Рис. 8 Зависимость вероятности получения прибыли от цены предложения при различном количестве конкурентов и вероятностях их участия в аукционе
Выводы
В итоге полученная модель позволяет выстроить вероятностные высказывания относительно цены предложения и вероятности получения прибыли (рис. 8). Полученное семейство кривых позволяет выбрать стратегию поведения участника аукциона в зависимости от сложившихся обстоятельств. Часть кривых на рис. 8 под номерами 1-3 характеризуется разным количеством конкурентов при вероятности их участия на уровне 0,5, кривые 4-6 отражают вероятности участия при таком же количестве конкурентов, но уже при вероятности их участия 0,9. Пороговым значением прибыльности является цена, равная себестоимости проекта. Снижение вероятностей при увеличении цены предложения предсказуемо, однако вкупе с вышеуказанной методикой позволяет оценить тот ценовой порог, при котором можно наиболее эффективно использовать сложившиеся условия. При необходимости можно провести более детальный технический анализ [4] полученной по методу Монте-Карло выборки исходов сценариев проведения аукциона и прогнозирование возможной прибыли [3; 5].
Таким образом, на основании полученных результатов можно сделать вывод о том, что построенная имитационная модель, включающая основные факторы, влияющие на оптимальную цену предложения, позволяет адекватно оценить возможности участия поставщиков товаров, работ и услуг для государственных или муниципальных нужд в электронных торгах и принимать эффективные управленческие решения по участию в закупках. Построенная модель отличается простотой и эффективностью исполнения, не требует специального программного обеспечения, при этом позволяющая анализировать внутренние возможности и внешние условия участия организации в электронном аукционе с дальнейшим прогнозированием рисков и ожидаемой прибыли.
Литература
1. Грибанова Е. Б., Каштанова О. В., Мицель А. А. Система имитационного моделирования торгов, проходящих в форме аукциона // Доклады ТУСУРа. 2007. № 1. С. 63-70.
2. Захаров А. В., Харламов А. В. К вопросу о применении имитационного моделирования методом Монте-Карло в задачах оценки фундаментальной стоимости объекта оценки // Имущественные отношения в Российской Федерации. 2010. № 5. С. 28-45.
3. Кисляков А. Н. Влияние фильтрации Фурье на точность прогноза социально-экономических показателей // Ученые записки. 2017. № 2. С. 78-82.
4. Кисляков А. Н. Использование фрактальной размерности в техническом анализе рынка криптовалют // Ученые записки. 2018. № 1. С. 101-105.
5. Кисляков А. Н. Оценка эффективности рекламной кампании в социальных сетях с использованием методов имитационного моделирования // Экономика и управление: проблемы, решения. 2019. Т. 5. № 3. С. 20-26.
6. Кисляков А. Н. Метод виртуального увеличения выборки при прогнозировании редких продаж в условиях информационной асимметрии // Вестник Алтайской академии экономики и права. 2019. № 1-2. С. 47-54.
7. Кисляков А. Н., Савельев И. И. Исследование математических методов анализа и оценки качества государственных и муниципальных услуг, предоставляемых в электронном виде // Экономика и управление: проблемы, решения. 2018. Т. 3. № 10. С. 48-52.
8. Кисляков А. Н. Фрактальный анализ в задачах прогнозирования социально-экономических процессов // Новая экономика и региональная наука. 2018. № 1. С. 36-39.
9. Мамий Е. А., Яхимович Е. С. Современные подходы к оценке рисков инвестиционных проектов // Экономика и бизнес: теория и практика. 2018. № 5. Т. 1. С. 155-160.
10. Наливкин Д. В. Использование последовательных методов Монте-Карло для оценивания рисков на финансовых рынках // Управление большими системами. 2008. № 21. С. 71-83.
11. Рау В. Г., Кисляков А. Н., Тихонюк Н. Е., Рау Т. Ф. Принцип нарушения асимметрии в моделях развития экономических систем. Опыт и проблемы // Региональная экономика: опыт и проблемы. Материалы XI международной научно-практической конференции (Гутманские чтения) 15 мая 2018 года / под общ. ред. А. И. Новикова, А. Е. Илларионова. Владимир: Владимирский филиал РАНХиГС, 2018. С. 201-211.
12. Тихонюк Н. Е., Кисляков А. Н. Экономические модели работы с асимметрией информации: эволюция подходов // Региональная экономика: опыт и проблемы. Материалы XI международной научно-практической конференции (Гутманские чтения) 15 мая 2018 года / под общ. ред. А. И. Новикова и А. Е. Илларионова. Владимир: Владимирский филиал РАНХиГС, 2018. С. 236-244.
References
1. Gribanova E. B., Kashtanova O. V., Mitsel A. A. The system of imitating modeling of the tender which is taking place in an auction form // Proceedings of TUSUR University [Doklady TUSURa]. 2007. No. 1. P 63-70. (In rus)
2. Zakharov, A. V., Kharlamov, A. V. On a question of application of imitating modeling by Monte Carlo method in problems of assessment of fundamental project cost of assessment // Property relations in the Russian Federation [Imushchestvennye otnosheniya v Rossiiskoi Federatsii]. 2010. No. 5. P 28-45. (In rus)
3. Kislyakov A. N. Impact of Fourier filtration on the accuracy of the forecast of socio-economic indexes // Scientific notes [Uchenye zapiski]. 2017. No. 2. P 78-82. (In rus)
4. Kislyakov A. N. Use of fractal dimension in the technical analysis of the cryptocurrency market // Scientific notes [Uchenye zapiski]. 2018. No. 1. P 101-105. (In rus)
5. Kislyakov A. N. Assessment of efficiency of advertising campaign on social networks with use of methods of imitating modeling // Economy and management: problems, decisions [Ekonomika i upravlenie: problemy, resheniya]. 2019. V. 5. No. 3. P 20-26. (In rus)
6. Kislyakov A. N. Method of virtual increase in selection when forecasting rare sales in the conditions of information asymmetry // Bulletin of the Altai Academy of Economy and Law [Vestnik Altaiskoi akademii ekonomiki i prava]. 2019. No. 1-2. P 47-54. (In rus)
7. Kislyakov A. N., Savelyev I. I. Research of mathematical methods of the analysis and assessment of quality of the public and municipal services provided in electronic form // Economy and management: problems, decisions [Ekonomika i upravlenie: problemy, resheniya]. 2018. V. 3. No. 10. P 48-52. (In rus)
8. Kislyakov A. N. The fractal analysis in problems of forecasting of social and economic processes // New economy and regional science [Novaya ekonomika i regional'naya nauka]. 2018. No. 1. P 36-39. (In rus)
9. Mamiy E. A., Yakhimovich E. S. Modern approaches to risk assessment of investment projects // Economy and business: theory and practice [Ekonomika i biznes: teoriya i praktika]. 2018. No. 5. V. 1. P 155-160. (In rus)
10. Nalivkin D. V. Use of consecutive methods of Monte Carlo for estimation of risks in the financial markets // Management of big systems [Upravlenie bol'shimi sistemami]. 2008. No. 21. P. 71-83. (In rus)
11. Rau V. G., Kislyakov A. N., Tikhonyuk N. E., Rau T. F. Principle of violation of asymmetry in models of development of economic systems experience and problems // Regional economy: experience and problems. Materials of the XIth international scientific and practical conference (Gutmansky readings) on May 15, 2018 / under a general edition of A. I. Novikov and A. E. Illarionov. Vladimir: RANEPA Vladimir branch, 2018. P 201-211. (In rus)
12. Tikhonyuk N. E., Kislyakov A. N. Economic models of work with asymmetry of information: evolution of approaches // Regional economy: experience and problems. Materials of the XIth international scientific and practical conference (Gutmansky readings) on May 15, 2018 / under a general edition of A. I. Novikov and A. E. Illarionov. Vladimir: RANEPA Vladimir branch, 2018. P. 236-244. (In rus)