ОПТИМИЗАЦИЯ ПРОЦЕССА ПРИНЯТИЯ РЕШЕНИЙ НА РЫНКЕ НЕФОРМАЛЬНОГО ВЕНЧУРНОГО ИНВЕСТИРОВАНИЯ СЕТЯМИ НЕЙРОПРОЦЕССОРОВ - Студенческий научный форум

V Международная студенческая научная конференция Студенческий научный форум - 2013

ОПТИМИЗАЦИЯ ПРОЦЕССА ПРИНЯТИЯ РЕШЕНИЙ НА РЫНКЕ НЕФОРМАЛЬНОГО ВЕНЧУРНОГО ИНВЕСТИРОВАНИЯ СЕТЯМИ НЕЙРОПРОЦЕССОРОВ

Брагина Е.И. 1, Жесткова А.Ю. 1, Брагина Е.И. 3
1Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Волгоградский государственный технический университет»
3Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Волгоградский государственный социально-педагогический университет"
 Комментарии
Текст работы размещён без изображений и формул.
Полная версия работы доступна во вкладке "Файлы работы" в формате PDF
Бизнес-ангелами обычно считаютсяюридические лица илисостоятель­ные лица с большим опытом, вкладывающие свои свободные денежные средст­ва и опыт в идеи новичков, особенно в инновации. Обычно объём инвестиций не превышает $50-300 тыс.

Бизнес-ангелы часто занимаются одновременно многими проектами, так как значительная их часть не выходит из «смертельной долины», и только один из многих принесёт прибыль, способную окупить остальные убытки.

Представители неформального рынка венчурного инвестирования вкла­дывают часть собственных средств в инновационные компании самых ранних стадий развития, поддерживая их техническое и коммерческое развитие. Эта особенность бизнес-ангелов делает этих инвесторов заслуживающими внима­ния общественности и достойными поддержки со стороны государства. Бизнес-ангелы инвестируют деньги, опыт и связи в обмен на долю акций в новой ком­пании.

Бизнес-ангелы имеют возможность оценивать достаточно большое коли­чество проектов. И данные проекты могут принадлежать к различным областям (информационные технологии, медицина/здравоохранение и др.), что затрудня­ет оценку инновационных проектов – каждой области присущ свой набор ха­рактеристик. И тем не менее, есть ряд параметров, оценка которых дает относи­тельно полное представление о проекте.

В связи с этим очень острым является вопрос об оптимизации процесса принятия решений об инвестировании в тот или иной проект.

Линейная статистическая обработка не способна выбелить несколько наи­более важных параметра, по которым можно было бы со 100-процентной веро­ятностью определить, в какой же инновационный проект стоит вкладывать деньги. В данной ситуации естественно обратиться к нелинейному статистиче­скому анализу, то есть к нейросетевому моделированию.

Основной проблемой оценки проектов является учет множества факторов при оценке того или иного показателя, а так же в какой шкале оценивать тот или иной показатель (с учетом того, что одни показатели имеют численный ха­рактер, другие – лингвистический т.д.). Наиболее интересным и перспектив­ным способом решения проблемы принятия решений является использование сетей простейших нейропроцессоров.

Нейронные сети, как правило, на входах оперируют с 0 и 1 (не активный нейрон и активный нейрон). Но тот или иной показатель практически невоз­можно оценить в достаточной мере, используя данный диапазон чисел. По­этому стоит использовать такую возможность нейронных сетей, как распозна­вание образов, то есть заполнение морфологической таблицы, где на пересече­нии i-й строки с параметрами проекта и j-го столбца с критериями оценки того или иного показателя ставится определенный цвет. В таблице 1 приведены цвета заполнения таблицы, и как инвестор мог бы рассуждать при заполнении той или иной ячейки.

Таблица 1. Используемые цвета и их обозначения

 

0

Параметр не заполняется или не значим для инвестора

 

0,1

Параметр имеет значение для инвестора, но никак не освещен в процессе под­готовки и презентации проекта

 

(0,1;1]

Параметр имеет значение для инвестора, но не проработан или не учтен авто­рами проекта

 

(1;2]

Параметр имеет значение для инвестора, но практически не проработан или не учтен авторами проекта

 

(2;3]

Параметр имеет значение для инвестора, проработан на среднем уровне, име­ется неполное понимание вопроса

 

(3;4]

Параметр имеет значение для инвестора, хорошо проработан, имеется практи­чески полное понимание вопроса

 

(4;5]

Параметр имеет значение для инвестора, отлично проработан, имеется полное понимание вопроса

В таблице 2 показано примерное заполнение ячеек (для наглядности в ячейках указаны оценки параметров инвесторами, согласно которым таблица приобрела такую «пеструю» окраску).

Талица 2.Заполнение карты

   

доступность изложения

измеримость

реальная выполнимость

конкретность

информационная состав­ляющая

Среднее значение

1

2

3

4

5

 

1

Идея и цель проекта

5

0,1

3

4

4

3,22

2

Основные конкурентные преимущества продукта

4,3

0,1

0,1

4

4

2,5

3

Описание основных преимуществ продукта (уни­кальность; высокое качество; широта ассортимен­та; удобство расположения и т.д.)

3,5

4

4

5

5

4,3

4

Описание основных сегментов рынка, на которые в первую очередь нацелен продукт (объем каждого сегмента в настоящее время и на момент выхода продукта на рынок)

5

3

4

2

3

3,4

5

Решение продуктом проблемы на рынке

3

0,1

4

4

3

2,82

6

Ожидаемая доля на рынке через определенный срок

5

3

0,1

5

0,1

2,64

7

Основные потребители

5

0,1

4

3

5

3,42

8

Этапы возможного дальнейшего развития техноло­гии и примерные сроки их реализации

2

3

4

5

3

3,4

9

Основные конкуренты

3

0,1

0,1

4

5

2,44

10

"Барьеры" для "входа" конкурента

3

0,1

3,5

4

5

3,12

11

Стратегия сбыта

4

0,1

5

5

4,2

3,66

12

Объем уже вложенных средств

5

5

3

5

4

4,4

13

Потребности в финансировании: объем, сроки, формы

4

5

3

4

4,3

4,06

14

Основные направления использования новых ин­вестиций (новое оборудование; завершение разра­боток и испытаний продукций; исследование рынка и т.д.)

4

4

3

5

3

3,8

15

Ожидаемые финансовые показатели (объем про­даж и чистого дохода по годам в течении 5 лет; внутренняя норма рентабельности; срок окупаемо­сти вложений; средняя прибыльность)

4,5

4

3

5

4

4,1

16

Стадия проработки технологии (основные иссле­довательские работы; лабораторные исследования; опытный образец; выпуск опытной партии; мелко­серийное производство)

3

0,1

5

4

2,5

2,92

17

Степень сформированности команды

3

4

5

4

3

3,8

18

Информация о ключевых позициях в команде

4

0

2,4

3

4

2,68

19

Компетенция всех участников команды

5

0,1

3

4

3

3,02

20

Принцип отбора кандидатов на незанятые ключе­вые позиции

4

0

2

3,5

5

2,9

21

Готовность вкладывать собственные средства

2

5

3,2

3,3

3

3,3

22

Готовность реинвестировать прибыль

4,5

4

2,5

3

2,5

3,3

Для наглядногсти можно построить график. Для этого в многомерное пространство данных погружается двумерная сетка, изменяющая свою форму таким образом, чтобыкак можно точнее аппроксимировать облако данных.каждой точке данных ставится в соответствие ближайший к ней узел сетки. Таким образом, каждая точка получает некоторую координату на сетке. Такое изображение локально непрерывно: близким точкам на карте соответствуют близкие точки в исходном пространстве.

Рисунок 1. Пример отображения морфологической карты в многомерном пространстве

Такая топографическая карта дает наглядное представление о рассматри­ваемом проекте в многомерном входном пространстве, геометрию которого мы не в состоянии представить себе иным способом. Стоит так же отметить, что с помощью такой карты достаточно наглядно отображаются наиболее сильные и слабые стороны проекта.

Заполненная морфологическая карта, по возможности, должна подсказы­вать инвестору, стоит ли в тот или иной проект вкладывать деньги. И если в це­лом проект оказывается достаточно хорошим – то так же видеть возможные «проблемные участки» проекта, для возможности доработки. Для достижения данной цели следует использовать многослойный персептрон с несколькими скрытыми слоями, пример которого изображён на рисунке 2.

Рисунок 2. Пример многослойного персептрона.

На первый слой будет подаваться цветовая карта, заполненная экспертом; второй слой будет обрабатывать поступившую информацию в доступную для работы нейропроцессоров; третий слой отвечает за математически й аппарат и четвертый слой выдает результат: на сколько проект качественный, и если про­ект имеет достаточно большую вероятность получить инвестиции – возможные «слабые» или недостаточно проработанные стороны проекта, над которыми не­обходимо поработать, чтобы получить одобрение инвестора.

В результате дальнейшей разработки данной методологии значительно уп­ростится процесс принятия решения бизнес-ангелом о приня­тии/отвержении/дополнительной доработки проекта. Заполняя морфологиче­скую таблицу (а это возможно делать даже в режиме он-лайн), не будет необ­ходимости держать в памяти множество вопросов, запоминать большой и бы­стро меняющийся поток информации, поступающий во время рассмотрения проекта на форуме бизнес-ангелов или на стадии рассмотрения заявки – можно заполнять морфологическую таблицу в режиме он-лайн. Использование цвето­вой альтернативы цифрам и построение многомерного графика позволит на­глядно видеть «уязвимые места» рассматриваемого проекта. Разрабатываемая методология будет подспорьем для анализа поступающих инновационных про­ектов, охватывая наиболее значимые параметры оценки идей.

Просмотров работы: 1228