Имитационное моделирование

Метод статистического  моделирования первоначально развивался как метод статистических испытаний (Монте-Карло). Это – численный метод, состоящий в получении оценок вероятностных характеристик, совпадающих с решением аналитических задач (например, с решением уравнений и вычислением определенного интеграла). В последствии этот метод стал применяться для имитации процессов, происходящих в системах, внутри которых есть источник случайности или которые подвержены случайным воздействиям. Он получил название метода статистического моделирования. В параграфах 2-5 данного раздела излагается суть этого метода.

Комбинированный метод (аналитико-статистический) позволяет объединить достоинства аналитического и статистического методов моделирования. Он применяется в случае разработки модели, состоящей из различных модулей, представляющих набор как статистических так и аналитических моделей, которые взаимодействуют как единое целое. Причем в набор модулей могут входить не только модули соответствующие динамическим моделям, но и модули соответствующие статическим математическим моделям.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Глава 2. Имитационные модели в банковском деле. Их применение

2.1. Имитационные модели в банковском деле: новые технологии планирования и управления

Имитационные модели являются неотъемлемым элементом современного банковского менеджмента. Управление пассивами и активами, планирование крупномасштабных операций (например, банковских консорциумов) требуют надежных аналитических методик. Стратегическое планирование банка также предполагает применение имитационных технологий. Между тем, стратегическое планирование - необходимый элемент управления любого банка, претендующего на стабильную репутацию и высокий международный рейтинг. Разработка имитационных моделей коммерческих банков- весьма обширное направление современного банковского менеджмента. Поэтому в данной статье внимание сконцентрировано на некоторых ключевых подходах, алгоритмах и принципах, благодаря которым создание имитационных моделей становится доступным даже для небольших банков и отдельных экспертов.

Как сделать имитационную модель банка?

Современные программные  средства обеспечивают создание удобных  для пользователя (и относительно дешевых) имитационных моделей банка  и его подразделений. Такая модель может быть создана на базе общедоступных  программных продуктов и прежде всего пакетов структурного моделирования. Разработка имитационных моделей не потребует чрезмерных затрат. “Минимальная”  имитационная модель банка может  быть создана небольшой группой  экспертов или даже одним квалтифицированным специалистом. Она доступна для банка  со средними финансовыми и организационными возможностями. Создание имитационной модели банка не означает необходимости  разработки сложных и громоздких методик. Существующие экспертные пакеты позволяют быстро создавать компактные и эффективные имитационные модели с минимальными затратами средств и времени. “Потоковая” модель банка среднего масштаба может быть размещена на 1 рабочей странице пакета структурного моделирования. Более “профессиональная” модель может потребовать 3-4 и более рабочих страниц. Такие модели создаются на базе общедоступных программных продуктов и прежде всего пакетов структурного моделирования. Разработка моделей и экспертных систем на их основе может быть подготовительным этапом перед внедрением дорогостоящих программ комплексной автоматизации банка. В то же время такие экспертные системы по своим возможностям во многом приближаются к дорогостоящим “готовым” комплексам. Кроме того, они отличаются гибкостью и возможностью настройки на потребности конкретного банка, подразделения или менеджера. В любом случае плановикам и аналитикам полезно иметь имитационную модель собственного банка. Ведь современное предприятие динамично развивается, меняется его структура. “Обкатку” новых решений, сценарные расчеты легче и быстрее проводить на компактной системе “средней” сложности. К числу достоинств данного подхода относится то, что внутреннее устройство “своей” экспертной системы досконально известно. Обычно оно легко “читается” благодаря современным средствам визуализации структурного моделирования. Доступ к внутренним алгоритмам лицензионных пакетов, как известно, затруднен. Перейдем к краткому рассмотрению методов разработки и использования конкретных имитационных моделей коммерческих банков.

Рассмотрим основные пути создания имитационных моделей коммерческого  банка. В самом общем виде суть деятельности коммерческого банка  заключается в преобразовании финансовых потоков. Соответственно, идея имитационных моделей относительно очевидна. Она  отвечает основным принципам работы коммерческого банка, функции которого в самом общем виде заключаются  в “преобразовании” потока привлеченных капиталов в поток активных операций. В соответствии с эти общим планом строятся и наиболее доступные и очевидные имитационные модели банков. Эти модели относятся к разряду “потоковых”(flow мodels)², поскольку ориентированы на прогнозирование и управление основными финансовыми потоками банка. Для потоковых моделей в мировой управленческой науке создан развитый аналитический инструментарий и специализированные программные средства. Это значительно облегчает разработку банковских моделей. Они создаются как бы из готовых конструктивных элементов, которые имеются в рабочем аппарате экспертных пакетов. Ниже приведена иллюстративная схема основных финансовых потоков банка, построенная на базе его структурной модели. Поток привлеченных капиталов на входе центрального “узла” модели “трансформируется” в поток финансовых вложений в активные операции на его “выходе”. К потоку основных операционных капиталов “подстраивается” поток доходов, из которых формируется прибыль банка. (Для наглядности данная схема включает только движение операционных капиталов. При включении в рассмотрение доходов от них потребуется несколько более сложная модель). В центральном узле данной модели осуществляется “сальдирование” финансовых потоков банка. При необходимости в него могут быть “встроены” более сложные алгоритмы обработки данных.

Диаграмма 1.

Слова: депозиты, межбанк, казначейство (treasury), кредиты, инвестиции. Прочие ресурсы(other), прочие вложения (othr).

Данная схема разработана  на базе пакета структурного моделирования ITHINK. Пакет ITHINK был создан как инструмент потокового моделирования хозяйственных  систем. Это делает его исключительно  эффективным инструментом моделирования  процессов, происходящих в коммерческом банке. Модель создается следующим образом: оператор формирует на рабочей странице структурную схему своего объекта - коммерческого банка. Он “задает” основные финансовые потоки, их источники и адресаты. При этом используются принципы “визуального” объектно-ориентированного программирования. Изменение изображения объекта или схемы модели приводит к изменению ее программы. Схематическое изображение объекта формируется из типовых блоков, воспроизводящих отдельные банковские процессы - кредитование, движение (поток) финансовых средств, распределение ресурсов и пр. Направление потоков и внутренние взаимосвязи указываются стрелками, которые проводятся с помощью оператора “мышь”. Ввод-вывод данных осуществляется с помощью таблиц и графиков (которые также управляются оператором мышь). Они могут вводиться из электронных таблиц и баз данных, в “связке” с которыми функционирует пакет структурного моделирования. Имеется возможность и компьютерной анимации движения финансовых средств. В результате имитационная модель коммерческого банка приобретает компактный, легко читаемый вид.

Изменяя режимы привлечения  капиталов и условия банковских операций, оператор получает прогнозные оценки прибыли банка. Финансовые потоки банка могут планироваться и в обратном порядке - исходя из целевых значений его рентабельности. Появляется возможность проведения расчета разнообразных сценариев работы банка. Изображение реальной модели (как она выглядит на рабочей странице пакета) мало чем отличается от приведенной выше иллюстративной схемы. Очевидно, структурная модель на базе ITHINK не имеет ничего общего с нагромождением математических формул, с которыми обычно ассоциируется понятие компьютерного моделирования.

Контроль ликвидности  и другие задачи.

В качестве примера приведем “имитационные” технологии решения  некоторых типичных банковских задач. Одна из актуальных задач коммерческих банков - организация надежного контроля и прогноза его ликвидности и, в более узком смысле, - платежной позиции. Координация доходов и расходов с учетом их сроков изменения доходности важнейших видов пассивов и активов представляет собой классическую задачу стратегического планирования коммерческого банка. В банковской науке она получила названия “контроль разрыва”(gap managment). Модели контроля разрыва призваны прогнозировать “провалы” платежеспособности банка в зависимости от колебаний рыночных ставок по обязательствам и активным вложениям банка. “Провал” доходности может произойти, если основная масса вложений сделана по фиксированным ставкам, в то время как ожидается изменения “плавающих” ставок по обязательствам банка. В российской практике все еще сохраняет актуальность задача координирования “срочности” финансовых вложений и выплат банка. Во многих случая трудности коммерческих банков были связаны с тем, что изъятие ресурсов из банка не покрывалось в достаточной степени притоком новых вложений. Приведенная ниже модель на базе пакета структурного моделирования ITHINK позволяет надежно прогнозировать колебания платежной позиции банка. Модель заключается в анализе соотношения депозитных и кредитных потоков коммерческого банка. Их “сальдо”, а также потоки доходов и формируют платежную позицию коммерческого банка ( по данной группе операций). Поток и депозитов и кредитов задаются определенным графиком. Результат обработки данных “выдаются” в виде графика платежной позиции банка. Для простоты рассмотрены операции в пределах одной категории срочности. Однако модель может быть детализована достаточно глубоко. Полученной на основе данной модели график приведен на диаграмме N2. Он показывает изменение платежной позиции банка (вертикальная ось) с течением времени (горизонтальная ось). Линия графика демонстрирует “провал” платежеспособности между 4 и 9 месяцем планового времени. Однако в модель встроен нижний предел падения платежеспособности. При падении платежной позиции ниже 2 ед. “включается” балансировочный механизм: банк прибегает к использованию своих резервов и другим мерам поддержания ликвидности, (“ ломаный” участок нижней части графика отражает поступление платежей за счет резервов или межбанковских заимствований ) Модель определяет точные значения средств необходимых для того, чтобы банк оставался в допустимом “коридоре” ликвидности.

Диаграмма 2

Оставить только “месяцы”

Модели контроля ликвидности  являются интегральными - они “обобщают” и сводят в единое целое информацию об отдельных видах банковских операций. Они строятся аналогично тому, как это показано на Диаграмме 1. “Переработка” финансовых потоков происходит в “центральном узле “ модели. В центральном узле также “встроена” субмодель, реализующая функции управления пассивными и активными операциями банка. Финансовые потоки вводятся из других моделей и экспертных систем. Например, потока кредитных ресурсов может “импортироваться” в итоговую модель из экспертной системы управления кредитными операциями банка. Данные структурных моделей хорошо согласуются с табличным форматом представления данных. Процесс и результаты обработки данных в структурных моделях может одновременно отражаться в электронных таблицах, “выводиться” в базы данных. Помимо контроля ликвидности с помощью имитационных моделей решаются задачи управления активными и пассивными операциями, отдельными их видами. Данная методология эффективна при разработке схем реинжиниринга банков, при поиске оптимальных путей его реорганизации. Разработка имитационных моделей на базе пакета ITHINK вполне доступна банкам среднего класса. Более мощные имитационные моделей в составе экспертных систем позволяют формировать экспертные системы банковских холдингов и финансово-промышленных групп.

Имитационная модель - необходимый элемент оперативного и стратегического планирования. Крупным банкам имитационные модели рекомендуется создать своими силами, малым и средним - заказать в консультационной компании.

2.2.Применение метода имитационного моделирования

 Применение метода имитационного моделирования можно продемонстрировать на примере работы отделения банка по обслуживанию физических лиц. Допустим, что необходимо определить минимальное количество обслуживающего персонала, которое обеспечивает требуемое качество сервиса.

Критерий качества сервиса зададим правилом: средний размер очереди клиентов не должен превышать N человек. Очевидно, что для решения поставленной задачи необходимо иметь достаточные знания о системе: какие клиенты посещают банк, какое количество клиентов приходит в течение рабочего дня, а также сколько времени занимает обслуживание одного клиента.

Хотя данная задача и может показаться специализированной, схожие проблемы возникают во многих областях, где задействованы людские и технические ресурсы. Оплата времени работы квалифицированного работника и времени использования сложной техники составляет немалую долю расходов компаний. Определение оптимального графика использования ресурсов, позволяющего системе эффективно выполнять поставленные задачи, позволяет снизить расходы, а значит увеличить прибыльность.

На первом этапе решения задачи создается модель, которая соответствует структуре и бизнес-процессам отделения банка. В ходе разработки модели учитываются только те детали, которые оказывают существенное влияние на изучаемые аспекты работы системы. Например, наличие отделения обслуживания юридических лиц или кредитного отдела не влияет на обслуживание физических лиц, поскольку они физически и функционально отделены от последнего. Схематично такую модель можно представить в виде последовательности следующих действий.

Рис. 1 – Имитационная модель

 

На втором этапе на вход модели подаются исходные данные: интенсивность прихода клиентов, среднее время обслуживания клиентов, количество доступного персонала. На основании этих данных модель имитирует, или воспроизводит, работу банка в течение заданного промежутка времени, например, рабочего дня.

 

 

Следующий этап заключается в анализе статистики, собранной и представленной моделью. Если средний размер очереди клиентов превышает выбранный предел в N человек, то количество доступного персонала следует увеличить и выполнить новый эксперимент.

 

 

В результате проведения серии экспериментов над моделью пользователь может определить оптимальное количество персонала. Процесс подбора параметров может быть осуществлен также и с помощью встроенного оптимизатора, который в автоматическом режиме проверяет различные сочетания и находит лучшее решение.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Глава 3. Основные преимущества и недостатки имитационного моделирования

Применение имитационных моделей дает множество преимуществ по сравнению с выполнением экспериментов над реальной системой и использованием других методов.

Стоимость. Допустим, компания уволила часть сотрудников, что в дальнейшем привело к снижению качества обслуживания и потери части клиентов. Принять обоснованное решение помогла бы имитационная модель, затраты на применение которой состоят лишь из цены программного обеспечения и стоимости консалтинговых услуг.

Время. В реальности оценить эффективность, например, новой сети распространения продукции или измененной структуры склада можно лишь через месяцы или даже годы. Имитационная модель позволяет определить оптимальность таких изменений за считанные минуты, необходимые для проведения эксперимента.

Повторяемость. Современная жизнь требует от организаций быстрой реакции на изменение ситуации на рынке. Например, прогноз объемов спроса продукции должен быть составлен в срок, и его изменения критичны.