 
R T R 2
 
Как можно заметить, все эти коэффициенты зависят только от
стационарных значений.
Имеются также граничные условия:
V  Vн , T  Tн , R  Rн , при x  0.
T
V 1  0, при x  1.
x
Решение системы (5)(7) ищется с использованием метода разде-
ления переменных. То есть каждая переменная представляется в виде
 ( x, )   ( x)  e  i . (8)
 ( x, )  R ( x, ),V ( x, ), T ( x, ) , ( x)  r ( x), v( x), t ( x) .
При этом 
Здесь   2  ii , где i  коэффициент нарастания. Именно эта
величина позволяет судить о том, затухает или нарастает колебание.
Если все i <0 , тогда можно говорить о том, что колебания затухают,
а значит заданное течение (стационарное решение) при заданном воз-
мущении устойчиво, в противном случае при i >0 – неустойчиво [1].
При подстановке (8) в (5)(7) получим систему обыкновенных
дифференциальных уравнений для определения (x) и  следующего
вида:
Vr  0,5Vv  ir  0; (9)
3
 v  1 ( x)v  [2 ( x)  i]v  1 ( x)r  
Re (10)
 2 ( x)r  1 ( x)t   2 ( x)t  0,

t   3 ( x)t   [4 ( x)  i]t  3 ( x)r    4 ( x)r  3 ( x)v  0 (11)
Pe
28
Вестник ПГТУ. Прикладная математика и механика, 2010

и соответствующие системе граничные условия r (0)  v(0) 


 t (0)  0, v(1)  t (1)  0. Применяя конечно-разностный метод для
(9)(11) получаем новую систему:

 V V V V 
i   k rk  k rk 1  k vk  k vk 1   rk  0,
 h h 2h 2h 
  
i  [ 1k rk 1   1k   2 k  rk  vk 1 N1k  vk N 2 k  vk 1 N3k 
h  h 
1k  
 tk 1   1k  2 k  tk ]  vk  0
h  h 
3k  
i  [ rk 1   3k   4 k  rk  3k vk  M 1k tk 1  M 2 k tk 
h  h 

 tk 1 ]  tk  0.
Pe  h 2
По этой системе можно составить матрицу A коэффициентов
при соответствующих переменных rr , vk , tk . Причем, данная матрица
будет иметь ленточную структуру.
Таким образом, задаче (9)(11) можно сопоставить систему ли-
нейных однородных алгебраических уравнений вида:
(iA  E) X  0 ,
где Е – единичная матрица, а X= ..., rr , vk , tk ,... .
Нетривиальное решение существует только тогда, когда
det(iA  E)  0.
В итоге, задача решения обыкновенных дифференциальных
уравнений свелась к задаче поиска собственных значений матрицы.
Нахождение собственных значений ленточной матрицы A явля-
ется трудоемким процессом. Это обусловлено большой размерностью
матрицы порядка превышающего 200  200. При таких условиях уме-
стно применение QR-алгоритма. Такой алгоритм разложения на орто-
гональную и треугольную матрицы численно устойчив, и при его вы-
полнении не может возникнуть никаких проблем, связанных с ошиб-
ками округления [2]. Однако, одна из проблем такого алгоритма связа-
на с тем, что разложение требует O ( n 3 ) операций, поэтому каждый
шаг процесса выполняется слишком медленно. Но, приведение матри-
цы к форме Хессенберга может уменьшить число операций до O(n) .

29
Вестник ПГТУ. Прикладная математика и механика, 2010

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. В.Н. Васильев, Г.Н. Дульнев., В.Д. Наумчик. Нестационарные


процессы при формировании оптического волокна. Устойчивость про-
цесса вытяжки// Энергоперенос в конвективных потоках.  Минск,
1985.  С. 6476.
2. Дж. Ортега, У. Пул. Введение в численные методы решения
дифференциальных уравнений: пер. с англ.; под ред. А.А. Абрамова. –
М.: Наука, 1986. – 288 с.

УДК 517.929 + 519.863

В.А.СОКОЛОВ, А.Ю.ФОМИНА
Пермский государственный технический университет

ИССЛЕДОВАНИЕ УСТОЙЧИВОСТИ ЛИНЕЙНОЙ МОДЕЛИ


ВАЛЬРАСА – ЭВАНСА – САМУЭЛЬСОНА С УЧЕТОМ ЗАВИ-
СИМОСТИ СПРОСА И ПРЕДЛОЖЕНИЯ ОТ СКОРОСТИ ИЗМЕ-
НЕНИЯ ЦЕНЫ

В работе с помощью метода Д-разбиений построены области асимпто-


тической устойчивости линейной модели Вальраса – Эванса – Самуэльсона с
учетом дискретного запаздывания скорости изменения цены товара.

Рассмотрим модифицированную модель конкурентного рынка


одного товара, в которой продавцы реагируют на изменение цены то-
вара не мгновенно, а с некоторым дискретным запаздыванием:

Р(t )  ( D( P(t ))  S ( P(t  ))) , (1)


где   коэффициент чувствительности, скорости реакции или под-
стройки цены; Р(t )  цена единицы товара в момент времени t ;
  дискретное запаздывание; функция спроса
D( P(t ))    aP(t )  k1 P (t ) ;
функция предложения
S ( P(t  ))    bp(t  )  k 2 P (t  ) ,

30
Вестник ПГТУ. Прикладная математика и механика, 2010

причем все параметры a, b, , , k1 , k 2 положительны. Отметим,


что модель без учета запаздывания скорости изменения цены товара
рассматривалась, например, в работе [1].
Подставив функции спроса и предложения в уравнение (1), полу-
чим
a b k 2 (  )
Р(t )  P(t )  P(t  )  P(t  )  .
1  k1 1  k1 1  k1 1  k1
Будем рассматривать это уравнение при t  0 , зададим
Р()  P0 () , Р()  P1 () при   0 , обозначив
a b k 2
p ; q ; r ,
1  k1 1  k1 1  k1
получим линейное дифференциально-разностное уравнение нейтраль-
ного типа первого порядка

(  )
Р (t )  p P(t )  q P(t  )  r P (t  )  , (2)
1  k1

Р ()  P0 () , Р ()  P1 () при   0 .


Для исследования устойчивости уравнения (2) рассмотрим харак-
теристический квазиполином [2] однородного уравнения, соответст-
вующего уравнению (2)
( z)  z  p  qe z  rze z
и воспользуемся методом Д-разбиений [3].
Квазиполином Φ( z) имеет корень z  0 при p  q  0 . Предпо-
ложим далее, что этот квазиполином имеет мнимый корень z  iy при
y  (0;) . Тогда
iy  p  qe  iy  riye iy  0 .
Откуда
iy  p  q(cos y  i sin y)  riy(cos y  i sin y)  0 .
Отделяя действительную и мнимую части, получаем систему:
 p  q cos y  ry sin y  0,

 y  q sin y  ry cos y  0.
В качестве параметров будем рассматривать r и y . Тогда имеем
систему:

31
Вестник ПГТУ. Прикладная математика и механика, 2010

 p  q cos y  ry sin y  0,

q sin y  ry cos y  y,
r  r .

1 cos y y sin y
Определитель системы   0 sin y  y cos y  sin y .
0 0 1
Поэтому
0 cos y y sin y
1
p  y sin y  y cos y 
Δ
r 0 1
1 y y cos y
 ( yr cos2 y  yr sin 2 y  y cos y )   ,
sin y sin y sin y
1 0 y sin y
1 y ry cos y
q  0 y  y cos y   .
Δ sin y sin y
0 r 1
Окончательно получаем следующие параметрические уравнения
поверхности:

 y y cos y
 p  sin y  sin y ,

 y ry cos y
q   , (3)
 sin y sin y
r  r .

где 0  y   /  , в силу того, что в точках y  n /  , n  1,  опреде-


литель  обращается в нуль.
Таким образом, параметрические поверхности (3) и плоскость
p  q  0 образуют границы Д-разбиений при различных значениях
0   1.
На рис. 1, 2, 3 изображены Д-разбиения для квазиполинома (z )
1) τ = 0,1; 0,01 < y < 30; 1 < r < 1

32
Вестник ПГТУ. Прикладная математика и механика, 2010

Рис.1

2) τ = 0,1; 0,01 < y < 5; 1 < r < 1

Рис.2

3) τ = 0,1; 0,01 < y < 2; 1 < r < 1

Рис.3
Поскольку при q  0 , r  0 и p  0 квазиполином (z ) не имеет
корней с положительной действительной частью, то согласно методу
Д-разбиений [3] в заштрихованных на рисунках 1, 2, 3 областях ука-
занный квазиполином также не будет иметь корней с положительной
действительной частью, а потому [2] эти области будут областями

33
Вестник ПГТУ. Прикладная математика и механика, 2010

асимптотической устойчивости уравнения (2) при различных значени-


ях τ.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Аллен Р. Математическая экономия. – М.: ИЛ, 1963. – 668 с.


2. Белман Р., Кук К.Л. Дифференциально-разностные уравнения.
– М.: Мир, 1967. – 548 с.
3. Неймарк Ю. И. Динамические системы и управляемые про-
цессы. – М.: Наука, 1978. – 336 с.

УДК 330.43

Е.В.БРЮХОВА, Т.А.ОСЕЧКИНА
Пермский государственный технический университет

ПРОГНОЗИРОВАНИЕ ГОСУДАРСТВЕННОГО ДОЛГА:


МОДЕЛИ И ОЦЕНКИ

Государственный долг возникает в определенные периоды функ-


ционирования государства, когда его расходы начинают превышать
доходы. Бюджетный дефицит становится хроническим явлением и его
покрытие осуществляется путем государственных заимствований.
Одним из важных инструментов, используемых государством для
эффективного развития своей экономики, является разумная долговая
политика [1]. Внешние и внутренние заимствования государства могут,
с одной стороны, как инициировать рост производства, развивать но-
вые технологии, сглаживать социальные проблемы в период кризиса в
стране, так и, с другой стороны, привести государство поэтапно к так
называемой «долговой петле», со всеми вытекающими из этого по-
следствиями.
Одним из важнейших элементов для оздоровления экономики и
для ее эффективного развития является создание оптимальной системы
управления государственным долгом.
Государственный долг  это элемент экономической системы,
следовательно, и цель его существования как системы является част-
ным случаем более общей цели  цели существования экономической
системы.
34
Вестник ПГТУ. Прикладная математика и механика, 2010

Проблема государственного долга осложняется тем, что государ-


ство осуществляет выплаты по старым долгам и получает новые кре-
диты и займы. В большинстве случаев государство вынуждено прибе-
гать к дополнительным кредитам и займам только для того, чтобы вы-
полнить свои обязательства по старым долгам. Естественным образом
встает проблема управления государственным долгом, которая должна
решать следующие задачи.
1. Минимизация стоимости долга для государства.
2. Эффективное использование для экономики мобилизованных
финансовых ресурсов.
3. Обеспечение своевременного возврата займов, в том числе
урегулирование внешней задолженности в случае долгового кризиса.
Система двух линейных неоднородных разностных уравнений с
переменными коэффициентами составляет основу модели динамики
внутренней и внешней компонент государственного долга [2].
Разностное уравнение первого порядка для Yt и Yt 0 в совокупно-
сти:

1  rt (1  rt )(1  δt ) 0
Yt  Yt 1  t Yt 1  μ t (λ t  αt λ ts ), (1)
(1  xt )(1  πt ) (1  xt )(1  π t )
(1  rt0 )(1  δt )(1  βt  γt ) 0
Yt 0  Yt 1  (1  μt )(λt  αt λts ). (2)
(1  xt )(1  πt )

Параметры, входящие в сформулированную общую модель


(1)–(2), целесообразно разбить на следующие три группы.
1. Группа «жестких» параметров, определяемых состоянием
экономики государства. К ним можно отнести:

xt , πt , λ t . (3)

2. Группа «управляемых» параметров, которые можно изме-


нять в определенных пределах, допускаемых функционированием
основных институтов государства:

rt , δt , αt , μ t . (4)

3. Группа договорно-политических параметров:

35
Вестник ПГТУ. Прикладная математика и механика, 2010

rt0 , βt , γt , λts . (5)

Приведенная модель динамики внешней и внутренней задол-


женности позволяет определять диапазоны эффективных значений
ряда управляемых параметров, таких как процентные ставки, курс
валюты, способы реструктуризации внешнего долга, играющих
важную роль в экономических и политических сценариях. Это фор-
мирует соответствующие требования к денежно-кредитной полити-
ке государства и позволяет анализировать набор его долговых стра-
тегий и целесообразность того или иного метода регулирования за-
долженности. Стоит привести некоторые результаты моделирования
динамики государственного долга России. Рассмотрим здесь две
группы сценариев: нейтральную (инерционную) и оптимистиче-
скую. Во всех вариантах расчетов начальные значения внутренней и
внешней задолженностей полагаются равными соответственно 5 и
25 %.
Для первой группы предполагается, что до 2015 г. экономика
движется в соответствии с «инерцией», набранной в ходе предыду-
щего развития. Налогово-бюджетная политика остается практически
неизменной: отсутствуют мероприятия государства по рационализа-
ции государственных расходов и повышению собираемости нало-
гов, снижению и изменению структуры государственных расходов.
В частности, это означает, что в стране сохранится сложившаяся не-
равномерная структура распределения доходов. Реальный сектор
экономики по-прежнему характеризуется доминированием энерго-
сырьевого и нескольких других экспортно-ориентированных секто-
ров (металлургия, химическая промышленность).
В случае среднеинерционного сценария серьезных бюджетных
проблем нет, однако бюджет сводится с незначительным дефицитом
в 0,2 %, полностью погашаемого за счет эмиссии ЦБ. Этот сценарий
корреспондируется с прогнозом ИМЭМО [3], в котором говорится,
что в ближайшее время Россия может столкнуться с ситуацией, ко-
гда внешние факторы роста ослабеют, а внутренние еще не окреп-
нут. Развитие страны пойдет по среднеинерционному сценарию при
нулевом темпе роста курса иностранной валюты, отсутствии кон-
вертации и списания части внешнего долга, 15 %-ном коэффициенте
расщепления обслуживания госдолга и ставке процента по внешне-
му долгу в 7 %.
В случае слабоинерционного сценария предполагается, что в от-
дельные годы предстоящего десятилетия бюджет сводится с незначи-

36
Вестник ПГТУ. Прикладная математика и механика, 2010

тельным профицитом (отсутствие дефицита чередуется с профицитом


в 0,3 % от ВВП).
Вторая группа сценариев исходит из возможности существования
благоприятных внешних и внутренних условий развития российской
экономики. Предполагается значительный рост конкурентоспособно-
сти.
Для этой группы сценариев рассмотрим также два случая: слабо-
оптимистический и среднеоптимистический сценарии.
Слабооптимистический сценарий соответствует экономическому
росту с достижением цели удвоения ВВП. Ставка процента по внеш-
нему долгу принимается, как и ранее, равной 7 %; темп роста курса
иностранной валюты принимается нулевым; профицит бюджета посте-
пенно возрастает от 0 до 0,5 %; доля полного бюджетного дефицита,
погашаемого за счет эмиссии ЦБ, принимается равной 1,5 %; ежегод-
ная конверсия внешней задолженности в национальную валюту со-
ставляет 5 % от величины внешнего долга. Указанное управление
внешней задолженностью является следствием целенаправленной по-
литики с целью увеличения доли внутреннего долга. Среднеоптими-
стический сценарий реализует вариант бюджета с постепенно расту-
щим профицитом от 0,5 до 0,7 %, что позволяет создавать и увеличи-
вать стабилизационный фонд. Предполагается отрицательный темп
роста иностранной валюты в 3 % (что способствует сокращению
внешнего долга при пересчете в национальную валюту), постепенное
снижение ставки процента по внешнему долгу от 7 до 6 %, отсутствие
конверсии и списания.
Таким образом, если развитие экономики России будет при-
держиваться прогнозов правительства (инфляция на уровне 67
%, и темп роста на уровне 7 %), то динамика государственного дол-
га будет соответствовать 4-му сценарию прогнозных расчетов, и
внешний долг будет полностью погашен уже к 2012 г., а внутренний
долг к 2015 г. составит 1,7 %.
Если же инфляция превысит 810 %-ный барьер и темп роста
выпуска составит менее 6 %, то динамика государственного долга
России будет близка ко 2-му прогнозному сценарию развития, и
внешний долг к 2015 г. останется на уровне 3 %, внутренний долг
останется практически неизменным.
Более близким к реальности является 3-й сценарий развития
экономики (с инфляцией в 8 %, темпом роста 67 %), где внешний
долг полностью погашается до 2015 г. при условии 5 %-ной конвер-
тации внешнего долга в национальную валюту.

37
Вестник ПГТУ. Прикладная математика и механика, 2010

Таким образом, приведенная модель динамики внешней и


внутренней задолженности позволяет определять диапазоны эффек-
тивных значений ряда управляемых параметров, таких как процент-
ные ставки, курс валюты, способы реструктуризации внешнего дол-
га, играющей важную роль в экономических и политических сцена-
риях.
Проведенный анализ показывает, что уменьшение совокупного
размера внешней задолженности является задачей стратегического
характера. Без ее решения практически невозможно обеспечить не-
обходимые условия для долгосрочного хозяйственного подъема и
поддержания устойчивости всей социально-экономической системы
страны.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Астапов К. Управление внешним и внутренним государст-


венным долгом в России // Мировая экономика и междунар. отноше-
ния.  2003.  № 2.  С. 2635.
2. Балацкий Е., Свистунов В. Прогнозирование внешнего долга:
модели и оценки // Мировая экономика и междунар. отношения. - 2001.
 № 2.  С. 4046; № 3.  С.6168.
3. Воронин Ю., Кабашкин В. Управление государственным
долгом // Экономист.  2006.  № 1.  С. 5867.

УДК 330.43

И.В. МОРДОВИНА, Т.А. ОСЕЧКИНА


Пермский государственный технический университет

ФОРМИРОВАНИЕ ОПТИМАЛЬНОЙ КОРЗИНЫ ВАЛЮТ

В условиях современного нестабильного экономического рынка


одной из самых серьезных проблем является защита своих денежных
средств от обесценивания. За прошлый год денежные средства потеря-
38
Вестник ПГТУ. Прикладная математика и механика, 2010

ли 11 % своей стоимости, прогнозные данные на этот год 1314 %, то


есть только за два года без соответствующего вложения каждый чело-
век, проживающий в России, станет беднее на 25 %. Возникает вопрос:
можно ли избежать этого и как?
Одним из способов уберечь денежные средства можно считать
приобретения валют иностранных государств в неком соотношении –
приобретение «оптимальной корзины» валют. Подобная корзина почти
не изменит своей стоимости в течение нескольких лет, за счет коррек-
тировки курсов валют, входящих в нее. Данная корзина может быть
построена на основе матриц кросс-курсов валют, входящих в корзину.
Введем некоторую функцию Val (q[u])  Val (q;[u]) от количества
товара q (измеренного в единицах [u]), такой, что для любых двух ко-
личеств qi [ui ], q j [u j ] , обмениваемых товаров qi, qj отношение обмена,
qi [ui ]  q j [u j ] имеет место тогда и только тогда, когда

Val (qi [ui ])  Val (q j [u j ]) . (1)

Введенную функцию Val(q[u]) естественно интерпретировать


как индекс (показатель, индикатор) меновой ценности («value in ex-
change») q[u] единиц товара из множества G  {g1 ,..., g n } [1]. Для ва-
лют функция Val (q[u]) может быть интерпретирована как индекс об-
менного курса соответствующей валюты.
Относительно функции Val (q[u]) сделаем следующие предполо-
жения:
 непрерывность и строгое монотонное возрастание с ростом
объема товара q;
 аддитивность, т.е. для любых двух количеств товара q1 , q 2  0
выполняется

Val (q  [u]  q  [u])  Val (q  [u])  Val (q  [u ]) .


1 2 1 2
(2)

Хорошо известно, что решением функционального уравнения (2)


(в предположении о непрерывности и строгом монотонном возраста-
нии) является функция

Val (q[u])  q , (3)

39
Вестник ПГТУ. Прикладная математика и механика, 2010

определенная с точностью до положительного множителя α > 0. Сле-


дует отметить, что множитель α в этом случае естественно интерпре-
тировать как меновую стоимость единицы товара, поскольку

  Val (1;[u])  Val ([u]). (4)

Из выражений (3), (4) следует явная формула для определения


меновой ценности q единиц товара (измеренных в единицах измерения
[u]):

Val (q[u])  q  Val ([u]) . (5)

Формула (5) позволяет записать уравнение Аристотеля (1) через


элементы матрицы
C  (c(i, j)), i, j  l ,..., n , задающей пропорции обмена товаров:

Val ([ui ]) q j
 . (6)
Val ([u j ]) qi

Таким образом, в рамках простой модели обмена наблюдаемые


пропорции Val(q[u]) обмена двух товаров могут быть представлены
отношением ненаблюдаемых меновых ценностей
Val (qi [ui ]),Val (q j [u j ]) единиц обмениваемых товаров. Указанная тео-
ретическая возможность определения n2 эмпирических элементов мат-
рицы обмена С посредством n элементов вектора меновых ценностей
Val (qi [ui ]),...,Val (qn [un ]) поднимает вопрос об определении условий,
необходимых для существования вектора Val (qi [ui ]),...,Val (qn [un ]) ,
удовлетворяющего соотношению (6).
Нетрудно доказать, что для существования показателей меновых
ценностей единиц [u1 ],...,[un ] рассматриваемых товаров g1 ,..., g n (т.е.
для существования показателей Val (qi [ui ]),...,Val (qn [un ]) , позволяю-
щих представить элементы с(i,j) матрицы обмена С через отношения
Val ([ui ])
, необходимым и достаточным является условие транзитив-
Val ([u j ])
ности матрицы обмена С: с(i, j)  c( j, k )  c(i, k ), i, j, k{1,..., n} .
Свойство пропорциональности столбцов

40
Вестник ПГТУ. Прикладная математика и механика, 2010

c(i, r ) c(i, s)
 , i, j, r , s  1,..., n (7)
c( j , r ) c( j , s )

указывает на то, что ранг матрицы С равен единице и, следовательно,


максимальное собственное число матрицы равно n, а отвечающий ему
собственный вектор пропорционален столбцам матрицы.
Воспользуемся соотношениями (6), (7) для получения искомой
оценки Val ([ui ]), i  1,..., n , меновой ценности единиц [u1 ],...,[un ] обме-
ниваемых товаров. Действительно, в качестве таковых могут высту-
пать, например, элементы j-го столбца транзитивной матрицы обмена
С:
Val ([ui ])  с(i, j ), i  1,..., n .
В этом случае товар gj становится своеобразным «эталонным то-
варом» (в единицах которого производится измерение всех остальных
товаров множества G  {g1 ,..., g n } , а единица [uj] этого товара — «эта-
лоном ценности» («numeraire», «unit of account», «standard of value»)
для измерения меновой ценности товаров простого рынка М = (G, С);
Val ([ui ])  с(i, j)  1 .
Воспользовавшись тем, что меновая ценность измеряется по
шкале отношений (т.е. с точностью до некоторого множителя α > 0),
определим коэффициент α как обратное геометрическое среднее
  GMean(Val (1 j ),..., Val  n j   
n
n
r 1
Val (r j ) меновых.
Введем показатель нормированной меновой ценности
Val  i j  c(i, j )
NVal  i j   Val  i j    .
GMean Val 1 j  ,..., Val  n j   n
 r 1 c(r , j )
n

Важным свойством введенного нормированного показателя ме-


новой ценности является его инвариантность относительно выбора
единицы измерения меновой ценности.
Однако наиболее значимым свойством введенного нормирован-
ного показателя меновой ценности оказывается независимость (инва-
риантность) относительно выбора эталонного товара g j . Действитель-
но, воспользовавшись (7) и осуществив несколько несложных преобра-
зований, получим первую формулу для индекса, построенного по
среднему геометрическому, вторую – для индекса, построенного по
среднему арифметическому

41
Вестник ПГТУ. Прикладная математика и механика, 2010

c(i, j ) 1
NVal  i j    
 с(r , j )
n

 r 1 c(i, j )
n
n
r 1
c(r , j ) n

1 c(i, l )
   NVal  i l  ,
 r 1 c(i, l )  r 1
nс(r , l ) n n
c ( r , l )
n

c(i, j ) 1
NVal  i j    
 r 1
n
n c(r , j )
c ( r , j ) n 
n
r 1
c(i, j )
1 c(i, j )
   NVal  i l  .
n 
r 1
n
 r 1
c(r , l ) n n c(r , l )
c(i, l )
В целях упрощения анализа динамики валютных курсов вместо
показателя
c(i, j; t )
NVal  i; t   (8)
 r 1
n
n c ( r , j ; t )
удобно использовать нормированный показатель, приведенный к неко-
торому моменту времени t0 :
NVal (i; t )
RNVal  i; t / t0   . (9)
NVal (i; t0 )
Без потери общности можно полагать, что t0  1 .
Заметим, что после такого приведения матрица обмена C (t0 ) со-
стоит из единиц, что позволяет судить об изменении рыночной конъ-
юнктуры за время t по отклонению матрицы обмена C (t ) от матрицы
C (t0 ) . Формулы (8), (9) позволяют говорить о приведенном (к моменту
t 0 ) нормированном показателе RNVal  i; t / t0  меновой ценности (Re-
duced Normalized Value in exchange) товара g i в момент времени t .
Теперь обратимся к основной задаче нашего исследования  про-
блеме создания корзины валют минимальной волатильности. Проблема
построения таких корзин возникает в связи с тем, что числовые значе-
ния меновых коэффициентов весьма изменчивы во времени и при пе-
реходе от одного сегмента мирового рынка к другому.
Для разрешения проблемы построим некоторый индекс, являю-
щийся функцией приведенных нормированных показателей меновой
42
Вестник ПГТУ. Прикладная математика и механика, 2010

ценности фиксированного множества товаров и обладающего относи-


тельной стабильностью на фиксированном промежутке времени.
Такой индекс будет построен в форме взвешенного арифметиче-
ского среднего
n
 n 
Ind ( w, t t0 )   wi  RNval (i; t t0 )   wi  1; wi  0 
i 1  i 1 
приведенных нормированных показателей ценности отдельных това-
ров.
Воспользуемся формально введенным индексом Ind (w; t )
n
Ind ( w, t t0 )   wi  RNval (i; t t0 )  RNVal ( AG (q); t t0 )
i 1
для построения комплексной (составной) корзины, обладающей отно-
сительной стабильностью на фиксированном рынке товаров
G  {g1 ,..., g n } и промежутке времени [1; T ]  {1,2,..., T }. Используем
вариацию
1 T n
var( Ind ( w))    Ind ( w; t )  MInd ( w)    wi w j cov(i; j )
2

T t 1 i , j 1

в качестве меры изменчивости (волатильности) временного ряда ин-


1 T
декса Ind (w;t). Здесь MInd ( w)   Ind ( w; t )
T t 1
T
1
cov(i, j )   RNVal (i; t / t0 ) RNVal  j; t / t0  
T t 1
1 T T
 2  RNVal (i; t / t0 )  RNVal  j; t / t0 .
T t 1 t 1
Для построения агрегированной валюты минимальной волатиль-
ности (минимальной вариации) воспользуемся предложением, выдви-
нутым в работе [2], и подберем весовые коэффициенты w1* ,..., wn* , ми-
нимизирующие квадратичную форму
min var(w)  var(w* )  var  w1* ,..., wn* 
w
n
при линейных ограничениях w
i 1
i  1; wi  0, i  1,..., n .

Для решения задачи минимизации

43
Вестник ПГТУ. Прикладная математика и механика, 2010

 var( w)  min ,

 n

  wi  1
 i 1

n n
 n 
построим функцию Лагранжа F ( wi , )   wi w j cij     wi  1 .
i 1 j 1  i 1 
Приравнивая частные производные функции Лагранжа нулю, по-
лучаем систему

2 wi cij    0, i  1,..., n,


  n 
   wi  1  0.
  i 1 
 1
 
n
   1
Откуда  wi cij  , или в матричной форме CW  .
i 1 2 2 
 
 1
 1
 
 1 1  n
Отсюда W   С  или w j   c jk1 .
2  2 k 1
 
 1
 n n
Учитывая условие нормировки, получим  c jk1  1 .
2 j 1 k 1
n

 1 c 1
jk
Отсюда  n n
; wj  n
k 1
n
.
 c
2
j 1 k 1
1
jk  c
j 1 k 1
1
jk

Найденные оптимальные весовые коэффициенты w1* ,..., wn* можно


интерпретировать также как процентное соотношение валют в иско-
мой корзине.
Вложение своих сбережений подобным образом, т.е. приобрете-
ние комплексного пакета валют, позволит «заморозить» стоимость
сбережений на момент приобретения пакета. Таким образом, даже че-
рез несколько лет при обмене пакета на одну валюту можно будет по-
лучить сумму, эквивалентную сумме его покупки, с учетом инфляции,
44
Вестник ПГТУ. Прикладная математика и механика, 2010

т.е. сбережения, вложенные подобным образом, сохранят свою поку-


пательскую способность, которая была у них на момент приобретения
корзины.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Гилберт М. В поисках единой валютной системы.  М., 1984.


2. Простая модель обмена: агрегированные валюты минимальной
волатильности Н.В. Хованов, Д.Н. Колесов, М.В. Соколов, Дж.В. Ко-
лари // Применение математики в экономике. Вып. 15: Сб. статей / под
ред. А.В. Воронцовского.  СПб., 2004.  С. 43–61.

УДК 681.7.068.4

А.Р. ДАВЫДОВ, М.Ю. ЧЕРЕНКОВА


Пермский государственный технический университет

СТАТИСТИЧЕСКИЙ КОНТРОЛЬ КАЧЕСТВА ТЕХНОЛО-


ГИЧЕСКОГО ПРОЦЕССА
ВЫТЯЖКИ ОПТИЧЕСКИХ ВОЛОКОН

Рассматриваются вопросы многомерного статистического анализа и


контроля качества технологического процесса вытяжки кварцевых оптиче-
ских волокон.

Одной из главных проблем промышленного производства явля-


ется обеспечение стабильно высокого качества конечного продукта в
типовом технологическом процессе. В данной работе анализируется
один из этапов технологического процесса производства кварцевых
оптических волокон  вытяжка волокна из заготовки. Очевидно, что
оценка качества продукции должна быть получена в процессе самого
производства, а не только по завершении его. Таким образом будет
обеспечена управляемость процессом и, в конечном итоге, снижение
потерь из-за брака.
Управление технологическим процессом вытяжки кварцевых
оптических волокон понимается, в первую очередь, как система пла-
нирования, контроля и анализа наиболее критических параметров са-
мого процесса с целью обеспечения нужного качества волокна. В ра-
45
Вестник ПГТУ. Прикладная математика и механика, 2010

боте предлагается подход, основанный на статистическом анализе из-


менений значений контролируемых параметров, с учетом их взаимо-
связей, закономерностей и зависимостей. Определение многофактор-
ной взаимосвязи между технологическими параметрами, характери-
стиками заготовок и показателями качества волокна позволит разрабо-
тать математическую модель контроля и управления качеством техно-
логического процесса вытяжки оптических волокон.
Одной из первых задач системы управления является обеспече-
ние непрерывного или почти непрерывного мониторинга значений
контролируемых показателей. Это необходимо не только для опреде-
ления состояния процесса, но и для запуска системы обратной связи в
схеме производственного процесса. Само по себе внедрение инстру-
ментов непрерывного контроля параметров процесса не позволяет уст-
ранить большинство проблем, связанных с обеспечением качества
продукции. Датчики выдают огромные объемы данных, которые со-
держат нужную информацию в скрытом, неявном виде. Главная же
проблема заключается в том, как по результатам сотен, тысяч измере-
ний понять, что в данный момент происходит с процессом и какие ре-
шения необходимо принять за короткий промежуток времени.
Для решения этой проблемы предлагается использовать методы
многомерного статистического анализа и контроля технологического
процесса, которые являются развитием успешно применяемых методов
статистического контроля процессов. Идеи статистического контроля
достаточно просты. Определяются наиболее важные параметры произ-
водственного процесса, рассчитываются их допустимые значения. Те-
кущие значения этих параметров отслеживаются и сопоставляются с
допустимыми значениями. На основании результатов сравнения дела-
ются выводы о необходимости вмешательства в процесс. Для анализа
используются контрольные карты качества Шухарта, карты накоплен-
ных сумм, карты скользящих средних и т.д. [1]. Однако, такой подход
к мониторингу и контролю качества процесса вытяжки оптических во-
локон недостаточно эффективен. Главное, что он предполагает кон-
троль лишь отдельных параметров, вне их взаимосвязи. Это не позво-
ляет учесть реальную многофакторность процесса и может привести к
принятию неверных решений по регулированию или сохранению зна-
чений технологических параметров. Более того, в отсутствие адекват-
ной математической модели, учитывающей взаимосвязь технологиче-
ских параметров и показателей качества продукции, увеличение числа
измерений приведет только к усугублению проблем.
Представляется, что данная модель может быть построена на ос-
нове методов многомерного статистического анализа и эконометрики в
46
Вестник ПГТУ. Прикладная математика и механика, 2010

виде системы одновременных уравнений, в которых одни и те же пе-


ременные могут играть роль и результирующих и объясняющих пока-
зателей, в том числе и с учетом лаговых зависимостей. Разработка мо-
дели предоставит возможности для организации контроля всех необ-
ходимых параметров и эффективного управления ими. Здесь предлага-
ется использовать два подхода. Первый основан на приведении данных
мгновенных многомерных выборок к обобщенной статистике Хотел-
линга:

T
 __   __ 
Tt 2  n  X t   0  S 1  X t   0  , (1)
   
где S  выборочная оценка ковариационной матрицы, X t  вектор
средних значений параметров в мгновенных выборках, t  момент
времени, t  1  m ,  0  вектор целевых средних, n  объем выборки.
Основное допущение для применения этого критерия – нормаль-
ность распределения параметров – обеспечивается относительной ста-
бильностью технологического процесса. Контрольные карты значений
статистики Хотеллинга являются многомерным обобщением кон-
трольных карт Шухарта. Расчет допустимых значений статистики Tкр2
осуществляется по методике, приведенной в работе [2]. Для оценки
компонент ковариационной матрицы можно использовать специаль-
ную обучающую выборку, рассчитанную до начала контроля по отла-
женному технологическому процессу. Целевые значения параметров
 0 также могут быть заданы заранее, либо рассчитаны по образцовому
процессу. В этом случае статистика Хотеллинга имеет известное рас-
пределение «хи-квадрат» и ее критическое значение может быть рас-
считано по заданный уровень значимости  , с учетом числа контроли-
руемых параметров p :

Tкр2  12 ( p). (2)

Если же S оценивается по текущим выборкам, то граница крити-


ческой области определяется по формуле:

p(m  1)(n  1)
Tкр2  F1 ( p, mn  m  p  1) , (3)
mn  m  p  1

47
Вестник ПГТУ. Прикладная математика и механика, 2010

где F1 (k1 , k2 )  квантиль, F  распределения Фишера с числами сте-


пеней свободы k1 , k 2 .
При нормально протекающем процессе для всех значений t

Tt 2  Tкр2 . (4)
Если же неравенство (4) не выполняется, то следует выявить па-
раметры, оказывающие критическое влияние на процесс. Для этого
можно использовать частный критерий Хотеллинга:

Tj2  n[cTj ( X t0  )]2 / [cTj Sc j ] , (5)

где c j  вектор-столбец, состоящий из нулей во всех строках кроме


j -й, где стоит 1, t 0  момент времени нарушения неравенства (4).
Если T j2 > Tкр2 , то именно параметр j оказывает критическое
влияние на ход процесса, и следует принять меры к его регулирова-
нию. Может также оказаться, что по всем параметрам текущее значе-
ние частного критерия Хотеллинга меньше критического значения, то-
гда необходимо оценивать совместное влияние групп параметров. Это,
безусловно, является значительным усложнением задачи. Наконец,
также необходимо отслеживать наличие неслучайных структур в по-
следовательности значений Tt 2 .
Второй подход основан на преобразовании матрицы значений
измеряемых показателей с помощью метода главных компонент [3].
Этот метод позволяет выделить скрытые латентные, но объективно
существующие факторы – главные компоненты, которые комплексно
описывают состояние технологического процесса:
p
F   i Z i . (6)
i 1

При этом измеряемые параметры стандартизованы

Xi  X
Zi  . (7)
x

48
Вестник ПГТУ. Прикладная математика и механика, 2010

Требуется найти такие значения коэффициентов  i , которые при


заданных ограничениях формируют экстремальные значения F 2


i1
2
i  1, (8)
p p
F 2   i  j ( Z i , Z j ) . (9)
i 1 j 1

Задача решается методом множителей Лагранжа:


p p p
L    i  j ( Z i , Z j )  (  i2  1) , (10)
i 1 j 1 i 1

 L
  0, i  1  p,
 i
 (11)
 L  0.

 

Главные компоненты имеют разную степень информативности,


поэтому их число при определенных условиях может быть мало. Важ-
но и то, что эти синтезируемые показатели являются некоррелирован-
ными, а значит статистически независимыми. Исходя из состава пара-
метров, которые формируют главные компоненты, можно придать со-
держательный смысл каждому значению F. Таким образом, по каждой
главной компоненте можно вести контрольные карты качества. Расчет
допустимых значений компонент проводится с учетом нормальности
их распределения. Проблема интерпретации изменений главных ком-
понент в случае выхода их значений за пределы допустимой области
разрешается на основании их содержательного смысла с учетом рас-
считанных матриц парных и частных корреляций компонент и изме-
ряемых параметров.
В заключение приведем пример анализа зависимости параметров
качества оптического волокна.

49
Вестник ПГТУ. Прикладная математика и механика, 2010

6,00

5,00

4,00
х11

3,00

2,00

1,30

0,67
0,13

2,4 2,9 3,2 3,5 3,8 4,1 4,4 4,7 5,0 5,3 5,6 5,9
х12

Рис.1. Контролируемые параметры качества готового изделия

Графическое представление зависимости (рис.1) указывает на


слишком большое количество выбросов, что сигнализирует о наруше-
ниях в процессе производства изделия и необходимости мониторинга
и управления параметрами непосредственно в технологическом про-
цессе.
Ниже представлены контрольные карты количественных пара-
метров технологического процесса.

Рис.2. Контрольные карты средних значений и размахов мгновенных


выборок
На карте средних (рис. 2) выбросов за контрольные границы нет,
серий и трендов также нет. Можно отметить только, что среднее зна-
чение четырнадцатой выборки попало непосредственно на верхнюю
50
Вестник ПГТУ. Прикладная математика и механика, 2010

контрольную границу. Вместе с тем, анализ соответствующей карты


размахов свидетельствует о наличии неслучайной причины вариации
измеряемого параметра. Величина размаха четырнадцатой выборки
значительно превосходит контрольное значение. Изделие пока удовле-
творяет стандарту, но последующий тренд на карте размахов сигнали-
зирует о том, что технологический процесс становится статистически
неуправляемым. Следует провести оперативный анализ технологиче-
ского процесса и определить причины такого изменения контролируе-
мого параметра. В данном случае можно сказать, что было принято це-
ленаправленное управляющее воздействие для уменьшения размахов и
недопущения выхода среднего значения за контрольный уровень.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. ГОСТ З 50779.4096 (ИСО 787093) Статистические мето-


ды. Контрольные карты. Общее руководство и введение.
2. Ryan T.P. Statistical methods for quality improvement. – N.Y.:
Wiley, 1989. – 420 p.
3. Айвазян С.А., Мхитарян В.С. Прикладная статистика и ос-
новы эконометрики. М.: ЮНИТИ, 1998. – 1022 с.
УДК 681.7.068.4+517.962.24

В.А. ОНЯНОВ, М.В. ШАДРИН


Пермский государственный технический университет

ЧИСЛЕННЫЙ АЛГОРИТМ РЕШЕНИЯ ЗАДАЧИ О


ВЫТЯЖКЕ ПОЛЫХ КВАРЦЕВЫХ ВОЛОКОН

Рассматривается квазиодномерная стационарная краевая задача о вытя-


гивании полой кварцевой трубки, проходящей внутри цилиндрического тер-
моэлемента. Математическая модель основана на асимптотическом прибли-
жении уравнений Навье-Стокса. Учитываются три вида теплообмена – теп-
лопроводность, конвекция и теплообмен излучением. Приведено описание
алгоритма реализации построенной итерационной конечно-разностной зада-
чи.

В настоящее время имеется большое число научно-технических


публикаций, в которых рассмотрены вопросы производства фотонно-
кристаллических волокон (PCF). В то же время, число работ, в которых
детальное исследование процесса вытяжки было проведено с примене-
нием математических моделей, обладающих достаточно высокой сте-
51
Вестник ПГТУ. Прикладная математика и механика, 2010

пенью адекватности реальному процессу, несоизмеримо мало. Отме-


тим, что фотонно-кристаллические волокна производятся, как правило,
одним из двух способов:
1) по технологической схеме «складывай и вытягивай» (stack and
draw), когда заготовка сердечника обкладывается несколькими слоями
пустотелых трубок с круглым, шестигранным или, в общем случае,
произвольным сечением; 2) путем просверливания отверстий в стек-
лянной заготовке. Полученные одним из отмеченных способов пре-
формы затем нагреваются и подвергаются вытягиванию до приемле-
мых размеров. На рис. 1 приведены примеры сечений микрострукту-
рированных волокон, полученных по первой схеме.

Рис. 1. Примеры сечений микроструктурированных волокон

Ниже, учитывая результаты работ [1,2], рассматривается квази-


одномерная стационарная краевая задача о вытягивании полой квар-
цевой трубки, проходящей внутри цилиндрического термоэлемента.
Общая схема вытяжки представлена на рис. 2. Если отношение харак-
терного размера радиуса волокна h к длине рассматриваемого участка
вытяжки L много меньше единицы, то из асимптотического анализа
уравнений Навье-Стокса (уравнение несжимаемости, уравнения дви-
жения) получаем следующую систему [1]:

(h22  h12 )[ uuz  g ]  [3(h22  h12 )uz  (h1  h2 )]z , (1)


p h h  h1h2 (h1  h2 )
2 2
(h12 u ) z  0 1 2
,
(h22  h12 ) (2)
p h h  h1h2 (h1  h2 )
2 2
(h22 u ) z  0 1 2
,
(h22  h12 ) (3)

52
Вестник ПГТУ. Прикладная математика и механика, 2010

где p0  pн  pa ,   коэффициент поверхностного натяжения,


h1  h1 ( z ), h2  h2 ( z ) определяют, соответственно, внутреннюю и внеш-
нюю границы кварцевого расплава,   (T )  коэффициент динами-
ческой вязкости кварца.

Рис. 2. Общая схема вытяжки полого кварцевого волокна

Учитывая результаты работ [2,3], приходим к уравнению для


температуры вида:

(h22  h12 )c p uTz  (k (h22  h12 )Tz ) z 2h2 (1  (h2 z ) 2 ) 0,5  ( nc2 0 (T 4  T04 ) 

l2
(  p Tp4 ()   T 4 ( z ))  (a  h2  h2 z (  z ))
(T  T0 ))  4n 0 ah2 (a  h2 ) 
2
d, (4)
((  z ) 2  (a  h2 ) 2 ) 2
c
l1

где k  коэффициент теплопроводности кварца; n  показатель прелом-


ления кварца; nc  показатель преломления газа; ε  ин-
тегральная степень черноты кварца; εp  интегральная степень черно-
53
Вестник ПГТУ. Прикладная математика и механика, 2010

ты печи; β  коэффициент поглощения поверхности волокна; Tp 


функция, описывающая распределение температуры на поверхности
термоэлемента; a  радиус печи; T0  температура газа у поверхности
волокна; α  коэффициент теплообмена.
Доопределим систему (1)(4) краевыми условиями:

u (0)  u0 , u ( L)  ul , (5)
h1 (0)  r1,0 , h2 (0)  r2,0 , (6)
T (0)  T0 , Tz ( L )  0 . (7)

Для численного решения краевой задачи (1)(7) запишем сле-


дующий итерационный алгоритм:

u n1  u n n n 1
3( K n uzn1 ) z 
 u uz  g   (h1n  h2n ) z , (8)
  (h2 )  (h1 )   (h2 )  (h1n ) 2 
n 2 n 2 n 2

u n1 ((h2n1 )2  (h1n1 ) 2 )  u0 ((r2,0 ) 2  (r1,0 ) 2 ), (9)

p0 (h1n1 ) 2 (h2n1 ) 2  h1n1h2n1 (h1n1  h2n1 )


(u n1 (h1n1 ) 2 ) z  , (10)
 n (h2n1 )2  (h1n 1 ) 2 

T n1  T n 1
 u n1Tzn1  n 1 2 n 1 2
 [ n  (h2n1 )2  (h1n1 )2  Tzn ) z  (11)
 c p ((h2 )  (h1 ) )
0.5
n 1   n 1 2 
2h2 1   h2, z   (  nc 0 ((T )  TB )  (T  T0 )) 
2 n 4 4 n n

   
4nc2 0 ar2n1 (a  r2 n1 )S n,n1 ,

N 1
где S n,n 1  h* (0,5( f 0  f N )   f k ) , h*  L / I ,
k 1

(  p Tp4 (k )   (Ti n ) 4 )  (a  h2 n 1  h2,n z1 (k  xi ))


fk  ;
((k  xi ) 2  (a  h2 n ) 2 ) 2
K n  0,5(in ((h2,n i ) 2  (h1,ni ) 2 )  in1 ((h2,n i 1 ) 2  (h1,ni ) 2 )) ,

54
Вестник ПГТУ. Прикладная математика и механика, 2010

u0n1  u0 , uIn1  uI , n 1
h1,0 n 1
 r1,0 , h2,0  r2,0 , T0n1  T0 ,

T n 1  T n 1  0 .
I I 1

n 1
Для определения ui (8) используется метод прогонки
(i=1,…,I1). Уравнения (9),(10) в каждом узле сетки образуют систему
двух нелинейных уравнений с двумя неизвестными h1,ni1 , h2,n i 1
(i=1,…,I). Решение данной системы может быть найдено, например,
n 1
методом простых итераций. Значения Ti (11) определяются мето-
дом бегущего счета (i=1,…, I1).

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Modeling the Fabrication of Hollow Fibers: Capillary Drawing /


A.D. Fitt, K. Furusawa, T.M. Monro, C.P. Please // Journal of Lightwave
Technology.  2001.  Vol.19, № 12.  P.19241931.
2. The Mathematical Modelling of Capillary Drawing for Holey Fi-
bre Manufacture / D. Fitt , K. Furusawa , T. M. Monro , C.P. Please , D.J.
Richardson // Journal of Engineering Mathematics.  2002.  Vol. 43, №
24 (300 p.), (33 ref.), P. 201227.
3. Наумчик В.Д. Квазиодномерная модель процесса вытяжки оп-
тических волокон // Энергоперенос в конвективных потоках: сб. науч.
ст. Минск, 1985. С.6476.

УДК 517.977

С.Ю.КУЛТЫШЕВ, Л.М.КУЛТЫШЕВА
Пермский государственный технический университет

ПРИБЛИЖЕННАЯ ИДЕНТИФИКАЦИЯ ПРИ ИЗМЕРЕНИЯХ


С ПОГРЕШНОСТЯМИ

Рассматривается задача приближенной идентификации для некоторых


классов   моделей реальных объектов по косвенным измерениям их входов
и выходов с погрешностями.

55
Вестник ПГТУ. Прикладная математика и механика, 2010

Пусть R n  пространство n -мерных векторов, компонентами ко-


торых являются действительные числа; B1m [, T ], B2n [, T ], B3q [, T ] 
нормированные пространства m, n и q -мерных вектор-функций, оп-
ределенных на отрезке [, T ] ; Y , Z и W  нормированные пространст-
ва. Через x обозначим норму элемента x в том пространстве, кото-
рому он принадлежит.
Рассмотрим реальный объект на отрезке времени [, T ] , где
  момент возникновения объекта. Через v (t ) обозначим m -
мерный вектор параметров, характеризующих внешние воздействия
на объект в момент времени t  [, T ], v (t )  R m , а через x (t ) 
n -мерный вектор параметров, характеризующих реакцию объекта на
внешние воздействия в момент t , x (t )  R n . Вектор-функции v и x
будем называть входом и выходом объекта соответственно. Будем счи-
тать, что v V [, T ] , а x  X [, T ] , где V [, T ] и X [, T ]  некоторые
подмножества из B1m [, T ] и B2n [, T ] соответственно.
Так как объект реален, то x (t ) зависит только от предыстории
изменения внешних воздействий, т.е. x (t ) однозначно определяется
t
значениями v (s) при s [, t ] , следовательно x (t )  A(t , C v ) , где

t
A(t , ) : V [, t ]  R n при каждом фиксированном t [, T ] , C

оператор сужения вектор-функции v на отрезок [, t ] , а V [, t ] 


множество вектор-функций, полученных сужением на отрезок [, t ]
t
всех вектор-функций из V [, T ] . Равенство x (t )  A(t , C v ) задает ма-

тематическую модель рассматриваемого объекта. Попытки построить
эту модель, т.е. найти оператор A , часто приводят к неявной зависи-
мости F ( x , v )  0 между v и x .
Поэтому имеет смысл ввести
Определение 1. Уравнение F ( x , v )  0 назовем  -моделью рас-
сматриваемого объекта, если
1) F : X [, T ]  V [, T ]  W  непрерывный оператор;
2) уравнение F ( x, v)  0 однозначно разрешимо относительно x
при каждом v V [, T ] и это решение представимо в виде

56
Вестник ПГТУ. Прикладная математика и механика, 2010
t
x(t )  A(t , C v) , где A(t, ) : V [, t ]  R n при каждом фиксированном

t [, T ] ;
t
3) оператор B : V [, T ]  X [, T ], B(v)(t )  A(t , C v) непрерывен;

4) выполняется неравенство F ( x , v )   , где   достаточно


малое положительное число или нуль.
Обычно  -модель строится из естественно-научных законов в
виде F ( x, v, )  0 , где   неизвестный вектор параметров (коэффи-
циентов) модели,    B4 , B4  нормированное пространство,
F : X [, T ]  V [, T ]    W  оператор, который удовлетворяет усло-
виям определения 1 при некотором   и отражает внутреннюю
структуру объекта.
 
Пусть далее y  P(C v )  , z  Q(C x )    измерения входа и
 

выхода объекта, где P : V [, ]  Y и Q : X [, ]  Z  непрерывные


операторы, [, ]  отрезок времени, в течение которого производятся
измерения,       T ,  и   погрешности измерений, о которых
известно лишь то, что    2 и   3 , где  2 и 3  заданные ма-
лые положительные числа.
Задача идентификации  по известным y, z , P, Q, F , ,
, 1 ,  2 ,  3 найти такое  , при котором F ( x, v, )  0 является 1 -
моделью объекта.
Будем решать эту задачу для  -модели вида

K J
A0 ( x)  B0 (v)    i () Ai ( x)    j () B j (v)  0 , (1)
i 1 j 1
t
где Ai : X [, T ]  B3q [, T ], Ai ( x)(t )  Ai (t , C x)  непрерывный оператор

____
Ai (t , ) : X [, t ]  Rq при каждом (почти каждом) t  [, T ], i  0, K ,
t
B j : V [, T ]  B3q [, T ], B j (v)(t)  B j (t, C v)  непрерывный оператор,

____
B j (t , ) : V [, t ]  R q при каждом (почти каждом) t [, T ], j  0, J ,
  Rk , i :   R1 и  j :   R1  непрерывные функции.

57
Вестник ПГТУ. Прикладная математика и механика, 2010

Пусть измерения входа и выхода имеют вид

  ____ ____
y j  Q C B j (v )   j , zi  Q C Ai ( x )  i , j  0, J , i  0, K , (2)
 

где Q : B3q [, ]  H  линейный ограниченный оператор,


H  нормированное пространство,       T ,  j   j , i   i ,
y j  H , zi  H ,  j  H , i  H .
Необходимое условие разрешимости задачи идентификации
для (1),(2) дает
Теорема 1. Если задача идентификации для (1),(2) разреши-
 ____
  ____

ма, то существуют такие 
 j , j  0, J , 
  i , i  0, K  и f , что
   
 j   j , i   i , f  1 и для любого линейного ограниченного опе-
ратора G : H  R K  J система

K J 
 (Gzi  Gi )i ()   (Gy j  G j ) j ()  Gz0  G0  Gy0  G0  GQ C f (3)
i 1 j 1

имеет хотя бы одно решение  в области  .


Доказательство. Если задача идентификации для (1),(2) раз-
решима, то
 ____
  ____
 K
  ,  j , j  0, J  , i , i  0, K  , f : A0 ( x )  B0 (v )   i () Ai ( x ) 
    i 1
J  ____  ____
  j () B j (v )  f , y j  Q C B j (v )   j , j  0, J , zi  Q C Ai ( x )  i , i  0, K ,
 
j 1

 j   j , i   i , f  1 . Возьмем любой линейный ограниченный


оператор G : H  R K  J , тогда
  K  J  
GQ C A0 ( x )  GQ C B0 (v )   i ()GQ C Ai ( x )    j ()GQ C B j (v )  GQ C f .
    
i 1 j 1
 
Далее, в силу равенств Q C B j (v )  y j   j , Q C Ai ( x )  zi  i , получа-
 

ем
K J 
 (Gzi  Gi )i ()   (Gy j  G j ) j ()  Gz0  G0  Gy0  G0  GQ C f .
i 1 j 1

58
Вестник ПГТУ. Прикладная математика и механика, 2010

Следовательно система (3) имеет решение    в области  . Тео-


рема доказана.
Из этой теоремы вытекает очевидное
Следствие 1. Если задача идентификации для (1),(2) разре-
 ____
  ____

шима, то существуют такие  j , j  0, J  , i , i  0, K  , f и такой ли-
   
нейный ограниченный оператор G : H  R K J , что
 j   j , i   i , f  1 и система (3) имеет хотя бы одно решение 
в области  .
Приближенное решение задачи идентификации для (1),(2)
дает
Теорема 2. Пусть
K J
1)   : A0 ( x )  B0 (v )   i () Ai ( x )    j () B j (v )  1
i 1 j 1

и выполняются условия 1),2) и 3) определения 1 для


K J
F ( x, v)  A0 ( x)  B0 (v)   i () Ai ( x) 
i 1
j 1
j () B j (v) ;

2) найдется линейный ограниченный оператор G : H  R K  J та-


кой, что линейная алгебраическая система

K J

 (Gz )   (Gy )


i 1
i i
j 1
j j  Gz0  Gy0 (4)

имеет единственное решение  ,   в пространстве


i j RK J ;
1
3) выполняется неравенство ˆ  , где M  матрица систе-
M 1
K J
мы (4), ˆ  G max( 1 ,...., J , 1 ,....,  K ), G   i 1
gi , gi 

компоненты оператора G , M 1  норма матрицы M 1 , согласован-


K J
ная с нормой векторов в R K  J , x   xi  норма векторов в R K  J ;
i 1
4) система

59
Вестник ПГТУ. Прикладная математика и механика, 2010

 ____ ____ 

 i ( )   ,  ( )   , i  1, K , j  1, J  (5)
i j j
 

имеет единственное решение  в области  при каждом


i ,  j   D  R , где i ,  j   решение линейной алгебраической
K J

системы

K J 
 (Gzi  Gi )i   (Gy j  G j ) j  Gz0  G0  Gy0  G0  GQ C f , (6)
i 1 j 1

q
f  B [, T ], f   , D  множество решений системы (6) при всех
3 1
 j , i , f  , удовлетворяющих условиям  j   j , i   i , f  1 ;
5) 
  решение системы (5) при  ,     ,   ;
i j i j

6) с1  const  0 :   
  c1  ,     , 
i j i j при всех

 ,    D ,
i j где   решение системы (5). Тогда
 1 ( 
с1 M 
 i , j  ˆ   0 )
, где 0  G ( 0   0  Q C 1 ),


  
 1 ˆ
1 M
  искомый вектор параметров модели, а    приближенное реше-
ние задачи идентификации.
Доказательство. В силу условия 1) выполняется равенство
K J
A0 ( x )  B0 (v )    i () Ai ( x )    j () B j (v )  f , где f  B3q [, T ],
i 1 j 1

f  1 .

Далее, применяя к этому равенству операторы С , Q и G , полу-

чаем
  K  J  
GQ C A0 ( x )  GQ C B0 (v )   i ()GQ C Ai ( x )    j ()GQ C B j (v )  GQ C f .
    
i 1 j 1
 
Отсюда, в силу равенств Q C Ai ( x )  zi  i , Q C B j (v )  y j   j ,
 

получаем

60
Вестник ПГТУ. Прикладная математика и механика, 2010
K J 
 (Gzi  Gi )i ()   (Gy j  G j ) j ()  Gz0  G0  Gy0  G0  GQ C f . (7)
i 1 j 1

Далее, вводя обозначения i  i (),  j   j () , получаем, что


 ,   является решением системы
i j (6). В силу условий 2) и 3) спра-
ведливы неравенства
1
M  M  ˆ  , где M  матрица системы (6). Следова-
M 1
тельно, система (6) имеет единственное решение  ,   . В силу ус-
i j

ловия 4)  является единственным решением системы (7), причем в


силу условий 3) и

c1 M 1 (  i ,  j ˆ   0 )
6)     
  c1  i ,  j    i ,  j  1  M 1 ˆ
,

где   искомый вектор параметров модели. Теорема доказана.


Эту теорему иллюстрирует
Пример 1. Рассмотрим электрическую цепь, состоящую из
последовательно соединенных индуктивности L и активного сопро-
тивления R . Через v обозначим входное напряжение, приложенное к
цепи, а через x  ток в цепи.
Введем обозначения: C 1 [0, T ]  пространство непрерывных на
[0, T ] функций с нормой x  max x(t ) , C11[0, T ]  пространство не-
t[0,T ]

прерывно дифференцируемых на [0, T ] функций с нормой


x  max x(t ) . Согласно законам электротехники, математическая мо-
t[0,T ]

дель этой цепи имеет вид Lx(t )  Rx(t )  v(t ), t [0, T ], x(0)   , где
v  C1 [0, T ], x  C11 [0, T ],   , R, L   , R, L :   R1 , R  0, L  0  R3 .
Эту модель можно записать в эквивалентном интегральном виде

t t
R 1
x(t )   
L0 x( s)ds   v( s)ds  0, t [0, T ].
L0
(8)

Полагая,
  0, T  4, B11[, T ]  V [, T ]  C1[0, 4], B21 [, T ]  B31[, T ]  X [, T ]  C11[0, 4]

61
Вестник ПГТУ. Прикладная математика и механика, 2010

A0 ( x)(t )  x(t ), B0 (v)(t )  0, A1 ( x)(t )  1,


t t
B1 (v)(t )   v( s )ds, A2 ( x)(t )   x( s )ds, K  2,
0 0

R 1
J  1, 1 ()  ,  2 ()   , 1 ()  , эту модель можно записать в
L L
виде (1).
Пусть v (t )  1  t, x (t )  t  0,00001sin(t ) при t [0, 4],
0  0, 1  0, 00003,
 0  0,00003, 1  0,  2  0,00003 , а измерения входа и выхода це-
пи имеют вид
 y0  0, 0, 0 ,

 y   v ( s)ds   , v ( s )ds   , v ( s )ds     1,50001, 3,99999, 7,50001 ,
1 2 3

 1  11  12  13   
  0 0 0 
 z0   x (1)  01 , x (2)  02 , x (3)  03   1, 00002, 1,99999, 3, 00001 , (9)
 z1  1,1,1 ,

 1 2 3

 z2    x ( s)ds  21 ,  x ( s)ds  22 ,  x ( s)ds  23   0, 50002, 2, 00002, 4,50001 .
 0 0 0 

Полагая
H  R3 , Q : C11 [1, 3]  R3 , Q( x)   x(1), x(2), x(3) ,   1,   3, эти измере-
ния можно записать в виде (2). Далее проверим выполнение условий
теоремы 2.
Условие 1) выполняется, так как это неравенство справедливо
при   0, R  1, L  1 .
Условие 2) выполняется, так как при G : R 3  R 3 , G ( x)  x
линейная алгебраическая система (4) имеет единственное решение
 
 1 ,  2 ,  1  0,00002,  1,00009, 1,00006 .
Условие 3) выполняется, так как G  1, M 1  13, 00188,
1 1
 0, 07692 , 
ˆ  0,00003 , т.е. 
ˆ  .
M 1 M 1

62
Вестник ПГТУ. Прикладная математика и механика, 2010

Условие 4) выполняется, так как система (5) имеет вид


 R 1 
   1 ,    2 ,  1  , и она однозначно разрешима относительно
 L L 
 при любых 1 ,  2 , 1   R3 .
В условии 5) вычисляется  ~ , которое для этого примера
имеет вид    , R , L  0, 00002, 1, 00003, 0,99994 .
Условие 6) выполняется, так как при c1  2,00018 справед-
ливо неравенство
 1 i j  i j 
  с  ,     ,  , где   решение системы (5).
И, наконец, выполняется неравенство
 
c1 M 1 (  i ,  j ˆ  0 ) 3
     0,02393 , так как QC  3 и
1  M 1 ˆ 1

 0  0,00092 . Пример закончен.


Замечание. Числовые данные в этом примере указаны с точ-
ностью до пятого знака после «запятой», то есть их абсолютная по-
грешность не превосходит 0,000005.

УДК 622.831.31.622.363.2

В.Ю. СОКОЛОВ
Пермский государственный технический университет

К ВОПРОСУ О РЕЛАКСАЦИИ НАПРЯЖЕНИЙ В ГОРНОМ


МАССИВЕ В ОКРЕСТНОСТИ ВЫРАБОТКИ

Приведена численная реализация моделей наследственности и старения


в задаче об изменении во времени напряженно-деформированного состояния
соляного массива вокруг выработки.

Рассмотрим задачу о напряженно-деформированном состоянии


(НДС) однородного изотропного массива соляных пород вокруг оди-
ночной протяженной цилиндрической выработки глубокого заложения
в условиях гидростатического распределения напряжений в ненару-
шенном массиве (λ=1).
63
Вестник ПГТУ. Прикладная математика и механика, 2010

Введем цилиндрическую систему координат r, υ, z. Если ось z со-


вместить с продольной осью выработки, сечения породного массива,
нормальные к оси z, будут находиться в состоянии обобщенной пло-
ской деформации.
На глубине H компоненты начального поля напряжений (до про-
ведения выработки) следующие:

(0)
z  (0)
r  (0)
  H ;  rz   r    z  0 .
(0) (0) (0)
(1)

Соответствующее ему начальное поле деформации имеет вид:

H
rz   r    z  0 ;  z
 (0)  (0)  r(0)  (1  2) ,
(0) (0) (0)
(2)
E

где γ  средний предельный вес вышележащих пород; μ


 коэффициент Пуассона; Ε – модуль упругости.
Проведение выработки в момент t=0 вызывает возмущение на-
чального поля напряжений: на компоненты напряжений (1) наклады-
ваются дополнительные напряжения, вызванные проведением выра-
ботки:

УП
z  (0)
z   z ;         ; r
(У ) УП (0) (У ) УП
 (0)
r  r .
(У )
(3)

Дополнительные напряжения и соответствующие им дополни-


тельные деформации определяются в начальный момент (t=0) упруги-
ми свойствами массива и находятся из известного решения задачи Ла-
ме:

H H
(rУ )   2
; (У )  2 ; (zУ )  ((rУ )  (У ) )  0 ; (4)
r r

1   H 1   H
(rУ )   ; (У )  ; (zУ )  0 . (5)
E r 2
E r2

Полные упругие напряжения при этом будут:

 1  УП  1 
УП УП
r  H 1  2  ;   H 1  2  ;  z  H . (6)
 r   r 

64
Вестник ПГТУ. Прикладная математика и механика, 2010

Здесь через r обозначена радиальная координата, отнесенная к


начальному радиусу выработки R0 . Полю полных упругих напряжений
соответствует по закону Гука поле полных деформаций:

H 1   H УП H 1   H
УП
r  (1  2)  ;   (1  2)  ;
E E r 2
E E r2
H
УП
z  (1  2) (7)
E

и соответствующее поле полных смещений массива.


В последующие моменты времени t>0 напряженно-
деформированное состояние массива пород определяется нелинейны-
ми соотношениями теории наследственной ползучести [1]. Образуются
новые поля напряжений и деформаций, обусловленные реологически-
ми процессами в массиве. Поле полных деформаций  П определяется
полем полных напряжений  П и зависит от времени:

 П  УП  (t ) ;  П  УП  (t ) ;  П  f   П   f УП  (t )  . (8)

Такая расчетная схема, однако, как справедливо отмечает И.В.


Родин [2], давала бы неверные оценки для распределения смещений в
окрестности горной выработки, поскольку наблюдаемые в породном
массиве механические процессы при производстве горных работ свя-
заны с формированием лишь дополнительных деформаций и, соответ-
ственно дополнительных смещений.
В том случае, когда деформации и напряжения связаны линей-
ным законом Гука, деформации и смещения, вызванные проведением
выработки, могут быть выражены через дополнительные (снимаемые)
напряжения. Термин «снимаемые напряжения» (снимаемое поле на-
пряжений) предложен И.В. Родиным и характеризует физический
смысл дополнительных напряжений. Действительно, образование вы-
работки означает, что с контура ее сечения как бы снимаются напря-
жения (нормальные и касательные к контуру), действовавшие в нена-
рушенном массиве. Таким образом, реальное поле деформаций и, со-
ответственно, смещений будет определяться выражением (5), а не (7).
Тот же результат получится, если из поля полных упругих деформаций
УП вычесть начальное поле (0) (2). Такой подход будет справедлив и в
случае породного массива, подчиняющегося нелинейному физическо-
му закону деформирования (8) и [1].
65
Вестник ПГТУ. Прикладная математика и механика, 2010

В математической постановке задачи, излагаемой ниже, под де-


формациями и напряжением понимаются их полные значения.
Для сформулированной выше задачи имеем уравнения равнове-
сия и совместимости деформаций:

r r  
  0, (9)
r r

  r  
  0. (10)
r r

Уравнения состояния породного массива [1] запишутся в виде:


1  
t
r     r
2G 
(   )  
0
Kc [t  , i ](r  )d   ;

1  
t
    
 
2G 
(  )  
0
Kc [t  , i ](  )d   ;

(11)

1  
t
    Kv [t  , i ]d  , (12)
3B  0 
1 E 1 E
где   (r     z ) ; G  ;   (r     z ) ; B  .
3 2(1  ) 3 3(1  2)

Ядра интегральных уравнений (11) и (12) или функций скоростей


сдвигов и объемной ползучести принимаем в виде [1]:

 
Kc [t , , э ()]  oc exp bc [э () сж ]nc (t  )  , (13)

 
Kv [t , , э ()]  ov exp bc [э () сж ]nv  1 (t  )  , (14)

где  ,  oc ,  ov , bc , bv , nc , nv - параметры сдвиговой и объемной пол-


зучести;  сж  предел прочности породы на одноосное сжатие при
«мгновенном» нагружении. Безразмерный параметр  будем считать
постоянным и примем равным 0,7 [3].

66
Вестник ПГТУ. Прикладная математика и механика, 2010

В качестве эквивалентного напряжения  для соляныx пород


э

можно принять интенсивность напряжений или обобщенное напряже-


ние [4]:
i  12 (1 2 )2 (1 3 )2 (2 3 )2 ,
где 1 ,  2 ,  3  главные напряжения.
Параметры ядер сдвиговой и объемной ползучести представляют
собой параметры формальной аппроксимации кривых сдвиговой и
объемной ползучести. Если же параметр  принять постоянным, то
остальным параметрам можно приписать на феноменологическом
уровне некоторый физический смысл.
Соотношения (11) и (12) описывают активную наследственную
деформацию соляных пород в случае, когда нелинейность обусловлена
исключительно влиянием фактора времени. Для каждого момента вре-
мени t > 0 будет свой (нелинейный) закон связи между напряжениями
и деформациями.
Процессы, соответствующие нагрузке в прямом смысле слова,
т.е. уменьшение деформации при уменьшении напряжений, уравнения
(11) и (12) не описывают. Заметим, что процесс релаксации не является
процессом разгрузки, и делать специальные предположения о законе
разгрузки при этом не нужно [5].
Заметим, что уравнение (12) описывает не объемную ползучесть,
а трещинообразование в процессе ползучести, сопровождающееся из-
менением объема. При этом разрушающееся тело ведет себя как на-
следственно-упругое с объемной наследственностью [5], [1].
В системе пяти уравнений (9)(12) независимы лишь пять неиз-
вестных функций координаты r и времени t:  r ,  ,  z ,  r ,   . Вели-
H
чина  z является известной постоянной, равной  z (1  2) . 
E
В результате достаточно громоздких, но элементарных преобра-
зований система (9)(12) приводится к одному нелинейному интегро-
дифференциальному уравнению относительно  r :

d 2 r 3 d r
t

2
   F (t  )  d   0 , (15)
dr r dr 0

где функция F с учетом принятых выражений для ядер интегральных


операторов (13)(14) имеет вид:

67
Вестник ПГТУ. Прикладная математика и механика, 2010


1    d  d 2 r  2   d 2   
F oc exp(bc i )  3 r  r   z 
(1  )r  cж  dr dr 2  3 dr 3 
   
d  i  1  2 d  2   
 exp(bc )  ( r   z )  r r 
dr  сж   3 dr 3  
(16)
  1  2  d r d 2 r d  z 
1  3 
 ov exp(bv i ) r 
(1  )r  cж 3  dr 2 dr 
  dr 
d    1  2 d 
 exp(bv i )  (2r .  r r   z )  .
dr  cж  3 dr 

Граничные условия задачи имеют вид:

 r  0 при r  1 (на контуре выработки),  r  H при r   . (17)

Значения неизвестных величин  ,  z ,  r ,   определяются из


выражений:

d r
   r  r , (18)
dr
d r t  1    d
 z  2r  r   oc exp(bc i )(2r  r r  2 z ) 
dr 0  3 cж dr
(19)
i d r  
ov exp(bv )(2r  r   z )  *(t  ) d   E z ,
(0)

cж dr 
r   z 1 t i
r    oc exp(bc )(r   z )(t  ) d  , (20)
2G 2G 0 cж
   z 1 t i
    oc exp(bc )(   z )(t  ) d  . (21)
2G 2G 0 cж

При этом в выражениях для деформации исключены их началь-


ные значения, соответствующие напряженному состоянию нетронуто-
го массива.

68
Вестник ПГТУ. Прикладная математика и механика, 2010

Решение уравнения (15) с граничными условиями (17) осуществ-


лялось методом шагов по времени [6]. Промежуток времени [0, t ] раз-
бивается на части точками ts ( s  1, 2,3,...) . Значения  r ( r , t ) ,  z ( r , t )
представились последовательностями функций rs , sz . При этом инте-
грал по времени записывается в первой части уравнения (15) и после
применения формулы интегрирования по частям заменяется квадра-
турной формулой вида

t
P   F ()(t  )  d  
0
N  (t  t )1 (t  t )1 F (ti )  F (ti 1 )
   F (ti 1 ) n i 1  F (ti ) n i  * (22)
i2  1   1   (1   )(t i  ti 1 )
 (t  t ) 2  (tn  ti ) 2  
*  n i 1  .
 2  

Здесь неявная зависимость от времени функции


F [r ,  r (r , t ),  z ( r , t )] выражена для краткости в явной форме в функции
F () .
Таким образом, на каждом шаге по времени t s уравнение (15)
сводится к нелинейному дифференциальному уравнению вида

d 2rs 3 d rs
2
  P(r , rs ,  sz ) . (23)
dr r dr

Одним из принципов метода «шагов по времени» является вы-


числение интегральных сумм (22) в правой части уравнения (23) в мо-
мент времени t s 1 , т.е. редукция к решению линейного дифференци-
ального уравнения вида

d 2rs 3 d rs
2
  P(r , rs 1 , sz1 ) . (24)
dr r dr

Если принять, что решение уравнения (24) совпадает в первом


приближении с решением уравнения (23), получим возможность вы-
числить новую интегральную сумму (22) и найти второе приближение
69
Вестник ПГТУ. Прикладная математика и механика, 2010

искомого решения. Таким образом, уравнение (24) заменяется уравне-


нием

d 2rs ( N 1) 3 d rs ( N 1)


2
  P(r , rs ( N ) , sz1 ) , (25)
dr r dr

где N – номер итерации в излагаемом методе последовательных при-


ближений. Процесс нахождения решения на S-м шаге продолжается до
тех пор, пока различие между последовательными приближениями не
будет достаточно мало. Решение при S=1 (t=0) дается формулами (6).
Интегрирование уравнений (24)(25) проводилось численным
методом конечных разностей. Область интегрирования по r ограничи-
валась значением r=R(R>>1) и дискретизировалась точками ri одно-
мерной сетки с переменным шагом ri (i  1, 2,3,) с целью повыше-
ния точности аппроксимации. Это связано с большими градиентами
напряжений вблизи внутреннего контура выработки и с быстрым их
уменьшением с удалением вглубь массива. Значения rs , sz представ-
лялись на каждом шаге по времени последовательностями дискретных
значений в точках ri . При этом их производные по координатам ап-
проксимировались обычными конечно-разностными соотношениями.
Уравнение (25) в его конечно-разностной форме решалось методом
прогонки [7].
В разработанном пакете программ учитывались особенности де-
формирования соляных пород при различных условиях нагрузки, пре-
дусмотренные феноменологической моделью [1].
В расчетной сетке по r в ходе решения выделялись 3 области: об-
ласть линейного деформирования (i  i ) ; область нелинейного де-
формирования (i  i ) ; область предельного деформирования (раз-
рушения), в которой выполняется критерий перехода процесса дефор-
мирования в предельную стадию.
В соответствии с законами деформирования [1] в каждой из об-
ластей вычислялись интегральные суммы (22) и после решения урав-
нения (25) для  r определялись неизвестные функции  ,  z ,  r ,   .
Заметим, что соотношения (16) и (19)(21) приведены для области не-
линейного деформирования в запредельной стадии. Границы областей
определяются на каждом шаге t s . С течением времени они перемеща-
ются от контура выработки вглубь массива.

70
Вестник ПГТУ. Прикладная математика и механика, 2010

Программа написана на языке ФОРТРАН и состоит из 11 моду-


лей основной программы и 10 подпрограмм SUBROUTINE. Константы
модели приняты по данным [1].
На рис. 1 представлены результаты расчетов НДС приконтурных
пород по моделям нелинейной и линейной наследственной ползучести.
Для модели линейной наследственной ползучести характерно, что ско-
рость сдвиговых деформаций не зависит от уровня действующих на-
пряжений (в ядре (13) отсутствует экспонента) и не происходит изме-
нения объема во времени, т.е. при t>0 ( K v  0) . Анализ решения пока-
зывает, что в массиве происходит релаксация напряжений, причем ре-
лаксация проявляется в основном в первые часы существования выра-
ботки. В случае линейной модели незначительная релаксация напря-
жений (~8%) имеет, по-видимому, «численную природу», т. е. характе-
ризует погрешность решения задачи численным методом. В случае не-
линейной наследственной модели релаксация напряжений появляется в
значительно большей степени и имеет физическую природу, так как
обусловлена разрушением приконтурных пород в процессе ползучести.
Окружные деформации, а соответственно и смещения контура
выработки U   R0 , рассчитанные по нелинейной теории, значительно
превосходят линейные, и это различие возрастает с глубиной H.
Следует отметить, что численная реализация модели нелинейной
наследственной ползучести требует больших затрат оперативной памя-
ти машины, так как для вычисления интегральных сумм (22) необхо-
димо «запомнить» все значения искомых функций на каждом шаге t s .
В ходе выполнения решения шагами по t накапливается численная по-
грешность в искомом решении, что приводит на определенном шаге ts*
к неустойчивости итерационного процесса. Ситуацию можно улуч-
шить измельчением шагов по времени, при этом, однако, повышаются
требования к объему оперативной памяти машины, которая, как из-
вестно, всегда ограничена. Обращение же к внешней памяти приводит
к резкому (на 34 порядка) увеличению затрат машинного времени.
Результаты, представленные на рис.1, получены при полном использо-
вании оперативной памяти и оптимальном выборе шага по времени t с
учетом интенсивности релаксации напряжений и затрат машинного
времени. При этом итерационные процессы сходятся лишь до момента
t y  860 часов. В дальнейшем наступает численная неустойчивость.
Отметим, что выбор временной сетки t s является, вообще говоря,
отдельной проблемой при решении задач наследственности и старения.

71
Вестник ПГТУ. Прикладная математика и механика, 2010

Обратимся к модели старения, отличающейся от описанной тем,


что ядра интегральных уравнений состояния принимаются в виде

  (t )    (t ) 
Kc [t , i (t )]  oc exp bc i  t  , Kv [t , i (t )]  ov exp bv i  t  . (26)
 сж   сж 

В схеме описанного решения задачи (15)(17) – в этом случае из-


менится лишь способ вычисления интегральных сумм, который для
соотношения (22) преобразуется к виду

t N  t1 t1 F (t )  F (ti 1 ) ti2  ti2 


P   F (t )t  dt    F (ti ) i  F (ti 1 ) i 1  i 1
. (27)
0 i  1  1   1   (ti  ti 1 ) (2   )(1   ) 

Алгоритмы вычисления интегральных сумм по формулам (22) и


(27) в программах для ЭВМ при этом существенно различны. При чис-
ленной реализации модели старения используется значительно мень-
ший объем оперативной памяти, существенно ниже затраты машинно-
го времени и, как показала практика расчетов, гораздо выше устойчи-
вость решения. Время устойчивого счета t y составляет величину по-
рядка 105 часов. Результаты расчетов модели старения при той же про-
странственно-временной сетке, что и для модели наследственной вяз-
коупругости, приведены на рис.1.
Сравнение результатов численной реализации моделей наследст-
венной ползучести и старения в рамках описанной схемы решения осе-
симметричной задачи в постановке плоской деформации позволяет
сделать следующие выводы:
 для рассмотренных промежутков времени изменение напряже-
ний вокруг выработки с течением времени для обеих моделей носит
один и тот же характер; количественные же различия не превышают
6%;
 деформации ползучести и соответствующие им смещения по-
родного контура выработки для линейных моделей практически совпа-
дают, а для нелинейных отличаются не более чем на 3%.

72
Вестник ПГТУ. Прикладная математика и механика, 2010

 , МПА 20
1

15 3

5
4
5 H=450m
10
5
  103 4

3
3
3
1,2

2 5

0 300 600 t, ч.
Рис. 1. Релаксация напряжений и смещение контура цилиндрической
выработки в зависимости от времени:
1 – модель линейной наследственной вязкоупругости; 2 – модель ста-
рения (линейная); 3 – модель нелинейной наследственной вязкоупругости; 4
– модель старения (нелинейная).

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Константинова С.А., Саврасов И.Ф. Напряженно-деформиро-


ванное состояние и устойчивость соляных пород вокруг выработки с
учетом нелинейности их деформирования, разрыхления и возможности
перехода деформаций в предельную стадию // ФТПРПИ. – 1983.  №2.
– С. 2935.
2. Родин И.В. К вопросу о решении задач гравитационного гор-
ного давления горного массива на крепи подземных выработок // Докл.
АН СССР. – 1951.  №3. – С. 1015.
3. Ержанов Ж.С. Теория ползучести горных пород и ее приложе-
ния.  Алма-Ата: Наука, 1964. – 176 с.
4. Гальперин А.Н., Шафаренко Е.М. Реологические расчеты гор-
но-технических сооружений. М.: Недра, 1977. – 201 с.
5. Работнов Ю.Н. Элементы наследственной механики твердых
тел.– М.: Наука, 1977. – 358 с.
6. Ержанов Ж.С., Сагинов А.С., Векслер Ю.А. Расчет устойчиво-
сти горных выработок, подверженных большим деформациям.– Алма-
Ата: Наука, 1973. – 176 с.
7. Годунов С.К., Рябенький С.К. Разностные схемы.– М.: Наука,
1977. – 440 с.
73
Вестник ПГТУ. Прикладная математика и механика, 2010

УДК 519.1

И.П. НЕПОРОЖНЕВ
Пермский государственный технический университет

РАСКРАСКИ РЕБЕР ПОЛНОГО 5-ВЕРШИННОГО ГРАФА


БЕЗ ПЕТЕЛЬ

В работе рассматриваются различные, с точностью до переобозначений


вершин и ребер, раскраски ребер полного 5-вершинного графа без петель в
различные числа цветов при условии, что в каждой вершине сходятся ребра
различного цвета. Приводятся их группы автоморфизмов1.

Вершины графа обозначаем буквами A, B, C, D, E, ребра – номе-


рами 1, 2, 3, 4, … Полный 3-граф без петель с сохранением в дальней-
шем лексикографического расположения номеров в первой строке
симметрического квадрата с пустой главной диагональю будет иметь
один из двух следующих видов:
А В С
A Х 1 2
Δ1= B 1 Х 3
C 2 3 Х

A B C
A Х 1 2
Δ2= B 1 Х 4
C 2 4 Х
Группа автоморфизмов 3-графа является группой треугольника,
имеет порядок 6 и образующие t  ( BC)(12) и w  ( ABC)(132) , или
w  ( ABC)(142) .
Множество допустимых элементов, образующих пучки ребер,
соединяющих четвертую вершину D с вершинами A, B, C, состоит из
восьми следующих элементов: 1(321) , 2(32*) , 3(3*1) , 4(*21) , 5(3**) ,
6(*2*) , 7(**1) , 8(***) , где звездочки означают новые цвета из чисел
4, 5, 6 . Это множество относительно группы автоморфизмов 3-графа
образует четыре класса транзитивности: (1) , (2, 3, 4) , (5, 6, 7) , (8) . Оче-

1
Непорожнев И.П. Раскраска ребер обыкновенного полного шестивершинного графа
в восемь цветов // Сборник рефератов депонированных рукописей. Вып. 17. Сер. Б.
Инв. NB 1962. 1991.
74
Вестник ПГТУ. Прикладная математика и механика, 2010

видно, что эти четыре класса транзитивности соответствуют четырем


различным раскраскам ребер 4-графа в числа цветов   3, 4,5, 6 .
В дальнейшем будем рассматривать следующие базисные 4-
графы.

А В С D А В С D А В С D А В С D
A X 1 2 3 A X 1 2 3 A X 1 2 3 AX 1 2 3
B X 4 5 B X 4 2 B X 4 5 B X 3 2
C X 6 C X 1 C X 1 C X 1
D IV X D II X D III X DI X

Подгруппа группы автоморфизмов 3-графа, сохраняющая верши-


ну D графа I, совпадает со всей группой. Меняя вершину D с каждой из
вершин A, B, C, получаем дополнительные отображения графа I в себя.
Группа автоморфизмов графа I имеет порядок 6 * 4  24 и образующие
w  ( ABC)(132) , s1  ( ABCD )(13) .
Подгруппа группы автоморфизмов 3-графа, сохраняющая верши-
ну D графа II, имеет порядок 2 и образующую t. Меняя вершину D с
одной из вершин классов транзитивности ( A) и ( B, C ) , получаем до-
полнительные отображения графа II в себя. Группа автоморфизмов
графа II имеет порядок 2 * 2 * 2  8 и образующие s2  ( ABDС )(12)(34),
t2  ( AB )(CD)(34) .
Подгруппа группы автоморфизмов 3-графа, сохраняющая верши-
ну D графа III, имеет порядок 2 и образующую t. Аналогично преды-
дущему получаем группу автоморфизмов графа III порядка 8 с обра-
зующими s3  ( ACBD)(2453) , t3  ( AD)( BC )(25) .
Подгруппа группы автоморфизмов 3-графа, сохраняющая верши-
ну D графа IV совпадает со всей группой, имеет порядок 24 и обра-
зующие s4  ( ABСD)(1463)(25) , t4  (СD)(23)(45) .
Дальнейшее решение задачи о различных раскрасках ребер пол-
ного 5-графа без петель проводится аналогичным образом. Именно,
составляются множества пучков ребер, соединяющих вершину E с
вершинами A, B, C, D, и разбиваются на классы транзитивности отно-
сительно групп автоморфизмов базисных 4-графов. Для произвольно
выбранного элемента каждого класса транзитивности находится под-
группа группы автоморфизмов соответствующего 4-графа, сохраняю-
щая выбранный элемент (вершину E) и разбивающая вершины A, B, C,
D каждого 4-графа на классы транзитивности вершин. Меняя местами
75
Вестник ПГТУ. Прикладная математика и механика, 2010

вершину E с одним из элементов каждого класса транзитивности вер-


шин, находим как изоморфизмы, так и автоморфизмы новых базисных
5-графов.
С базисным графом I определяем выбор вершины Е и получаем
пятивершинный граф 1    4567.
С базисным графом II выбор вершины Е возможен девятью сле-
дующими способами, составляющими три класса транзитивности.

1.43** 2.4*3* 3.*3* 4 4.**34 5.4***


6.*3** 7.**3* 8.*** 4 9.****

Классы транзитивности: 1(1, 2, 3, 4), 2(5, 6, 7, 8), 3(9).


С базисным графом III выбор вершины Е возможен 47 следую-
щими способами, составляющими 9 классов транзитивности.

1.4352 2.5234 3.423* 4.425* 5.435*


6.523* 7.43*2 8.52*4 9.53*2 10.53*4
11.4*32 12.4*52 13.5*32 14.5*34 15.*234
16.*254 17.*352 18.*354 19.42** 20.43**
21.52** 22.53** 23.4*3* 24.4*5* 25.5*3*
26.4**2 27.5**2 28.5**4 29.*23* 30.*25*
31.*35* 32.*2*4 33.*3*2 34.*3*4 35.**32
36.**34 37.**52 38.**54 39.4*** 40.5***
41.*2** 42.*3* 43.**3* 44.**5* 46.***4
47.****

Классы транзитивности: 1 (1, 2), 2 (5, 6, 7, 8, 12,14,15,17), 3 (3, 4,


9 ,10, 11, 13, 16, 18), 4 (20, 21, 36, 37), 5 (23, 27, 30, 34), 6 (24, 25, 26, 28,
29, 31, 32, 33), 7 (19, 22, 35, 38), 8 (39, 40, 41, 42, 43, 44, 45, 46), 9 (47).
С базисным графом IV выбор вершины Е возможен 163 способа-
ми.
1.4231 2.4251 3.4312 4.4351 5.4352
6.4612 7.4631 8.4632 9.4651 10.4652
11.5214 12.5231 13.5234 14.5312 15.5314
16.5612 17.5614 18.5631 19.5632 20.5634
21.6214 22.6231 23.6234 24.6251 25.6254
26.6312 27.6314 28.6351 29.6352 30.6354
31.421* 32.423* 33.425* 34.431* 35.435*
36.461* 37.463* 38.465* 39.521* 40.523*
41.531* 42.561* 43.563* 44.621* 45.623*
46.625* 47.631* 48.635* 49.42*1 50.43*1
76
Вестник ПГТУ. Прикладная математика и механика, 2010

51.43*2 52.46*1 53.46*2 54.52*1 55.52*4


56.53*1 57.53*2 58.53*4 59.56*1 60.56*2
61.56*4 62.62*1 63.62*4 64.63*1 65.63*2
66.63*4 67.4*12 68.4*31 69.4*32 70.4*51
71.4*52 72.5*12 73.5*14 74.5*31 75.5*32
76.5*34 77.6*12 78.6*14 79.6*31 80.6*32
81.6*34 82.6*51 83.6*52 84.6*54 85.*214
86.*231 87.*234 88.*251 89.*254 90.*312
91.*314 92.*351 93.*352 94.*354 95.*612
96.*614 97.*631 98.*632 99.*634 100.*651
101.*652 102.*654 103.42** 104.43** 105.46**
106.52** 107.53** 108.56** 109.62** 110.63**
111.4*1* 112.4*3* 113.4*5* 114.5*1* 115.5*3*
116.6*1* 117.6*3* 118.6*5* 119.4**1 120.4**2
121.5**1 122.5**2 123.5**4 124.6**1 125.6**2
126.6**4 127.*21* 128.*23* 129.*25* 130.*31*
131.*35* 132.*61* 133.*63* 134.*65* 135.*2*1
136.*2*4 137.*3*1 138.*3*2 139.*3*4 140.*6*1
141.*6*2 142.*6*4 143.**12 144.**14 145.**31
146.**32 147.**34 148.**51 149.**52 150.**54
151.4*** 152.5*** 153.6*** 154.*2** 155.*3**
156.*6** 157.**1* 158.**3* 159.**5* 160.***1
161.***2 162.***4 163.****
Классы транзитивности: 1 ((1), 2, 3, 4, 6, 8, 9, 10, 11, 12, 14, 15, 17,
18, 19, 20, 21, 22, 23, 25, 26, 28, 29, 30); 2 (5,(7),13, 16, 24, 27); 3
(31, 56, (80), 102); 4 (32, 33, 34, 36, 39, 44, 50, (54), 57, 58, 59, 64, 69, 75,
77, 79, 81, 83, 89, 94, 96, 99, 100, 101); 5(35, 37, 40, 42, 46, (47), 51, 52,
55, 60, 62, 66, 68, 71, 72, 76, 78, 82, 87, 88, 91, 93, 95, 97); 6 ((38), 41, 45,
49, 61, 65, 67, 74, 84, 85, 92, 98); 7 (43, 48, 53, 63, 70, 73, (86), 90); 8
(103, 107, 111, 117, 121, 125, (127), 134, 137, 142, 146, 150); 9 (104, 106,
112, (116), 122, 124, 129, 132, 139, 140, 147, 149); 10 (105, 108, 109, 110,
113, 114, 115, 118, 119, 120, 123, 126, 128, 130, 131, 133, (135), 136, 138,
141, 143, 144, 145, 148); 11(151, 152, (153), 154, 155, 156, 157, 158, 159,
160, 161, 162); 12 (163).
Далее рассматриваем полученные 25 следующих 5-графов, заме-
няя звездочки в выделенных представителях классов транзитивности
новыми номерами.

1    4567 1    4356  5    4567


 9    5678 1    4352  5    4356

77
Вестник ПГТУ. Прикладная математика и механика, 2010

13    5632  20    4367  23    4637


 24    4657  35    6732  39    4678
 47    6789 V1  V  4231 V7  V  4631
V38  V  4657 V47  V  6317 V54  V  5271
V80  V  6732 V86  V  7231 V116  V  6718
V127  V  7218 V135  V  7281 V153  V  6789
V163  V  78910
Переставляя местами вершину E с вершинами A, B, C, D, получа-
ем как изоморфизмы, так и автоморфизмы полных 5-графов.
Рассмотрим граф 1    4567 . Подгруппа группы автоморфиз-
мов графа I, сохраняющая выбранную вершину E, совпадает со всей
группой и образует один класс транзитивности вершин (A, B, C, D).
Достаточно сделать перестановку вершин D и E и привести полу-
ченную раскраску ребер подграфа к одной из базовых раскрасок 4-
графов. Схематически эти действия можно изобразить следующим об-
разом.
1  1  456  3217   2  356  4217  V  4217  V  6732  V80 ,
2
( DE ) (34) S4

где S4  ( AC )( BD)(16)(34) . Результирующая подстановка ( AC)(BDE)(16)


2

отображает граф 1 в граф V80 . Группа автоморфизмов графа 1 сов-


падает с группой автоморфизмов графа I, ее образующими служат под-
становки w1  ( ABC )(132)(456) , S1  ( ABCD)(13)(4567) .
Для графа 1    4356 подгруппа группы автоморфизмов графа
 , сохраняющая вершину E, имеет образующую t2  ( AB)(CD)(34) .
Множество вершин графа II относительно этой подгруппы образует
два класса транзитивности вершин (A,B), (C,D). В этом случае подста-
новки (BDE)(1354) и ( BED)(143)(56) отображают, соответственно,
граф 1 в графы 13 и V1 . Группа автоморфизмов графа 1 имеет по-
рядок 2 и образующую t2  ( AB )(CD )(34)(56).
Для графа  5    4567 подгруппа автоморфизмов графа  , со-
храняющая вершину Е, имеет порядок 2 и образующую
t2 S 2  ( BC )(12)(56). Множество вершин графа  относительно под-
группы образует три класса транзитивности вершин (А), (В, С) и (D).
Перестановка вершин D и Е приводит к следующей схеме преобразо-

78
Вестник ПГТУ. Прикладная математика и механика, 2010

ваний:
 5   2  321  4567 
( DЕ )
  2  456  3217  
(36)
  2  453 
6217 
W2
 2  531  4267 
(35)
  2  351  4267 
1
   4267 
S3
  6732   35 .

Результирующая подстановка (BDE)(1364) отображает граф II5 в III35.


Перестановка вершин С и Е, с предварительной перестановкой
вершины С на место D подстановкой t2, приводит к следующей схеме:
5 
t2
  5376  2  321  5376 
( DE )
2  537  3216 
(35)(67)
2 
356  5217  IV  5217  IV39 .
Подстановка t4 S42t4 S42  ( AB)(CD)(25)(34) отображает граф IV39 в
граф IV54. Результирующая подстановка (СE)(254)(67) отображает граф
II5 в граф IV54. Аналогично, перестановка вершин А и Е, с предвари-
тельной перестановкой вершины А на место D, приводит к подстановке
(АЕ)(1625)(37), отображающей граф II5 в граф IV38. Порядок группы
автоморфизмов графа II5 равен 2, образующая t2S2.
Для графа  9    5678 подгруппа группы автоморфизмов, со-
храняющая вершину Е, совпадает со всей группой. Множество вершин
графа II относительно этой подгруппы образует один класс транзитив-
ности вершин. Перестановка вершин D и Е приводит к подстановке
(DE)(3765), отображающей граф II9 в граф IV127. Порядок группы ав-
томорфизмов графа II9 равен 8, образующие S2=(ABDC)(2453) и
t2= (АВ)(СD)(34)(78)(56).
Для графа III1 = III + 4352 подгруппа группы автоморфизмов гра-
фа III, сохраняющая вершину Е, совпадает со всей группой. Множест-
во вершин графа III относительно этой подгруппы образует один класс
транзитивности вершин. Перестановка вершин D и Е приводит к авто-
морфизму u  ( ABCED)(14532) графа III1. Порядок группы автомор-
физмов графа III1 равен 20, ее образующие S3 и u.
Для графа  20    4367 множество вершин графа  относи-
тельно автоморфизма ( AB)(CD)(25)(34)(67) образует два класса тран-
зитивности вершин. Подстановки ( AC)( DE)(14)(356) и ( BE)(164)(57)
отображают, соответственно, граф  20 в графы  24 и V47 . Порядок
группы автоморфизмов графа  20 равен 2.

79
Вестник ПГТУ. Прикладная математика и механика, 2010

Для графа  23    4637 множество вершин графа  относи-
тельно автоморфизма ( AС)( BD)(34)(67) , сохраняющего вершину E ,
образует два класса транзитивности вершин. Перестановка вершин D
и E приводит к автоморфизму ( AC)( DE)(14)(56) графа  23 . Подста-
новка (CE)(2764) отображает граф  23 в граф V86 . Подстановка
( BED)(143)(567) является автоморфизмом графа  23 . Порядок груп-
пы автоморфизмов графа  23 равен 6.
Для графа  39 подгруппа группы автоморфизмов графа  , со-
храняющая вершину E(4678) , является тождественной. Множество
вершин графа  относительно этой подгруппы образует четыре клас-
са транзитивности вершин. Перестановка D и E приводит к автомор-
физму ( AC)(DE)(14)(37)(56) графа 39 . Подстановки (CE)(27864) и
( BE)(1674)(58) соответственно отображают граф 39 в графы 135 и
116 . Порядок группы автоморфизмов графа  39 равен 2.
Для графа  47    6789 подстановки (CD)(23)(45)(89) и
( ACBD)(2453)(6879) являются его автоморфизмами, сохраняющими
вершину E . Перестановка вершин D и E приводит к подстановке
( ADEBC)(1658)(23974) , отображающей граф  47 в граф 153 . Поря-
док группы автоморфизмов графа  47 равен 8.
Для графа V7  V  4631 подстановка S 4  ( ABCD )(1463)(25)
является его автоморфизмом, сохраняющим вершину E . Перестановка
вершин D и E приводит к подстановке ( BDE)(137)(56) , отображаю-
щей граф V7 в граф  5 . Порядок группы автоморфизмов графа V7
равен 4.
Для графа V163  V  78910 подстановки (CD)(23)(45)(910) и
( ABCD)(1463)(25)(78910), образующие группу порядка 24, являются
его автоморфизмами, сохраняющими вершину E . Перестановка вер-
шин D и E приводит к автоморфизму ( DE)(37)(58)(69) графа V163 .
Порядок группы автоморфизмов графа V163 равен 48
В результате получено 11 классов эквивалентности раскраски
ребер полного пятивершинного графа S 5 без петель в число цветов
  10 . Соответствующие базисные 5-графы, их группы автоморфиз-
мов и числа  раскраски их ребер приведены в таблице ниже.

80
Вестник ПГТУ. Прикладная математика и механика, 2010

№ S5 G  G
1 1 24 7 w1  ( ABC)(132)(456) , s1  ( ABCD)(13)(4567)
2  1 2 6 t 2  ( AB)(CD )(34)(56)
3  5 2 7 t 2 S 2  ( BC)(12)(56)
4  9 8 8 s 2  ( ABDС )(12)(34)(5687),  2  ( AB)(CD)(34)(56)(78)
5  1 20 5 s 3  ( AССD )(2453), u  (ABCED)(14523)
6  20 2 7
s32  ( AB)(CD )(25)(34)(67)
7  23 6 7 s3t 3  ( AС )(BD)(34)(67) l  ( AС)(DE)(14)(56)
8  39 2 8 p  ( AС)(DE)(14)(37)(56)
9  47 8 9 t 3  (СD )(23)(45)(89) s3  ( ACBD)(2453)(6879)
10 V7 4 6 s 4  ( ABCD)(1463)(25)
11 V163 48 10 t 4  (СD )(23)(45)(910)
s 4  ( ABCD)(25)(1463)(78910) d  ( DE)(37)(58)(69)

Продолжение работы может быть связанно с перечислением раз-


личных минимальных и близких к ним раскрасок ребер полного 6-
графа без петель.

УДК 519.1

И.П. НЕПОРОЖНЕВ
Пермский государственный технический университет

МИНИМАЛЬНЫЕ И БЛИЗКИЕ К МИНИМАЛЬНЫМ


РАСКРАСКИ РЕБЕР ОБЫКНОВЕННОГО ПОЛНОГО 6-ГРАФА

В работе рассматриваются различные, с точностью до переобозначения


вершин и ребер, минимальные и близкие к минимальным раскраски ребер
полного 6-графа без петель и их группы автоморфизмов.

Минимальные и близкие к минимальным раскраски ребер полно-


го 6-графа без петель будем находить из известных базисных раскра-
сок ребер полного 5-графа без петель. Из таблицы предыдущей работы
видно, что минимальная раскраска ребер обыкновенного полного 5-
графа в число цветов σ=5 возможна единственным образом (граф III 1 ).
81
Вестник ПГТУ. Прикладная математика и механика, 2010

Возможные минимальные раскраски ребер обыкновенного полного 6-


графа в число цветов σ=5 могут быть получены продолжением графа
III 1 . Пучок ребер, соединяющих шестую вершину F графа S16 с ос-
тальными вершинами подграфа III 1 , выбирается однозначно:
S16  1  52341. Подгруппа группы автоморфизмов графа 1 , со-
храняющая вершину F, совпадает со всей группой и имеет порядок 20,
а ее образующими служат подстановки S 3  ( ABCD )(2453) ,
u  (ABCED )(14523) . Множество вершин графа 1 относительно этой
подгруппы образуют один класс транзитивности вершин1.
Перестановка вершин E и F приводит к следующей схеме преоб-
разований.
( EF )
S16    4352  52341   5234 
t ( AD)(BC)(25)
 435213       52341  S 6 .
1 1
Подстановка ( AD)(BC )(EF )(25) является автоморфизмом графа
S16 . Порядок группы автоморфизмов графа S16 равен 20  2  40 .
Раскраски ребер полного 6-графа в число цветов σ=6, близкие к
минимальной, могут быть получены продолжением графов
1 , 1 , V7 .
Для графа III 1 выбор пучка ребер, соединяющих шестую верши-
ну F графа S 6 с вершинами графа 1 , возможен пятью следующими
способами, соответствующими одному классу транзитивности относи-
тельно группы автоморфизмов  S 3 , u  порядка 20: 1,52346, 2,52361,
3,52641, 4,56341, 5,62341; класс транзитивности
S u u u u u
1
3 1  2  5  4  3 1 .
Для графа 1 выбор пучка ребер, соединяющих шестую вершину
F графа S 6 с остальными вершинами графа 1 , возможен четырьмя
следующими способами, образующими относительно автоморфизма
t 2  ( AB)(CD)(34)(56) четыре класса транзитивности: 1,56341, 2,56342,
3,65341, 4,65342.

1
Непорожнев И.П. Неизоморфные раскраски ребер обыкновенного полного шести-
вершинного графа в девять цветов // Сборник рефератов депонированных рукописей.
Вып.13. Сер.Б. Инв. № 2228, 1992.
82
Вестник ПГТУ. Прикладная математика и механика, 2010

Для графа V7 выбор пучка ребер, соединяющих шестую верши-


ну F графа S 6 с вершинами графа IV7 , возможен шестью следующими
способами, образующими относительно автоморфизма
S4  ( ABCD)(1463)(25) два класса транзитивности: 1,53142, 2,62145,
3,63125, 4,63145, 5,63542, 6,63142; 1   2  5  3  1,
46.
Рассмотрим граф S26  1  52346 . Перестановка вершин E и F
приводит к следующей схеме преобразований:
t3 ( AD )( BC )(25)
S26    4352  52346 
( EF )
  5234  43526   
4352  52346  S26 .
Подстановка ( AD)( BC)( EF )(25) является автоморфизмом графа
S2 . Перестановка вершин F и D, с предварительной перестановкой
6

вершины D на место E подстановкой u 1  ( ADECB)(13254) , приводит


к следующей схеме преобразований:
( u 1 )
S26   1 52346  1  52641 
( EF )
  5264  43521 
t3 S3

1
C  ( BED )(143)(56)
4356  52346  IV  4631  63142 
S4
 IV  4631 
63145  IV7  63145  IV7,4.
Результатом преобразований является подстановка ( ADF )(CE)(153462) ,
отображающая граф S26 в граф IV7,4 .
Рассмотрим граф S36  II1  56341 . Перестановка вершин E и F
приводит к следующей схеме преобразований:
S36  II  4356  56341 
( EF )
 II  5634  43561 
( AD )( BC )(56)
 II 
4356  56341  S36 .
Подстановка ( AD)(BC)(EF )(56) является автоморфизмом графа
S3 . Перестановка вершин D и F, с предварительной перестановкой
6

вершины D на место E подстановкой a  (BDE)(1354) , приводит к сле-


дующей схеме:
C 1
S36 
a
 III  5632  43561 
( EF )
 III  4356  56321  III5  56321 
1 1

C
IV7  62145 
S4
IV7  53142  IV7,1.
Перестановка вершин B и F, с предвариельной перестановкой вершины
B на место E подстановкой b  (BED)(143)(56) , приводит к подстанов-
ке ( ABFECD)(13)(256) , отображающей граф S36 в граф IV7,1 .
83
Вестник ПГТУ. Прикладная математика и механика, 2010

Рассмотрим граф S46  II1  56342 . Относительно автоморфизма


t2  ( AB)(CD)(34)(56) имеем три класса транзитивности вершин. Пере-
становка вершин E и F с последующей подстановкой ( AD)(BC)(56) при-
водит к автоморфизму ( AD)(BC)(EF )(56) графа S46 . Перестановка вер-
шин D и F, с предварительной перестановкой вершины D на место E
подстановкой a  (BDE)(1354) , приводит к следующей схеме:
2
S46 
a
 III  5632  42561 
( EF )
 III  4256  56321  III 4  56321 
t3S3

1
III13  42561 
a
II1  56342  S46 ,
где t3S32  ( AC )( BD)(34) . Результирующая подстановка ( AC)(BE)(DF )(15)
является автоморфизмом графа S46 .
Рассмотрим граф S56  II1  65341 . Относительно автоморфизма t 2
имеем три класса транзитивности вершин графа II1 . Перестановка
вершин E и F с последующей подстановкой ( AD)( BC) приводит к ав-
томорфизму ( AD)( BC)( EF ) графа S56 . Перестановка вершин D и F, с
предварительной перестановкой вершины D на место E подстановкой
a , приводит к следующей схеме:
S56 a
 III  5632  63541 
( EF )
 III  6354  56321 
S3 t3

1
III13  63541 
a
II1  65341  S56 ,
где S3 t3  ( AB)(24)(35) . Результирующая подстановка ( AE)(DF )(13)(25)
является автоморфизмом графа S56 .
Рассмотрим граф S66  II1  65342 . Подстановка t 2 является авто-
морфизмом графа II1 , сохраняющим вершину F. Перестановка вершин
E и F с последующей подстановкой ( AD)( BC) приводит к автомор-
физму ( AD)( BC)( EF ) графа S66 . Перестановка вершин D и F, с пред-
варительной перестановкой вершины D на место E подстановкой a ,
приводит к следующей схеме преобразований:
S66   III  5632  62541   III  6254  56321  
2
a ( EF ) S3

1
III  5632  62541 
a
 II1  65342  S66 , где S32  ( AB)(CD)(25)(34) . Ре-
зультирующая подстановка ( AE)(BC)(DF )(15)(23) является автомор-
физмом графа S66 .
В итоге, различные раскраски ребер полного 6-графа без петель в
число цветов σ=6, близкие к минимальной раскраске в пять цветов,
84
Вестник ПГТУ. Прикладная математика и механика, 2010

возможны пятью способами: графы S26 , S36 , S46 , S56 , S66 . Группа авто-
морфизмов графа S26 имеет порядок 8 и образующие ( ACBD)(2453) ,
( AD)( BC)( EF )(25) . Группа автоморфизмов S36 имеет порядок 2 и обра-
зующую ( AB)(CD)(34)(56) . Группа автоморфизмов S46 имеет порядок 16
и образующие ( AB)(CD)(34)(56) , ( AD)(BC)(EF )(56) , ( AC)(BE)(DF )(15) .
Группа автоморфизмов S56 имеет порядок 16 и образующие
( AB)(CD)(34)(56) , ( AD)(BC)(EF )(56) , ( AE)(DF )(13)(25) . Группа ав-
томорфизмов S66 имеет порядок 16 и образующие ( AB)(CD)(34)(56) ,
( AD)(BC)(EF ) , ( AE)(BC)(DF )(15)(23) .
Продолжение работы может быть связано с перечислением раз-
личных минимальных и близких к ним раскрасок ребер полного 7-
графа без петель.

УДК 517.9 (076)

В.Н. КЕТИКОВ, А.М. ФЕДОСЕЕВ


Пермский государственный технический университет

ПОЛУЧЕНИЕ НЕКОТОРЫХ ЭКСТРЕМАЛЬНЫХ ХА-


РАКТЕРИСТИК СЛОЖНЫХ ХИМИЧЕСКИХ РЕАКЦИЙ

Предлагаются некоторые подходы определения экстремальных харак-


теристик кинетики сложных химических реакций с учетом выбранного мето-
да математического моделирования. Для аналитических решений приведены
иллюстрации зависимостей концентраций реагирующих веществ
ci (t ), i  1, 2,..., n от времени t (при экстремальных значениях входящих фи-
зико-химических параметров). Проведен краткий анализ полученных резуль-
татов.

При математическом моделировании химической кинетики цен-


тральное место занимают вопросы, связанные с исследованием физи-
ко-химических параметров, входящих в рассматриваемую динамиче-
скую систему. Проведенный нами анализ [1,2] показывает, что для
описания процессов химического превращения веществ используют
системы дифференциальных уравнений (СДУ), как линейные, так и
нелинейные, которые ввиду громоздкости и большого объема вычис-
лений приходится решать с использованием ЭВМ численными мето-

85
Вестник ПГТУ. Прикладная математика и механика, 2010

дами. Аналитические решения СДУ можно получить лишь для узкого


класса прикладных задач.
В рамках данной статьи остановимся на исследованиях физико-
химических параметров для полученных аналитических решений. Сре-
ди параметров рассмотрим экстремальные характеристики зависимо-
сти концентраций реагирующих веществ ci (t ), i  1, 2,..., n от времени t.
Вначале сделаем предварительные замечания. Отметим, что ис-
следования экстремальных характеристик сложных химических реак-
ций прикладных задач химической кинетики проводят в двух направ-
лениях [2]. Первое направление предполагает проведение исследова-
ния на экстремум для случая функции одной переменной (когда функ-
ции ci (t ) разрешены в явном виде для данной интегральной кривой) во
всей области D определения функции f  ci (t ) , или на локальный экс-
тремум этих функций на некотором рассматриваемом интервале (a,
b)  D. Второе направление связано с исследованием функций несколь-
ких переменных на локальный экстремум (или условный экстремум) в
некоторой замкнутой области G , ограниченной непрерывным замкну-
тым контуром (или несколькими непрерывными контурами
G1 , G2 ,..., Gm ), а сами функции задаются в неявном виде. Такие иссле-
дования достаточно проводить средствами обычного математического
анализа, подробно изложенными, например, в работе [4].
Отметим, что второе направление, с точки зрения химической
технологии, представляет важный практический интерес, так как зада-
чу исследований этого направления можно условно считать обратной к
задаче Коши (определение констант интегрирования систем диффе-
ренциальных уравнений при заданных начальных условиях
(ci (t )  c0i (t ), i  1, 2,..., n) ).
Сформулируем ее кратко.
Задача. Каким условиям должны удовлетворять константы ин-
тегрирования С1 , С2 ,..., Сm системы дифференциальных уравнений (5),
а следовательно, и начальные условия С1  С1 (0), С2  С2 (0),
..., Сm  Сm (0) (или начальные концентрации реагирующих веществ в
реакции), чтобы при их надлежащем выборе получить на выходе мак-
симальное (минимальное) количество продуктов реагирующих ве-
ществ.
Следуя работе [4], опишем схему исследования функции ci (t )
на условный (локальный) экстремум. Если функция f (c1 (t ), c2 (t ),..., cn (t ))
дифференцируема в точке N (a1 , a 2 ,..., an ) , то она может иметь в точке
86
Вестник ПГТУ. Прикладная математика и механика, 2010

N (a1 , a2 ,..., a n ) внутренний максимум или минимум лишь при условии,


когда ее первый дифференциал df обращается в этой точке в нуль, т.е.
когда выполнены следующие условия:

f f f
 0,  0,...,  0, (1)
c1 (t ) c2 (t ) cn (t )

при c1 (t )  a1 , c2 (t )  a2 ,..., cn (t )  an (необходимые условия экстрему-


ма).
Если функция f (c1 (t ), c2 (t ),..., cn (t )) имеет в некоторой окрест-
ности точки N (a1 , a2 ,..., an ) непрерывные вторые частные производные
и если в этой точке выполнено условие (1), то в случае, когда второй
дифференциал
n n
2 f
d 2 f   X i   X k (2)
i 1 k 1 ci (t )ck (t )
N ( a1 , a 2 ,..., a n )
есть отрицательно определенная квадратичная форма, функция
f (c1 (t ), c2 (t ),..., cn (t )) имеет в точке N (a1 , a2 ,..., an ) максимум, а в слу-
чае, когда (2) есть положительно определенная квадратичная форма,
функция f  c1 (t ), c2 (t ),..., cn (t )  имеет в этой точке минимум (достаточ-
ные условия экстремума).
Максимумы и минимумы действительной функции
f (c1 (t ), c2 (t ),..., cn (t )) переменных c1 (t ), c2 (t ),..., cn (t ) , подчиненных
достаточно гладким дополнительным условиям [4] в виде m < n урав-
нений связи
1 (c1 (t ), c2 (t ),..., cn (t ))  0 ,
2 (c1 (t ), c2 (t ),..., cn (t ))  0 ,..., m (c1 (t ), c2 (t ),..., cn (t ))  0 (3)
можно найти, исключив m из n переменных c1 (t ), c2 (t ),..., cn (t ) с помо-
щью уравнений (3). Если непосредственное исключение m переменных
невозможно или нецелесообразно, то применяют следующее необхо-
димое условие максимума или минимума функции при введенных ог-
раничениях (3):

  
  ...   0, (4)
c1 (t ) c2 (t ) cn (t )

87
Вестник ПГТУ. Прикладная математика и механика, 2010

где в (4)
(c1 (t ), c2 (t ),..., cn (t ))  f (c1(t ), c2 (t ),..., cn (t )) +
m
   f  j (c1 (t ), c2 (t ),..., cn (t )) ,
j 1

где m параметров  f называются множителями Лагранжа; n+m неиз-


вестных ci (t )  ai и  f находят из n+m уравнений (3) и (4).
Проиллюстрируем описанный выше метод нахождения экстре-
мумов функции (экстремумов концентраций веществ ci (t ), i  1, 2,..., n
химических реакций) на конкретных примерах работы [2].
Пример 1. Найти концентрации c1 , c2 , c3 реагирующих веществ
для реакций типа 1 [2] при постоянной температуре Т  Т о  const и
приведенных скоростях реакций k1*  k2*  k3*  1 для заданных началь-
1 1 3
ных условий: у1 (0)  ; у2 (0)  ; у3 (0)  . Исследовать полученные
2 4 4
кривые на экстремум.
Решение. В работе [2] система нелинейных дифференциальных
уравнений имела следующий канонический вид:

dу1
  у2  у3 ,
dx
dу2 1 1 3
 у12  у2 , у1 (0)  , у2 (0)  , у3 (0)  , (5)
dx 2 4 4
dу3
 у12  у3 .
dx

Согласно работе [2] система (5) вполне разрешима, т. к. для нее


выполнены условия теорем Осгуда и Каратеодори. В системе (5) при-
няты следующие обозначения:
у1 ( х)  c1 (t ), у2 ( x)  c2 (t ), у3 ( x)  c3 (t ), t  x.
Система (5) решена методом интегрируемых комбинаций [3]. Ее
решения получены (для соответствующих начальных условий) в виде:

88
Вестник ПГТУ. Прикладная математика и механика, 2010

1
у1 ( х)  1  е  х ,
2
1 1
у2 ( х)  1  ( х  )е  х  е 2 х , (6)
2 4
1
у3 ( х)  1  хе  х  е 2 х .
4

Исследуем частные решения (6) для системы (5) на экстремум


средствами математического анализа [4]. Для этого составим необхо-
димые условия (1) для (6):

1 х
у1 ( х)  е  0,
2
1 1
у2 ( х)  ( х  )е  х  е 2 х  0, (7)
2 2
1  х 1 2 х
у3 ( х)  ( х  )е  е  0.
2 2

Из (7) следует, что первая интегральная кривая решений у1 ( х ) не


имеет критических точек на интервале R , а следовательно, для нее и
нет точек экстремумов.
Поскольку у1 ( х)  0 всюду в R , у1 ( х ) является монотонно воз-
растающей функцией в R и достигает своего наибольшего значения в
правом конце рассматриваемого интервала при х   . Подсчитаем
1
его: у1наиб  lim(1  e x )  1.
x  2
Соответственно, своего наименьшего значения у1 ( х ) достигает в
левом конце R , и, следовательно,
1 1
у1наим  lim (1  e x )  .
x 0 0 2 2
Для кривой у2 ( х) получим, что у2 ( х)  0 при х1  0 – есть кри-
тическая точка. Составим вторую производную:
3 
у2 ( х)  е х   x   е 2 х .
2 

89
Вестник ПГТУ. Прикладная математика и механика, 2010

1
При х1  0 получим значение у2 (0)   0 , следовательно, точка
2
1
х1  0 является для у2 ( х) точкой минимума, т.е. у2мин  .
4
Аналогично исследуем интегральную кривую у3 ( х) . Поскольку
у3 ( х )  0 при х2  1, 2 , то точка х2  1, 2 является для нее критической.
Составим для интегральной кривой у3 ( х) вторую производную
х
. Подсчитаем ее значение у3(1,2)=2,13>0 . Сле-
у3( х)  е (2  х)  е 2 х

довательно, точка х2  1, 2 является для интегральной кривой у3 точ-


кой минимума, т.е. у3мин  0, 25.
Качественный график зависимостей у1 ( х), у2 ( х) и у3 ( х) от
х  t проиллюстрирован на рис.1.
y(x)
1,25

1,0
y1(x) y3(x)
y2(x)

y3 ( x )
0,5

0,25

0
x
1,0 1,2
-0,25

Рис.1. Качественный график зависимостей у1 ( х ), у2 ( х ) и у3 ( х) от х  t

Сделаем одно важное замечание по рис.1. Исходя из физического


смысла задачи (с учетом ограничений, накладываемых на параметры
0  c1 ( х), c2 ( х), c3 ( х)  1 и t  x  0 ) [3], кривую у3 ( х )  c3 ( х ) следует
скорректировать путем изменения начальных условий рассматривае-
мой задачи (на графике она изображена пунктирной линией у3 ( х) ).
Пример 2. Используя результаты примера 1, исследовать на ус-
ловный экстремум функцию, которая является произвольной линейной
комбинацией ее решений вида (6).
Решение. Применим для исследований метод множителей Ла-
гранжа [4]. Составим функцию

90
Вестник ПГТУ. Прикладная математика и механика, 2010

 ( х, С1 , С2 , С3 )  у1  у2  у3 , (8)

где С1 , С2 , С3  произвольные константы, подлежащие определению;


, ,  – произвольные числа.
Зададим коэффициенты (8), например в виде   1,   1,   2 .
Тогда функция  ( х, С1 , С2 , С3 ) имеет следующий вид:
  x, C1 , C2 , C3   C1  3C12  3C22 e x  6C1C2 xe x  3C3e x  3C22 e2 x
.
Составим теперь функцию Лагранжа:

L  x, C1 , C2 , c3 ,      x, C 1 , C2 , C3       x, C1 , C2 , C3  . (9)

Примем в (9) функцию   x, C1 , C2 , C3  в виде C12  C22  C32  1  0 .


Тогда функция L будет иметь окончательный вид:

L  x, C1 , C2 , C3 ,    C1  3C12  3C22 e  x  6C1C2 xe  x  3C3e  x  3C3e  x 


(10)

3C22 e2 x   C12  C22  C32  1 . 
Для заданной функции (10) составим условия (1) и получим сис-
тему уравнений для определения неизвестных x, C1 , C2 , C3 ,  .
В нашем случае она имеет следующий вид:

3C2  6C1C2  6C1C2 x  3C3  6C22 e  x  0,


 x
1  6C1  6C2 xe  2C1  0,
 x (11)
3e  2C3  0,
 2
C1  C2  C3  1  0.
2 2

Система (11) является нелинейной и, кроме того, трансцендент-


ной. Аналитические решения ее найти чрезвычайно сложно. Для ее ис-
следований использовали численный метод НьютонаРафсона реше-
ния систем нелинейных алгебраических уравнений. При шаге поиска
решения h=0,01 за 15 итераций был получен вектор значений ее реше-
ний U  18,539;  1; 0; 0;  3,5 .
Для исследований (в рамках рассматриваемой статьи) ограни-
чимся некоторыми частными случаями системы (11).
91
Вестник ПГТУ. Прикладная математика и механика, 2010

Случай 1. Пусть C3  0, x  2 с .
Тогда функция (10) имеет вид
 
L  C1 , C2   C1  3C12  0, 408C22  1, 632C1C2  0, 054C22   C12  C22  1 . (10а)

Составим систему по схеме (11):

1  6C1  1, 632C2  2C1  0,



1, 632C1  0,816C2  0,108C2  2C2  0, (11а)
 2
C1  C2  1  0.
2

Решая систему (11а), например, методом исключения неизвест-


ных, получим первый вектор решений в виде

U1  1,138;  0,543;  2,171 . (11б)

Случай 2. Пусть теперь C2  0, x  2 c .


Тогда соответствующая система (11) имеет следующий вид:

1  6c1  2с1  0,



0, 408  2с3  0, (11в)
 2
с1  с3  1  0.
2

Ее решения дают соответственно второй вектор значений

U 2  1, 003, 0, 0815, 2, 5 . (11г)

Таким образом, для векторов решений (11б) и (11г) получим две


соответствующие точки с координатами p1 1,138;  0,543 ,
p2 1,003;  0,0815  и значениями 1  2,171 и  2  2, 5 соответст-
венно.
При выполнении условий (1) квадратичная форма (2) (для слу-
чая функции двух переменных относительно C1 и C3 ) имеет следую-
щий вид:

92
Вестник ПГТУ. Прикладная математика и механика, 2010

0 x ( p0 ) y ( p0 )
   x ( p0 ) Lxx
 ( p0 ,  0 ) Lxy
 ( p0 ,  0 ) . (12)
y ( p0 ) Lxy
 ( p0 ,  0 ) Lyy
 ( p0 ,  0 )

Индексы дифференцирования x, у в (12) совпадают с определяе-


мыми константами C1 , C2 , C3 .
Для случая (1) рассматриваемого примера определитель Δ имеет
вид формулы (12) и равен

1  159,8  0 , (12а)

а для случая 2 определитель Δ имеет значение


 2  125,9  0 . (12б)

Таким образом, из (12а) и (12б) следует, что точка


p1 1,138;  0,543 являлась точкой условного максимума функции Ф, а
точка p2 1, 003;  0, 0815  – точкой условного минимума.
В заключение дадим геометрическую интерпретацию примера 2.
Функция L  C1 , C2  , построенная для случая 1 в виде (10а), задает в
пространственной системе координат некоторую поверхность в ска-
лярном поле, один из уровней которой определяется фиксированным
значением 1  const . Значение x  2 С определяет секущую плос-
кость к данной поверхности, в сечении которой получается некоторая
кривая, описываемая уравнением в явном виде C2    C1  . Аналогич-
ные рассуждения справедливы и для случая 2 рассматриваемого при-
мера. На рис. 2 приведены графики сечений C2    C1  и C3    C1  ,
там же изображены точки условных экстремумов p1 и p2 , найденные
для частных случаев. Совокупность всех поверхностей уровней при
произвольных значениях  задает рельеф данных функций в некото-
ром скалярном поле.

93
Вестник ПГТУ. Прикладная математика и механика, 2010

C2   2,171 C3   2,5
x  t  2С x  t  2C
1,138 1,003
0 0

1,0 1,2 C1 1,0 1,2 C1


0,543 0,0815 C3    C1 
1,0 p1 1,0
C2    C1  p2

Рис. 2. Графики сечений C2    C1  и C3    C1 

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Федосеев А.М., Кетиков В.Н. Аналитические и численные ме-


тоды решения дифференциальных уравнений, описывающих кинетику
химических реакций: учеб. пособие; Перм. гос. техн. ун-т. – Пермь,
2004. – 48 с.
2. Федосеев А.М., Кетиков В.Н. Функции комплексного пере-
менного и их приложения: учеб. пособие. Ч.2. Пермь, 2007. – 145 с.
3. Кетиков В.Н., Федосеев В.М. О разрешимости некоторых не-
линейных систем обыкновенных дифференциальных уравнений кине-
тики сложных химических реакций // Вестник ПГТУ. Математика и
прикладная математика. – 2005. – С.3843.
4. Корн Г. Справочник по математике.– М.: Наука, 1978. – 831 с.

94
Вестник ПГТУ. Прикладная математика и механика, 2010

УДК 658.5.012+651

В.П. КАРАНДАШОВ, Е.В. ЗАДОРОЖНАЯ


Пермский государственный технический университет

РЕШЕНИЕ ЗАДАЧИ ОБ ОПТИМАЛЬНОМ ВЫБОРЕ


РИСКОВЫХ СИТУАЦИЙ В СТРАХОВАНИИ

В работе рассмотрены решения задач об оптимальном выборе риско-


вых ситуаций в страховании при оценке минимальной величины собственных
средств, оптимального страхового взноса с учетом кривой спроса, макси-
мальной полезности без явного учета вероятности разорения в случае нор-
мальной модели суммарного риска для однородной группы клиентов. Пока-
зано, что распределение суммарного риска для однородной группы парамет-
рически зависит от коэффициента нагрузки, имеющего смысл спроса на стра-
ховой продукт.

Рассмотрим задачу нахождения минимальной величины


собственных средств. Представим математическую постановку и
решение задачи.
Пусть на основе предыдущего опыта страховщик полагает, что
объем портфеля однотипных договоров (т.е. их количество), которые
удастся заключить на предстоящий страховой период, распределен по
закону Пуассона с параметром n . Среднее и дисперсия ущербов кли-
ентов равны, соответственно, M 1 и 12 , задан коэффициент нагрузки
страховщика  . Известно, что значение n достаточно высоко и дости-
гает 100. Найти явную формулу минимального объема собственных
средств S* , гарантирующего заданную вероятность неразорения  ,
как функцию от n , и определить ее интервалы монотонности.
Численность группы клиентов рассматривается как случайная ве-
личина   P(n) . Предполагается, что X i  независимы от  . Ограни-
чение на вероятность неразорения в данном случае означает
P S  D  X   P S  (1  ) M  X    .
Предположение о случайности числа клиентов приводит к тому,

что суммарный взнос D   d  d является случайной величиной.
i 1
Поэтому для расчета вероятности неразорения P{S  D  X } =

95
Вестник ПГТУ. Прикладная математика и механика, 2010

 P{S  X  D} необходимо знать функцию распределения величины



X  D  (Xi  d) .
i 1

Посколку d  (1   ) M 1 , E[ X 1  d ]  M 1 , E[ X1  d ]2  12  2 M12 .


Воспользуемся нормальной аппроксимацией, так как значение n
достаточно велико. Тогда вероятность неразорения
P{X  D  S}   M , (S )   ,
где M    nM 1 ,   n(12   2 M 12 ) .
Откуда S* ()  x .
Т.о. задача сводится к нахождению  -квантиля нормального
распределения F (S ) , т.е. найти решение x уравнения  M , ( S )   .
Воспользуемся приемом линейного преобразования нормальной
случайной величины:
S S M S M
 M ,σ ( S )  P{  S}  P{  }  ( ).
  
После вычисления xN ―  -квантиля стандартной нормальной
функции распределения ( x) — находим  -квантиль x нормальной
S  M
функции распределения  M , ( S )  ( ), по формуле

x  xN  M  , тогда

S*  xN  M   n(12   2 M 12 ) xN  nM 1 . (1)

Рассмотрим S*  S* (n) как функцию от действительного пере-


(12   2 M12 ) xN
менного n (0, ) . Поскольку S* (n)  убывает на
(2 n )  M1
(0, ) , S* ( n) — вогнутая функция, имеющая единственный максимум
в точке
xN (12   2 M 12 )
n  [ ]2 ,
2 M 1
после которой S* ( n) убывает.
Найдем точки пересечения функции S* ( n) с осью абсцисс.

96
Вестник ПГТУ. Прикладная математика и механика, 2010

Приравняем S* к нулю: S*  n(12   2 M 12 ) xN  nM 1  0, преоб-

 M 1  n 2  (12   2 M 12 )  xN  n  0, откуда находим n  0 и


2 2
разуем

(12   2 M 12 )  xN 
2

n  4n.
 M 1 
2

Допустим, что 1  10, M 1  1,   0, 2, xN  2,5 , тогда


n  3906 , 4n  15625 .
По формуле (3.1) находим, что S*  781,56 .
Построим график зависимости минимального объема собствен-
ных средств от численности группы (рис. 1).

Рис. 1. Минимальный объем собственных средств


в зависимости от численности группы

Из формулы (1) и рис.1 видно, что мелкая компания, у которой


число клиентов n < n', должна преодолеть своеобразный барьер в про-
цессе своего роста: при приближении к n' величина S* ( n) растет и
рисковая ситуация в этом смысле ухудшается до тех пор, пока n не
станет равным n'. На интервале же [n',∞) при увеличении n минималь-
ный собственный резерв S* ( n) довольно быстро убывает (со скоро-
стью (12   2 M 12 ) xN / (2 n )  M 1 ). Таким образом, можно сказать,
что в классе относительно крупных компаний (n  n') страховщик,
имеющий более многочисленную группу клиентов, способен обойтись
малыми резервами, поддерживая основную часть страхового покрытия
за счет взносов клиентов, в то время как его конкурент обязан создать
больший резерв собственных средств.
97
Вестник ПГТУ. Прикладная математика и механика, 2010

Рассмотрим задачу оптимизации страхового взноса с учетом кри-


вой спроса. Представим математическую постановку с решением зада-
чи.
Рассмотрим задачу оптимизации страхового взноса d в форму-
лировке типа I, в которой предполагается, что страховщику известна
детерминированная количественная зависимость численности группы
клиентов n  n1 (d ) от страхового взноса (цены полиса) d . Предпола-
гается, что группа клиентов однородна. В качестве минимизируемого
критерия выбрана величина собственных средств компании S в стра-
ховом покрытии. Известно распределение риска (используется нор-
n(d )
мальная модель суммарного риска) X d   X i , параметрически зави-
i 1

сящее от n(d ) , где n() — заданная функция спроса от страхового


взноса d , который можно менять в заданном диапазоне d  [d  , d  ] .
X d распределен нормально с параметрами n(d ) M 1 и n(d )12 . Требует-
ся определить параметры страхования ( S * , d * ) , обеспечивающие за-
данный уровень надежности  при минимальном объеме собственных
средств. Решить задачу в предположении, что функция спроса экспо-
ненциальна, т.е. n(d )  A exp(rd ) .
Поскольку d  (1   ) M 1 , где M 1 — фиксированный средний
d
ущерб клиента, можно рассмотреть функцию n()  n1 (  1) . Данная
M1
функция определена на интервале [d  / M1  1, d  / M1  1] . Таким обра-
зом исходная задача может быть сведена к задаче нахождения пара-
метров страхования (S* ,  * ) .
Заданный уровень надежности в данном случае означает:

P S  D  X   P S  (1  ) M  X    . (2)

Обозначим через x квантиль порядка  распределения F(х), т.е.


по определению минимальный обобщенный корень уравнения F(х) = 
или x  inf  x : F ( x  0)  , F ( x)   . Тогда из (3.2.1) с учетом задан-
ного ограничения  [d  / M1  1, d  / M1  1] получим неравенства, ко-
торые определяют искомую область
(S , )  R2 : S  (1  )M  x , d  / M1  1    d  / M1  1 .
98
Вестник ПГТУ. Прикладная математика и механика, 2010

Из первого неравенства S  (1  )M  x сразу же следует выра-


жение для минимального объема капитала при фиксированном  :

S* ()  x  M  M , (3)

которое есть частный случай функции S* () .


В силу ограничений  [d  / M1  1, d  / M1  1] под X  понимает-
ся заданное распределение риска X d .
Тогда исходная задача сводится к одномерной задаче минимиза-
ции
S* ()  min,  [d  / M1  1, d  / M1  1] , (4)

и найденная точка минимума * вместе с S*  S* (* ) дает искомые па-


раметры страхования.
Отметим, что в силу закона спроса функция n() убывает по  ,
тогда x () и среднее M () — неубывающие функции, и минимум их
разности в (4) может достигаться как в граничной, так и во внутренней
точке допустимого интервала.
Учитывая, что среднее и стандартное отклонение суммарного
риска равны, соответственно, M ()  n() M 1 , ()  n()1 , и, пере-
ходя в задаче (4) к  -квантилю стандартного нормального распреде-
ления xN  ( x ()  M ()) / () , получим, что целевая функция в (4)
имеет вид

S* ()  xN 1 n()  M1n() . (5)

Подставляем выражение для n() в (3.2.4):


r
S* ()  xN 1 A exp( )  M1A exp(r ) 
2
x 1
N
r
 M1 A exp(r )( exp( )  ).
AM1 2
xN 1 r
Обозначим через   S* ()  M1 A exp(r)(   exp( )) .
(M A ) 2
Продифференцируем по  :
99
Вестник ПГТУ. Прикладная математика и механика, 2010

r r r
S* ()  M 1 Ar exp(r )(   exp( ))  M 1 A exp( r  )(1  exp( )) 
2 2 2
r r
  M 1 A exp(r )[1  r   exp( )].
2 2
Поскольку  M 1 A exp(r )  0 и выражение в скобках есть возрастаю-
щая функция от  , то согласно свойствам функции распределения
S* () унимодальна вверх (строго), причем единственный ноль S* ( )
на (0,  ): S ( 0 )  0 дает точку максимума S* () на этом интервале.
Решение рассматриваемой задачи минимизации (4) есть одна из
крайних точек отрезка [  ,   ] :
d  / M 1  1, при  0  d  / M 1  1

*  {d  / M 1  1; d  / M 1  1} при d  / M 1  1   0  d  / M 1  1
 
d / M 1  1, при  0  d  / M 1  1
Тогда величина страхового взноса, обеспечивающая минимум
функции S* ( d ), будет определяться из формулы
d  , при d 0  d 

d *  {d  , d  }, при d   d 0  d  ,
d  , при d 0  d 

где d 0  (1  0 ) M1 .
Основную трудность здесь представляет нахождение стационар-
ной точки 0 , что связано с необходимостью решения нелинейного
уравнения
r r
1  r  exp( )  0 .
2 2
Для примера рассмотрим случай, когда r  2,   1, рассматри-
вается промежуток значений d равный [10;30] , M 1  10 , A  0,1 .
Тогда из уравнения exp   1  2 находим 0  1 и d 0  20 . Та-
ким образом, минимум функции S* (d ) достигается в одной из гранич-
ных точек, в данном случае в точке d  30 (рис. 2).

100
Вестник ПГТУ. Прикладная математика и механика, 2010

Рис. 2. Зависимость объема собственных средств


от цены полиса при экспоненциальном спросе

Рассмотрим задачу оптимизации нагрузки  в формулировке ти-


па II без явного учета вероятности разорения, считая критерием опти-
мальности экспоненциальную полезность остаточного капитала
S  D  X  , где размер собственного капитала S предполагается фик-
сированным, суммарный взнос есть (детерминированная) величина,
равная D  (1   ) M () :

J ()   E exp  c[ S  (1  ) M ()  X ()]  max,   [  ,   ] . (6)

Здесь с > 0 − заданный показатель неприятия риска, а  является


управляемым параметром на множестве A  [  ,   ] . Распределение
суммарного риска рассматриваемой однородной группы клиентов X 
параметрически зависит от коэффициента нагрузки  через n() 
положительный параметр, имеющий смысл спроса на страховой про-
дукт, который линейно входит в выражение для среднего риска
M (  )  E X   n ( ) M 1 .
Рассмотрим решение оптимизационной задачи (6) для нормаль-
ной модели суммарного риска однородной группы клиентов, предпо-
лагая, что кривая спроса экспоненциальна n()  A exp(r) , где
A, r  0 .
Определим численные значения оптимального коэффициента на-
грузки этой задачи, если размер страховой выплаты детерминирован и
равен m  10 , вероятность страхового случая p  0,01 , мера осторож-

101
Вестник ПГТУ. Прикладная математика и механика, 2010

ности страховщика c  0,5, величина собственного капитала S  100 , а


кривая спроса n()  300e  ,   [0.1, 2] .
Пусть для каждого   [  ,   ] суммарный риск группы клиентов
X  распределен нормально со средним M ()  n() M 1 и дисперсией
2  n()12 . Требуется найти коэффициенты нагрузки, дающие мак-
симальное значение экспоненциальной полезности в (6) для экспонен-
циальной функции спроса u(Y )   exp(cY ) .
Найдем выражение для целевой функции в (6):
J ()   E exp  c[ S  (1  ) M ()  X  ]   exp c[ S  (1  ) M ()]Eexp cX  .
Поскольку случайная величина X  распределена нормально,

1
E[exp(cX  )] 
2
 exp(cX

 ) exp[( X   M ) 2 / (22 )]dX  .

Складываем показатели экспонент и выделяем полный квадрат


( X  M )2 2 2 cX   X  2  2 X  M  M 2
exp[cX    2 ]  exp[ ]
2 22
 X 2  2( M  2 c) X   ( M  2 c) 2  ( M  2 c) 2  M 2
 exp[  ]
22
( X   ( M   2 c)) 2  M 2  2 2 cM   4 c 2  M 2
 exp[ ]
22
( X   ( M   2 c)) 2 2 c 2
 exp[ ]  exp[ cM  ].
22 2
2 c 2 1
Получим, что правая часть есть exp[cM  ] 
2 2

( X   ( M  2 c)) 2
  exp[ ].

22
Интеграл от плотности нормального распределения равен едини-
це, поэтому
2 c 2
E[exp(cX  )]  exp[cM  ].
2
Тогда ожидаемая экспоненциальная полезность
J ()   exp c[ S  (1  ) M ()]Eexp cX  
  exp c[ S  (1  ) M ()  M ()   2 c / 2] 
  exp c[ S  n() M 1  n()12 c / 2)].

102
Вестник ПГТУ. Прикладная математика и механика, 2010

Прологарифмируем функцию  J () :


ln( J ())  c[S  n()M1  n()12 c / 2)] 
 c[S  M1 (n()  n()12c / (2M1 ))].
Таким образом, исходная задача максимизации функции J ()
сводится к минимизации функции I ()  n() N  n() на [  ,   ] ,
где  N  c12 / (2M1 ) . В случае экспоненциальной функции спроса
n()  A exp(r) оптимальная точка * определяется формулами.
Заметим, что параметр  положителен, так как из неравенства
Йенсена для строго вогнутой функции ln y имеем
ln E exp(cX 1 )  EcX 1  cM 1  0 .
При дифференцируемой n() производная I () равна

I ()  n()  (n()  n()). (7)

Подставим в (7) экспоненциальную функцию спроса n() :


I ()  rAe  r   Ae  r  rAe  r  Ae r ((  )r  1) .
Поскольку сомножитель в скобках есть возрастающая функция от
 на [0, ) критерия унимодальности (7), следует, что I () унимо-
дальна вниз. По свойствам функции распределения вытекает унимо-
дальность вверх исходной функции J ()   exp[cM 1 I ()  cS ] .
Единственное решение уравнения I ()  0 на этом интервале

1
    , (8)
r

Поэтому единственной точкой минимума I () (а значит, точкой


максимума J () ) на [  ,   ] будет

  , при    

*   , при         . (9)
  , при     

Следует, что величина  N линейно возрастает с ростом с − пока-


зателя осторожности страховщика, и из (8), (9) следует, что для доста-
103
Вестник ПГТУ. Прикладная математика и механика, 2010

точно больших значений с необходимо получим, что оптимальный *


совпадает с верхней границей   допустимых коэффициентов нагруз-
ки. Это объясняется тем, что боязнь больших значений риска X  за-
ставляет страховщика уменьшать его среднее n() M 1 , т.е. в итоге
уменьшать число клиентов, несмотря на потери в сумме собираемых
взносов D  (1  )n() M 1 .
Для наглядности приведем фрагмент графика на промежутке
[1,9;2] (рис. 3).

Рис. 3. Стационарная точка

В заключение можно сказать, что оптимум в решаемой задаче до-


вольно чувствителен к выбору модели. При малых значениях c ре-
зультаты практически совпадают, а при малой вероятности страхового
случая p это различие для нормальной модели весьма ощутимо.
При разумном поведении человек не ставит задачу извлечь выго-
ду из неблагоприятного случая. Исключительно к подобного рода со-
бытиям апеллирует страхование и, таким образом, попадает, на первый
взгляд, в двусмысленное положение, т.е. бизнес, который берется за
решение проблем такого рода, как бы ставит себя в рамки этически не
дозволенные. С другой стороны, предусмотрительность определяет
поведение живого существа, особенно человека, в каждый момент его
жизнедеятельности. Надежность экономической деятельности подкре-
пляется страхованием именно потому, что имеет законные основания
защиты. Таким образом, страхование становится необходимым эле-
ментом, сопутствующим экономической деятельности не только из-за

104
Вестник ПГТУ. Прикладная математика и механика, 2010

страха потерять жизнь, богатство, но и в целях их сохранения (приум-


ножения).
Неопределенность и способы принятия решений – главные зада-
чи страховой деятельности в процессе возмещения ущерба. Таким об-
разом, методы страховой защиты коммерческого страхования пред-
ставляют интерес для всех видов деятельности, претендующих на вы-
живание, так как оно принимает на себя риски вовсе не из альтруисти-
ческого интереса и, как любой вид деятельности, предрасположено к
риску. Стало быть, для того, чтобы принять на себя риск, необходимо
оценить его тяжесть и способность обеспечения обязательств по его
удовлетворению.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Альбрехт Э.Г. Методы оптимизации. Введение в теорию ре-


шения экстремальных задач.  М.: Наука, 1995.  150 с.
2. Васильев Ф.П. Численные методы решения экстремальных за-
дач. – М.: Наука, 1980.  100 с.
3. Голубин А.Ю. Математические модели в теории страхования:
построение и оптимизация – М.: Анкил, 2003.  160 с.
4. Королев В.Ю., Бенинг В.Е., Шоргин С.Я. Математические ос-
новы теории риска: учеб.пособие.М.: ФИЗМАТЛИТ, 2007. – 544 с.
5. Новоселов А.А. Математическое моделирование финансовых
рисков: Теория измерения. – Новосибирск: Наука, 2001. – 102 с.
6. Хованов Н.В. Математические модели риска и неопределенно-
сти. – СПб.: Изд-во–С.-Петербургского ун-та, 1998. – 304 с.
7. Шахов В.В., Медведев В.Г., Миллерман А.С. Теория и управ-
ление рисками в страховании. – М.: Финансы и статистика, 2003. – 224
с.: ил.

105
Вестник ПГТУ. Прикладная математика и механика, 2010

УДК 658.5.012+651

В.П. КАРАНДАШОВ, А.А. МАТВЕЕВА


Пермский государственный технический университет

МЕТОД СЦЕНАРИЕВ В ОЦЕНКЕ ИНВЕСТИЦИОННЫХ


ПРОЕКТОВ

В работе приведен пример решения задачи оценки инвестиционного


проекта на основе метода сценариев. Составлен алгоритм, использующий
сценарный подход совместно с анализом чувствительности факторов проек-
та, влияющих на его эффективность, минимаксным подходом из теории игр и
нечетких множеств.

Инвестиционный проект — экономический или социальный про-


ект, основывающийся на инвестициях; обоснование экономической
целесообразности, объема и сроков осуществления прямых инвестиций
в определенный объект, включающее проектно-сметную документа-
цию, разработанную в соответствии с действующими стандартами.
При разработке инвестиционного проекта возникает множество
сложностей, связанных в основном с тем, что используемые при оцен-
ке денежные потоки относятся к будущим периодам и имеют прогноз-
ный характер. Неопределенность прогнозируемых результатов приво-
дит к возникновению риска того, что цели, поставленные в проекте,
могут быть не достигнуты полностью или частично.
В настоящее время существует большое число различных опре-
делений самих понятий «риск» и «неопределенность». Риск имеет ме-
сто тогда, когда некоторое действие может привести к нескольким
взаимоисключающим исходам с известным распределением их вероят-
ностей. Если же такое распределение неизвестно, то соответствующая
ситуация рассматривается как неопределенность.
При работе с инвестиционным проектом перед инвестором стоит
множество задач, в том числе и оценка риска проекта. В данном на-
правлении реализовано множество методов и подходов как качествен-
ных, так и количественных. В настоящее время почти ни одни из алго-
ритмов оценки риска инвестиционного проекта не используются само-
стоятельно. Реальность такова, что наиболее полно оценить риск инве-
стиций возможно только при комплексном подходе, а комбинируя не-
сколько известных методов в один алгоритм, можно максимально точ-
но оценить риск проекта.
Метод сценариев в классическом представлении предполагает
описание опытными экспертами множества возможных условий реали-

106
Вестник ПГТУ. Прикладная математика и механика, 2010

зации проекта и отвечающих этим условиям затрат, результатов и по-


казателей эффективности.
Наиболее часто строятся, как минимум, три сценария: оптими-
стический, пессимистический и наиболее вероятный (пессимистиче-
ский или средний).
Следующий этап реализации метода сценариев состоит в преоб-
разовании исходной информации о факторах неопределенности в ин-
формацию о вероятностях отдельных условий реализации и соответст-
вующих показателях эффективности или об интервалах их изменения.
На основе имеющихся данных определяются показатели экономиче-
ской эффективности проекта.
Основным недостатком реализации сценарного подхода является
рассмотрение только нескольких возможных исходов по проекту. К
тому же при определении вероятности того или иного сценария прихо-
дится делать предположения, что ставит под вопрос корректность всей
оценки.
Тем не менее применение этого метода в комплексе с другими
(анализ чувствительности, нечеткие множества) дает возможность ми-
нимизировать влияние человеческого фактора на результат.
Опишем один из возможных алгоритмов, состоящий из следую-
щих этапов:
1. Установить ключевые факторы проекта, оказывающие значи-
тельное влияние на показатель эффективности NPV . Для этого про-
вести анализ чувствительности по всем факторам в заданном интерва-
ле и выбрать те из них, изменения которых приводят к наибольшим
изменениям NPV (табл.1).
Анализ начинается с установления базового значения результи-
рующего показателя (в нашем случае NPV) при фиксированных значе-
ниях параметров, влияющих на результат оценки проекта. Затем рас-
считывается процентное изменение результата (NPV) при изменении
одного из условий функционирования (другие факторы предполагают-
ся неизменными). В качестве показателя чувствительности выберем
дисперсию. n 2

Var ( NPVi ) =  (NPVti  NPVi ) n .


t=1 Таблица 1
Матрица чувствительности
Значения результирующего показателя
Дисперсия NPV
Факторы –k2% –k1% 0% + k1% + k2%
F1 NPV11 NPV 12 NPV13 NPV14 NPV15 Var(NPV1)
F2 NPV21 NPV 21 NPV23 NPV24 NPV25 Var(NPV)
F3 NPV31 NPV 32 NPV33 NPV34 NPV35 Var(NPV3)
…. … … … … … …
Fn NPVn1 NPVn2 NPVn3 NPVn4 NPVn5 Var(NPVn)

107
Вестник ПГТУ. Прикладная математика и механика, 2010

Ключевыми факторами будут являться те, к изменениям которых наи-


более чувствительна эффективность проекта ( Fs ).
2. Рассмотреть возможные ситуации, обусловленные колеба-
ниями этих факторов. Для этого можно построить «дерево сценариев»
(рис.1)

Проект

Изменение Fs1 Изменение Fs2 Изменение Fs3

Рис. 1. «Дерево сценариев»

3. Следующим шагом принята эффективность проекта с учетом


вероятности каждого сценария, причем вероятностные значения долж-
ны быть получены методом экспертных оценок:
n
NPVож =  NPVi  pi ,
i=1

где NPVi – интегральный эффект при условии реализации i-го сцена-


рия, pi – вероятность этого сценария.
При этом риск неэффективности проекта ( Py ) оценивается как
суммарная вероятность тех сценариев ( k ), при которых ожидаемая
эффективность проекта ( NPV ) становится отрицательной:
Py =  pk .
Вероятностное описание условий реализации проекта оправдано
и применимо, когда эффективность проекта обусловлена, прежде все-
го, неопределенностью природно-климатических условий или процес-
сов эксплуатации и износа основных средств.
В тех случаях, когда ничего не известно о вероятности отдельных
сценариев (интервальная неопределенность) или реализация любого из
них вообще не является случайным событием и не может быть охарак-
теризована в терминах теории вероятности, используется минимакс-
ный подход, в частности так называемый критерий оптимизма-
пессимизма, предложенный Л. Гурвицем:
108
Вестник ПГТУ. Прикладная математика и механика, 2010

NPVож  NPVmax    (1  )  NPVmin ,


где NPVmax , NPVmin – наибольший и наименьший интегральный эф-
фект по рассмотренным сценариям; 0    1 специальный норматив
для учета неопределенности эффекта, отражающий систему предпоч-
тений соответствующего хозяйственного субъекта в условиях неопре-
деленности (коэффициент оптимизма-пессимизма).
При  = 0 коэффициент становится критерием Вальда
(MAXIMIN) – минимизирует риск инвестора, однако при его исполь-
зовании многие инвестиционные проекты, являющиеся высокоэффек-
тивными, будут необоснованно отвергнуты. Этот метод искусственно
занижает эффективность инвестиций, поэтому его использование целе-
сообразно, когда речь идет о необходимости достижения гарантиро-
ванного результата.
При  = 1 коэффициент становится критерием крайнего опти-
мизма, ориентирующийся на наилучший из возможных сценариев, хо-
тя вероятность его реализации обычно не очень высока.
В условиях неопределенности широко распространенными ста-
ли методы, базирующиеся на теории нечетких множеств.
К методам, базирующимся на теории нечетких множеств, можно,
в качестве частного случая, отнести давно и широко известный интер-
вальный метод. Данный метод соответствует ситуациям, когда доста-
точно точно известны лишь границы значений анализируемого пара-
метра, в пределах которых он может изменяться, но при этом отсутст-
вует какая-либо количественная или качественная информация о воз-
можностях или вероятностях реализации различных его значений
внутри заданного интервала. В соответствии с данным методом вход-
ные переменные инвестиционного проекта задаются в виде интерва-
лов, функции принадлежности которых являются классическими ха-
рактеристическими функциями множества, поэтому далее возможно
прямое применение правил нечеткой математики для получения ре-
зультирующего показателя эффективности проекта в интервальном ви-
де. В интервальном методе за уровень (степень) риска предлагается
принимать размер максимального ущерба, приходящегося на единицу
неопределенности, т. е.
NPVож  NPVmin
p= ,
NPVmax  NPVmin

107
Вестник ПГТУ. Прикладная математика и механика, 2010

где NPVож – ожидаемое или требуемое значение параметра; NPVmin –


минимальное значение эффективности; NPVmax – максимальное значе-
ние эффективности;
P – уровень (степень) риска, или отношение расстояния от требуемой
величины до ее минимального (максимального) значения к интервалу
между ее максимальным и минимальным значениями.
При помощи теории нечетких множеств разработан метод оценки
риска неэффективности инвестиционного проекта консалтинговой
группой «Максимов & Воронов»:
1 a
V & M  R  (1   ln(1  a)),
a
NPVmin
a ,
NPVож  NPVmin
NPVmin
R .
NPVmax  NPVmin
Рассмотрим реализацию этого метода на конкретном инвестици-
онном проекте. Решается задача об оценке риска и оценке эффективно-
сти инвестиционного проекта о приобретении компанией буровых ус-
тановок грузоподъемностью 320 метрических тонн в эшелонном блоч-
но-модульном исполнении.
Чистый денежный поток за период t описывается формулой
NCF (t )  V (t )  Z (t )  F (t )  N (t )  R(t )  P(t )  Jz(t )  Jk (t ),
где V (t ) – поступления от продаж; Z (t ) – зарплата; F (t ) – общие за-
траты; N (t ) – налоги; R(t ) – затраты на материалы и комплектующие;
P(t ) – выплата процентов по кредитам; Jz(t ) – инвестиции в здания и
оборудование; Jk (t ) – инвестиции в оборотный капитал.
Стоит отметить, что при расчете чистый денежный поток берется
с поправкой на инфляцию.

n
NCFi
NPV   n
,
i 0
 (1  r )
ti
ti

где rti – ставка дисконтирования в период t i .


Используя анализ чувствительности, определим ключевые фак-
торы проекта (табл. 2).
108
Таблица 2
Матрица чувствительности по проекту
Дисперсия 15% 10% 5% 0% –5% –10% –15%

Поступления от
10017678,9 6 553,00 5 087,90 3 622,80 2 157,66 692,51 –772,63 –2 237,77
продаж

Затраты на материа
785386,0261 926,94 1 337,10 1 747,40 2 157,66 2 567,9 2 978,10 3 388,38
лы и комплектующие

34003,01273 1 901,50 1 986,90 2 072,30 2 157,66 2 243,00 2 328,30 2 413,74 Зарплата

109
1038673,02 742,33 1 214,10 1 685,80 2157,66 2 629,40 3 101,20 3 572,99 Общие затраты

128309,1202 1 660,20 1 826,00 1 991,80 2 157,66 2 323,40 2 489,20 2 655,10 Налоги

Выплата процентов
6925,846576 2 042,00 2 080,60 2 119,10 2 157,66 2 196,10 2 234,70 2 273,23
по кредитам

Инвестиции в зда-
163686,76 1 595,80 1 783,00 1970,3 2 157,66 2 344,90 2 532,20 2 719,51 ния, оборудование и
другие активы

Инвестиции в обо-
Вестник ПГТУ. Прикладная математика и механика, 2010

6314,068176 2 047,30 2 084,00 2 120,80 2 157,66 2 194,40 2 231,20 2 268,01


ротный капитал
Вестник ПГТУ. Прикладная математика и механика, 2010

Эффективность проекта наиболее чувствительна к следующим


факторам: поступления от продаж, затраты на материалы, колебания
общих затрат (рис. 2).

Проект

Колебания объема по- Колебания затрат на Колебания общих


ступлений от продаж материалы затрат

Рис. 2. Проект и влияющие на него факторы

Сценарий 1. Колебания объема поступлений от продаж.


Ситуация 1. Объем поступлений от продаж увеличился на 20 %.
Ситуация 2. Объем поступлений от продаж остался неизменным.
Ситуация 3. Объем поступлений от продаж уменьшился на 20 %.

Критерий Вальда: NPVож = –2237,77.


Критерий крайнего оптимизма: NPVож =6553,09.
Степень риска неэффективности инвестиций V&M=0,079.

Сценарий 2. Колебания затрат на материалы.


Ситуация 1. Затраты на материалы увеличиваются на 20 %.
Ситуация 2. Затраты на материалы остаются неизменными.
Ситуация 3. Затраты на материалы уменьшаются на 20 %.

110
Вестник ПГТУ. Прикладная математика и механика, 2010

Критерий Вальда: NPVож = 926,94.


Критерий крайнего оптимизма: NPVож = 3 388,38.

Сценарий 3. Колебания общих затрат.


Ситуация 1. Общие затраты увеличиваются на 20%.
Ситуация 2. Общие затраты остаются неизменными.
Ситуация 3. Общие затраты уменьшатся на 20%.

Критерий Вальда: NPVож = 742,33.


Критерий крайнего оптимизма: NPVож = 3 572,99.

В результате исследования можно сделать вывод, что использо-


вание метода сценариев для оценки инвестиционных проектов дает
возможность рассматривать проект при различных вариантах его реа-
лизации.
Рассматривая построенный алгоритм на наглядном примере,
можно заключить, что метод сценариев дает весьма пессимистичные
оценки для инвестиционного проекта. Стоит отметить, что метод сце-
нариев стоит использовать, когда количество вариантов конечно, а
значения факторов дискретны.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Недосекин А., Воронов К. Новый показатель оценки риска ин-


вестиций //Управление риском. – 2000. – №1. С.35.
2. Орлова Е.Р. Инвестиции: курс лекций – М.: Омега-Л, 2003. –
192 с.
3. Попова А.Ю. Оценка риска инвестиционного проекта. – URL:
ej.kubagro.ru/2006/03/07/.

111
Вестник ПГТУ. Прикладная математика и механика, 2010

УДК 519.654:336.74

М.Г. БОЯРШИНОВ, Н.В. ПЕТЕРЛЕВИЧ


Пермский государственный технический университет

ОЦЕНКА ЭФФЕКТИВНОСТИ «ЗАРПЛАТНОГО» (КАР-


ТОЧНОГО) ПРОЕКТА КОММЕРЧЕСКОГО БАНКА

Рассматривается методика оценки «зарплатного» проекта банка, реали-


зуемого для коммерческой организации. Для реализации методики проведено
исследование изменения числа штатных сотрудников с течением времени для
ряда организаций и выполнена аппроксимация полученных данных с исполь-
зованием метода наименьших квадратов. Приведены расчеты с применением
стандартной и предложенной методик.

В европейских странах число банковских платежных карт быстро


растет. Наиболее высокая интенсивность их использования – в Дании и
Финляндии: на платежную карту в среднем приходится не менее одной
транзакции в неделю. На третьем месте по этому показателю – Фран-
ция, которая по общему числу транзакций занимает первое место в Ев-
ропе. В Италии совершается в среднем около двух транзакций на карту
в год. В пятерке европейских стран-лидеров использования банкоматов
(Германия, Испания, Франция, Великобритания и Италия) установлено
более 76 % от общего числа банкоматов в Европе. По плотности бан-
коматов на душу населения Испания занимает первое место в Европе.
Уже в 1997 г. на миллион жителей в этой стране приходилось 643 бан-
комата [1]. Страной с максимальным числом банкоматов на каждый
миллион жителей (более 1 000) остается Япония [2].
Экспертами отмечается положительная динамика роста числа
операций, совершенных в России с использованием платежных карт.
Согласно данным Центрального Банка РФ [1] число операций физиче-
ских лиц по банковским картам в четвертом квартале 2007 г. составило
465,9 млн, что на 34,3 % больше, чем за аналогичный период 2006 г.
Всего в 2007 г. на территории России было совершено более 1,6 млрд
операций (рост по сравнению с 2006 г. составил около 36 %) на общую
сумму более 6 трлн рублей. Показатель рыночного проникновения по
России в 2007 г. составил примерно 0,6 карты на человека, по сравне-
нию с 0,11 в 2004 г. [3, 4]. Специфика российского карточного рынка
заключается в том, что большая часть карточного бизнеса (до 90 %)
реализуется через зарплатные проекты. Средний российский держа-

112
Вестник ПГТУ. Прикладная математика и механика, 2010

тель совершает одну-две транзакции в месяц, и этот показатель остает-


ся практически неизменным с 2000 г. [2].
Экономические интересы банка при реализации зарплатного про-
екта заключаются в получении прибыли. Эта цель может реализовы-
ваться напрямую, через получение комиссий с предприятия за выпол-
нение банковских операций, и опосредованно, через использование
остатков на счетах держателей карт для предоставления этих ресурсов
в различных сегментах финансового рынка. Кроме этого, банкам зар-
платные проекты интересны существенным удешевлением выпуска
карт, отсутствием необходимости тратить средства на рекламу, марке-
тинг, быстрым созданием обширной клиентской базы физических лиц,
с которыми в дальнейшем можно эффективно работать, предлагая ши-
рокий спектр банковских розничных продуктов: ипотеку, автомобиль-
ные и потребительские кредиты, депозиты и пр.
Экономическая заинтересованность предприятия в использова-
нии карточных технологий понятна, поскольку:
– минимизируются расходы, связанные с организацией выплаты
заработной платы (получение и хранение наличности, охрана денеж-
ных средств, пересчет и выдача наличных средств), поскольку эти
функции берет на себя банк;
– сокращается бумажный документооборот и трудозатраты бух-
галтерии, повышается уровень конфиденциальности сведений о разме-
ре выплачиваемой заработной платы;
– исключается процедура депонирования и повторного получения
в банке денежных средств, своевременно не востребованных сотруд-
никами;
– исключаются риски, связанные с возможными недостачами,
хищениями, ограблениями, и прочие проблемы, обусловленные рабо-
той персонала предприятия с денежной наличностью;
– сокращаются потери рабочего времени на получение зарплаты
сотрудниками предприятия.
Экономические интересы сотрудников предприятия – держателей
банковских карт состоят в том, что карта должна быть, по крайней ме-
ре, не менее полезна и удобна, чем использование наличных денежных
средств, а также предоставлять дополнительные преимущества: льгот-
ное кредитование, дисконтные и бонусные программы.
Реализация зарплатного проекта предполагает осуществление
первоначальных вложений, ежегодные затраты, получение прибыли.
Как правило, в первое время после заключения зарплатного договора
расходы банка превышают доходы, в связи с чем актуальным стано-

113
Вестник ПГТУ. Прикладная математика и механика, 2010

вится вопрос: окупится ли зарплатный проект в обозримые сроки? От-


вет на этот вопрос необходимо дать до заключения договора между
банком и предприятием.
На момент заключения договора, как правило, известны два важ-
ных показателя: численность сотрудников предприятия и размер ме-
сячного фонда оплаты труда (ФОТ). С использованием этих показате-
лей необходимо дать прогноз продолжительности периода окупаемо-
сти вложений в зарплатный проект и величины будущей прибыли бан-
ка.
Указанная задача формулируется следующим образом: зная чис-
ленность сотрудников предприятия и размер месячного ФОТ, оценить
промежуток времени с даты начала реализации зарплатного договора
до момента, когда реализуемый зарплатный проект начнет приносить
прибыль.
В существующих методиках расчета окупаемости зарплатного
проекта прибыль P(t) определяется как разность между доходами и
расходами банка:
n3
 n1 n2

P(t )   Di (t )   Ri   Ri (t )  , (1)
i 1  i 1 i 1 

где Ri – единовременные затраты банка (покупка и доставка банкомата,


инсталляция программного обеспечения для банкомата и прочие рас-
ходы; n1 – число статей единовременных затрат); Ri(t) – постоянные
расходы банка (лицензия за программное обеспечение, инкассация и
расходные материалы для банкоматов, дополнительные карты для со-
трудников предприятия, авторизация операций, страховой депозит,
мониторинг, гарантийное обслуживание оборудования; n2 – число ста-
тей постоянных расходов); Di(t) – доходы банка (комиссия, годовое об-
служивание карт, использование привлеченных ресурсов; n3 – число
статей дохода).
Необходимо найти промежуток времени t*, по истечении которо-
го убытки от реализации зарплатного проекта сменятся прибылью, т. е.
решить уравнение
P(t * )  0 (2)

или, с учетом выражения (1),

114
Вестник ПГТУ. Прикладная математика и механика, 2010

n3
 n1 n2
* 
 Di (t *
)   i  Ri (t )   0.
R  (3)
i 1  i 1 i 1 

В существующих методиках [4] численность сотрудников пред-


приятия полагается неизменной. Между тем для банка прием на пред-
приятие новых сотрудников – это дополнительный доход за счет вы-
пуска новых карт, позволяющий ускорить процесс окупаемости зар-
платного проекта. С другой стороны, увольнение сотрудников сопро-
вождается утратой дохода за счет перевыпуска карт по истечении сро-
ка их действия, сокращением остатков на счетах банковских карт.
Неизменной полагается величина ФОТ и, соответственно, комис-
сионный доход банка. Однако, следует учитывать, что ФОТ предпри-
ятия может изменяться, поскольку кроме сумм, начисленных по та-
рифным ставкам или должностным окладам, в расходы на оплату тру-
да работникам могут включаться:
 премии за производственные результаты, надбавки за профес-
сиональное мастерство, высокие достижения в труде и иные подобные
показатели;
 начисления стимулирующего характера за совмещение про-
фессий, расширение зон обслуживания;
 денежные компенсации за неиспользованный отпуск;
 единовременные вознаграждения за выслугу лет, за непрерыв-
ный стаж работы и прочие выплаты.
При увеличении размера оплаты труда доходы банка от реализа-
ции проекта растут, так как увеличиваются комиссионные сборы за
реализацию проекта и размеры остатков денежных средств на счетах
держателей. Учет указанных особенностей позволит не только уточ-
нять первоначальные расходы, но и корректировать их в соответствии
с изменениями данных в ходе реализации зарплатного договора.
Для решения рассматриваемой задачи представляется необходи-
мым изучение динамики изменения штатной численности сотрудников
коммерческих организаций, анализу которой в настоящее время уделя-
ется недостаточное внимание [6, 7]. В настоящей работе для установ-
ления количественной зависимости от времени числа сотрудников,
принятых на работу в коммерческую организацию, использованы дан-
ные, полученные в результате опроса работников кадровых служб трех
коммерческих организаций (рис.1). Рассматривалось изменение с тече-
нием времени числа тех сотрудников, которые состояли в штате орга-
низации на дату, принятую за начало отсчета (t = 0).
115
Вестник ПГТУ. Прикладная математика и механика, 2010

55

45

35

25

15
0 10 20 t

Рис. 1. Зависимость от времени t штатной численности N


сотрудников трех коммерческих организаций
Для построения аналитической зависимости от времени числа
штатных сотрудников на основе указанных данных используется ме-
тод наименьших квадратов, при этом функция g(t), аппроксимирующая
значения из табл. 1, строится в виде линейной комбинациии линейно
независимых функций j(t):
m
g t    a j  j t  .
j 0

Искомые коэффициенты aj выбираются таким образом, чтобы


минимизировать сумму квадратов отклонений аппроксимирующей
функции от заданных значений
n 2

F    N  ti   g  ti   ,
i 0
где n – число известных значений функции N(t). Предполагается, что
для построения функции g(t) используется полином степени m,

g t   a0  a1t  a2 t 2  ...  am t m . (4)

116
Вестник ПГТУ. Прикладная математика и механика, 2010

Таблица 1
Зависимость от времени t числа N штатных сотрудников коммер-
ческих организаций

Время t, мес Число N штатных сотрудников


0 42 45 58
1 42 45 58
2 40 45 58
3 40 43 58
4 34 43 57
5 34 42 57
6 33 42 56
7 30 42 56
8 30 42 56
9 30 40 55
10 30 39 55
11 27 39 55
12 27 39 53
13 27 38 54
14 27 38 54
15 26 36 54
16 26 36 54
17 26 36 53
18 24 35 53
19 24 35 52
20 24 34 50
21 24 34 47
22 19 34 46

Использование необходимых условий экстремума функции F не-


F
скольких переменных,  0 , j  0, m , приводит к системе линей-
a j
ных алгебраических уравнений относительно неизвестных a0 , a1 ,..., am .
В частности, для многочлена третьей степени,
g (t )  a0  a1t  a2t  a3t , эта система уравнений принимает следую-
2 3

щий вид:

117
Вестник ПГТУ. Прикладная математика и механика, 2010

 n n n n
 1 i  2 i  3 i   N  ti  ,
2 3
a
 0 n a t a t a t
 i 0 i 0 i 0 i 0

 n n n n n

 0 i  1 i  2 i  4 i   N  ti  ti ,
2 3 4
a t a t a t a t
 i 0 i 0 i 0 i 0 i 0
 n n n n n (5)
a

 i 0
0 ti
2
 a1 
i 0
t i
3
 a 2 i 0
ti
4
 a 4 
i 0
t i
5
 
i 0
N  ti  ti 2 ,
 n n n n n
a
 0  1 i 2 i 4 i 
ti
3
 a t 4
 a t 5
 a t 6
 N  ti  ti 3 .
i 0 i 0 i 0 i 0 i 0

Для определения величин a0 , a1 , a2 и a3 , входящих в систему ли-


нейных алгебраических уравнений (5), используются данные, приве-
денные в табл. 1. Получены значения коэффициентов для этой систе-
n n n n
мы:  ti  759 ,  ti 2  11385 ,  ti 3 192027 ,  ti 4  3454209 ,
i 0 i 0 i 0 i 0
n n n

t
i 0
i
5
 647130099 ,  ti 6  1246805505 ,  N  ti   2831 ,
i 0 i 0
n n n

 N t  t
i 0
i i  29266 ,  N t  t
i 0
i i
2
 426644 ,  N t  t
i 0
i i
3
 7068658 .

Решение системы линейных алгебраических уравнений (5) для


приведенных в табл. 1 данных имеет вид: a0  49,3 , a1  1,34 ,
a2  0, 072 , a3  0, 002 , и зависимость (4) числа сотрудников от вре-
мени представляется в форме
g (t )  49,3  1,34t  0, 072t 2  0, 002t 3 .
Значение квадрата отклонения аппроксимирующей функции от
заданных значений составляет
n 2

F    N  ti   g  ti    7092, 6 .
i 0
Возможен иной вариант аппроксимации данных табл. 1 с исполь-
зованием зависимости

g  t   et ,
(6)

118
Вестник ПГТУ. Прикладная математика и механика, 2010

где коэффициенты  и  также определяются с использованием метода


наименьших квадратов. Для удобства последующих выкладок обе час-
ти выражения (6) логарифмируются:
ln g  t   ln et  ln   t .
Вводится обозначение a  ln  , что позволяет переписать преды-
дущее выражение в виде
ln g  t   a  t .
Сумма квадратов отклонений логарифмических значений функ-
ции g(ti) от величин ln Ni принимает вид
n 2 n 2

F   ln Ni  ln g  t i     ln Ni  a  ti  ,


i 0 i 0
где, как и в предыдущем случае, n – число заданных значений Ni. Ис-
пользование необходимых условий экстремума функции F нескольких
переменных приводит к системе линейных алгебраических уравнений
следующего вида:
 n n



an   
i 1
ti   i 1
ln Ni ,
 n n n (7)
a t   t 2  t ln N .
 
 i 1
i i 1
i 
i 1
i i

Использование данных табл. 1 позволило определить значения


n
коэффициентов для этой системы уравнений: t
i 0
i  759 ,
n n n

 ln N
i 0
i  253, 6 , t
i 0
i
2
 11385 ,  t ln N
i 0
i i  2738,3 .

Решение системы линейных алгебраических уравнений (7) опре-


делило искомые величины:   17 103 , a  3,863 , откуда следует
  ea  48 . Таким образом, получена аппроксимирующая зависимость
числа сотрудников от времени в виде
Y (t )  48e 0,017 t .
Здесь коэффициент   48 определяет число сотрудников в на-
чальный момент времени, т. е. при t = 0, а функция e0,017t определяет
характер изменения количества сотрудников организации с течением

119
Вестник ПГТУ. Прикладная математика и механика, 2010

времени. Полученная аппроксимирующая функция представлена на


рис. 2.
N

55

45

35

25

15
0 5 10 15 20 t

Рис. 2. Построение экспоненциальной аппроксимации;


– , о,  – данные о количестве сотрудников, –
– аппроксимирующая функция
Для второго варианта аппроксимации среднеквадратичное откло-
нение составляет F  7231, 2 .
Сравнение полученных значений среднеквадратических отклоне-
ний F для двух вариантов аппроксимации рассматриваемой зависимо-
сти показывает, что использование полинома в лучшей степени ап-
проксимирует экспериментальные данные. Однако недостатком этого
варианта является то, что при значениях времени t > 40 месяцев коли-
чество сотрудников становится отрицательным, т. е. функция теряет
смысл. По этой причине целесообразно использовать экспоненциаль-
ную аппроксимацию, которая лишена отмеченного недостатка.
Для получения количественной оценки окупаемости зарплатного
проекта по известной стандартной методике [5] принимается, что по-
стоянная штатная численность сотрудников предприятия составляет
200 человек, размер средней месячной заработной платы составляет 15
тыс. руб.

Дополнительные исходные данные:

 приобретение банкомата 375 тыс.руб.


 инсталляция программного обеспечения для бан- 21 тыс.руб.
комата
 источник бесперебойного питания 7 тыс. руб.
 изготовление банковских карт в количестве 200 30 тыс. руб.
120
Вестник ПГТУ. Прикладная математика и механика, 2010

штук
 лицензия на программное обеспечение 9 тыс. руб.
 расходные материалы для банкомата 6 тыс. руб.
 затраты на инкассацию (месяц) 5 тыс. руб.
 послегарантийное обслуживание банкомата 33 тыс. руб.
 годовое обслуживание карты 125 руб.
 комиссия банка (от размера месячного ФОТ) 0,8 %
 плата за авторизацию (от суммы операций) 0,2 %
 средний размер остатков на счетах клиентов (от 20 %
размера месячного ФОТ)
 размер ставки по краткосрочному размещению 5%
ресурсов

Оценка окупаемости «зарплатного» проекта выполняется в сле-


дующей последовательности:

1. Единовременные затраты пер-


вого года (покупка банкомата, инстал-
ляция программного обеспечения для 375000 + 21000 + 7000 = 403000
банкомата, источник бесперебойного
питания).
2. Затраты первого года (изготов-
ление карт, лицензия на программное
30000 + 9000 + 6000 + 60000 +
обеспечение, расходные материалы
+68400 = 173400
для банкомата, затраты на инкассацию,
плата за авторизацию ФОТ х 95% х
0,2% х 12 месяцев).
3. Затраты второго года и после-
дующих лет (затраты первого года, по-
173400 + 33000 = 206400
слегарантийное обслуживание банко-
мата).
4. Доход первого года и после-
дующих лет (комиссия банка ФОТ х
0,8 % х 12 месяцев, годовое обслужи- 288000 + 25000 + 30000 = 343000
вание карт, привлеченные ресурсы
ФОТ х 20% х 5%).
5. Прибыль первого года (годо-
343000 – (173400 + 403000) =
вые доходы – годовые затраты – еди-
= – 233400
новременные затраты).
121
Вестник ПГТУ. Прикладная математика и механика, 2010

6. Прибыль второго года (годо-


343000 – 206400 – 233400 =
вые затраты – годовые расходы + +
= – 96800
прибыль/убыток предыдущего года).
7. Прибыль третьего года (годо-
вые затраты – годовые расходы + при- 343000 – 206400 – 96800 = 39800
быль/убыток предыдущего года).
8. Прибыль четвертого года (го-
343000 – 206400 + 39800 =
довые затраты – годовые расходы +
=176400
+прибыль/убыток предыдущего года).
9. Прибыль пятого года (годовые
343000 – 206400 + 176400 =
затраты – годовые расходы + при-
=313000
быль/убыток предыдущего года).

Результаты расчета окупаемости по стандартной методике при-


ведены в табл. 2.

Таблица 2

Результаты расчетов окупаемости «зарплатного» проекта ком-


мерческого банка
Единовре-
Годовые за- Годовой до- Годовая прибыль (нарас-
менные
Период затраты траты Ri (t ) , ход Di (t ) , тающим итогом) P(t ) ,
Ri , руб. руб. руб. руб.
1 г. 403000 173400 343000 – 233400
2 г. 0 206400 343000 – 96800
3 г. 0 206400 343000 39800
4 г. 0 206400 343000 176400
5 г. 0 206400 343000 313000

По данным табл. 2 и рис. 3 можно сделать вывод, что срок оку-


паемости зарплатного проекта составляет, ориентировочно, 2,7 г.
Для оценки эффективности учета изменения числа сотрудников
организации, заключившей «зарплатный» договор с банком, принима-
ется, что на предприятии к моменту заключения договора работает, как
и в предыдущем случае, 200 сотрудников. Предполагается, что к нача-
лу третьего года число сотрудников должно увеличиться до 210, к на-
чалу четвертого – до 225, к началу пятого года – до 250 человек.

122
Вестник ПГТУ. Прикладная математика и механика, 2010

Руб
1500000

1000000

500000

0
0 1 2 3 4 5 t

Рис. 3. Зависимость от времени t доходов и расходов банка;


–  – доходы банка, –  – расходы банка

Рассматривается промежуток времени в 5 лет, или 60 месяцев.


Строится зависимость числа сотрудников от времени для первого года
в виде
Y (t )  200e 0,017 t .
Согласно этой зависимости к концу первого года число сотруд-
ников сократится до 163, то есть необходимо принять 37 человек, что-
бы выровнять их число до требуемых 200 человек. Для описания коли-
чества сотрудников в течение второго года следует использовать соот-
ношение
Y (t )  200e 0,017 t  37e 0,017( t 12) ,
согласно которому к концу второго года общее число работников
вновь сократится до 163.

250N

200

150 t
0 10 20 30 40 50 60

Рис. 4. Зависимость от времени t штатной численности N


сотрудников коммерческой организации

123
Вестник ПГТУ. Прикладная математика и механика, 2010

Следовательно, необходимо принять 47 человек, и общее число


сотрудников в течение третьего года определяется зависимостью
Y (t )  200e 0,017 t  37e 0,017(t 12)  47e0,017(t  24) .
К концу третьего года общее число работников уменьшится до
171, и становится необходимым принять 54 новых сотрудника. Это оз-
начает, что в течение четвертого года число сотрудников организации
от времени описывается выражением
Y (t )  200e 0,017 t  37e 0,017( t 12)  47e 0,017( t 24)  54e 0,017( t 36) .
К концу четвертого года общее число работников сократится до
183, т. е. нужно принять 67 человек, что приводит к формуле для пято-
го года:
Y (t )  200e 0,017 t  37e 0,017(t 12)  47e0,017(t  24)  54e0,017(t 36)  67e0,017(t  48) .
Изменение зависимости числа сотрудников в течение пяти лет показа-
но на рис. 4.
Для выполнения оценки эффективности «зарплатного» договора
используются данные о комиссиях и расходах банка, приведенные вы-
ше. Расчет окупаемости «зарплатного» проекта по модифицированной
методике выполняется в следующей последовательности:

1. Единовременные затраты
(покупка банкомата, инсталляция
375000 + 21000 + 7000=
программного обеспечения для бан-
=403000
комата, источник бесперебойного
питания).
2. Затраты первого года (изго-
товление карт в количестве 200 штук,
30000 + 9000 + 6000 + 60000 +
лицензия на программное обеспече-
+62500 = 167500
ние, расходные материалы для бан-
комата, затраты на инкассацию, пла-
та за авторизацию).
3. Затраты второго года (изго-
товление карт в количестве 200 штук,
лицензия на программное обеспече-
ние, расходные материалы для бан- 30000 + 9000 + 6000 + 60000 +
комата, затраты на инкассацию, пла- +62500 + 33000 = 200500
та за авторизацию, послегарантийное
обслуживание банкомата).

124
Вестник ПГТУ. Прикладная математика и механика, 2010

4. Затраты третьего года (изго-


товление карт в количестве 210
штук, лицензия на программное 31500 + 9000 + 6000 + 60000 +
обеспечение, расходные материалы +65600 + 33000 = 205100
для банкомата, затраты на инкасса-
цию, плата за авторизацию, послега-
рантийное обслуживание банкомата).
4. Затраты четвертого года (из-
готовление карт в количестве 225
штук, лицензия на программное 33750 + 9000 + 6000 + 60000 +
обеспечение, расходные материалы +70400 + 33000 = 212115
для банкомата, затраты на инкасса-
цию, плата за авторизацию, послега-
рантийное обслуживание банкомата).
5. Затраты пятого года (изго-
товление карт в количестве 250 штук,
лицензия на программное обеспече- 37500 + 9000 + 6000 + 60000 +
ние, расходные материалы для бан- +78200 + 33000 = 223700
комата, затраты на инкассацию, пла-
та за авторизацию, послегарантийное
обслуживание банкомата).
6. Доходы первого года (ко- 263040 + 25000 + 27400 =
миссия банка, годовое обслуживание =315440
карт, привлеченные ресурсы).
7. Доходы второго года (ко- 263040 + 25000 + 27400 =
миссия банка, годовое обслуживание 315440
карт, привлеченные ресурсы).
8. Доходы третьего года (ко- 276000 + 26250 + 28750 =
миссия банка, годовое обслуживание =331000
карт, привлеченные ресурсы).
9. Доходы четвертого года 296200 + 28125 + 30850 =
(комиссия банка, годовое обслужи- =355175
вание карт, привлеченные ресурсы).
10. Доходы пятого года (комис-
329400 + 31250 + 34310 =
сия банка, годовое обслуживание
=394960
карт, привлеченные ресурсы).

125
Вестник ПГТУ. Прикладная математика и механика, 2010

11. Прибыль/убыток первого


315440 – 167500 – 403000 =
года (годовые доходы – годовые за-
= –255060
траты – единовременные затраты).

12. Прибыль/убыток третьего


года (годовые затраты – годовые рас- 331000 – 205100 – 140120 =
ходы + прибыль /убыток предыдуще- = –14220
го года).
13. Прибыль/убыток четвертого
355175 – 212150 – 14220 =
года (годовые затраты – годовые рас-
=128805
ходы + прибыль за прошлый год).
14. Прибыль/убыток пятого года
394960 – 223700 + 128805 =
(годовые затраты – годовые расходы
=300065
+ прибыль за прошлый год).

Результаты расчетов по модифицированной методике приведены


в табл. 3.

Таблица 3

Результаты расчетов окупаемости «зарплатного» проекта


по модифицированной методике

Годовые
Годовой до- Годовая прибыль (на-
Единовременные затраты
Период ход Di (t ) , растающим итогом)
затраты Ri , руб. Ri (t ) ,
руб. P(t ) , руб.
руб.
1 г. 403000 167500 315440 – 255060
2 г. 0 200500 315440 – 140120
3 г. 0 205100 331000 – 14220
4 г. 0 212115 355175 128805
5 г. 0 223700 394960 300065

126
Вестник ПГТУ. Прикладная математика и механика, 2010

Руб

1500000

1000000

500000

0
0 1 2 3 4 5 t
Рис. 5. Зависимость от времени t доходов и расходов банка;
–  – доходы банка, –  – расходы банка
По данным табл. 3 и рис. 5 можно сделать вывод, что срок оку-
паемости зарплатного проекта составляет, ориентировочно, 3,2 г.
Выводы. Поставлена задача расчета окупаемости «зарплатного»
проекта коммерческого банка. Разработана методика учета изменений
числа сотрудников коммерческой организации. Исследована зависи-
мость от времени числа сотрудников коммерческих организаций. С
использованием метода наименьших квадратов построены аппрокси-
мации данных о числе сотрудников организаций с использованием по-
линома и экспоненты. Выполнены расчеты по оценке времени окупае-
мости «зарплатного» проекта. Усовершенствованная методика лучше
учитывает особенности работы коммерческого предприятия и позволя-
ет точнее определить эффективность работы по реализации «зарплат-
ного» проекта. Поскольку подавляющая часть российского рынка кар-
точных услуг ориентирована на реализацию «зарплатной» модели,
предложенные изменения методики представляются актуальными и
востребованными.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Перлин Ю., Сахаров Д. Банкомат. Что это такое. – М.: Элек-


тронные деньги, 1997. – 150 с.
2. http://www.4p.ru/ (по материалам компании
«Исследовательская компания «BusinessVision»).
3. «Российский рынок уже не молод» – интервью с главой пред-
ставительства MasterCard International в России Андреем Королевым //
Мир карточек. – 2006. – № 4. – С. 28–32.

127
Вестник ПГТУ. Прикладная математика и механика, 2010

4. Смородинов О. Обзор российского рынка банковских карто-


чек: 1992 – 2006 гг. // Мир карточек. – 2007. – № 10. – С. 8–21.
5. Иванов Н.В. Управление карточным бизнесом в коммерче-
ском банке. – М.: БДЦ-пресс, 2003. – 272 с.
6. Ильин А.И. Планирование на предприятии. – Минск: Новое
знание, 2001. – 635 с.
7. Кобец Е.А. Планирование на предприятии. – Таганрог: Изд-
во ТРТУ, 2006. – 128 с.

УДК 519.654:336.74

М.Г. БОЯРШИНОВ, О.С. САЛИХОВА


Пермский государственный технический университет

ОПТИМАЛЬНАЯ ЗАГРУЗКА БАНКОМАТА ДЕНЕЖНЫМИ


КУПЮРАМИ

Рассматривается актуальная банковская проблема оптимизации загруз-


ки банкомата денежными купюрами. Формируется целевая функция, опреде-
ляются ограничения и фазовые переменные задачи оптимизации. Поиск оп-
тимального решения выполняется с использованием численного метода Нел-
дера  Мида.

Одной из активно развивающихся услуг, предоставляемых бан-


ковскими организациями в современной России, является обслужива-
ние клиентов карточных платежных систем. Активизация карточного
бизнеса обусловлена повышением доверия населения к банковской
системе, обострением конкуренции на рынке розничных банковских
услуг, стимулированием государством расширения области примене-
ния безналичных расчетов, развитием инфраструктуры обслуживания
карт платежных систем и другими факторами.
В сфере безналичных расчетов с использованием платежных карт
наибольшее распространение, получили [1]: оплата товаров и услуг в
торгово-сервисной сети (50,1 %), оплата услуг операторов связи и
спутникового телевидения (38,7 %), автозаправочных станций (17,1

128
Вестник ПГТУ. Прикладная математика и механика, 2010

%). Однако операции большинства держателей не отличаются особым


разнообразием [2]: более 60 % из них совершают сделки максимум
двух видов, 21 % – трех видов, не более 15 % владельцев карт можно
отнести к числу тех, кто наиболее полно использует пакет предостав-
ляемых банками услуг. Наиболее многочисленная группа держателей
карт (41,1 %) ограничивается получением наличных денег 1  2 раза в
месяц. Для осуществления безналичных расчетов каждая третья карта
применяется несколько раз в месяц, еще одна треть – не чаще одного
раза в месяц. В целом же к числу наиболее активных клиентов, исполь-
зующих карту почти повседневно, можно отнести лишь 6,5 % респон-
дентов.
В настоящее время важная роль в развитии карточного бизнеса
коммерческого банка отводится наличию собственной сети банкома-
тов, эффективность которой определяется их техническими характери-
стиками, топологией расположения и надежностью функциони-
рования. В городах России (на уровне местных и филиалов московских
банков) наблюдаются следующие существенные особенности сетей
банкоматов [3]:
 банк, осуществляющий эмиссию карт на уровне города обла-
стного или районного масштаба, как правило, осуществляет и эквай-
ринговое обслуживание карточных операций;
 количество градообразующих предприятий, как правило, не-
велико, однако их сотрудники могут вносить до 90 % в оборот опера-
ций с банковскими картами, в отличие от крупных городов с большим
числом промышленных предприятий;
 торговые точки малых городов еще недостаточно насыщены
терминалами, обслуживающими банковские карты, поэтому держатели
банковских карт для оплаты товаров и услуг, как правило, получают
наличные в банкомате; в крупных городах практически в любом мага-
зине и любой точке обслуживания имеется возможность оплатить то-
вары и услуги посредством банковских карт, что является дополни-
тельным стимулом для их использования в качестве платежного сред-
ства.
Одна из важнейших задач анализа и прогнозирования движения
денег в банкоматных системах состоит в определении резерва налично-
сти, необходимого для подкрепления банкоматов в течение опреде-
ленного календарного времени. Модель движения наличности в банко-
мате должна дать возможность прогнозировать расход денег за заданный
интервал времени с целью исключения дефицита наличности, необходи-
мой для обеспечения банкоматных операций [4].
129
Вестник ПГТУ. Прикладная математика и механика, 2010

Качественное обслуживание клиентов карточных платежных


систем возможно только при обеспечении бесперебойного функциони-
рования сети банкоматов (постоянный анализ возможного спроса на
денежные средства, сервисное и техническое обслуживание и проч.),
своевременной загрузке банкоматов денежными средствами, развитии
и расширении сети клиентов карточных платежных систем.
Одной из наиболее эффективных мер снижения издержек в эквай-
ринговой составляющей бюджета банков, развивающих карточный
бизнес, является оптимизация оборота наличности в банкоматах. По-
пытка минимизировать количество инкассаций, загружая в банкомат
максимально возможную сумму наличных, приводит к тому, что банк
не может рационально использовать денежную наличность, что осо-
бенно ощутимо в условиях острого дефицита денежных средств. С дру-
гой стороны, недостаток купюр в банкомате, возникший вследствие не-
своевременной инкассации или несогласованной работы инкассатор-
ской службы, опасен и для владельца сети банкоматов, поскольку спо-
собен спровоцировать «кризис доверия» частных клиентов к банкам [5,
6].
При прогнозировании остатков денежных средств в банкоматах
следует учитывать неравномерность снятия денежных средств по дням
недели и времени суток, место расположения банкомата (общедоступ-
ный или на предприятии, под «зарплатный» проект), купюрные наборы
в кассетах, режим работы денежного хранилища и службы инкассации
банка, технические простои в работе банкоматов.
Целью настоящего исследования является разработка рекоменда-
ций по рациональной загрузке банкомата купюрами. Объектом иссле-
дования являются процессы загрузки и расходования денежных купюр
в кассетах банкоматов с течением времени. Информационной базой
исследования послужили данные статистических наблюдений расхо-
дования денежных купюр в банкоматах крупного промышленного го-
рода.
Рассматриваются банкоматы коммерческого банка, установлен-
ные для реализации «зарплатных» договоров в коммерческой и бюд-
жетной организациях. В каждом из банкоматов установлено по четыре
кассеты для размещения купюр разных номиналов. Задача заключается
в определении числа купюр, загружаемых в каждую из кассет во время
очередной инкассации, для минимизации объема отвлеченных денеж-
ных средств, затрат на инкассацию при одновременном обеспечении
достаточного числа денежных купюр для удовлетворения спроса кли-
ентов-держателей карт.

130
Вестник ПГТУ. Прикладная математика и механика, 2010

Пусть на момент времени tk в банкомате имеется некоторая сум-


ма S денежных средств:

4
S (t k )   N i f i (t k ) , (1)
i 1

где i – номер кассеты с купюрами, i  1,4 ; Ni – номиналы купюр (1000,


500, 100 и 10 руб. соответственно); fi(tk) – функции, описывающие за-
висимость количества купюр от времени в i-й кассете и определяемые
на основании натурных наблюдений.
Рассматривается целевая функция потерь

365 n 

365
П S (tk )  ( I  K ),
n k 1 .
100 365 n (2)

где k – номер дня, k  1, n ; n – число дней между инкассациями; 365 / n


– среднее число инкассаций в году; σ – годовая процентная ставка
краткосрочного кредитования; I – затраты на инкассацию (зарплата со-
трудников, амортизация транспортного средства, обслуживание транс-
портного средства, топливо, форменная одежда инкассаторов, связь,
индивидуальные средства защиты и пр.); K – затраты на загрузку ку-
пюр в кассеты и пересчет возвращенных купюр (цена устройства сор-
тировки банкнот, зарплаты сотрудников, стоимость аренды площадей
и пр.).
Требуется минимизировать потери П при естественных ограни-
чениях числа купюр в кассетах 0  fi(tk)  2000, i  1,4 .
Для построения зависимостей fi(tk) рассматриваются данные на-
блюдений за расходом купюр в банкоматах коммерческой и бюджет-
ной организаций в течение продолжительного времени (табл. 1 и 2).

131
Вестник ПГТУ. Прикладная математика и механика, 2010

Данные наблюдений за числом купюр в банкомате, установленном в


бюджетной организации
Таблица 1

День наблюдения
День наблюдения

День наблюдения
Номер кассеты Номер кассеты Номер кассеты

1 2 3 4 1 2 3 4 1 2 3 4
1 2 3 4 5 1 2 3 4 5 1 2 3 4 5

1 136 167 990 117 31 1806 1436 945 1066 61 633 1156 644 1882
2 124
3 158
1 965 968
3 32 1806 1380 930 1033 62 569 724 567 1802
3 115
8 151
5 945 854 33 1798 1346 923 1004 63 565 656 554 1797
4 107
9 145
5 932 707 34 1758 1161 890 957 64 441 23 466 1640
5 995
2 138
7 923 563 35 1645 529 789 831 65 0 0 403 1452
6 916 131
4 909 430 36 1039 0 699 686 66 757 1694 956 1441
7 901 126
2 901 382 37 46 0 615 542 67 716 1512 930 1087
8 834 121
5 891 303 38 0 0 550 420 68 704 1443 923 1056
9 772 117
5 875 215 39 1570 1626 951 1814 69 653 1020 875 706
10 725 113
0 864 158 40 1495 1146 898 1524 70 613 732 844 401
11 632 106
0 850 83 41 1447 876 870 1401 71 561 512 820 276
12 502 980
7 594 0 42 1443 804 858 1344 72 538 359 801 195
13 455 939 434 0 43 1408 440 818 1250 73 524 175 776 87
14 433 914 358 0 44 1360 107 785 1110 74 505 48 755 0
15 993 198 994 127 45 1307 0 778 1060 75 499 1 683 0
16 410 167
7 854 111
4 46 817 0 752 872 76 799 1999 696 999
17 2 142
4 762 914
9 47 780 1942 987 1976 77 777 1902 684 959
18 1 116
2 669 547 48 764 1782 971 1939 78 760 1723 664 891
19 1 919
5 594 235 49 758 1730 966 1893 79 721 1567 647 829
20 1 815 565 170 50 749 1567 950 1833 80 707 1391 622 611
21 1 777 555 118 51 714 1343 926 1719 81 677 1256 601 478
22 1 596 354 16 52 682 1168 914 1653 82 653 1158 585 327
23 115 139 108 144 53 657 938 891 1400 83 638 920 550 73
24 112
8 119
0 105
1 133
1 54 631 594 848 1195 84 782 1926 694 972
25 107
1 951
2 104
8 127
5 55 617 398 831 1106 85 745 1627 663 733
26 100
8 634 996
1 104
2 56 607 318 815 1068 86 708 1381 628 299
27 966
9 310 953 691
8 57 571 149 796 981 87 654 1184 600 34
28 950 196 932 539 58 294 47 777 905 88 644 1056 251 0
29 0 84 877 275 59 45 40 761 836 89 639 963 189 0
30 187 178 988 115 60 45 40 745 781 90 604 1115 847 1259
1 7 9
132
Вестник ПГТУ. Прикладная математика и механика, 2010
1 2 3 4 5 1 2 3 4 5 1 2 3 4 5
91 751 1677 746 1259 136 572 609 306 354 181 652 1190 673 634
92 670 1142 673 1006 137 552 321 256 298 182 615 959 648 175
93 625 863 622 602 138 232 307 216 254 183 582 855 415 0
94 616 776 603 542 139 700 1800 440 1835 184 494 0 0 0
95 611 694 587 481 140 670 1581 423 1516 185 578 1886 786 1872
96 551 309 526 24 141 643 1371 413 1135 186 571 1776 772 1741
97 899 1468 829 1496 142 616 1161 403 754 187 560 1693 761 1679
98 711 1461 728 1474 143 598 951 393 698 188 547 1546 739 1524
99 678 1242 704 1354 144 590 831 324 667 189 531 1489 726 1459
100 663 872 663 1079 145 571 581 291 551 190 519 1369 714 1367
101 656 799 646 1001 146 555 350 269 464 191 504 1325 708 1321
102 656 793 644 1000 147 670 2014 685 2000 192 480 1176 694 1178
103 652 750 638 990 148 521 1326 568 1878 193 466 1101 682 1070
104 626 565 623 891 149 466 955 511 1723 194 460 979 671 967
105 594 411 602 791 150 452 884 504 1707 195 389 661 617 811
106 555 161 583 654 151 187 432 398 1541 196 364 541 596 701
107 345 0 542 213 152 3 0 297 1381 197 341 359 574 524
108 0 0 514 55 153 1463 1847 1973 1672 198 329 262 554 480
109 669 1808 680 1601 154 1391 1232 1896 597 199 289 94 523 390
110 639 1552 649 1335 155 1359 959 1860 280 200 4 0 505 307
111 594 1329 614 1124 156 1328 720 1703 0 201 590 1934 584 1554
112 586 1114 582 916 157 1328 708 1658 0 202 566 1776 565 1478
113 567 978 564 818 158 1305 553 1215 0 203 508 1223 498 1081
114 556 861 551 770 159 898 1310 1411 1072 204 430 758 437 922
115 548 789 541 723 160 861 1021 1383 598 205 387 427 400 794
116 531 604 520 608 161 839 870 1361 410 206 356 167 367 709
117 478 311 487 515 162 811 729 1341 287 207 1 0 317 493
118 597 1461 606 1300 163 752 193 1021 0 208 1 0 317 493
119 568 1327 586 1206 164 987 1889 788 1339 209 1 0 275 86
120 478 1193 474 1112 165 962 1712 771 1251 210 589 1910 591 1485
121 388 1059 362 1018 166 962 1712 771 1251 211 585 1903 589 1474
122 298 925 350 924 167 962 1712 771 1251 212 551 1747 571 1387
123 0 0 347 823 168 918 1484 740 1127 213 526 1588 550 1207
124 0 0 295 769 169 878 1316 707 1013 214 439 874 444 711
125 638 1662 461 1649 170 844 1092 684 870 215 397 587 408 609
126 561 1090 416 1441 171 831 957 668 722 216 385 435 388 508
127 503 641 366 1216 172 814 811 651 632 217 373 272 372 406
128 445 192 316 991 173 770 549 616 411 218 455 1053 462 1342
129 387 123 266 766 174 747 442 601 361 219 306 161 319 1059
130 200 100 262 476 175 709 226 580 96 220 0 0 263 927
131 100 30 221 391 176 771 1884 781 1277 221 0 0 220 314
132 669 1801 486 1421 177 748 1727 755 1111 222 516 1458 725 1276
133 632 1527 456 1254 178 714 1439 713 919 223 438 972 651 418
134 612 1221 406 954 179 685 1321 691 827 224 412 827 476 0
135 592 915 356 654 180 668 1272 684 763 225 769 1799 119 1999
133
Вестник ПГТУ. Прикладная математика и механика, 2010
1 2 3 4 5 1 2 3 4 5 1 2 3 4 5
226 738 1497 56 1741 420 771 648 887
239 252 179 177 177 134
227 703 1234 37 1538 16 0 510 690
240 253 175
5 176
8 1776 132
6
228 664 979 18 1329 0
241 0 480 532 254 196
2 143
2 1731 107
8
229 592 152 0 919 193 1526 730 133
242 255 195
0 134
0 1722 984
7
230 0 0 0 730 183
2 916 643 102
243 4 256 191
6 127
4 1716 947
231 995 1937 792 903 178
4 507 604 917
244 0 257 190
5 111
0 1704 888
232 983 1809 770 794 175
245
2 263 581 851 258 187
0 895
5 168
7 747
233 943 1495 749 713 172
246
1 68 559 719 259 185
4 0 157
4 246
234 889 992 709 500 197
247
7 1719 176 120 260 182
6 178 187
3 181
235 522 1507 735 1467 173
248
0 1315 170
2 797
2 261 124
2 137
0 183
3 155
8
236 503 1373 718 1359 186
249
4 1100 167
6 281 262 764
5 720
4 176
7 925
0
237 476 1167 694 1200 185
4 975 166
250 7 85 263 703 600 175
0 811
238 468 1044 687 1036 183
9 814 154
251 0 0 264 570 0 320 2 0
8 1
Предполагается, что зависимость количества купюр каждого номинала
в каждой из кассет банкомата в зависимости от времени определяется функ-
цией

fi t   ai  bit  cit 2  dit 3 , (3)

где коэффициенты ai, bi, ci и di находятся методом наименьших квадратов:

n
Fi    ai  bi tk  ci tk2  di tk3  Vi  tk   2  min, (4)
k 0

где Vi(tk) – известные из наблюдений на день tk количества купюр i-го номи-


нала, i  1,4 .

134
Таблица 2

Данные наблюдений за числом купюр в банкомате, установленном в


коммерческой организации
День наблюдения

День наблюдения

День наблюдения
Номер кассеты Номер кассеты Номер кассеты

1 2 3 4 1 2 3 4 1 2 3 4

1 689 1625 791 1580 31 655 1157 958 1072 61 917 907 152 1694
2 668 1558 787 1542 32 654 1142 957 1063 62 897 838 151
8 1655
3 645 1470 780 1493 33 654 1142 957 1062 63 873 723 149
4 1609
4 641 1466 780 1476 34 638 1016 939 984 64 863 636 148
6 1559
5 641 1466 780 1476 35 628 894 920 906 65 753 86 140
2 728
6 630 1419 767 1475 36 618 802 908 829 66 2 0 136
9 419
7 610 1388 678 1475 37 599 680 900 758 67 2 0 136
9 351
8 591 1303 308 1473 38 576 457 871 488 68 2 0 136
7 351
9 60 27 0 1063 39 546 280 852 221 69 990 1300 158
7 1911
10 105 1893 165 1782 40 546 280 852 215 70 972 1134 157
7 1778
11 103
2 1360 1 1739 41 1333 1524 1743 1409 71 963 1004 155
3 1678
12 103
1 1360 1 1739 42 1240 1108 1683 793 72 941 893 154
4 1651
13 104
1 1854 1791 29 43 1214 834 1646 517 73 924 756 152
3 1561
14 992
6 1616 1638 0 44 1214 834 1645 513 74 924 750 152
5 1554
15 965 1345 1386 0 45 1214 834 1645 513 75 924 750 152
3 1554
16 678 1209 1260 0 46 1214 790 1643 504 76 892 635 151
3 1464
17 622 1105 1172 0 47 1182 605 1626 347 77 841 304 147
3 879
18 618 1095 990 0 48 1144 455 1613 246 78 473 0 142
4 10
19 613 1071 964 0 49 1129 266 1589 133 79 766 1886 138
3 1872
20 588 841 479 0 50 1114 151 1578 50 80 729 1667 135
3 1626
21 687 1763 992 1308 51 1084 23 1449 0 81 721 1632 135
9 1161
22 665 1650 981 1107 52 487 0 1131 0 82 721 1632 135
7 1161
23 638 1485 957 968 53 448 0 1071 0 83 694 1495 133
7 1533
24 581 1128 917 432 54 389 0 1017 0 84 683 1367 131
4 1444
25 581 1127 914 395 55 977 1313 1592 1957 85 643 1221 130
3 1381
26 581 1113 911 395 56 958 1124 1562 1870 86 635 1141 129
1 1308
27 550 925 881 193 57 955 1114 1560 1837 87 608 1017 127
1 1200
28 526 696 853 50 58 944 1037 1553 1798 88 604 997 127
6 1184
29 687 1492 991 1263 59 923 960 1533 1728 89 604 986 127
2 1184
30 666 1336 980 1177 60 917 908 1528 1694 90 571 838 125
1 1138
7

135
Вестник ПГТУ. Прикладная математика и механика, 2010
1 2 3 4 5 1 2 3 4 5 1 2 3 4 5
91 557 701 1248 1117 136 475 564 509 394 181 857 573 1427 196
92 545 621 1242 1085 137 475 471 496 332 182 848 419 1408 135
93 537 508 1235 1063 138 475 378 483 270 183 830 227 1390 69
94 510 294 1214 626 139 475 1859 482 1785 184 817 100 1204 0
95 504 255 1210 581 140 462 1665 461 1689 185 802 13 907 0
96 501 254 1210 581 141 451 1571 453 1559 186 781 8 812 0
97 786 1947 789 1704 142 438 1411 439 1515 187 787 1773 995 969
98 769 1827 780 1594 143 417 1314 427 1432 188 783 1628 982 905
99 708 1637 749 1125 144 401 1217 425 1349 189 762 1482 967 821
100 1458 1796 1769 1434 145 399 1190 423 1345 190 729 1370 948 677
101 1419 1558 1744 895 146 397 1187 414 1341 191 714 1316 927 605
102 1403 1449 1731 749 147 377 1077 402 1300 192 710 1223 919 542
103 1403 1449 1731 749 148 369 987 393 1256 193 698 1150 916 442
104 1380 1247 1701 498 149 361 947 384 1194 194 679 1061 903 315
105 1366 1109 1682 350 150 341 947 384 1051 195 667 999 897 207
106 1345 948 1663 222 151 321 648 379 908 196 663 926 893 142
107 1313 772 1624 42 152 301 512 377 765 197 651 861 885 72
108 978 1884 980 1869 153 301 409 375 622 198 555 1575 971 1610
109 974 1859 973 1849 154 301 327 374 564 199 505 1410 950 1406
110 971 1844 972 1844 155 281 1730 149 204 200 474 1264 936 1258
111 967 1833 971 1826 156 581 1730 669 1504 201 453 1198 919 1177
112 943 1616 934 1643 157 581 1258 669 1406 202 451 1052 910 1104
113 924 1465 921 1578 158 571 569 658 1308 203 448 1042 905 1035
114 910 1360 898 1419 159 565 492 643 1280 204 441 946 902 997
115 892 1211 877 1329 160 561 1280 641 1275 205 429 814 888 912
116 884 1146 870 1278 161 526 1153 616 1039 206 394 789 874 861
117 884 1142 867 1268 162 495 888 599 924 207 392 680 870 835
118 884 1125 865 1258 163 478 741 571 775 208 381 642 852 705
119 884 1119 865 1256 164 462 725 558 704 209 376 611 843 695
120 872 979 843 1177 165 462 717 556 702 210 365 585 839 652
121 856 857 822 1079 166 462 531 555 702 211 360 392 835 618
122 837 693 809 995 167 440 447 529 641 212 150 392 820 536
123 829 557 795 763 168 419 355 526 536 213 0 257 809 483
124 829 557 795 763 169 400 236 517 498 214 0 125 792 357
125 739 86 744 103 170 384 53 506 441 215 0 91 780 282
126 657 1797 672 1947 171 362 0 486 293 216 0 15 760 184
127 629 1655 647 1797 172 20 0 471 196 217 587 1806 593 990
128 565 1354 601 1275 173 0 0 458 158 218 572 1763 576 859
129 525 1098 570 927 174 0 0 448 93 219 553 1630 564 815
130 523 1095 568 902 175 0 0 447 81 220 527 1630 551 776
131 518 1078 566 891 176 960 1532 1563 1415 221 527 1602 551 776
132 500 912 553 728 177 935 1369 1537 1066 222 525 1536 549 766
133 487 796 544 601 178 909 1071 1519 870 223 516 1528 540 713
134 475 661 524 462 179 885 872 1471 457 224 515 1424 540 705
135 475 657 522 456 180 875 681 1452 362 225 492 1395 525 612

136
Вестник ПГТУ. Прикладная математика и механика, 2010
1 2 3 4 5 1 2 3 4 5 1 2 3 4 5
226 486 1749 519 594 245 395 0 562 382 363 549 222 480 0
227 566 1602 768 1514 246 161 0 542 266 364 531 1826 411 1986
228 554 1513 757 1351 247 0 0 536 231 365 788 1733 1888 1938
229 543 1331 747 1346 248 0 0 536 231 366 763 1680 1883 1866
230 527 990 720 894 249 681 1070 1299 682 367 755 1420 1878 1813
231 481 879 695 591 250 459 933 1273 403 368 707 1403 1849 1517
232 459 783 682 486 251 451 798 1253 168 369 707 1254 1845 1496
233 436 783 673 343 252 255 748 787 0 370 692 1165 1822 1332
234 436 783 673 343 253 767 1653 1874 1635 371 672 1090 1819 1264
235 436 698 673 343 254 736 1439 1860 1500 372 662 1006 1810 1188
236 567 1674 675 1462 255 708 1293 1833 1146 373 652 968 1808 1142
237 544 1484 658 1320 256 688 1077 1818 991 374 648 859 1803 1097
238 505 1374 632 957 257 666 922 1800 497 375 623 643 1797 1030
239 487 1279 622 860 258 633 831 1777 264 376 549 558 1782 752
240 468 1178 616 791 259 616 746 1768 134 377 512 435 1756 316
241 452 1037 609 740 260 616 672 1757 58 378 440 80 1550 0
242 438 903 595 652 261 616 534 1739 5 379 1990 1808 980 1867
243 422 796 576 502 262 592 442 1076 0 380 1983 1725 973 1770
244 412 481 569 427 263 578 337 911 0 381 1972 1620 963 1602

Использование необходимых условий экстремума функции Fi не-


скольких переменных приводит к системе линейных алгебраических
уравнений относительно неизвестных коэффициентов ai, bi, ci и di,
Fi n
 2  ai  bi tk  ci tk2  di tk3  Vi  tk    0,
ai k 0

Fi n
 2  ai  bi tk  ci tk2  di tk3  Vi  tk   tk  0,
bi k 0

Fi n
 2  ai  bi tk  ci tk2  di tk3  Vi  tk   tk2  0,
ci k 0

Fi n
 2  ai  bi tk  ci tk2  di tk3  Vi  tk   tk3  0
di k 0

или

137
Вестник ПГТУ. Прикладная математика и механика, 2010


V  tk ,
n n n n
 i k  i k  i k  
2 3
a
 i n b t c t d t
 k 0 k 0 k 0 k 0

 n
V  tk  tk ,
n n n n

 i k  i k  i k  i k  
2 3 4
a t b t c t d t
 k 0 k 0 k 0 k 0 k 0
 n (5)
V  tk  tk2 ,
n n n n
a t 2  b t 3  c t 4  d

 k 0
i k i 
k 0
k i 
k 0
k i 
k 0
t 5
k  
k 0
 n
V  tk  tk3 .
n n n n
a t 3  b t 4  c t 5  d
 i  i k i k i k 
k t 6

k 0 k 0 k 0 k 0 k 0

Коэффициенты системы (5) в соответствии с данными наблюде-


ний (табл. 2 и 3) и решения систем линейных алгебраических уравне-
ний для каждой из кассет банкоматов, установленных в бюджетной и
коммерческой организациях, представлены в табл. 3 и 4.

Таблица 3
Применение метода наименьших квадратов для аппроксимации
данных натурных наблюдений за расходом купюр в банкомате, уста-
новленном в бюджетной организации

Номер
кассе- Система линейных алгебраических уравнений Решение
ты
276 a  1033b  6413c  49783 d  198588 ,

1033 a  6413b  49783 c  446561d  623135 , a = 905,568
 b = – 59,261
1 6413 a  49783b  446561c  4413223 d  3404847 , c = 2,744
49783 a  446561b  4413223 c  46591193 d  23630273 d = – 0,125

274 a  1022 b  6352 c  49442 d  257406 ,



1022 a  6352 b  49442 c  444640 d  668995 , a = 1599,173
 b = – 307,749
6352 a  49442 b  444640 c  4402322 d  3492193 ,
2
c = 27,776
49442 a  444640 b  4402322 c  46528912 d  24341089 d = – 0,863

274a  1022b  6352c  49442d  198269,


1022a  6352b  49442c  444640d  674446, a = 874,310

 b = – 72,753
3
6352a  49442b  444640c  4402322d  4045552, c = 7,068
49442a  444640b  4402322c  46528912 d  30857338. d = – 0,239

138
Вестник ПГТУ. Прикладная математика и механика, 2010

274 a  1022 b  6352 c  49442 d  240488,



1022 a  6352 b  49442 c  444640 d  662931, a = 1400,639
 b = – 245,672
6352 a  49442 b  444640 c  4402322 d  3555487,
4
c = 23,089
49442 a  444640 b  4402322 c  46528912 d  25078467 d = – 0,786

Таблица 4
Применение метода наименьших квадратов для аппроксимации
данных натурных наблюдений за расходом купюр в банкомате, уста-
новленном в коммерческой организации


кас- Система линейных алгебраических уравнений Решение
сеты
 288 a  1693 b  15685 c  174151 d  190875,

1693 a  15685 b  174151 c  2152441 d  945056 , a = 840,374
 c = 0,609
1 15685 a  174151 b  2152441 c  28566463 d  7825790 , b = – 31,781
174151 a  2152441 b  28566463 c  398685865 d  79549382 d = – 0,04

284 a  1576b  13890 c  147574 d  293939,



1576 a  13890 b  147574 c  1756662 d  1148630 , a = 1668,112
 b = – 155,478
2 13890 a  147574 b  1756662 c  22601086 d  8188298 , c = 5,470
147574 a  1756662 b  22601086 c  307667430 d  74266322 d = – 0,073

288 a  1693b  15685 c  174151d  286669,



1693 a  15685 b  174151c  2152441d  1566215 , a = 1087,003

3 15685 a  174151b  2152441c  28566463 d  13765729 , b = – 8,033
174151a  2152441b  28566463 c  398685865 d  146450495 c = – 0,506
d = – 0,028

288 a  1693b  15685 c  174151d  256702,



1693 a  15685 b  174151c  2152441 d  1160012 , a = 1415,098
 b= – 168,933
4 15685 a  174151b  2152441c  28566463 d  9474372 , c = 13,015
174151a  2152441b  28566463 c  398685865 d  96688862 d = – 0,396

139
Вестник ПГТУ. Прикладная математика и механика, 2010

Соответствующие приведенным в табл. 3 и 4 решениям функции,


аппроксимирующие зависимости от времени количества купюр в кас-
сетах банкоматов, представлены в табл. 5 и 6, а также приведены на
рис. 1 для банкомата, установленного в бюджетной организации, и на
рис. 2 – для банкомата, установленного в коммерческой организации.
Зависимость от времени количества купюр в первой кассете бан-
комата, установленного в бюджетной организации, определяется вы-
ражением
f1бюджет (t )  905,568  59,261t  2,744t 2  0,125t 3
Очевидно, что при t = 0 значение этой функции равно
f1бюджет
(t )  905,568 , т.е. коэффициент 905,568 приближенно определя-
ет начальное значение числа загружаемых в кассету банкомата купюр.
Производная рассматриваемой функции
 f1бюджет (t )   59,261  2,744t  0,250t 2

при t = 0 принимает значение  f1бюджет (t )   59,261, т.е. второй коэф-


фициент, равный –59,261, определяет скорость изменения числа купюр
в той же кассете в начальный момент времени. Аналогично определя-
ется смысл остальных коэффициентов рассматриваемого выражения.
Построенные зависимости от времени количества денежных ку-
пюр в кассетах банкомата позволяют определить суммарный объем
денежных средств (1) в банкоматах и, соответственно, перейти к ми-
нимизации функции потерь (2). Для решения оптимизационной задачи
используется метод Нелдера и Мида [7], хорошо зарекомендовавший
себя при решении прикладных задач.
Таблица 5
Функции, аппроксимирующие данные натурных наблюдений за
расходом купюр в банкомате, установленном в бюджетной ор-
ганизации

Номер
Аналитическая запись функции
кассеты
1 f1бюджет (t )  905,568  59,261t  2, 774t 2  0,125t 3
2 f 2бюджет (t )  1599,173  307,749t  27,776t 2  0,863t 3
3 f3бюджет (t )  874,310  72,753t  7,068t 2  0,239t 3
4 f 4бюджет (t )  1415,098  168,933t  13,015t 2  0,39t 3

140
Вестник ПГТУ. Прикладная математика и механика, 2010
V
1600

1200

800

400

0
0 3 6 9 12 t

Рис. 1. Аппроксимация зависимостей от времени t числа купюр V в 1-й


кассете (––), 2-й кассете (––), 3-й кассете (––), 4-й кассете (–– )
(банкомат в бюджетной организации)

Таблица 6
Функции, аппроксимирующие данные натурных наблюдений за
раходом купюр в банкомате, установленном в коммерческой ор-
ганизации

Номер
Аналитическая запись функции
кассеты

1 f1ком  t   840,374  31,781t  0,609t 2  0,04t 3


2 f2ком  t   1668,112  155,478t  5,470t 2  0,073t 3
3 f3ком  t   1087,003  8,033t  0,506t 2  0,028t 3
4 f4ком  t   1415,098  168,933t  13,015t 2  0,396t 3

Пусть A1 – начальное число купюр в 1-й кассете банкомата. Тогда


зависимость количества купюр от времени в 1-й кассете банкомата,
установленного в бюджетной организации, можно представить выра-
жением
f 1бюджет(t)  A1  59 ,261t  2 ,744t 2  0 ,125t 3.

141
Вестник ПГТУ. Прикладная математика и механика, 2010

1600

1200

800

400

0
0 3 6 9 12 15 18 t

Рис. 2. Аппроксимация зависимостей от времени t числа купюр V в 1-й


кассете (––), 2-й кассете (––), 3-й кассете (––), 4-й кассете (–– ) (бан-
комат в коммерческой организации)
Таблица 7
Поиск минимума функции методом Нелдера  Мида
(банкомат в бюджетной организации)

Номер шага в Сумма загрузки бан- Значение целевой


Число купюр в кассете
кассете комата функции

1 2 3 4 5 6 7
1 1000 1 1 1 1000610 69810
2 1 1000 1 1 501110 131686
3 1 1 1000 1 101510 39521
4 1 1 1 1000 11600 65840
5 1 1 1 1 1610 328527
6 500 500 500 500 805000 53453
7 188 563 188 188 490180 171938
8 500 1 500 1 550510 52616
9 1 500 500 1 301010 46756
10 1 1 1000 1 101510 39521
11 1 1 500 500 56500 45959
12 251 251 750 251 454010 43228
13 282 95 594 95 389850 46475
14 67 294 606 106 275660 44916
15 181 116 654 155 305950 43740

142
Вестник ПГТУ. Прикладная математика и механика, 2010

1 2 3 4 5 6 7
16 63 83 627 314 170340 42891
17 96 203 682 143 267130 43400
18 24 153 875 200 190000 40655
19 74 41 944 240 191300 40996
20 146 160 806 220 308800 42459
21 59 95 1186 16 225260 39142
22 93 116 904 167 243070 40951
23 59 66 968 168 190480 41070
24 42 124 1031 108 208180 39854
25 67 68 1065 128 208780 40026
26 30 48 1093 8 163380 40049
27 59 95 1186 16 225260 39142
28 76 105 1045 91 233910 40001
29 92 148 1070 163 274630 40218
30 46 73 1087 47 191670 40075
31 51 109 1108 62 216920 40215
32 63 81 1126 72 216820 40304
33 45 71 1140 12 194620 38874
34 59 95 1186 16 225260 39142
35 68 100 1115 54 230040 40292
36 59 88 1131 54 216640 40323
37 48 90 1124 37 205770 40264
38 54 76 1133 42 205720 40303
39 45 71 1140 12 194620 38874
40 52 83 1163 14 209940 39005
… … … … … …. …
396 3 24 1136 556 134160 38758
397 3 24 1136 555 134150 38758
398 3 24 1136 554 134140 40193
399 3 24 1136 553 134130 38765
400 3 24 1136 549 134090 38761
401 3 24 1136 551 134110 38759
402 3 24 1136 552 134120 38758

Аналогичным образом можно представить зависимости коли-


честв купюр от времени в остальных кассетах рассматриваемого бан-
комата:

143
Вестник ПГТУ. Прикладная математика и механика, 2010

f 2бюджет (t)  A2  307, 749t  27, 776t 2  0,863t 3


f бюджет (t)  A  72,753t  7,068t 2  0, 239t 3 ,
3 3

f 4
бюджет
(t)  A4  245, 672t  23, 089t 2  0, 786t 3 .
Теперь целевую функцию (2) задачи оптимизации можно представить в
виде

365   n 4

П  A1 , A2 , A3 , A4    
n  36500 k 1 i 1
Ni fi бюджет  tk   I  K  .

(6)

С учетом принятых обозначений задача оптимизации сводится к


поиску величин A1 , A2 , A3 , A4 , доставляющих минимум целевой функ-
ции (6) при ограничениях-неравенствах

0  Ai  2000, i  1,4 . (7)

Таблица 8
Поиск минимума функции методом Нелдера  Мида
(банкомат в коммерческой организации)

Номер шага Сумма за-грузки Значение целе-


Число купюр в кассете
в кассете банкомата вой функции

1 2 3 4 5 6 7
1 1000 1 1 1 1000610 64001
2 1 1000 1 1 501110 99651
3 1 1 1000 1 101510 38348
4 1 1 1 1000 11600 52035
5 1 1 1 1 1610 328527
6 500 500 500 500 805000 60218
7 188 563 188 188 490180 75872
8 282 344 282 282 485020 67969
9 329 235 329 329 482690 65248
10 422 17 422 422 476920 58495
11 616 65 241 241 675010 62675
12 423 98 361 361 511710 64852
13 308 33 620 121 387710 48588

144
Вестник ПГТУ. Прикладная математика и механика, 2010

1 2 3 4 5 6 7
14 212 9 711 212 289720 45077
15 1 1 1000 1 101510 38348
16 1 1 500 500 56500 48448
17 251 251 750 251 454010 44451
18 212 49 680 181 306310 44985
19 85 39 643 331 172110 45240
20 127 58 714 246 229860 44047
21 84 171 861 128 256880 41113
22 19 191 982 132 214020 38508
23 154 178 820 189 326890 41543
24 96 97 815 179 227790 40889
25 102 147 867 149 263690 41225
26 76 131 891 130 231900 39627
27 12 39 983 93 130730 38325
28 61 94 890 134 198340 39505
29 50 106 927 110 196800 39647
30 16 115 983 112 172920 38398
31 12 39 983 93 130730 38325
32 7 20 991 47 116570 38337
33 37 66 936 113 164730 39604
34 44 85 937 111 181310 39652
35 31 72 955 101 163510 38259
36 26 64 957 101 154710 38253
37 17 82 977 99 156690 38346
38 21 16 966 72 126320 38241
39 39 76 939 137 172270 39634
40 15 34 978 69 130490 38303

201 23 1 955 86 119860 38205
202 23 1 955 85 119850 39199
203 23 1 955 82 119820 38195
204 23 1 955 80 119800 38188
205 23 1 955 78 119780 38185
206 23 1 955 77 119770 38180
207 23 1 955 76 119760 38178

145
Вестник ПГТУ. Прикладная математика и механика, 2010

Для минимизации целевой функции (6) при ограничениях (7)


принято: номиналы купюр N1 = 1000 руб., N2 = 500 руб., N3 = 100
руб., N4 = 10 руб.; затраты на загрузку денежной наличности в кассе-
ты и однократную инкассацию K = 1200 руб., I = 1500 руб.; число n
дней до инкассации в выражении (6) определяется из условия, что чис-
ло купюр в банкомате уменьшается до нуля. Поиск минимума целевой
функции (6) при ограничениях (7) для банкомата, установленного в
бюджетной организации, отражен в табл. 7.
Решение оптимизационной задачи представлено вектором
А1 = 3, А2 = 24, А3 = 1136, А4 = 552.
В этом случае загрузка банкомата составляет 134 120 руб. Целе-
вая функция уменьшилась со значения По = 328 527 в одной из точек
начального симплекса до значения Попт = 38 758.
Аналогичным образом получено решение оптимизационной за-
дачи для банкомата, установленного в коммерческой организации. По-
иск минимума целевой функции (6) при ограничениях (7) в этом слу-
чае представлен в табл. 8.
Решение оптимизационной задачи представлено вектором
А1 = 23, А2 = 1, А3 = 955, А4 = 76.
В этом случае загрузка банкомата составляет 119 760 руб. Целе-
вая функция уменьшилась со значении По = 328 527 в одной из точек
начального симплекса до значения Попт = 38 178.
Таким образом, сформулирована постановка задачи оптимизации
загрузки банкоматов, сконструирована целевая функция потерь, мини-
мум которой обеспечивает оптимальную загрузку банкоматов купюра-
ми. Собраны данные об объеме денежной наличности в банкоматах,
установленных в бюджетной и коммерческой организациях, за про-
должительный промежуток времени. С помощью метода наименьших
квадратов построена аналитическая зависимость количества купюр в
кассетах банкоматов от времени. Найдена оптимальная загрузка бан-
коматов денежными купюрами для реализации «зарплатного» догово-
ра в коммерческой и бюджетной организациях.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Димитриу Н.В., Никитин Д.А. Оценка текущего состояния и


перспектив развития рынка банковских карт // Деньги и Кредит. –
2008. – № 5. – С. 3538.
2. Лысков А. Эффективность сети банкоматов в многофилиаль-
ном банке // Мир Карточек. – 2003. – № 4. – С. 3847.
146
Вестник ПГТУ. Прикладная математика и механика, 2010

3. Летавин М.И., Плашенков В.В., Беляева П.А. Статистический


анализ оттока наличности из сети банкоматов // Финансы и Кредит. –
2007. – № 30 (270). – С. 914.
4. Васин Н.С. Теоретико-вероятностный анализ и прогнозирова-
ние резерва наличности для обеспечение банкоматных операций //
Финансы и Кредит. – 2005. – № 25 (193). – С. 6870.
5. Ратомский Ж. Оптимизация расходов – наиболее эффективная
бизнес-стратегия наших дней // ПЛАС. – 2008. – № 10 (140). – С.
2023.
6. Шубин К.А. Банковские карты и платежные системы самооб-
служивания на их основе // Вестник Пермского университета. – 2006. –
№ 5. – С. 103114.
7. Химмельблау Д. Прикладное нелинейное программирование. –
М.: Мир, 1975. – 420 с.

УДК 517.977

Г.А. ПУШКАРЕВ
Пермский государственный технический университет

ОБ ОДНОМ ЧАСТНОМ СЛУЧАЕ ФУНКЦИОНАЛЬНО-


ДИФФЕРЕНЦИАЛЬНОГО УРАВНЕНИЯ 1-ГО ПОРЯДКА

Приводится утверждение о существовании и построении оптимального


управления частного случая задачи Коши линейного дифференциального
уравнения с отклоняющимся аргументом 1-го порядка для терминального
функционала.

Обозначим: L  гильбертово пространство функций суммируе-


мых с квадратом на [0,T]; L1  пространство суммируемых функций на
[0,T]; L  пространство функций, ограниченных в существенном на
[0,T], измеримая функция h(t), такая, что функция множества
(e)  mes(h1 (e)  0, T ) абсолютно непрерывна, mes  h [0, T ]  [0, T ]  0
существует измеримая функция h1 , такая, что h 1 (h(t ))  t почти всю-
ду на [0,T], (t )  производная Радона  Никодима функции множест-
ва  [2],   L ,
147
Вестник ПГТУ. Прикладная математика и механика, 2010

 x (t ),если h(t )   0, T 


Sh x (t )   .
0,если h(t )   0, T  
Рассмотрим линейную задачу

x (t )  S h x(t )  u (t )  f (t ), (1)

x(0)  x0 , 0  t  T . (2)

Будем рассматривать решение задачи, принадлежащее простран-


ству W (0, T ) 2 (далее W) и сопряженное однородное уравнение

x (t )  Sh* x(t )  0, (3)

множество решений которого обозначим через Р, в предположениях,


обеспечивающих разрешимость (1), (2) и однозначную разрешимость
сопряженной задачи (см. [3, 4]); G : L2  W  оператор Грина линейной
задачи, соответствующей задаче (1)(2).
Функцию u(t ) назовем управлением, а в качестве «функции
стоимости» примем терминальный функционал

I ( x, u )  x(T , u )  y ,
2
(4)

где число y задано.


Лемма 1. Пусть [0, T ]  h [0, T ] , h(0)  0, h T   T . Для того
чтобы на решениях задачи (1), (2) выполнялось равенство

x(T , u)  y, (5)

необходимо и достаточно, чтобы для любого p из P выполнялось ра-


венство u, p  a( p), где a( p)  y, p(T )  x0 , p(0)  f , p .
Доказательство. Обозначим E  h [0, T ] .
Из равенства (3) следует

148
Вестник ПГТУ. Прикладная математика и механика, 2010
T  T  T

 ( x(t )  x(h(t ))) p(t )dt   x(t ) p(t )dt    x(h(t )) p(t )dt 
0 0 0
T T 
  p(t )dx(t )    x( s )( s) p(h ( s))ds  x(t ) p(t )
1
  x(t ) p(t )dt 
T
0
0 E 0
T 
  x( s)( s) p(h 1 ( s))ds  x(t ) p(t )   x( s)( p( s)  ( s) p( h 1 ( s))ds 
T
0
E 0

 x(t ) p(t ) 0
T

В последнем равенстве используется условие (3), т.е. подынте-


гральное выражение равно нулю. Тогда из (1), (2) получим
u, p  a( p).
Рассмотрим ортонормированный базис ek в E n (где все элементы
равны 0, кроме k -го, который равен 1) и базисную систему функций,
определяемую (3) и начальными условиями

pk (T )  ek , k = 1, …, n. (7)

Теорема. Пусть выполнены условия леммы. Оптимальное управ-


ление задачи (1), (2), (4) определяется равенством

n
u   a  pk  pk .
k 1

Доказательство. Предполагая однозначную разрешимость сопря-


женного уравнения (3) с начальными условиями (7), получаем
a( pk )  y, pk (T )  x0 , pk (0)   y  x0 k .
В последнем равенстве используется, что сопряженное уравнение
с нулевым условием имеет лишь нулевое решение. Таким образом, ре-
шения «усеченных» задач [1] u, pk  a( pk ), k  1, 2, ..., N ограничены в
совокупности, т.е. u доставляет минимум функционала (4).

149
Вестник ПГТУ. Прикладная математика и механика, 2010

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Абдуллаев А.Р., Бурмистрова А.Б. Элементы теории тополо-


гически нетеровых операторов.  Челябинск: Изд-во ЧелГУ, 1994.  98 с.
2. Васильев П., Ишмухаметов А.З., Потапов M.M. Обобщен-
ный метод моментов в задачах оптимального управления.М.: Изд-во
МГУ, 1989.  144 с.
3. Данфорд Н., Шварц Дж.Т. Линейные операторы. Общая тео-
рия. М.: ИЛ, 1962.  895 с.
4. Рахматуллина Л.Ф. О регуляризации линейных краевых за-
дач // Известия вузов. Математика.1987. № 7.

УДК 512.622

Л.Я. ЛЬВОВСКИЙ
Пермский государственный технический университет

К ВОПРОСУ О ДЕЛЕНИИ МНОГОЧЛЕНОВ

Приводится оригинальный алгоритм деления многочленов с остатком,


дается пример.

На практике часто приходится сталкиваться с задачами, касаю-


щимися делимости многочленов и разложения их на множители. В ча-
стности, очень популярна следующая задача: «Найти многочлен P( x),
который при делении на многочлен Q (1) ( x ) дает остаток R (1) ( x), а при
делении на многочлен Q (2) ( x ) – остаток R (2) ( x) ». Решение таких задач,
как правило, сводится к более или менее удачному перебору, особенно
если делители Q (1) ( x ) и Q ( 2) ( x ) – нелинейны.
Выделение ситуации когда делители линейны не случайно, т.к. в
этом случае остатки R (1) ( x ) и R (2) ( x) представляют собой константы:
R(i ) ( x)  i ( i  1, 2 ), а делители Q (1) ( x ) и Q ( 2) ( x ) также определяются
заданием только одной величины – свободного члена для каждого де-
лителя, т. к. в качестве делителей, не ограничивая общности задачи,
всегда можно рассматривать приведенные многочлены: Q(i ) ( x)  x  i

150
Вестник ПГТУ. Прикладная математика и механика, 2010

( i  1, 2 ). Такая задача может быть решена в явном виде даже тогда, ко-
гда заданы не две пары делителей и остатков, а произвольное число
таких пар.
Рассмотрим общий случай, когда степени многочленов-делителей
(или хотя бы одного из них) Q (1) ( x ) и Q (2) ( x ) больше единицы. В этом
случае даже для двух делителей задача не является тривиальной и яв-
ного решения не имеет.
Итак, требуется найти многочлен P( x) (желательно наименьшей
возможной степени), который при делении на многочлены Q ( i ) ( x ) дает
соответственно остатки R ( i ) ( x ) ( i  1, 2 ).
Переформулируем условие задачи на алгебраический язык. По-
лучим систему уравнений:

 P( x)  B (1) ( x)Q (1) ( x)  R (1) ( x), N  R (1) ( x)   N  Q (1) ( x) 



 (2)
 P( x)  B ( x)Q ( x)  R ( x), N  R ( x)   N  Q ( x) 

(2) 2) (2) (2) (2)

(под N T ( x)  здесь и в дальнейшем будем обозначать степень много-


члена T ( x) ).
Здесь многочлены Q ( i ) ( x ) и R ( i ) ( x ) ( i  1, 2 ) – известны, а много-
члены B ( i ) ( x ) ( i  1, 2 ) (и выражаемый через них многочлен P( x) ) –
неизвестны.
Вычтем из первого уравнения системы (2) второе:

B (1) ( x)Q (1) ( x)  B (2) ( x)Q (2) ( x)  R (2) ( x)  R (1) ( x) . (3)

Значит, решение задачи сведется к решению эквивалентной за-


дачи: «Решить уравнение первого порядка с двумя неизвестными мно-
гочленами U ( x) и V ( x) :

A( x)U ( x)  B( x)V ( x)  C( x) , (4)

где A( x) , B( x) и C( x) – заданные (известные) многочлены (многочле-


ны A( x) и B( x) отличны от нуля)».
Пусть (для определенности) в (4) степень многочлена A( x) не
ниже степени многочлена B( x) ( N  A( x)   N  B( x)  ).
151
Вестник ПГТУ. Прикладная математика и механика, 2010

Суть процедуры состоит в параллельном проведении трех про-


цессов.
Первый из них представляет собой процесс последовательного
«деления» многочлена большей степени ( A( x) ):

A( x)  B( x)Q1,1 ( x)  R1,1 ( x);


B( x)  R1,1 ( x)Q2,1 ( x)  R2,1 ( x);
R1,1 ( x)  R2,1 ( x)Q3,1 ( x)  R3,1 ( x);

(5)
Ri  2,1 ( x)  Ri 1,1 ( x)Qi ,1 ( x)  Ri ,1 ( x);

Rn  2,1 ( x)  Rn 1,1 ( x)Qn ,1 ( x)  Rn ,1 ( x);
Rn 1,1 ( x)  Rn ,1 ( x)Qn 1,1 ( x).

Этот процесс в точности совпал с алгоритмом Евклида, и, значит,


многочлен Rn,1 ( x) будет равен наибольшему общему делителю много-
членов A( x) и B( x) .
Как уже отмечалось, в результате выполнения этих операций сте-
пень многочленов понижается (по определению деления многочленов
с остатком): N  B( x)   N  R1,1 ( x)   N  R2,1 ( x)      N  Ri ,1 ( x)    .
Поэтому этот процесс конечен. На каком-то шаге (не позднее, чем на
шаге с номером, равным степени многочлена B( x) ), если деление на-
цело не произойдет раньше, мы получим многочлен нулевой степени, и
деление нацело на следующем шаге заведомо произойдет
( Rn1,1 ( x)  0).
Второй процесс представляет собой последовательность опера-
ций деления с остатком многочлена C( x) и получающихся остатков на
те же делители, что и в первом процессе:

C ( x)  B( x)Q1,2 ( x)  R1,2 ( x);

152
Вестник ПГТУ. Прикладная математика и механика, 2010

R1,2 ( x)  R1,1 ( x)Q2,2 ( x)  R2,2 ( x);


R2,2 ( x)  R2,1 ( x)Q3,2 ( x)  R3,2 ( x);

Ri 1,2 ( x)  Ri 1,1 ( x)Qi ,1 ( x)  Ri ,2 ( x);

Здесь могут возникнуть две ситуации.
Процесс закончится делением нацело не позднее, чем на ( n  1)-
шаге. Если это произошло раньше, чем на ( n  1)-шаге, мы можем
«продолжать» деление до ( n  1)-шага, получая нулевые частные и ос-
татки. Таким образом, мы формально можем представить результат
этого процесса в виде

C ( x)  B( x)Q1,2 ( x)  R1,2 ( x);


R1,2 ( x)  R1,1 ( x)Q2,2 ( x)  R2,2 ( x);
R2,2 ( x)  R2,1 ( x)Q3,2 ( x)  R3,2 ( x);

(6)
Ri 1,2 ( x)  Ri 1,1 ( x)Qi ,2 ( x)  Ri ,2 ( x);

Rn 1,2 ( x)  Rn 1,1 ( x)Qn,2 ( x)  Rn,2 ( x);
Rn ,2 ( x)  Rn ,1 ( x)Qn 1,2 ( x).

В этом случае, т.к. многочлен Rn,1 ( x) является общим делителем


многочленов A( x) и B( x) , он делит также (по свойству делимости
многочленов в соответствии с первым процессом) все многочлены-
остатки Ri ,1 ( x) . Тогда, т.к. в соответствии с последним равенством вто-
рого процесса многочлен Rn,1 ( x) является делителем многочлена
Rn,2 ( x) , двигаясь в этом процессе снизу вверх по тому же свойству де-
лимости многочленов, убедимся в том, что многочлен Rn,1 ( x) делит
также все многочлены-остатки Ri ,2 ( x) и (из первого равенства) много-
член C( x) . Мы доказали, что если второй процесс закончится делени-
ем нацело не позднее, чем на ( n  1)-шаге, то многочлен C( x) делится
нацело на наибольший общий делителель многочленов A( x) и B( x) .

153
Вестник ПГТУ. Прикладная математика и механика, 2010

Рассмотрим теперь случай, когда второй процесс не заканчивает-


ся делением нацело на ( n  1)-шаге: Rn,2 ( x)  Rn,1 ( x)Qn1,2 ( x)  Rn1,2 ( x) ,
где Rn1,2 ( x)  0. Если бы и в этом случае многочлен C( x) делился на-
цело на наибольший общий делителель Rn,1 ( x) многочленов A( x) и
B( x) , то рассуждая так же как и в первом случае, но двигаясь во вто-
ром процессе сверху вниз, мы установим, что на многочлен Rn,1 ( x) де-
лятся также и все многочлены-остатки Ri ,2 ( x). Полученное противоре-
чие доказывает, что вторая ситуация возникает лишь в случае, когда
многочлен C( x) не делится нацело на наибольший общий делителель
многочленов A( x) и B( x) .
Однако если выполняется равенство (4), то по свойству делимо-
сти многочленов многочлен C( x) обязан делиться нацело на наиболь-
ший общий делителель многочленов A( x) и B( x) , поэтому, если вто-
рой процесс не заканчивается делением нацело на ( n  1)-шаге, мы вы-
нуждены сделать вывод, что уравнение (4) решений не имеет, и далее
этот случай можно не рассматривать.
Итак, мы имеем право считать, что оба процесса заканчиваются
одновременно, и можно переходить к третьему процессу.
Выразим из уравнения (4) многочлен V ( x) :

 A( x)U ( x)  C ( x)   B( x)Q1,1 ( x)  R1,1 ( x) U ( x)   B( x)Q1,2 ( x)  R1,2 ( x) 


V ( x)   
B( x) B( x)

 R1,1 ( x)U ( x)  R1,2 ( x)


 Q1,1 ( x)U ( x)  Q1,2 ( x)   Q1,1 ( x)U ( x)  Q1,2 ( x)  W1 ( x),
B( x)

 R1,1 ( x)U ( x)  R1,2 ( x)


причем функция W1 ( x)  должна быть многочле-
B( x)
ном.
Освобождаясь в выражении для W1 ( x) от знаменателя, запишем:

B( x)W1 ( x)  R1,1 ( x)U ( x)  R1,2 ( x).

Выразим из уравнения (16) многочлен U ( x) :

154
Вестник ПГТУ. Прикладная математика и механика, 2010

 B( x)W1 ( x)  R1,2 ( x)   R1,1 ( x)Q2,1 ( x)  R2,1 ( x) W1 ( x)   R1,1 ( x)Q2,2 ( x)  R2,2 ( x) 


U ( x)   
R1,1 ( x) R1,1 ( x)

 R2,1 ( x)W1 ( x)  R2,2 ( x)


 Q2,1 ( x)W1 ( x)  Q2,2 ( x)   Q2,1 ( x)W1 ( x)  Q2,2 ( x)  W2 ( x),
R1,1 ( x)

 R2,1 ( x)W1 ( x)  R2,2 ( x)


причем функция W2 ( x)  должна быть много-
R1,1 ( x)
членом.
Освобождаясь в выражении для W2 ( x) от знаменателя, запишем:

R1,1W2 ( x)  R2,1 ( x)W1 ( x)  R2,2 ( x) .

Продолжая этот процесс, получим последовательно:

R1,1W2 ( x)  R2,1 ( x)W1 ( x)  R2,2 ( x)  W1 ( x)  Q3,1 ( x)W2 ( x)  Q3,2 ( x)  W3 ( x);



Ri 1,1Wi ( x)  Ri ,1 ( x)Wi 1 ( x)  Ri ,2 ( x)  Wi 1 ( x)  Qi 1,1 ( x)Wi ( x)  Qi 1,2 ( x)  Wi 1 ( x);

Rn2,1Wn1 ( x)  Rn1,1 ( x)Wn2 ( x)  Rn1,2 ( x)  Wn2 ( x)  Qn,1 ( x)Wn1 ( x)  Qn,2 ( x)  Wn ( x).
Рассмотрим последний шаг более подробно. На этом шаге
( Rn1,1Wn ( x)  Rn,1 ( x)Wn1 ( x)  Rn,2 ( x) ) мы получили, что функция
 Rn,1 ( x)Wn 1 ( x)  Rn ,2 ( x)
Wn ( x)  должна быть многочленом, после чего,
Rn 1,1 ( x)
освобождаясь в этом выражении от знаменателя и выражая многочлен
Wn 1 ( x ) , запишем (с применением формул, полученных в первых двух
процессах):
 R ( x)Wn ( x)  Rn,2 ( x)
Wn1 ( x)  n1,1  Qn1,1 ( x)Wn ( x)  Qn1,2 ( x) , т.к.
Rn,1 ( x)
на этом шаге оба деления выполняются нацело.
Отбросив все промежуточные вычисления и преобразования, вы-
пишем цепочку равенств, которая и будет являться реализацией
третьего процесса:

155
Вестник ПГТУ. Прикладная математика и механика, 2010

V ( x)  Q1,1 ( x)U ( x)  Q1,2 ( x)  W1 ( x);


U ( x)  Q2,1 ( x)W1 ( x)  Q2,2 ( x)  W2 ( x);
W1 ( x)  Q3,1 ( x)W2 ( x)  Q3,2 ( x)  W3 ( x);

(7)
Wi 1 ( x)  Qi 1,1 ( x)Wi ( x)  Qi 1,2 ( x)  Wi 1 ( x);

Wn  2 ( x)  Qn ,1 ( x)Wn 1 ( x)  Qn ,2 ( x)  Wn ( x);
Wn 1 ( x)  Qn 1,1 ( x)Wn ( x)  Qn 1,2 ( x).

Собственно говоря, цепочку равенств (7) можно было выписать


(без единного вычисления и преобразования) сразу же, после получе-
ния цепочек равенств (5) и (6). Здесь мы проделали такую большую
работу для того, чтобы стало понятным, откуда эта цепочка появилась
и какую роль в реализации третьего процесса играют первые два.
Рассмотрим внимательно цепочку равенств (7). В ней есть один
свободный многочлен Wn ( x) , и давая ему различные значения (можно
взять абсолютно любой многочлен), двигаясь в этой цепочке снизу
вверх, мы получим различные варианты искомых значений многочле-
нов U ( x) и V ( x) , т. е. различные решения нашего уравнения (4). Оче-
видно, что для того, чтобы получить решение наименьшей возможной
степени, надо положить Wn ( x )  0 .
Таким образом, уравнение (4) имеет решение для любых отлич-
ных от нуля многочленов A( x) и B( x) , если (и только если) многочлен
C( x) делится нацело на наибольший общий делителель многочленов
A( x) и B( x) (в частности всегда, если многочлены A( x) и B( x) – вза-
имно просты).
Попробуем определить структуру общего решения уравнения (4),
получающегося из цепочки равенств (10) при произвольном многочле-
не Wn ( x).
Вводя в цепочке (7) в рассмотрение три новых многочлена, обо-
значим: W1 ( x)  V ( x), W0 ( x )  U ( x ) и, кроме того, положим
Wn 1 ( x)  0 . Тогда все равенства системы (7) приобретают единную
структуру:

Wi 1 ( x)  Qi 1,1 ( x)Wi ( x)  Qi 1,2 ( x)  Wi 1 ( x), (i  0, n) .


156
Вестник ПГТУ. Прикладная математика и механика, 2010

Методом полной математической индукции, двигаясь в цепочке


равенств (7) снизу вверх, нетрудно получить, что в наших обозначени-
ях справедливо представление:

Wi ( x)  (1) ni Tni ( x)Wn ( x)  Sni ( x), (i  1, n),

где многочлены Ti ( x) и Si ( x) могут быть найдены из реккурентных


соотношений:

T0 ( x)  1, T1 ( x)  Qn1,1 ( x), Ti 1 ( x)  Qni 1,1 ( x)Ti ( x)  Ti 1 ( x), i  1, n ;


S0 ( x)  0, S1 ( x)  Qn1,2 ( x), Si 1 ( x)  Qni 1,1 ( x)Si ( x)  Si 1 ( x)  Qni 1,2 ( x), (8)
i  1, n
причем многочлены Ti ( x) зависят только от исходных многочленов
A( x) и B( x) и не зависят от многочлена C( x) .
В частности,
U ( x)  W0 ( x)  (1) n Tn ( x)Wn ( x)  Sn ( x),
(9)
V ( x)  W1 ( x)  (1) ni 1Tn1 ( x)Wn ( x)  Sn 1 ( x).

Поскольку при C( x)  0 все Si ( x)  0 (это следует из цепочки ра-


венств (6) и реккурентного представления (8)), то пара многочленов

U ( x)  W0 ( x)  (1) n Tn ( x)Wn ( x),


V ( x)  W1 ( x)  (1) n i 1Tn1 ( x)Wn ( x)

является общим решением однородного уравнения:

A( x)U ( x)  B( x)V ( x)  0 . (10)

Но общее решение однородного уравнения (10) легко получить в


явном виде.
Пусть многочлены A( x) и B( x) имеют наибольший общий дели-
тель D( x), тогда A( x)  D( x) A( x) и B( x)  D( x) B( x), причем много-
члены A( x) и B( x) взаимно просты. Подставляя эти представления в
уравнение (10) и сокращая на D( x), получим:
157
Вестник ПГТУ. Прикладная математика и механика, 2010

A( x)U ( x)  B( x)V ( x)  0.

Но из взаимной простоты многочленов A( x) и B( x) следует, что


многочлен U ( x) должен делиться нацело на многочлен B( x), а много-
член V ( x) должен делиться нацело на многочлен A( x). Окончательно
общее решение уравнения (10) можно записать в виде:

B( x)
U ( x)  W ( x),
D( x)
A( x)
V ( x)   W ( x),
D( x)

где W ( x) – произвольный многочлен.


С другой стороны, если пары многочленов U (1) ( x), V (1) ( x)  и
U (2)
( x), V (2) ( x)  являются решениями (какими-нибудь) уравнения (4),
из системы:

 A( x)U (1) ( x)  B( x)V (1) ( x)  C ( x)



 A( x)U ( x)  B( x)V ( x)  C ( x)
(2) (2)

мы получаем, что разность этих решений


U ( x)  U ( x), V ( x)  V ( x)  должна быть решением однородного
(1) (2) (1) (2)

уравнения (10). Верно и обратное, если пара многочленов


U (1) ( x), V (1) ( x)  является решением (каким-нибудь) уравнения (4), а
пара многочленов U (1) ( x)  U (2) ( x), V (1) ( x)  V (2) ( x)  является решением
(каким-нибудь) однородного уравнения (10), то пара многочленов
U (2) ( x), V (2) ( x)  также будет являться решением уравнения (4). Таким
образом, мы приходим к выводу, что справедлива «классическая фор-
мула»: общее решение неоднородного уравнения (4) = частное реше-
ние уравнения (4) + общее решение однородного уравнения (10):

158
Вестник ПГТУ. Прикладная математика и механика, 2010

B( x)
U ( x)  W ( x)  S n ( x),
D( x)
A( x)
V ( x)   W ( x)  S n 1 ( x),
D( x)

где D( x) – наибольший общий делитель многочленов A( x) и B( x)


( D( x)  Rn,1 ( x) ), многочлены Si ( x) могут быть найдены из реккурент-
ного соотношения (8), а W ( x) – произвольный многочлен.
Остается заметить, что длина цепочек равенств (5) и (6) и (7) рав-
на Max( N  A( x)  , N  B( x)   N  D( x)   1 , где D( x) – наибольший об-
щий делитель многочленов A( x) и B( x) (это следует из алгоритмов
получения этих цепочек), то есть невелика для реально встречающихся
уравнений вида (4), поэтому получение многочленов Sn ( x) и S n 1 ( x) –
несложно.
Пример. Первый процесс – алгоритм Евклида (см. цепочку ра-
венств (5)):

x 4  2 x3  3x 2  4 x  5  ( x  2)( x3  1)  (3x 2  3x  3);


x 1 2
x3  1  (3x  3x  3)  2;
3
3x 2  3x  3
3x  3x  3 
2
 2.
2

Второй процесс (см. цепочку равенств (6)):

x 4  x 2  1  x( x3  1)  ( x 2  x  1);
x 2  x  1  (1/ 3)(3x 2  3x  3)  2 x;
2 x  ( x)  2.

Третий процесс (см. цепочку равенств (7)):

159
Вестник ПГТУ. Прикладная математика и механика, 2010

W2 ( x)  0;
W1 ( x)   x;
x 1 1 x2  x  1
U ( x)   ( x)   ;
3 3 3
x2  x  1 x3  x 2  x  2
V ( x)  ( x  2)  xx  .
3 3

или (см. реккурентное соотношение (5) и представления (6)):


S0 ( x)  0;
S1 ( x)   x;
x 1 1 x2  x  1
U ( x)  S 2 ( x)   ( x)   ;
3 3 3
x2  x  1 x3  x 2  x  2
V ( x)  S3 ( x)  ( x  2) xx  .
3 3

УДК 681.3

Г. В. СОКОЛОВ
Пермский государственный университет

АНАЛИЗ АЛГОРИТМОВ АВТОМАТИЧЕСКОЙ УКЛАДКИ


ГРАФОВ НА ПЛОСКОСТИ В РАМКАХ ЗАДАЧИ ВИЗУАЛИЗА-
ЦИИ МОДЕЛЕЙ НА ГРАФАХ
Производится аналитический обзор существующих алгоритмов уклад-
ки графов на плоскости для их применения в унифицированном компоненте
визуализации моделях на графах. При анализе алгоритмов особое внимание
уделяется эстетическим критериям изображений графов на плоскости.

Графовое представление используется для отображения инфор-


мации, допускающей моделирование в виде объектов и связей между
ними. При визуализации моделях на графах возникают определенные
трудности. Во-первых, не всегда удобно работать с визуальными моде-
лями, отображаемыми в изначальном (исходном) виде (вследствие
большого количества пересечений ребер затрудняется понимание се-

160
Вестник ПГТУ. Прикладная математика и механика, 2010

мантики изучаемых моделей). Во-вторых, часто схемы каких-либо


предметных областей описываются в текстовом виде, например на
XML, где отсутствует информация о расположении вершин графовой
модели. Поэтому задача автоматического расположения элементов
графа в системах визуализации графов занимает одно из ключевых
мест.
Автором разрабатывается унифицированный компонент визуали-
зации графовых структур. Основными критериями, позволяющими
наиболее наглядно визуализировать граф, являются:
 количество пересечений ребер произвольного графа должно
быть минимальным (в идеальном случае – граф планарный, нулевое
количество пересечений ребер; в случае если граф непланарный, то не-
обходимо выделить максимальный планарный подграф);
 суммарная площадь, занимаемая графом (площадь минималь-
ного выпуклого многоугольника, покрывающего изображение графа),
должна быть минимальна, но доля свободного места не должна быть
меньше некоторого предела;
 количество наложений вершин друг на друга должно быть ми-
нимальным.
Кроме того, естественно, алгоритм автоматической укладки гра-
фа на плоскости должен быть эффективным по времени исполнения
(полиномиальной сложности).
Таким образом, разработчик должен решить задачу многокрите-
риальной оптимизации.
Классификация алгоритмов укладки графа выглядит следующим
образом [4]:
 алгоритмы на основе физической модели,
 аналитические алгоритмы,
 генетические алгоритмы.
Алгоритмы на основе физической модели. Данная группа ал-
горитмов ставит в соответствие графу некоторую физическую модель.
Вводят так называемую штрафную функцию, которую минимизируют.
Выделяют «пружинный метод» и метод отжига.
В «пружинном методе» [3] граф интерпретируется как некоторая
упругая механическая система, в вершинах которой находятся точки
системы, а ребра соответствуют упругим силовым связям («пружин-
кам»). Штрафная функция – потенциальная энергия системы, а ее ми-
нимуму соответствует условие равновесия системы.

161
Вестник ПГТУ. Прикладная математика и механика, 2010

Если силовые связи подчиняются закону Гука, то сила натяжения


пружины пропорциональна ее длине. В этом случае потенциальная
энергия системы представляет собой положительную функцию
1
W  wij d 2 ( pi , p j ),
2 ( pi , p j )E
где Е  множество ребер графа; d2 (pi, pj)  квадрат расстояния между
вершинами графа pi, pj, декартовы координаты которых (xi уi) и (xj, yj);
d2(pi, pj) = (xi − xj)2 + (yi − yj)2; wij  произвольные положительные веса
этих ребер (в частности, можно взять все веса равными 1).
Функция W зависит от координат вершин, не принадлежащих
внешней грани: W ( xi , yi ) .
Далее для нахождения минимума используется условие равенства
W W
первых производных нулю, т.е.  0;  0;
xi yi
После несложных преобразований:
xi  wij   wij x j   wij x j ,
p j V ( pi ) p p j V out ( pi )
jV in ( pi )

yi 
p j V ( pi )
wij   wij y j   wij y j ,
p
jV in ( pi )
p j V out ( pi )

где V(pi)  окрестность вершины pi, т.е. множество смежных с pi вер-


шин;Vin(pi)  множество вершин из V (pi), не принадлежащих внешней
грани; Vout (pi)  множество вершин из V (pi), принадлежащих внешней
грани.
Нетрудно заметить, что данный алгоритм имеет полиномиальную
сложность.
Можно выделить следующие недостатки «пружинного метода»:
 необходимо выделять внешнюю грань; алгоритм позволяет от-
ветить на вопрос о планарности графа, но не позволяет выделить мак-
симальный планарный подграф, что не позволяет работать с произ-
вольными графами;
 алгоритм не дает возможность учитывать размеры вершин гра-
фа, что не удовлетворяет поставленному вначале третьему требова-
нию;
 существует привязка вершин графа к координатам на плоско-
сти, которая не дает возможности использовать эффективные методы
визуализации графа с минимальной площадью размещения.

162
Вестник ПГТУ. Прикладная математика и механика, 2010

Модификацией данного алгоритма является нелинейный силовой


метод [3]. Укладка связного графа обеспечивается уравновешиванием
сил притяжения и отталкивания, зависящих от расстояния между вер-
шинами d: для всех пар вершин действует сила отталкивания R(d), мо-
нотонно убывающая с ростом d, для всех пар смежных вершин дейст-
вует сила притяжения A(d), монотонно возрастающая с ростом d. В
этом случае нивелируется первый недостаток предыдущего метода, но
по-прежнему остается нерешенной вторая и третья проблема. Более
того, минимизация штрафной функции сводится к решению нелиней-
ной системы дифференциальных уравнений, что приводит к дополни-
тельным вычислительным расходам, а также накладывает ограниче-
ния на начальные условия (например, при решении системы методом
градиентного спуска).
Следующий метод на основе физической модели – метод отжига.
Это техника оптимизации, использующая упорядоченный слу-
чайный поиск на основе аналогии с процессом образования веществом
кристаллической структуры с минимальной энергией при охлаждении
[8].
Идея данного метода состоит в следующем: граф представляет
собой некоторую систему. Вводится понятие «энергетического уров-
ня» системы, т.е. каждому состоянию системы, а именно раскладке
графа, соответствует энергия E, пропорциональная, например, количе-
ству пересечений ребер графа. Пусть E  f ( x), x  S , где S – множест-
во различных укладок графа. Теперь необходимо минимизировать E.
Таким образом, минимуму энергии будет соответствовать укладка
графа с минимальным количеством пересечений ребер.
В каждый момент времени предполагается заданной температура
системы, которая с течением времени охлаждается. Каждое следующее
состояние выбирается в соответствии с заданным вероятностным се-
мейством распределений G( x, T ). После генерации нового состояния
x l  G ( x, T ) система с вероятностью H (E, T ) (вероятность принятия
нового состояния) переходит к следующему шагу в состояние x l , ина-
че процесс генерации xl повторяется. E  f ( x l )  f ( x). В качестве
H (E, T ) обычно берут следующую функцию: H (E, T )  (E / T ).
При ее использовании H (E, T ) больше единицы в случае E  0, то-
гда соответствующая вероятность считается равной единице. Таким
образом, если новое состояние дает лучшее значение оптимизируемой
функции, то переход в это состояние произойдет в любом случае.

163
Вестник ПГТУ. Прикладная математика и механика, 2010

Итак, конкретная схема отжига определяется следующими пара-


метрами:
 выбором закона распределения температуры от шага T (k );
 выбором порождающего семейства распределений G( x, T );
 выбором функции вероятности принятия нового состояния
H (E,T ).
Существуют более эффективные схемы отжига, например сверх-
быстрый отжиг [8], который позволяет довольно быстро искать гло-
бальный минимум.
Достоинства метода:
 благодаря универсальности подхода, используемого методом
отжига, а именно свободе выбора функции энергии системы E, можно
оптимизировать любые требуемые критерии, в том числе и площадь,
занимаемую укладкой графа;
 алгоритм позволяет не только ответить на вопрос о планарно-
сти графа, но и выделить максимальный планарный подграф.
Недостатки:
 требует длительной настройки параметров для конкретной за-
дачи;
 эффективно работает только для небольших графов (в связи с
трудоемкостью метода);
 не учитывается размер вершин графа;
 сложно подобрать функцию E для быстрой сходимости данного
метода.

Аналитические алгоритмы. На практике аналитические алго-


ритмы представляют собой последовательность преобразований графа,
приводящих к укладке графа. Главное преимущество данной группы
алгоритмов состоит в том, что с их помощью получается гарантиро-
ванный результат, в отличие от алгоритмов на базе физической моде-
ли. К данной группе алгоритмов можно отнести гамма-алгоритм, алго-
ритм GIOTTO, а также другие алгоритмы [7], не рассматриваемые в
данной работе.
Гамма-алгоритм основан на выделении сегментов в графе и их
определенной укладке в нужным образом выбранных гранях графа [2].
Достоинством данного алгоритма является возможность производить
укладку графа с криволинейными ребрами. Но главным недостатком
данного алгоритма является то, что он лишь позволяет укладывать
планарные графы, что противоречит первому требованию, поставлен-

164
Вестник ПГТУ. Прикладная математика и механика, 2010

ному в начале данной работы. Более того, данный алгоритм плохо под-
дается модификации.
Наиболее эффективным является алгоритм GIOTTO [6]. Основ-
ные шаги данного алгоритма:
1. Преобразование графа в связный;
2. Преобразование графа в двусвязный;
3. Выделение планарного подграфа;
4. Построение st-графа;
5. Построение планарного «надграфа»;
6. Разбиение вершин инцидентностью больше четырех на цепоч-
ки;
7. Построение ортогонального представления;
8. Минимизация площади, занимаемой уложенным графом;
9. Удаление фиктивных элементов, созданных в процессе преды-
дущих шагов;
10. Восстановление информации об ориентации ребер (информа-
ция теряется на четвертом шаге).
Таким образом, алгоритм GIOTTO позволяет выделить макси-
мальный планарный подграф, а также минимизировать площадь, зани-
маемую уложенным графом. Минус данного алгоритма состоит в том,
что его сложно модифицировать, а следовательно, практически невоз-
можно учесть третье требование об учете размеров вершин графа.
Генетические алгоритмы (ГА). Данные алгоритмы, подобно
методу отжига являются универсальными с точки зрения решения оп-
тимизационных задач [5] и имеют аналогию с природным механизмом.
Все внешние данные особи кодируются ее цепью ДНК (геноти-
пом). Отдельные участки этой цепи (гены) определяют различные па-
раметры особи. Согласно теории эволюции Чарльза Дарвина, особи
популяции конкурируют между собой за пищу и за привлечение брач-
ного партнера. Те особи, которые наиболее приспособлены к окру-
жающим условиям, проживут дольше и создадут более многочислен-
ное потомство, чем их собратья. Скрещиваясь, они будут передавать
потомкам часть своего генотипа. Некоторые дети совместят в себе час-
ти цепи ДНК, отвечающие за наиболее удачные качества родителей и,
таким образом, окажутся еще более приспособленными.
Те особи, которые не обладают качествами, способствующими их
выживанию, с большой вероятностью не проживут долго и не смогут
создать многочисленное потомство. Кроме того, им сложнее будет
найти хорошую пару для скрещивания, поэтому с большой вероятно-
стью генотип таких особей исчезнет из генофонда популяции.
165
Вестник ПГТУ. Прикладная математика и механика, 2010

Изредка происходит мутация: некоторый случайный нуклеотид


цепи ДНК особи может измениться на другой. Если полученная цепь
будет использоваться для создания потомства, то у детей возможно по-
явление совершенно новых качеств.
Естественный отбор, скрещивание и мутация обеспечивают раз-
витие популяции. Каждое новое поколение в среднем более приспо-
соблено, чем предыдущее, т.е. оно лучше удовлетворяет требованиям
внешней среды.
Теперь, пусть необходимо найти максимум (минимум) функции
f ( x1 , x2 ,..., xn ). Эта функция называется функцией приспособленности
(fitness function) и используется для вычисления приспособленности
особей. Она должна принимать неотрицательные значения, а ее об-
ласть определения должна быть ограниченным множеством. В случае
задачи планаризации графа функцией приспособленности может вы-
ступать, например, как самый тривиальный вариант, функция количе-
ства пересечений ребер графа (требуется найти ее минимум).
Каждый параметр функции приспособленности будет кодиро-
ваться битовой строкой. Особью [5] будет называться строка, являю-
щаяся конкатенацией строк всего упорядоченного набора параметров:
101100 11001011 01101100 1100 1 11101
| x1 | x2 | | | | xn |

Приспособленность особи высчитывается следующим образом:


строка разбивается на подстроки, кодирующие параметры. Затем для
каждой подстроки высчитывается соответствующее ей значение пара-
метра, после чего приспособленность особи вычисляется как значение
функции приспособленности от полученного набора.
Вообще, от конкретной задачи зависят только такие параметры
генетического алгоритма, как функция приспособленности и кодиро-
вание решений. Остальные шаги для всех задач производятся одинако-
во, в этом проявляется универсальность алгоритма.

166
Вестник ПГТУ. Прикладная математика и механика, 2010

Отбор
Создание
начальной
популяции
Скрещивание
Переход к новому
поколению

Мутация

Результат

Рис. Основные этапы генетического алгоритма

В классическом гинетическом алгоритме [5] начальная популя-


ция формируется случайным образом. Фиксируется размер популяции
(количество особей N), который не изменяется в течение работы всего
алгоритма. Каждая особь генерируется как случайная L-битная строка,
где L  длина кодировки особи, она тоже фиксирована и для всех осо-
бей одинакова.
Следует заметить, что каждая особь является одним из решений
поставленной задачи. Более приспособленные особи  это более под-
ходящие решения. Этим генетический алгоритм отличается от боль-
шинства других алгоритмов оптимизации, которые оперируют лишь с
одним решением, улучшая его.
Шаг алгоритма состоит из трех стадий (рисунок): генерация про-
межуточной популяции (intermediate generation) путем отбора
(selection) текущего поколения (current generation), скрещивание
(recombination) особей промежуточной популяции путем кроссовера
(crossover), что приводит к формированию нового поколения (next
generation), и мутация нового поколения.
Промежуточная популяция  это набор особей, которые получи-
ли право размножаться. Приспособленные особи могут быть записаны
туда несколько раз. «Плохие» особи с большой вероятностью туда во-
обще не попадут.
Вероятность, что особь попадет в промежуточную популяцию,
пропорциональна ее приспособленности, т.е. работает пропорциональ-
ный отбор.
167
Вестник ПГТУ. Прикладная математика и механика, 2010

После отбора особи промежуточной популяции случайным обра-


зом разбиваются на пары. Каждая из них с вероятностью pc скрещива-
ется, т.е. к ней применяется оператор кроссовера, в результате чего по-
лучаются два потомка. Они записываются в новое поколение. Если же
паре не выпало скрещиваться, в новое поколение записываются сами
особи этой пары.
В классическом гинетическом алгоритме [5] применяется одно-
точечный оператор кроссовера (1-point crossover): для родительских
хромосом случайным образом выбирается точка раздела, и они обме-
ниваются отсеченными частями. Полученные две строки являются по-
томками:
11010 01100101101  10110 01100101101
10110 10011101001  11010 10011101001
К полученному в результате скрещивания новому поколению
применяется оператор мутации. Каждый бит каждой особи популяции
с вероятностью pm инвертируется. Эта вероятность обычно очень мала,
менее 1 %.
1011001100101101  1011001101101101
Таким образом, процесс отбора, скрещивания и мутации приво-
дит к формированию нового поколения. Шаг алгоритма завершается
объявлением нового поколения текущим. Далее все действия повторя-
ются.
Вообще говоря, такой процесс эволюции может продолжаться до
бесконечности. Критерием останова может служить либо заданное ко-
личество поколений, либо достижение состояния схождения
(convergence) популяции.
Состоянием схождения называется такое состояние популяции,
когда все особи популяции почти одинаковы (различаются в несколько
нуклеотидов) и находятся в области некоторого экстремума. В такой
ситуации кроссовер практически никак не изменяет популяции. А
вышедшие из этой области за счет мутации особи склонны вымирать,
т.к. чаще имеют меньшую приспособленность, особенно если данный
экстремум является глобальным максимумом.
В [1] разработан генетический алгоритм, выполняющий планар-
ную укладку графа за полиноминальное время. Для определения пла-
нарности графа используется критерий Мак-Лейна, сформулирован-
ный в терминах базиса циклов. Использован оригинальный способ ко-
дирования решений. Так, каждая хромосома имеет p+3 генов (разря-
дов): p разрядов – это комбинация циклов, представляющая собой ва-
168
Вестник ПГТУ. Прикладная математика и механика, 2010

риант плоской укладки графа, последние три разряда несут информа-


цию о том, какие ребра и сколько раз содержатся в выбранной комби-
нации (0, 1 или 2 раза соответственно для (p+1), (p+2), (p+3)-генов). В
качестве функции приспособленности промежуточных решений ис-
пользуется аддитивная функция двух переменных f ( H )  (m , Nc ),
где m  относительное увеличение числа ребер, Nc  относительное
увеличение числа циклов. Количественное значение функции приспо-
собленности рассчитывается из числа совпадений ребер в соответст-
вующих разрядах анализируемых решений, а также числа циклов, ко-
торые добавляются (удаляются) в базовом решении. В качестве опера-
тора кроссинговера используется двухточечный суммирующий крос-
синговер.
Следует выделить следующие преимущества генетических алго-
ритмов при решении задачи планаризации графов:
 возможность применения к произвольным графам,
 полиномиальная сложность,
 выделение максимального планарного подграфа,
 нет привязки к координатам вершин графа на плоскости, что
позволит использовать эффективные методы визуализации графа, на-
пример для минимизации площади размещения.
Недостатки:
 проблема кодирования решения,
 проблема выбора эффективной функции приспособленности.
Среди рассмотренных в данной работе алгоритмов нет таких, ко-
торые осуществляют многофакторную оптимизацию по всем требуе-
мым критериям.
Но наиболее подходящим для реализации в унифицированном
компоненте визуализации графовых структур является использование
генетического алгоритма в качестве алгоритма планарной укладки, т.к.
данный алгоритм позволяет не только определить, планарен ли граф,
но и выделить максимальный планарный подграф в непланарном гра-
фе. Более того, алгоритм гибок, легко поддается модификации, нет
привязки к координатам вершин на плоскости, так что можно исполь-
зовать эффективные методы поуровневой визуализации [3] с учетом
размера вершин графа, а также минимизации площади, занимаемой
графом. Кроме того, генетический алгоритм можно будет модифици-
ровать, используя островную модель [5].

169
Вестник ПГТУ. Прикладная математика и механика, 2010

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Гладков Л.А. Решение задачи планаризации графов на основе


бионических технологий // Вестник ЮНЦ РАН.  Т. 1.  Вып. 2. 2005.
2. Иринев А., Каширин В. Алгоритм плоской укладки графов. 
URL: rain.ifmo.ru/cat/view.php/theory/graph-coloring-layout/layout-2006.
3. Касьянов В.Н., Евстигнеев В.А. Графы в программировании:
обработка, визуализация и применение.  СПб.: БХВ-Петербург, 2003.
 1104 с.
4. Коротков М.А. Разработка и реализация алгоритма укладки
диаграмм состояний.  URL: rain.ifmo.ru/cat/view.php/theory/graph-
coloring-layout/uml-layout-2005.
5. Яминов Б. Генетические алгоритмы.  URL: rain.ifmo.ru/cat/
view.php/theory/unsorted/genetic-2005.
6. Graph Drawing. Algorithms for the Visualization of Graphs / G.
Battista [et al.]. New Jersey: Prentice Hall, 1999.
7. Sigiyama K. Graph Drawing and Applications for Software and
Knowledge Engineers.  Singapore: Mainland Press, 2003. – 218 p.
8. Лопатин А. Метод отжига.  URL:cs-seminar. spb.ru/reports/52.
pdf.

УДК 519.852

М.О. ГАВРИЛОВА
Пермский государственный технический университет

О ЗАДАЧАХ ЛИНЕЙНОГО ПРОГРАММИРОВАНИЯ


С КУСОЧНО-ПОСТОЯННЫМИ КОЭФФИЦИЕНТАМИ

Рассматривается задача линейного программирования с кусочно-


постоянными коэффициентами системы ограничений и целевой функции.
Приводятся алгоритмы поиска решения выпуклой задачи с кусочно-
постоянными коэффициентами.

Рассмотрим задачу линейного программирования с переменными


коэффициентами.

170
Вестник ПГТУ. Прикладная математика и механика, 2010
n
min(max) z  x    c j  x  x j (1)
j 1

при ограничениях

 i  1, m  ,
n

 a  x x
j 1
ij j  bi  x  , (2)

 n 

  aij  x  x j  bi  x   , x j  0 , j  1, n ,  (3)
 j 1 

где aij  x  , bi  x  и c j  x  – некоторые кусочно-постоянные функции


аргумента x  ( x1 , x2 , , xn ).
Функции aij  x  , bi  x  и c j  x  определены на одном и том же
множестве G   x  G  R n  , и существует такое конечное разбиение

 
G  Gk , k  1, l , что в каждом подмножестве G k функции постоян-
ны, причем G k и Gk 1 могут пересекаться только по своим границам.
Область допустимых решений M, т.е. множество
x  ( x1 , x2 ,  , xn ), удовлетворяющих системе (2)(3), во многом в так
поставленной задаче зависит от семейства подобластей G и функций
коэффициентов aij  x  , bi  x  и c j  x  . Здесь, безусловно, возможна по-
теря областью M выпуклости, связности и других свойств, которые
обычно используются при решении подобных задач.
Приведем пример нарушения связности области допустимых ре-
шений. Рассмотрим область, заданную следующей системой уравне-
ний:

3x  3 y  48, 2 x  3 y  3, 2 x  3 y  3,


  
 x  6 y  33,  x  6 y  33,  x  y  16, (4)
 x  9, y  7,  x  9, y  7,  x  9, y  7.
  

Область допустимых решений, заданная указанной системой,


обозначена на рисунке пунктиром.

171
Вестник ПГТУ. Прикладная математика и механика, 2010

у
16

0 9 16 х

Рис.

Отсюда следует, что говорить о решении поставленной задачи


(1)(3) имеет смысл, если есть дополнительные предположения. Таки-
ми предположениями, например, могут являться выпуклость целевой
функции и функций ограничений. Целью данной статьи является изу-
чение именно указанных случаев.
Для удобства изложения далее будем рассматривать задачу ми-
нимизации функции (1) при соответствующих ограничениях (2), (3).
Прежде всего потребуем дополнительных условий на области G
и G k . Будем считать, что G  параллелепипед: G  П 
 [0, a1 ]  [0, a2 ]    [0, an ] . Таким образом, условие (3) можно не рас-
сматривать. Каждое G k также является параллелепипедом, грани кото-
рого параллельны координатным гиперплоскостям. Более того, мы бу-
дем считать выполненным следующее требование: существует конеч-
ное разбиение параллелепипеда П, например П   Пkaa ka  1, sa , где
ka
 
П 
a
ka  набор параллелепипедов, на каждом из которых функция
aij  x  является постоянной. Аналогично можно представить П   Пbkb
kb

или П   Пckc
kc
k
b 
 1, sb , kc  1, sc , где П bkb  и П   конечные на-
c
kc

боры параллелепипедов с постоянными bi  x  и c j  x  соответственно.


Из этого следует, что существует конечное разбиение множества
G  П на параллелепипеды Gk  Пkabc , такое, что П   Пabc k ,
k

П   П   П   П 
abc
k
a
ka
b
kb
c
kc и функции aij  x  , bi  x  и c j  x  посто-

172
Вестник ПГТУ. Прикладная математика и механика, 2010

янны для каждого Пabc


k . При этом соседние параллелепипеды Пk
abc
и
k 1 пересекаются только по границе.
П abc
Наконец, потребуем, чтобы в задаче (1)(3) целевая функция
n
z( x) и функции ограничений fi ( x)   aij  x  x j  bi  x  были непре-
j 1

рывны и выпуклы. Условия для выпуклости целевой функции и функ-


ции ограничений мы не выписываем. Такие условия можно получить,
используя условие выпуклости для дифференцируемых функций и ап-
проксимацию полиэдральных функций дифференцируемыми функ-
циями.
Можно выделить несколько методов решения задачи (1)(3) при
таких предположениях.
1. Самым очевидным из них [1] является простой перебор конеч-
ного числа параллелепипедов Пabc
k , т.к. в каждом из Пk
abc
мы будем
иметь дело с обычной задачей линейного программирования с линей-
ной целевой функцией и выпуклой областью допустимых решений.
Для каждого Пabc
k находится оптимальный план x k , а решением задачи
(1)(3) является x* , для которого целевая функция минимальна:
 
z * ( x* )  min z  x k  .
k

2. Другой подход к решению задачи (1)(3) основан на итераци-


онном методе решения экстремальных задач [2]. Для этого используем
следующий алгоритм.
На множестве П   П abc
k зададим некоторую сетку точек с доста-
k
точно малым шагом   0. Отметим, что для каждого параллелепипеда
Пabc
k соответствующая часть области допустимых решений системы (2)
представляет собой выпуклый многогранник M k  Пkabc , а целевая
функция линейна.
На предварительном этапе решения задачи (1)(3) находится на-
чальный опорный план на произвольно выбранном Пabck . Для этого ре-
шается стандартная задача линейного программирования:

n
z k  x    c kj x j  min, (5)
j 1

173
Вестник ПГТУ. Прикладная математика и механика, 2010
n

a
j 1
k
ij x j  bik , i  1, m, (6)

x j  0 , j  1, n, (7)
x  ( x1 , x2 , , xn )  Пkabc
с помощью любого известного метода, например симплекс-методом. В
результате решения данной задачи находится точка xk  M k  Пabc
k .

Первый шаг алгоритма заключается в переходе из x k в ближай-


шую узловую точку сетки, принадлежащую области допустимых ре-
шений M , т.е. в такую точку xk  M , для которой выполнено соотно-
шение x k  xk  min x k  x по всем окрестным узловым точкам
x M

x  M .
На втором шаге алгоритма определяются смежные с xk узловые
точки сетки xk t t  1, p  , принадлежащие области допустимых реше-
ний. Каждая из найденных узловых точек xk t может принадлежать од-
ному или одновременно нескольким параллелепипедам из П. Для ка-
ждого «затронутого» точками xk t параллелепипеда решается соответ-
ствующая задача линейного программирования (5)(7), затем среди
множества полученных решений выбирается оптимальное x k 1 , такое,
для которого целевая функция принимает минимальное значение.
Далее опять производится переход из x k 1 в ближайшую узловую
точку xk 1 и осуществляется повтор второго шага алгоритма. Алгоритм
завершает свою работу, когда найденное решение x k 1 окажется рав-
ным оптимальному решению x k , полученному на предыдущем этапе.

3. Далее рассмотрим способ решения, который основан на ис-


пользовании метода линейной аппроксимации и выпуклого симплекс-
метода [3].
Для этого возьмем разбиение множества П на параллелепипеды
Пab ab
k
ab a b
   
k , такое, что П   П k , П k   П ka  П kb . Функции коэффици-

ентов aij  x  и bi  x  постоянны для каждого Пab


k , следовательно, для

каждого Пab
k соответствующая часть области допустимых решений за-

174
Вестник ПГТУ. Прикладная математика и механика, 2010

дачи является выпуклым многогранником M k  Пkab . В силу наложен-


ных ранее условий целевая функция z ( x) выпукла и непрерывна на
каждом Пab k . Таким образом, на каждом П k мы имеем дело с задачей
ab

нелинейного программирования с линейными ограничениями. Методы


решения таких задач известны под названиями метода линейной ап-
проксимации и выпуклого симплекс-метода и подробно рассмотрены,
например в работе [3].
Алгоритм решения задачи (1)(3) заключается в следующем. Как
и ранее, решение задачи начинается с нахождения начального опорно-
го плана на произвольно выбранном множестве Пab k . Для этого с по-
мощью известных методов необходимо решить задачу нелинейного
программирования с линейными ограничениями:
n
z  x    c j  x  x j  min, (8)
j 1
n

a
j 1
k
ij x j  bik , i  1, m , (9)

x j  0 , j  1, n , (10)
x  ( x1 , x2 , , xn )  Пab
k .

В результате решения указанной задачи находится точка


x  M k  Пab
k
k .
Далее необходимо осуществить переход к следующему паралле-
лепипеду из П. Для этого можно предложить итерационный метод,
известный как метод проекции субградиента [2]:

xk 1  PM  xk   k ck  ,  k  0, ck  z  xk  , k  1, 2, , (11)

где  k  длина шага, ck и z  xk   соответственно субградиент и суб-


дифференциал функции z  x  в точке xk , PM  проекция точки
 xk  k ck  на множество M . Субградиент ck выбирается из z  xk 
произвольным образом. Для выбора величины  k в градиентных ме-
тодах существует насколько способов, наиболее распространенные из
них рассмотрены в работе [2].

175
Вестник ПГТУ. Прикладная математика и механика, 2010

Найденная с помощью (11) точка xk 1 определяет некоторый па-


k 1
k 1 : x  Пk 1 , для которого снова решается задача
раллелепипед Пab ab

(8)(10) и находится последующее решение x k 1 . Если при некотором


k окажется, что xk 1  xk , то процесс прекращается, а x k является ре-
шением задачи (1)(3).

4. Рассмотрим далее подход к решению задачи (1)(3), основан-


ный на переходе к двойственной задаче.
Для этого рассмотрим еще один вариант разбиения множества П
на параллелепипеды Пac k , таким образом, что П   П ac k ,
k

П   П   П . В силу разбиения для каждого П


ac
k
a
ka
c
kc
ac
k постоянными
являются функции aij  x  и c j  x  , и для каждого Пac
k мы можем запи-

сать следующую задачу с кусочно-постоянными коэффициентами:

n
z k  x    c kj x j  min, (12)
j 1
n

a
j 1
k
ij x j  bi  x  , i  1, m , (13)

x j  0 , j  1, n , (14)
x  ( x1 , x2 ,, xn )  Пac
k .

Далее для задачи (12)(14) запишем двойственную задачу:

m
g  y    bi  x  yi  max, (15)
i 1
m

a
i 1
k
ij yi  c kj , j  1, n , (16)

yi  0 , i  1, m . (17)

Целевая функция двойственной задачи g  y  является непрерыв-


ной и выпуклой [4]. Таким образом, задача (15)(17) представляет со-
бой задачу нелинейного программирования с линейными ограниче-
ниями, аналогичную задаче (8)(10), и также может быть решена с по-
176
Вестник ПГТУ. Прикладная математика и механика, 2010

мощью метода линейной аппроксимации или выпуклого симплекс-


метода.
Найденному решению y k двойственной задачи (15)(17) соот-
ветствует решение прямой задачи (12)(14) x k  Пkac . Для перехода к
следующему параллелепипеду П ac k 1 может быть использован метод
проекции субградиента, описанный соотношениями (11).
Далее, аналогично алгоритму предыдущего пункта, для П ac k 1 ре-

шается задача (12)(14) путем перехода к двойственной (15)(17) и на-


ходится последующее решение x k 1 . Алгоритм завершает работу, ко-
гда xk 1  xk , т.к. в этом случае x k является решением задачи (1)(3).
Сходимость каждого из перечисленных методов решения задачи
(1)(3) устанавливается известными способами [2], [3].

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Гаврилова М.О., Первадчук В.П., Севодин М.А. К задаче о


наилучшем использовании ресурсов с переменной матрицей техноло-
гических коэффициентов // Сборник научных трудов. Шестая между-
народная научно-прикладная конференция.  Варна, 2006.
2. Васильев Ф.П. Численные методы решения экстремальных за-
дач. – М.: Наука, 1988. – 552 с.
3. Зангвилл У. Нелинейное программирование. Единый подход. –
М.: Советское радио, 1973. – 312 с.
4. Обен Ж.-П. Нелинейный анализ и его экономические прило-
жения. – М.: Мир, 1988. – 264 с.

177
Вестник ПГТУ. Прикладная математика и механика, 2010

УДК 336.763

А.А. РЫБАКОВ
Пермский государственный технический университет

МОДЕЛИРОВАНИЕ ДЕЛЬТА-НЕЙТРАЛЬНОГО ДИНАМИ-


ЧЕСКОГО ХЕДЖИРОВАНИЯ

Предметом исследования являются изменения опционных коэффици-


ентов и характеристик при операциях покупки и продажи деривативов на ор-
ганизованном биржевом рынке. Построена модель системы, обеспечивающей
торговлю волатильностью. Оптимизированы параметры модели. Сформиро-
ваны хедж-интервалы на основе параметров «дельта» и «историческая вола-
тильность», а также выявлено поведение оптимального шага рехеджирова-
ния на этих интервалах. Даны практические рекомендации инвестору по из-
менению шага дельта-хеджирования при переходе из одного хедж-интервала
в другой, решающие проблему управления риском и получения дохода в ус-
ловиях как падающего, так и растущего рынка.

Современный российский рынок ценных бумаг находится на ста-


дии интенсивного развития. Ежегодно растет ликвидность рынка, новые
компании осуществляют размещение ценных бумаг, доля ВВП, распре-
деляемая через рынок ценных бумаг, растет. При этом, наиболее широ-
кий круг инвесторов действует на фондовом рынке, в силу молодости и
неразвитости рынка производных финансовых инструментов. Однако во
многих странах мира (США, Германия, Япония) объемы торгов на
срочном рынке значительно превышают объемы фондового рынка. Воз-
никновение такого дисбаланса было поэтапным. Исторически необхо-
димость действовать в условиях неопределенности и привела к появле-
нию срочных контрактов, определяющих условия сделки в будущем.
Многие производные бумаги создавались именно с целью снижения
риска потерь от будущего изменения цены. С развитием биржевой тор-
говли появлялись новые инструменты, торговые обороты по ним росли,
и со временем возникла новая функция – спекулятивная. Производные
ценные бумаги начинают включаться в портфель не только для сниже-
ния рисков, но и с целью получения спекулятивного дохода. В XX в.
на стыке финансов, математики и компьютерных технологий возникает
новая наука – финансовый инжиниринг. Предметом науки, в частности,
является создание новых финансовых инструментов, управление риска-

178
Вестник ПГТУ. Прикладная математика и механика, 2010

ми и прибылью за счет создания торговых стратегий. Благодаря разви-


тию этой науки, появились опционные стратегии торговли волатильно-
стью.
Торговля волатильностью – не совсем корректное, скорее даже
сленговое название стратегий, позволяющих извлекать прибыль из це-
новых колебаний. Преимуществом является индифферентность по от-
ношению к направлению изменения цены – важен сам факт изменения.
Ключевым элементом появления прибыли/риск-менеджмента является
ценовое колебание инструмента как таковое. Опционные стратегии мо-
гут основываться на восходящих, боковых и нисходящих ценовых
трендах. Иными словами, существует масса возможностей сконструи-
ровать портфель ценных бумаг, обладающий сравнительно неболь-
шим риском, приносящий доход и при росте, и при падении рынка.
Очевидна большая привлекательность таких портфелей, по сравнению
с «классическими», по ряду параметров. Преимущества опционных
стратегий, а также объективно существующая неразвитость российско-
го рынка деривативов обуславливают необходимость теоретических и
экспериментальных работ в данном направлении. В этой связи иссле-
дование опционных стратегий в целом, и стратегии дельта-
нейтральной покупки волатильности в частности, приобретает ис-
ключительную актуальность и практическую значимость.
Целью исследования является моделирование системы, обеспе-
чивающей реализацию опционных стратегий, в частности стратегии
дельта-нейтрального динамического хеджирования. Модель, в числе
прочего, позволяет исследовать характеристики производных финан-
совых инструментов с научной точки зрения. Так, созданная модель
используется автором для построения интервалов хеджирования, за-
данных значениями параметров «дельта» и «историческая волатиль-
ность», а также для характеристики поведения оптимального шага
рехеджирования на этих интервалах. Таким образом, в результате ис-
следования достигнуты практические рекомендации инвестору по из-
менению шага дельта-хеджирования при переходе из одного хедж-
интервала в другой, решающие проблему управления риском и полу-
чения дохода в условиях как падающего, так и растущего рынка.
Единственной площадкой проведения опционной торговли явля-
ется рынок ФОРТС. Перед нами встает выбор инструментов для заня-
тия позиций. На основании сравнительного обзора рынка по степени
ликвидности представляется разумным конструировать портфель из
опциона колл на фьючерс на индекс РТС и базового актива.

179
Вестник ПГТУ. Прикладная математика и механика, 2010

Таким образом, мы определились с типом стратегии, финансовы-


ми инструментами и местом реализации стратегии. Прежде чем стро-
ить модель торговой системы, перечислим ее ключевые параметры:
 цена опциона,
 цена страйк,
 цена спот,
 срок жизни,
 процентная ставка,
 дивиденды,
 обменный курс,
 расчетная цена,
 подразумеваемая волатильность,
 историческая волатильность,
 дельта опциона,
 гамма опциона,
 затраты на приобретение,
 вариационная маржа.
Для расчетов нам потребуются данные о торгах за требуемый
временной период. Задача максимизации доходности при фиксирован-
ной сумме первоначальных вложений сводится к максимизации накоп-
ленной на конец периода вариационной маржи.
Мы находимся в рамках модели Блэка  Шоулза [1]. В соответст-
вии с ней

С  SN (d1 )  Ke(  rt ) N (d2 ) ; (1)


S  2
ln( )  (r  )t
d1  K 2 ; (1.1)
 t
S 2
ln( )  (r  )t
d2  K 2 d  t , (1.2)
 t
1

где C  теоретическая премия по опциону колл; S  текущая цена


базовых активов; t  время, остающееся до срока истечения опцио-
на, выраженное как доля года (количество дней до даты истече-
ния/365 дней); K  цена исполнения опциона (цена страйк); r – без-
рисковая ставка; N(x) – функция стандартного нормального распре-
деления; е – экспонента; σ2 – дисперсия доходности базового актива
180
Вестник ПГТУ. Прикладная математика и механика, 2010

(доходность измеряется в виде ставки непрерывных процентов); σ –


волатильность (годовое стандартное отклонение).
Историческую волатильность будем находить по формуле (2)[2]:

n n

 ui2 ( ui )2
V i 1
 i 1
 k, (2)
n-1 n(n-1)

pi
где ui  ln  натуральный логарифм отношения двух последова-
pi 1
тельных цен; k – годовое количество интервалов, принимаемых к рас-
чету.
Ценовые значения примем медианными, т.е. равным среднему
арифметическому между максимальным и минимальным значением
бара. Волатильность будем выражать в процентах. Вычисление коэф-
фициентов дельта и гамма будем производить с использованием фор-
мул (3) и (4) соответственно.

C
Delta   N (d1 ) ; (3)
S
 2C Delta N (d1 ) e d1 0,5
2

Gamma  2    , (4)
S S S  V  T S  V 2T

где T – срок опциона.


Затраты на приобретение соответствуют биржевым и комиссион-
ным вознаграждениям, связанным с открытием и закрытием позиций.
Поскольку мы не используем маржируемые опционы, то вариационная
маржа начисляется ежедневно и только по фьючерсам. Вариационная
маржа рассчитывается по следующим формулам [3]:

ВМо = (РЦт – Цо)  W / R; (5)


ВМт = (РЦт – РЦп)  W / R, (6)

где ВМо – вариационная маржа по контракту, по которому расчет ва-


риационной маржи ранее не осуществлялся; ВМт – вариационная
маржа по контракту, по которому расчет вариационной маржи осуще-
ствлялся ранее; Цо – цена заключения контракта; РЦт – текущая (по-
следняя) расчетная цена контракта; РЦп – предыдущая расчетная цена
181
Вестник ПГТУ. Прикладная математика и механика, 2010

контракта (или начальная расчетная цена контракта); W – стоимость


минимального шага цены (курс доллара США используется с точно-
стью, устанавливаемой Центральным Банком РФ); R – минимальный
шаг цены.
Остальные параметры не рассчитываются, их значения общедос-
тупны. Расчетная цена, спот публикуются на официальном сайте
ФОРТС, страйк и срок жизни выбираются из числа доступных инст-
рументов. Дивиденды мы принимаем равными нулю, безрисковая
ставка 7 % годовых (на основании доходности по долгосрочным госу-
дарственным облигациям). Обменный курс принимаем постоянным на
все время существования стратегии и равным официальному курсу
Банка России на день вхождения в рынок. Это, во-первых, упростит
модель, а во-вторых, избавит от потенциальных «шумов», искажаю-
щих прибыль за счет колебаний курса.
Чтобы систематизировать процессы и расчеты, присутствующие
в модели, построим для начала общую блок-схему (рис. 1).
После ввода данных производится отбор опционов и фьючерсов,
удовлетворяющих нашим требованиям. Указанные инструменты будут
отличаться сроком жизни (датами начала и конца обращения), опцио-
ны будут отличаться ценами страйк. В соответствии с выбранной нами
стратегией, должен ожидаться рост подразумеваемой волатильности.
Для того чтобы быть уверенным в этом, необходимо проанализировать
временной ряд волатильности, выявить границы ее колебаний и по-
нять, в какой точке мы находимся. Напомним, что волатильность об-
новляет исторические минимумы и максимумы значительно реже, чем
уровень цен финансовых инструментов. Исходя из этого, мы предпола-
гаем прогнозируемость такого показателя, как подразумеваемая вола-
тильность.
Далее необходимо определить момент входа в рынок для форми-
рования позиций. Для простоты, мы будем покупать 1 опцион колл и
продавать нейтрализующее по дельте количество фьючерсов. Для на-
глядности и из соображений сбалансированности вход в рынок будем
осуществлять при коэффициенте дельта, близком к 0,5. Определяю-
щим моментом при входе в рынок является нахождение в заданном ин-
тервале по параметрам гамма и историческая волатильность. Очевид-
но, большим значениям показателей будет соответствовать большее
отклонение цены опциона и, следовательно, доходности портфеля.
Нейтрализация портфеля по дельте позволит зафиксировать прибыль,
войдя в риск-нейтральное состояние.

182
Вестник ПГТУ. Прикладная математика и механика, 2010

Заметим, что под входом в рынок будем понимать занятие ретро-


спективных позиций, т.к. модель тестируется на исторических данных.
После того как осуществлен вход в рынок, модель определяет опти-
мальный шаг рехеджирования. От количества и объема рехеджирова-
ний зависит число коротких фьючерсов в портфеле, вариационная
маржа по которым начисляется ежедневно. Следовательно, доходность
всей стратегии обеспечивается именно правильным шагом дельта-
нейтрального динамического хеджирования. Шагом будем называть
абсолютную величину, на которую должна измениться дельта опциона,
чтобы произошла нейтрализация портфеля. Слишком частые рехеджи-
рования вносят риск недозаработанной прибыли, а также связаны с
транзакционными издержками. Слишком редкие же, напротив, зачас-
тую не позволяют фиксировать прибыль, пропуская колебания доход-
ности.

Начало

Данные о
торгах

Выбор деривати-
вов

Выбор момента
входа в рынок

Нахождение оп-
тимального шага
Δ

Оптимальный
шаг Δ

Конец

Рис. 1. Общая блок-схема поиска оптимального шага дельты

Шаг будем называть оптимальным, если он обеспечивает макси-


мальную вариационную маржу, накопленную на конец периода. Таким
образом, определим вариационную маржу, накопленную на момент
183
Вестник ПГТУ. Прикладная математика и механика, 2010

завершения стратегии, как целевую функцию, максимизируемую в на-


шей модели.
Детализированная блок-схема представлена на рис. 2. Реализация
алгоритма осуществлена на языке Visual Basic for Applications.
Исходными данными являются информация о торгах по фьючер-
сам RTS06.09 и RTS09.09, а также по опционам со всеми возмож-
ными страйками на эти фьючерсы. Поскольку временным распадом мы
пренебрегаем, то стратегия формируется на 3 мес. по опционам, дата
истечения которых отдалена минимум на 3 мес. после завершения
стратегии. Сначала расчеты проводились на дневных интервалах, но
при этом игнорировались внутридневные колебания. Построенная
стратегия является спекулятивной, т.е. с использованием дневных ба-
ров прибыльность снижалась. Переход на 5-минутные графики привел
к тому, что вследствие низкой ликвидности рынка длительные перио-
ды проходили без сделок, т.е. бары превращались в прямые линии
(рис. 3 и 4). Очевидно, волатильность на таком интервале равна нулю,
что в корне искажало результаты и делало модель неприменимой. Рас-
чет волатильности за более длительные периоды (50 свечей и более) не
улучшил ситуацию. Тестирование на различных периодичностях баров
привело к решению о переходе на получасовые (30-минутные) графи-
ки. Это позволило применять модель с большей степенью точности
(рис. 5). Расчет волатильности производится по данным 30 предыду-
щих баров (свечей).
Другой сложностью явились периодические убытки. Оптимиза-
ция стратегии происходит по показателю накопленной вариационной
маржи на конец стратегии, однако некоторые из торговых сессий могут
завершаться убытками. В теории это не вызывает особенных затрудне-
ний, однако на практике, это может привести к маржин-коллу и прину-
дительному закрытию позиций брокером. Для этих целей необходимо
увеличивать остаток на торговом счете. Очевидно, что «вморажива-
ние» средств на длительный период снижает общую эффективность
стратегии. Представляется целесообразным внедрить механизм авто-
матического выравнивания соотношения «стоимость активов/заемные
средства». Однако для целей текущего исследования мы пренебрегаем
просадкой по счету и не оптимизируем данный параметр.

184
185
Вестник ПГТУ. Прикладная математика и механика, 2010

Рис. 2. Детализированная блок-схема определения оптимального шага рехеджирования


Вестник ПГТУ. Прикладная математика и механика, 2010

Рис. 3. Дневной график торгов фьючерса на индекс РТС RIM9

Рис. 4. 5-минутный график торгов фьючерса на индекс РТС RIM9

186
Вестник ПГТУ. Прикладная математика и механика, 2010

Рис. 5. 30-минутный график торгов по фьючерсу на индекс РТС RIM9

Тестирование стратегии на разных инструментах позволило сде-


лать еще одно важное наблюдение. Ликвидность инструментов увели-
чивается при приближении их к состоянию «около денег», в то время
как опционы вне денег или в деньгах с длительным сроком до испол-
нения могут торговаться на ничтожных объемах.
Численные результаты реализации стратегий впечатляют. Абсо-
лютное большинство дает высокую доходность при низком уровне
риска. Однако возможной причиной этого является апостериорное
формирование стратегий. Другими словами, отбор опционов должен
производиться из предположения роста подразумеваемой волатильно-
сти, но на практике мы брали опционы с известными данными колеба-
ния цен и достоверно знали периоды возрастания и убывания вола-
тильности. Следует признать, что даже при допущении прогнозируе-
мости волатильности далеко не всегда прогнозные и фактические на-
правления изменений волатильности совпадают.
Весьма неоднозначным моментом явился подходящий вход в
рынок. Большую часть времени коэффициент дельта не приближался к
значению 0,5, которое ранее было определено как условие формирова-
ние портфеля. Вследствие этого из ретроспективных данных искусст-
венно выбирались трехмесячные интервалы с дельтой, близкой к 0,5 в
начале интервала.
Таким образом, оптимизация параметров модели включала в се-
бя:

187
Вестник ПГТУ. Прикладная математика и механика, 2010

1. Выбор наиболее подходящих инструментов (параметров).


2. Выбор наиболее подходящего времени существования страте-
гии.
3. Выбор наиболее подходящей периодичности ценовых рядов.
4. Выбор наиболее целесообразного метода расчета и оценки во-
латильности.
5. Выбор наиболее подходящего времени реализации стратегии.
На следующем этапе исследования формировались хедж-
интервалы. Поиск оптимального шага дельты производился около 400
раз, приблизительно по 100 тестов для каждого интервала. Последую-
щее выявление тенденций поведения оптимального шага в построен-
ных хедж-интервалах потребовало расчета выборочных численных ха-
рактеристик: математического ожидания и среднеквадратического от-
клонения. Интервалы и численные характеристики оптимального шага
приведены в табл. 1. Каждому интервалу присвоен номер от 1 до 4.

Таблица 1
Численные характеристики распределения оптимального шага по
интервалам

Волатильность (20 %; 60 %] (60 %; 100 %]


Гамма
(0,8105; 1,6105] M1[x] = 0,25 M2[x] = 0,18
1 2
σ 1 = 0,003 σ2 =0,004
(1,6105; 2,6105] M3[x] =0,16 M4[x] = 0,12
3 4
σ3 = 0,005 σ4 = 0,004

Результаты вычислений можно интерпретировать следующим


образом: при попадании в высоковолатильный интервал с высокой
гаммой оптимальный шаг рехеджирования минимален. Следовательно,
требуется частое хеджирование для максимальной фиксации прибыли.
Низковолатильный интервал с маленькой гаммой, напротив, соответ-
ствует менее значительным колебаниям стоимости опциона или – при-
быльности портфеля. Два оставшихся интервала, в свою очередь, яв-
ляются промежуточными.
Данные, полученные путем тестирования, позволяют сделать
предположение, что при переходе от одного интервала, сформирован-
ного по параметрам гамма и историческая волатильность, к другому
оптимальный шаг рехеджирования рекомендуется изменить следую-
щим образом (табл. 2).
188
Вестник ПГТУ. Прикладная математика и механика, 2010

Таблица 2
Рекомендации корректировки шага рехеджирования в зависимо-
сти от хедж-интервала

В 1 2 3 4
Из
1 Х Уменьшить Уменьшить Уменьшить
2 Увеличить Х Уменьшить Уменьшить
3 Увеличить Увеличить Х Уменьшить
4 Увеличить Увеличить Увеличить Х

Итак, даны практические рекомендации для изменения шага ре-


хеджирования при реализации стратегии длинной дельта-нейтральной
торговли волатильностью. Чтобы оценить целесообразность и приме-
нимость таких рекомендаций, а также значимость полученных резуль-
татов, выделим преимущества и недостатки исследования.
Преимущества.
1. Рекомендуемые действия по изменению шага рехеджирования
не были найдены автором в существующих научных публикациях. С
определенной уверенностью можно утверждать научную новизну вы-
явленного поведения оптимального шага дельты в хедж-интервалах.
2. Очевидна практическая значимость результатов: применение
не ограничивается будущими научными изысканиями. Формирование
и реализация стратегий нацелены, в первую очередь, на извлечение
спекулятивной прибыли. Соблюдение рекомендаций может способст-
вовать конструированию более эффективной стратегии торговли вола-
тильностью.
3. Сравнительно большое количество тестирований свидетель-
ствует о снижении случайной составляющей выявленных тенденций
4. Расчеты модели в большой степени автоматизированы.
5. Модель может быть усовершенствована внесением простых
корректив в алгоритм.
6. В абсолютном большинстве случаев реализация стратегии
обеспечивала положительную накопленную вариационную маржу.
После обработки данных получено математическое ожидание до-
ходности стратегии, равное 4,55 % (что эквивалентно 18,2 % годовых).
Среднеквадратическое отклонение при этом составило 0,98 %. Рассчи-
таем коэффициент вариации

189
Вестник ПГТУ. Прикладная математика и механика, 2010

x 0,98 %
K var    0,215. . (7)
M [ x] 4,55 %

Таким образом, величина риска характеризуется значением 21,5


%. Отметим достаточно неплохое соотношение риска и доходности.
Результаты будут использованы при будущих исследованиях. В
дальнейшем целесообразно учесть влияние изменений валютных кур-
сов, подобрать наиболее подходящую модель оценки волатильности из
числа существующих, при построении интервалов учесть дополни-
тельные определяющие параметры. Также необходима большая сте-
пень автоматизации модели для применения стратегий в режиме ре-
ального времени.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Black F., Scholes M. The Pricing of Options and Corporate Lia-


bilities // Journal of Political Economy. 1973.  № 81 (3)  С. 637–654.
2. Чекулаев М.А. Риск-менеджмент: управление финансовыми
рисками на основе анализа волатильности. – М.: Альпина Паблишер,
2002. – 344 с.
3. Правила совершения срочных сделок открытого акционерного
общества «Фондовая биржа РТС»: Решение Совета директоров ОАО
«Фондовая биржа РТС» от 15 апреля 2009 года, Протокол № 09-08-
1504.  URL: www.rts.ru..

190
Вестник ПГТУ. Прикладная математика и механика, 2010

УДК 517.988

В.Ю. МИТИН
Пермский государственный университет

РАЗЛИЧНЫЕ ПОДХОДЫ К ВЫЧИСЛЕНИЮ ИНДЕКСА


НУЛЕВОЙ ИЗОЛИРОВАННОЙ ОСОБОЙ ТОЧКИ ВЕКТОРНОГО
ПОЛЯ И ИХ РЕАЛИЗАЦИЯ ДЛЯ НЕКОТОРЫХ КЛАССОВ ПЛО-
СКИХ ВЕКТОРНЫХ ПОЛЕЙ

Рассмотрены различные методы вычисления индекса нулевой изолиро-


ванной особой точки векторного поля. Для плоских векторных полей, обра-
зованных многочленами степени не выше 2, предложен полный алгоритм вы-
числения индекса нулевой изолированной особой точки. Рассмотрены также
частные случаи плоских векторных полей, образованных многочленами бо-
лее высоких степеней, среди которых основное внимание уделено векторным
полям с ненулевой вырожденной производной Фреше.

Пусть плоское непрерывное векторное поле Ф с компонентами


P(x,y) и Q(x,y), т.е. непрерывное отображение Ф: R2 R2, определено
на замыкании ограниченной области МR2 и не вырождено (нигде не
обращается в нуль) на ее границе. Тогда вращение (Ф, М) на границе
Г области М численно равно количеству целых оборотов, совершаемых
вектором Фz, в то время пока точка z = <x,y> совершает полный обход
по кривой Г в положительном направлении. В книге [1] описаны раз-
личные подходы к определению понятия «вращение», которые могут
быть применены и к векторным полям в любых конечномерных про-
странствах.
Пусть a R2 – изолированная особая точка векторного поля Ф
(нули будем тоже относить к числу особых точек и рассматривать
только этот класс особых точек). Тогда вращение векторного поля Ф
на границе любого круга, внутри которого нет других особых точек,
будет равняться одному и тому же числу, которое называется индексом
изолированной точки a поля Ф и обозначается ind(a, Ф). Доказательст-
во корректности данного определения приведено, например, в книге
[1].
Не теряя общности, можно ограничиться рассмотрением случая
a = , поскольку этого всегда можно добиться путем простой замены
переменных.

191
Вестник ПГТУ. Прикладная математика и механика, 2010

При вычислении индекса нулевой изолированной особой точки


(у неизолированных особых точек индекса не существует) могут пред-
ставиться два случая.
1) Определитель производной Фреше (матрицы Якоби) не об-
ращается в нуль в точке . Этот случай назовем «регулярным». Индекс
нулевой особой точки при этом выражается простой формулой:

ind(, Ф) = sign det Ф' (), (1)

где Ф' – производная Фреше векторного поля Ф.


2) Определитель производной Фреше (матрицы Якоби) обраща-
ется в нуль в точке . Этот случай назовем «критическим». Простые
общие формулы для произвольных конечномерных векторных полей в
критическом случае неизвестны. Для плоского векторного поля суще-
ствуют алгоритмы, обладающие достаточной степенью общности, од-
нако использование их обычно приводит к громоздким вычислениям.
К ним относятся, в частности, использование формулы Пуанка-
ре, приведенной и доказанной в книге [1] (Ф(z) = Ф([z(t)]), t[a,b]):

P(t )Q '(t )  Q(t ) P '(t )


b
 (Ф, Г)   dt , (2)
a
P 2 (t )  Q 2 (t )

а также алгоритмы вычисления искомого индекса путем определения


вращения векторного поля на границах некоторых элементарных кри-
вых. Приведем один из подобных алгоритмов.
Алгоритм вычисления вращения на замкнутой кривой:
Пусть Г – замкнутая кривая, заданная уравнением z = z(t), при ус-
ловии t  [a,b] z(a)=z(b); Ф – непрерывное векторное поле без нулевых
векторов на Г.
1. Находим P(t)=P(z(t)) и Q(t)=Q(z(t)).
2. Находим все корни функции Q на [a,b).
3. Из найденных корней функции Q отбираем только те значения
t, для которых Р(t)>0.
4. По множеству отобранных корней tk находим числа:
 n1 – количество точек, где Q убывает,
 n2 – количество точек, где Q возрастает,
5. Вычисляем вращение:  (Ф, Г)= n2 – n1.
Недостатками этих подходов (алгоритмов вычисления вращения
на замкнутых кривых, использования формулы (2) и некоторых дру-
192
Вестник ПГТУ. Прикладная математика и механика, 2010

гих) являются их неприменимость к векторным полям в пространствах


с бóльшим числом измерений, а также бóльшая вычислительная трудо-
емкость при исследовании частных классов векторных полей, для ко-
торых требуемый индекс можно вычислить проще, например исполь-
зуя только алгебраические операции над коэффициентами поля.
В связи с этим возникает необходимость исследования новых
методов вычисления индекса изолированной особой точки, которые бы
были более наглядны и просты в применении, допускали перенос на
пространства бóльших размерностей, позволяли взглянуть на одну и ту
же проблему с разных сторон, были достаточно эффективны хотя бы в
некоторых частных случаях. При изучении таких методов были ис-
пользованы идеи из книг [1] и [2].
В данном исследовании рассматривались преимущественно
плоские векторные поля, компонентами которых являются многочле-
ны. Важность изучения данного класса векторных полей объясняется
тем, что любое векторное поле с непрерывными коэффициентами
можно аппроксимировать в окрестности нуля полями, принадлежащи-
ми описанному классу. Среди векторных полей этого класса особое
внимание уделено векторным полям, образованным многочленами
степени не выше второй, поскольку для них алгоритм вычисления ин-
декса нулевой изолированной особой точки, в зависимости от коэф-
фициентов поля, который будет приведен ниже, не слишком разветв-
лен, относительно прост и удобен для анализа.
При исследовании векторных полей использовалось множество
различных методов, среди которых наибольшего внимания заслужи-
вают четыре. К ним относятся:
 метод гомотопий,
 алгебраический метод,
 метод малых деформаций,
 геометрический метод.
Наиболее эффективные методы помещены в начало списка. Да-
дим краткую характеристику каждого метода.
Метод гомотопий. Основная идея метода состоит в переходе от
исходного векторного поля Ф к векторному полю В, гомотопному ис-
ходному полю на сферах достаточно малого радиуса. Из того, что го-
мотопные векторные поля имеют одинаковые вращения (см., напри-
мер, книгу [1]), можно заключить, что индексы нулевых изолирован-
ных особых точек Ф и В одинаковы. Для того чтобы использование
данного перехода было небессмысленным, индекс нулевой изолиро-
ванной точки векторного поля В должен находиться непосредственно
193
Вестник ПГТУ. Прикладная математика и механика, 2010

либо, по крайней мере, проще, чем для векторного поля Ф. Поскольку


гомотопность – отношение эквивалетности, в частности, транзитивное
отношение, то можно осуществлять несколько гомотопических пере-
ходов.
Для установления гомотопности двух векторных полей удобно
использовать достаточное условие гомотопности, приведенное в книге
[1], которое сводится к проверке того, чтобы на сферах достаточно ма-
лого радиуса с центром в нуле образы векторных полей нигде не были
направлены противоположно.
Рассмотрим несколько простых примеров (нижние индексы со-
ответствуют порядку однородности слагаемых).

 m 
x    Pi ( x, y )  x 
Пример 1. Векторные поля B =  k  и Ф =  i 2

y   n

 y  xRk 1   Q j ( x, y ) 
k

 j  k 1 
гомотопны на сферах достаточно малого радиуса с центром в нуле.
Гомотопность сохранится, если к компонентам поля добавить слагае-
мые более высоких порядков малости.
 m k 1

 i P ( x , y )   Pr ( x) 
Пример 2. Векторные поля Ф =  и
i k r 1

 k n

 y  xRk 1   Q j ( x, y ) 
 j  k 1 
 k 1

  Pr ( x) 
B=   гомотопны на сферах достаточно мало-
r 1

 k n

 y  xRk 1   Q j ( x, y ) 
 j  k 1 
го радиуса с центром в нуле.
Алгебраический метод. Основная идея метода состоит в исполь-
зовании алгебраических преобразований компонент поля, которые со-
храняют свойства изолированности особой точки и не изменяют ее ин-
декса либо изменяют его известным образом. Рассмотрим несколько
наиболее простых и полезных преобразований.
А) Перестановка переменных плоского векторного поля меняет
знак индекса его нулевой изолированной особой точки на противопо-
ложный. Аналогичный эффект получается при перестановке компо-
нент плоского векторного поля. Для многомерных векторных полей
194
Вестник ПГТУ. Прикладная математика и механика, 2010

использование таких преобразований опирается на теорию перестано-


вок и подстановок (см., например, книгу [3]). Именно при каждом та-
ком преобразовании индекс умножается на (1) k , где k – число инвер-
сий в соответствующей перестановке, т.е. для четной перестановки ин-
декс не меняется, а для нечетной умножается на 1 .
Б) Разложение векторного поля в композицию более простых
векторных полей. Важным частным случаем является линейное преоб-
разование переменных, которое позволяет для векторных полей, обра-
зованных многочленами с ненулевой вырожденной производной Фре-
ше, привести линейную часть к диагональному виду.
В) Умножение одной или нескольких компонент векторного по-
ля на знакопостоянное в окрестности нулевой изолированной особой
точки выражение. Если множитель положителен, то индекс не меняет-
ся, если отрицателен, индекс меняет только знак.
Г) Добавление к некоторым компонентам векторного поля ли-
нейных комбинаций других компонент, в которых коэффициентами
являются непрерывные функции. Сохранение свойства изолированно-
сти нулевой особой точки и неизменность ее индекса при данном пре-
образовании обоснованы в книге [2] для плоских векторных полей, там
же указаны некоторые пути практического применения этого преобра-
зования. Проверено, что эти свойства сохраняются и при переходе к
пространствам с бóльшим числом измерений.
Метод малых деформаций. Основная идея метода состоит в том,
чтобы преобразовать посредством малого возмущения векторного поля
при помощи одного или нескольких положительных параметров нуле-
вую изолированную особую точку, соответствующую критическому
случаю, в несколько регулярных изолированных особых точек, индекс
которых может быть найден по формуле (1). Тогда индекс нулевой
изолированной особой точки исходного векторного поля равен сумме
индексов полученных регулярных изолированных особых точек, что
следует из теоремы об алгебраическом числе особых точек, приведен-
ной в книге [1].
Метод малых деформаций применим и для конечномерных век-
торных полей в пространствах большей размерности.
При использовании метода малых деформаций можно исполь-
зовать следующий алгоритм.
Алгоритм метода малых деформаций:
1. Задать малую деформацию векторного поля Ф с помощью ма-
лых положительных параметров i.

195
Вестник ПГТУ. Прикладная математика и механика, 2010

2. Решить систему уравнений, которая получится, если прирав-


нять компоненты к нулю.
3. Выписать решения полученной системы (для двумерного слу-
чая с одним параметром: xi = xi(), yi = yi(), zi = <xi, yi>).
4. Найти производную Фреше Ф' векторного поля Ф.
5. Определить значения sign det(Ф') во всех точках, cчитая, что 
→ +0. Если хотя бы для одной точки получилось sign det(Ф'(zi)) = 0,
предложить новую деформацию (вернуться к пункту 1).
6. Иначе ind(θ, Ф) равен сумме выражений sign det(Ф' (zi)), где
суммирование происходит только по тем точкам, компоненты которых
остаются бесконечно малыми при → +0.
Приведем простейший пример, иллюстрирующий использование
метода.
  x2  y 
Пример. Пусть дано векторное поле Ф =   . Найти ин-
y 
декс его изолированной особой точки θ.

Решение. Заметим, что изолированная особая точка θ соответст-


0 1
вует критическому случаю, т.к. det (Ф' (θ)) =  0. Воспользуемся
0 1
методом малых деформаций. Добавим ко второй компоненте положи-
тельный параметр . Получим следующую систему уравнений:
 x 2  y    0

y  0
Решения этой системы: <  , 0 >, < –  , 0 >.
2 x 1
det(Ф') =  2 x.
0 1
Для первой точки: –2  <0
(функция sign принимает значение –1).
Для второй точки: 2  > 0
(функция sign принимает значение 1).
Имеем: –1+1 = 0, следовательно, индекс изолированной особой
точки θ равен 0.
Метод удобно использовать, когда система нелинейных алгеб-
раических уравнений, получаемая на шаге 2 вышеприведенного алго-
ритма, имеет несложное аналитическое решение.

196
Вестник ПГТУ. Прикладная математика и механика, 2010

Геометрический метод. Основная идея метода состоит в рас-


смотрении соответствия между плоским векторным полем c компонен-
тами P(x,y) и Q(x,y) (для простоты ограничимся случаем многочленов)
и парой плоских кривых, описываемых в декартовой системе коорди-
нат уравнениями P(x,y) = 0 и Q(x,y) = 0. Иногда по их виду и взаимно-
му расположению можно найти индекс нулевой изолированной особой
точки или, по крайней мере, его модуль.
Рассмотрим несколько примеров.
Пример 1. Если векторному полю соответствует пара кривых,
касающихся внутренним или внешним образом, то индекс нулевой
изолированной особой точки векторного поля равен нулю, поскольку
кривые в этом случае можно раздвинуть при помощи малой деформа-
ции.
Пример 2. Если имеет место случай простого пересечения не-
распадающихся кривых в точке , то модуль индекса нулевой изолиро-
ванной особой точки равен единице.
Использование геометрического метода особенно удобно для
плоских векторных полей, образованных многочленами степени не
выше 2, поскольку этот случай опирается на классические математиче-
ские теории – линейную геометрию и теорию кривых второго порядка.
Геометрический смысл функции комплексного переменного
zzn (nN) и геометрическое истолкование понятия «вращение» по-
зволяют без лишних вычислений сделать непосредственный вывод о
том, что индекс нулевой изолированной особой точки векторного поля
 Re( z n ) 
Ф =  n 
 равен n.
 Im( z ) 
Преимуществами геометрического метода являются: графическая
наглядность, отсутствие необходимости в дополнительной проверке
изолированности нулевой особой точки.
С помощью комбинирования рассмотренных выше методов
можно, в частности, получить полный алгоритм вычисления индекса
изолированной особой точки плоских векторных полей, образованных
многочленами степени не выше 2, использующий только значения ко-
эффициентов поля и арифметические операции над ними, включая
возведение в натуральную степень.
Алгоритм вычисления индекса нулевой изолированной особой
точки плоского векторного поля, образованного многочленами степени
не выше 2:
Пусть векторное поле имеет вид:
197
Вестник ПГТУ. Прикладная математика и механика, 2010

 A x 2  B1 xy  C1 y 2  D1 x  E1 y  F1 
Ф 1 2
 A x  B xy  C y 2  D x  E y  F 
. (3)
 2 2 2 2 2 21 

Для вычисления индекса нулевой изолированной особой точки


векторного поля вида (3) можно использовать следующий алгоритм.
1. Убедиться в том, что θ – изолированная особая точка (для не-
изолированных особых точек понятие индекса не существует).
2. Если обе компоненты линейные, то перейти к пункту 3. Если
одна компонента линейная, другая имеет степень 2, то перейти к п. 4.
Если обе компоненты имеют степень 2, то перейти к п. 5.
3. ind(θ, Ф) = sign det Ф'(θ). Вычисление завершено.
4. Вычислить det Ф'(θ), ind(θ, Ф) = sign det Ф'(θ). Вычисление
завершено.
5. Найти Ф'(θ). Если Ф'(θ)  невырожденная матрица, то ind(θ,
Ф) = sign det Ф' (θ). Вычисление завершено. Если Ф'(θ)  нулевая мат-
рица, то перейти к п. 6. Если Ф'(θ)  ненулевая вырожденная матрица,
то перейти к п. 8.
6. Определить четыре числа:
D1 = A1B2 – B1A2;
D2 = B1C2 – C1B2;
D3 = A1C2 – C1A;
D = D1D2 – 4D32.
7. Если D < 0, то ind(θ, Ф) = 0. Вычисление завершено.
Если D > 0, D1 > 0, то ind(θ, Ф) = 2. Вычисление завершено.
Если D > 0, D1 < 0, то ind(, Ф) = –2. Вычисление завершено.

8. Определить тип производной Фреше (буквами обозначены не-


нулевые элементы).
 D1 0 
  – перейти к п. 8.1.
 0 0
 0 0
  – перейти к п. 8.2.
 D2 0 
 0 E1 
  – перейти к п. 8.3
0 0 

198
Вестник ПГТУ. Прикладная математика и механика, 2010

0 0 
  – перейти к п. 8.4.
 0 E2

 1 E1 
D
  – перейти к п. 8.5.
0 0
0 0
  – перейти к п. 8.6.
 D2 E2 
 D1 0 
  – перейти к п. 8.7.
 2
D 0 
 0 E1 
  – перейти к п. 8.8.
 0 E2 
 D1 E1  D
  – вычислить k = 2 , перейти к п. 8.9.
 D2 E2  D1
8.1. Если С1 ≠ 0, то ind( , Ф) = 0. Вычисление завершено.
Если С1 = 0, то ind(, Ф) = –sign(C1B2D1). Вычисление завершено.
8.2. Если С2 ≠ 0, то ind(, Ф) = 0. Вычисление завершено.
Если С2 = 0, то ind(, Ф) = sign(C2B1D2). Вычисление завершено.
8.3. Если A2 ≠ 0, то ind(, Ф) = 0. Вычисление завершено.
Если A2 = 0, то ind(, Ф) = sign(A1B2E1). Вычисление завершено.
8.4. Если A1 ≠ 0, то ind(, Ф) = 0. Вычисление завершено.
Если A1= 0, то ind (, Ф) = –sign(A2B1E2). Вычисление завершено.
2
E1 E
8.5. Если A2 2  B2 1  C2 ≠ 0, то ind(, Ф) = 0. Вычисление за-
D1 D1
вершено.
2
E1 E
Если A2 2  B2 1  C2 = 0, то ind(, Ф) =
D1 D1
2
E2 E B E2
=фsign(( A2 2
 B2 2  C2 ) ( 1  2 A1 2
).
D2 D2 D2 D2
Вычисление завершено.
2
E E
8.6. Если A1 2 2  B1 2  C1 ≠ 0, то ind(, Ф)=0. Вычисление за-
D2 D2
вершено.

199
Вестник ПГТУ. Прикладная математика и механика, 2010
2
E2 E
Если A1 2
 B1 2  C1 =0, то ind(, Ф) =
D2 i D
2
2
E E B E2
=sign(( A2 2 2  B2 2  C2 )( 1  2 A1 2
)). Вычисление завершено.
D2 D2 D2 D2
D
8.7. Если (C2  2 C1 )  0 , то ind(, Ф) = 0. Вычисление заверше-
D1
но.
D D
Если (C2  2 C1 ) = 0, то ind(, Ф) = –sign(С1D1 ( В2  2 B1 ) ).
D1 D1
Вычисление завершено.
E
8.8. Если ( A2  2 A1 )  0, то ind(, Ф) = 0. Вычисление заверше-
E1
но.
E E
Если ( A2  2 A1 ) = 0, то ind(, Ф) = sign(A1E1 ( В2  2 B1 ) ). Вы-
E1 E1
числение завершено.
E12 E
8.9. Если ( A2  kA1 ) 2  ( B2  kB1 ) 1  (C2  kC1 ) ≠ 0, то ind(,Ф) = 0.
D1 D1
Вычисление завершено.
E2 E
Если ( A2  kA1 ) 12  ( B2  kB1 ) 1  (C2  kC1 ) = 0, то ind(, Ф) =
D1 D1
E12 E B  kB1 E
= –sign(( A1 2
 B1 1  C1 )( 2  2( A2  kA1 ) 12 )). Вычисление
D1 D1 D1 D1
завершено.
Замечание. Если одна из компонент векторного поля равна нулю
(т.е. многочлену, не имеющему степени), то индекс особой точки , в
случае ее изолированности, равен нулю. Если одна из компонент –
многочлен нулевой степени, то нулевая точка не может быть особой.
Векторные поля, образованные многочленами высших степеней:
Методы, описанные выше, часто оказываются полезными при
вычислении индекса нулевой изолированной особой точки векторных
полей, образованных многочленами более высоких степеней, чем вто-
рая. Например, они достаточно эффективны для исследования вектор-
ных полей вида:

200
Вестник ПГТУ. Прикладная математика и механика, 2010

 P( x, y )   A1 x  B1 x y  C1 xy  D1 y  E1 x  F1 xy  G1 y  x 
3 2 2 3 2 2

Ф=   =   . (4)
 Q( x, y )   A2 x  B2 x y  C2 xy  D2 y  E2 x  F2 xy  G2 y 
3 2 2 3 2 2

Используя линейную замену переменных, к виду (4) нетрудно


привести любое векторное поле, образованное многочленами третьей
степени без квадратичной части с ненулевой вырожденной производ-
ной Фреше.
Представим компоненты векторного поля Ф в виде суммы од-
нородных слагаемых:
P(x,y) = a3(x,y) + a2(x,y) + x; Q(x,y) = b3(x,y) + b2(x,y).
(нижний индекс соответствует степени однородного слагаемого). Для
них удобно сочетать элементарные преобразования поля с использова-
нием теоремы из книги [2], основанной на гомотопическом переходе:
Теорема. Пусть b1(x,y) = … = bk-1(x,y) = 0, bk(0,1) ≠ 0. Тогда осо-
бая точка  изолированна и справедлива формула:

1  (1)k
ind(, Ф)= sign bk (0, 1). (5)
2

Если для векторного поля вида (4) непосредственное примене-


ние формулы (5) невозможно, то его можно попытаться привести к ви-
ду, описанному в условии теоремы, с помощью нескольких преобразо-
ваний вида Г) из алгебраического метода. Полученное при этом зна-
чение k является порядком малости однородных слагаемых, опреде-
ляющих индекс нулевой изолированной особой точки векторного поля.
Максимальный порядок малости однородных слагаемых, определяю-
щих индекс, равен 9 (проверено, что для аналогичных векторных полей
с многочленами степени n он равен n2).
Для векторных полей вида (4) при построении алгоритма вы-
числения индекса нулевой изолированной особой точки, в зависимости
от коэффициентов поля, наибольшую сложность представляют «за-
труднительные случаи»:
1. G2 = 0, D2 ≠ 0, G1F2 = D2;
2. G2 = 0, D2 = 0, G1F2 = 0, R1(x,y) ≠ 0, P2(x,y) ≠ 0;
3. G2 = 0, D2 = 0, F2 = 0, R1(x,y) ≠ 0, P2(x,y) = 0;
4. G2 = 0, D2 = 0, G1C2 = 0, R1(x,y) = 0, P2(x,y) ≠ 0;
5. G2 = 0, D2 = 0, G1C2 = 0, R1(x,y) = 0, P2(x,y) = 0, R2(x,y) ≠ 0, P3(x,y)
≠ 0,

201
Вестник ПГТУ. Прикладная математика и механика, 2010

Q( x, y )  D2 y 3
где R(x,y)= =R1(x,y)+R2(x,y) – разложение в сумму одно-
x
родных многочленов.
В этих пяти случаях индекс изолированной особой точки опре-
деляется слагаемыми высокого порядка малости, а алгоритм претерпе-
вает множество ветвлений, за исключением третьего и пятого случаев,
а также четвертого (при дополнительных предположениях) случая, ко-
гда зависимость индекса нулевой изолированной особой точки от ко-
эффициентов поля устанавливается просто.
Для векторных полей, образованных многочленами n-й степе-
ни, с ненулевой вырожденной производной Фреше, можно вычислять
индекс изолированной особой точки аналогичным образом, но число
затруднительных случаев, возникающих при этом, растет пропорцио-
нально n2.
Отсюда следует необходимость поиска новых путей, позво-
ляющих достаточно просто вычислить индекс нулевой изолированной
особой точки для различных частных случаев плоских векторных по-
лей. Этой проблеме будут посвящены дальнейшие исследования. Кро-
ме того, планируется осуществить переход к конечномерным вектор-
ным полям в пространствах с бóльшим числом измерений.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Красносельский М.А., Забрейко П.П. Геометрические методы


нелинейного анализа.  М.: Наука.  1975.
2. Красносельский М.А. Векторные поля на плоскости / Красно-
сельский [и др.].  М.: Физматгиз, 1963.
3. Курош А.Г. Курс высшей алгебры. М.: Наука, 1971.

202
Вестник ПГТУ. Прикладная математика и механика, 2010

СОДЕРЖАНИЕ
И.П. МОСКАЛЕНКО, М.А. СЕВОДИН
О ПОСТРОЕНИИ ОБОБЩЕННОГО ПОКАЗАТЕЛЯ ФИНАНСОВОЙ
ДЕЯТЕЛЬНОСТИ ПРЕДПРИЯТИЯ ............................................................................5

М.А. СЕВОДИН, Е.С. СМИРНОВА


О РОЛИ СПЕКУЛЯЦИЙ В УСТАНОВЛЕНИИ РАВНОВЕСНОЙ ЦЕНЫ ...........10

Т.Ф. ПЕПЕЛЯЕВА, С.В. ИВАНКИНА


ФИНАНСОВОЕ ПЛАНИРОВАНИЕ КОММЕРЧЕСКОГО БАНКА ...................... 17

Д.Б. ШУМКОВА, О.В. ЧЕРДЖИЕВА


ИССЛЕДОВАНИЕ УСТОЙЧИВОСТИ ПРОЦЕССА ВЫТЯЖКИ ОПТИЧЕСКОГО
ВОЛОКНА ................................................................................................................... 25

В.А. СОКОЛОВ, А.Ю. ФОМИНА


ИССЛЕДОВАНИЕ УСТОЙЧИВОСТИ ЛИНЕЙНОЙ МОДЕЛИ ВАЛЬРАСА –
ЭВАНСА – САМУЭЛЬСОНА С УЧЕТОМ ЗАВИСИМОСТИ СПРОСА
И ПРЕДЛОЖЕНИЯ ОТ СКОРОСТИ ИЗМЕНЕНИЯ ЦЕНЫ ..................................30

Е.В. БРЮХОВА, Т.А. ОСЕЧКИНА


ПРОГНОЗИРОВАНИЕ ГОСУДАРСТВЕННОГО ДОЛГА: МОДЕЛИ И
ОЦЕНКИ ...................................................................................................................... 34

И.В. МОРДОВИНА, Т.А. ОСЕЧКИНА


ФОРМИРОВАНИЕ ОПТИМАЛЬНОЙ КОРЗИНЫ ВАЛЮТ ..................................38

А.Р. ДАВЫДОВ, М.Ю. ЧЕРЕНКОВА


СТАТИСТИЧЕСКИЙ КОНТРОЛЬ КАЧЕСТВА ТЕХНОЛОГИЧЕСКОГО
ПРОЦЕССА.................................................................................................................. 45

В.А. ОНЯНОВ, М.В. ШАДРИН


ЧИСЛЕННЫЙ АЛГОРИТМ РЕШЕНИЯ ЗАДАЧИ О ВЫТЯЖКЕ ПОЛЫХ
КВАРЦЕВЫХ ВОЛОКОН .......................................................................................... 51

С.Ю. КУЛТЫШЕВ, Л.М. КУЛТЫШЕВА


ПРИБЛИЖЕННАЯ ИДЕНТИФИКАЦИЯ ПРИ ИЗМЕРЕНИЯХ
С ПОГРЕШНОСТЯМИ ............................................................................................... 55

В.Ю. СОКОЛОВ
К ВОПРОСУ О РЕЛАКСАЦИИ НАПРЯЖЕНИЙ В ГОРНОМ МАССИВЕ
В ОКРЕСТНОСТИ ВЫРАБОТКИ .............................................................................63

И.П. НЕПОРОЖНЕВ
РАСКРАСКИ РЕБЕР ПОЛНОГО 5-ВЕРШИННОГО ГРАФА БЕЗ ПЕТЕЛЬ. .......74

203
Вестник ПГТУ. Прикладная математика и механика, 2010

И.П. НЕПОРОЖНЕВ
МИНИМАЛЬНЫЕ И БЛИЗКИЕ К МИНИМАЛЬНЫМ РАСКРАСКИ РЕБЕР
ОБЫКНОВЕННОГО ПОЛНОГО 6-ГРАФА. ............................................................ 81

В.Н. КЕТИКОВ, А.М. ФЕДОСЕЕВ


ПОЛУЧЕНИЕ НЕКОТОРЫХ ЭКСТРЕМАЛЬНЫХ ХАРАКТЕРИСТИК
СЛОЖНЫХ ХИМИЧЕСКИХ РЕАКЦИЙ .................................................................85

В.П. КАРАНДАШОВ, Е.В. ЗАДОРОЖНАЯ


РЕШЕНИЕ ЗАДАЧИ ОБ ОПТИМАЛЬНОМ ВЫБОРЕ РИСКОВЫХ СИТУАЦИЙ
В СТРАХОВАНИИ .....................................................................................................95

В.П. КАРАНДАШОВ, А.А. МАТВЕЕВА


МЕТОД СЦЕНАРИЕВ В ОЦЕНКЕ ИНВЕСТИЦИОННЫХ ПРОЕКТОВ ...........106

М.Г.БОЯРШИНОВ, Н.В.ПЕТЕРЛЕВИЧ
ОЦЕНКА ЭФФЕКТИВНОСТИ «ЗАРПЛАТНОГО» (КАРТОЧНОГО) ПРОЕКТА
КОММЕРЧЕСКОГО БАНКА ................................................................................... 112

М.Г. БОЯРШИНОВ, О.С. САЛИХОВА


ОПТИМАЛЬНАЯ ЗАГРУЗКА БАНКОМАТА ДЕНЕЖНЫМИ КУПЮРАМИ ...128

Г.А. ПУШКАРЕВ
ОБ ОДНОМ ЧАСТНОМ СЛУЧАЕ ФУНКЦИОНАЛЬНО-
ДИФФЕРЕНЦИАЛЬНОГО УРАВНЕНИЯ 1-ГО ПОРЯДКА ................................ 147

Л.Я. ЛЬВОВСКИЙ
К ВОПРОСУ О ДЕЛЕНИИ МНОГОЧЛЕНОВ ....................................................... 150

Г.В. СОКОЛОВ
АНАЛИЗ АЛГОРИТМОВ АВТОМАТИЧЕСКОЙ УКЛАДКИ ГРАФОВ НА
ПЛОСКОСТИ В РАМКАХ ЗАДАЧИ ВИЗУАЛИЗАЦИИ МОДЕЛЕЙ
НА ГРАФАХ .............................................................................................................. 160

М.О. ГАВРИЛОВА
О ЗАДАЧАХ ЛИНЕЙНОГО ПРОГРАММИРОВАНИЯ С КУСОЧНО-
ПОСТОЯННЫМИ КОЭФФИЦИЕНТАМИ ............................................................ 170

А.А. РЫБАКОВ
МОДЕЛИРОВАНИЕ ДЕЛЬТА-НЕЙТРАЛЬНОГО ДИНАМИЧЕСКОГО
ХЕДЖИРОВАНИЯ....................................................................................................178

В.Ю. МИТИН
РАЗЛИЧНЫЕ ПОДХОДЫ К ВЫЧИСЛЕНИЮ ИНДЕКСА НУЛЕВОЙ
ИЗОЛИРОВАННОЙ ОСОБОЙ ТОЧКИ ВЕКТОРНОГО ПОЛЯ И ИХ
РЕАЛИЗАЦИЯ ДЛЯ НЕКОТОРЫХ КЛАССОВ ПЛОСКИХ ВЕКТОРНЫХ ПОЛЕЙ
.....................................................................................................................................191

204
Вестник ПГТУ. Прикладная математика и механика, 2010