АУДИТ И ФИНАНСОВЫЙ АНАЛИЗ 3’2009

0

9.5. ИМИТАЦИОННОЕМОДЕЛИРОВАНИЕ РЫНКА

СОТОВОЙ СВЯЗИКрасносельский А.В., аспирант экономического

факультета, ведущий аналитик ОАО «Вымпелком»

Московский государственный университетим. М.В. Ломоносова

Данная статья посвящена имитационной агентной модели рынка со-товой связи, созданной автором. В вводной части описывается имита-ционное моделирование как одно из возможных средств построениясистем поддержки принятия решений в бизнесе. Затем излагаютсяособенности рынка сотовой связи и обосновывается выбор агентногоподхода для его моделирования. Основная часть статьи уделена не-посредственно модели автора. Кратко рассмотрены основные этапы вее разработке:· создание агентов, формализация их атрибутов и логики поведения;· масштабирование числа агентов;· инициализация и верификация параметров.

В качестве примера применения модели описываются ее использо-вание для анализа инвестиционного проекта по приобретению компа-ний-дилеров операторами сотовой связи и созданная на основе моде-ли бизнес-игра.

Статья может быть полезна как исследователям рынка сотовой свя-зи, так и всем специалистам, занимающимся имитационным модели-рованием.

ВВЕДЕНИЕСовременный бизнес ставит перед научно-исследователь-

ским сообществом широкий перечень практических задач. Од-ной из них является создание методов и средств поддержкипринятия решений (ППР). В большинстве западных и многихроссийских корпорациях уже существуют специализированныеинформационные системы, собирающие статистику об основ-ных процессах в компании, об истории взаимоотношений склиентами, данные по конкурентам. При этом руководство ком-пании, лица, ответственные за окончательное принятие реше-ний, физически могут воспринять лишь малую часть имеющей-ся статистики, и решения в большинстве случаев по-прежнемупринимаются на основе интуиции и экспертного мнения ме-неджмента. Системы ППР должны помогать смоделироватьпоследствия стратегических или тактических действий компа-нии и различные сценарии конкурентной борьбы.

ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕОдним из возможных средств построения систем ППР

является имитационное моделирование. Оно представ-ляет собой процесс построения обобщенной компью-терной модели системы с алгоритмическим описаниемосновных правил ее поведения и процессов. После соз-дания модели с ней проводят многочисленные компью-терные симуляции – имитационные эксперименты. Входе них идет итерационный процесс уточнения или от-брасывания гипотез, использовавшихся для описаниясистемы. Имитационное моделирование широко при-меняется в экономике, социологии, экологии, при реше-нии задач оптимизации и планирования в бизнесе [4].

В имитационном моделировании существуют три па-радигмы – системная динамика, дискретно-событийныйи агентный подходы. Для системной динамики харак-терно моделирование на верхнем уровне абстракции втерминах накопителей, потоков, обратных связей. Зави-симости в модели задаются между агрегированнымивеличинами, и индивидуализировать отдельные объек-ты в накопителе невозможно. Пример системно-дина-мической диаграммы из модели «Распространениепродукта на рынке» приведен на рис. 1.

Рис. 1. Пример системно-динамической диаграммы«Проникновение продукта на рынке»

В рамках дискретно-событийного подхода модели-руется движение однотипных объектов «заявок» попотоковым диаграммам. Заявки при этом лишены ин-дивидуальности и пассивны, они не определяют своеповедение, а процедура их обработки заранее опре-делена. Дискретно-событийный подход используетсяпри моделировании систем массового обслуживания,в задачах транспорта, логистики. Пример дискретно-событийной диаграммы «Обработка звонков в call-центре» приведен на рис. 2.

Рис. 2. Пример дискретно-событийной диаграммы«обработка звонков в call-центре»

Рис. 3. Пример диаграмм состояний агента из мо-дели «распространение гриппа»

Агентный подход представляет собой концепциюмоделирования снизу вверх и является наиболеемощным средством для анализа сложных, нелинейныхсистем [2]. Метод заключается в создании искусствен-ных агентов, описываемых набором атрибутов и пове-дений так, чтобы максимально походить на объекты изреального мира. Состояние системы на макроуровневозникает как результат взаимодействия этих агентовмежду собой или с объектами, моделирующими окру-жающую среду. В контексте экономического и бизнес-моделирования за агентами, как правило, скрываются

Красносельский А.В. ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ РЫНКА СОТОВОЙ СВЯЗИ

1

люди или фирмы. Агентный подход позволяет моде-лировать рынок как существенно децентрализованнуюструктуру, описывать его динамику не в терминах со-вокупного спроса и предложения (как при использова-нии системной динамики), а моделируя индивидуаль-ное поведение покупателей, различия в их предпочте-ниях и эластичности. Основной задачей при данномподходе является правильно смоделировать поведе-ние отдельного объекта-агента, которое обычно опи-сывается с помощью одной или нескольких диаграммсостояний. Пример диаграмм состояний агента из мо-дели «Распространение гриппа» приведен на рис. 3.

В данной статье описывается созданная авторомимитационная агентная модель российского рынка со-товой связи и примеры ее применения на практике.Большинство потребительских рынков в РоссийскойФедерации за последние годы изменились в сторонувозросшей конкуренции, усложнения внутреннейструктуры рынка, появления новых продуктов, спосо-бов их дистрибуции и маркетинга. В полной мере этоотносится к рынку сотовой связи. Он сформировалсякак один из наиболее сложно организованных потре-бительских рынков. Между действиями его субъектов,среди которых операторы сотовой связи, пользовате-ли, компании-дилеры, присутствуют многочисленныепрямые и косвенные взаимосвязи. Экспертные оценкине позволяют учесть всю имеющуюся статистику поабонентам, действиям конкурентов, правильно оце-нить последствия маркетинговых инициатив. Поэтомуприменение систем ППР требуется во многих направ-лениях деятельности операторов сотовой связи, начи-ная с прогнозирования результата вывода нового та-рифа и заканчивая оценкой стратегических инвести-ционных проектов по выходу на смежные рынки.

РЫНОК СОТОВОЙ СВЯЗИВыбор автором агентного подхода обусловлен клю-

чевыми особенностями рынка сотовой связи. Их важноучитывать как на практике, так и при моделированииотрасли.· Рынок сотовой связи представляет собой олигополию, как

правило, с тремя-пятью представленными на нем компа-ниями. Важно отметить, что не существует российскогорынка как единого целого. В каждом субъекте Федерацииконкурентная ситуация сугубо индивидуальна и характе-ризуется присутствием различных операторов, разнымиуровнями цен и степенью концентрации рынка [3]. Этозначит, что для использования в качестве системы ППРмодель рынка сотовой связи должна быть верифициро-вана на реальных данных по конкретному региону.

· Существенной особенностью рассматриваемого рынка яв-ляется отсутствие на нем как таковой цены услуги. Абонен-ту предлагаются различные по сути и себестоимости сер-висы (голосовая связь, сообщения, мобильный Интернет идр.). Сложная тарификация голосовых услуг, часто разли-чающаяся в зависимости от направления, времени суток,длительности звонка, накладывает дополнительные слож-ности для анализа и моделирования отрасли. В связи сэтим возможны подходы с использованием различных це-новых показателей, например, стоимости корзины фикси-рованного набора услуг сотовой связи или показателяAPPM [3].

· Объем предоставляемых оператором связи услуг непо-средственным образом влияет на их качество: при ростеабонентской базы и трафика качество передачи голоса иданных неизбежно падает. Возникает необходимость в ин-струментах, позволяющих скоординировать радиотехниче-ское планирование сотовой сети и маркетинг-прогнозы с

учетом вывода новых тарифов и изменения уровня цен, атакже действий конкурентов. При этом должна учитыватьсясуществующая статистика по пользованию услуг абонен-тами, динамике их переходов между операторами, ихпредпочтениям по цене / качеству.

· Потребление услуг сотовой связи сугубо индивидуально –каждый абонент обладает уникальным профилем пользо-вания, который при этом постоянно меняется. С однойстороны, на профиль пользования влияют внешние фак-торы, такие как стоимость сотовой связи, факторы сезон-ности и времени суток. С другой стороны, он зависит оттаких индивидуальных характеристик абонента, как егокруг общения, ценовая эластичность и натуральный при-рост трафика. Понятно, что моделирование совокупногоспроса, зависящего от индивидуального спроса многихтысяч абонентов, представляет собой непростую задачу.

С учетом приведенных особенностей система под-держки принятия решений в данной отрасли должна по-зволять в динамике моделировать как изменения сово-купного спроса и предложения, так и определяющие ихособенности индивидуального поведения абонентов.Для этой цели идеально подходит имитационное агент-ное моделирование. Оно позволяет смоделировать ди-намику рынка как совокупность индивидуальных дейст-вий десятков тысяч абонентов и операторов, произвестинеобходимое число компьютерных симуляций, и в ре-зультате получить результат на уровне агрегированныххарактеристик. Основным барьером создания агентныхмоделей является недостаток данных на уровне инди-видуальных характеристик субъектов рынка. В этом от-ношении рынок сотовой связи выгодно отличается отмногих других: сегодня у всех крупных операторов име-ются CRM-системы и другие хранилища данных, содер-жащие подробную статистику по абонентам [1]. Это по-зволяет верифицировать имитационную агентную мо-дель с необходимым уровнем детализации. Другимпотенциальным барьером для создания имитационныхагентных моделей до недавнего времени выступали ог-раничения вычислительных возможностей компьютерови отсутствие удобных инструментов, поддерживающихагентный подход. Развитие аппаратной мощности пер-сонального компьютера привело к тому, что на машинесредней, по сегодняшним меркам, конфигурации воз-можно провести симуляции с миллионами агентов. Так-же в последние десять лет произошло стремительноеразвитие инструментов агентного моделирования и ростих функциональности; в большинстве из них присутст-вуют встроенные средства для связи с базами данных,для проведения верификации модели и различного типаэкспериментов, для создания наглядной анимации впроцессе симуляций [5]. Для разработки данной моделиавтор использовал инструмент AnyLogic.

Применение агентного подхода для рынка сотовой свя-зи ценно тем, что позволяет cмоделировать поведениеотдельного абонента с учетом его круга общения, его ин-дивидуального профиля пользования различными услу-гами, и верифицировать модель при помощи накоплен-ной статистики в CRM-системах и других хранилищахданных телекоммуникационных компаний. Подтвержде-нием этому может служить, например, модель рынка со-товой связи, разработанная на языке SDML в Городскомуниверситете – Бизнес-школе Манчестера (Manchestermetropolitan university business school) [6]. В ней модели-руется рост числа GSM-абонентов в различных социаль-но-демографических сегментах населения Великобрита-нии в зависимости от среднерыночных цен и влияние ус-луги SMS-сообщений на этот рост.

АУДИТ И ФИНАНСОВЫЙ АНАЛИЗ 3’2009

2

ПОСТРОЕНИЕ АГЕНТНОЙ МОДЕЛИРЫНКА СОТОВОЙ СВЯЗИ

Построение любой агентной модели включает в себянесколько характерных этапов, отображенных на рис. 4.

Рис. 4. Этапы разработки агентной модели

Основными типами агентов при моделировании рын-ка сотовой связи являются абонент и оператор. Их опи-сание составляет основную задачу исследователя, ономожет быть выполнено с разным уровнем детализациии сильно зависит от конкретной цели моделирования.Для описания поведения агентов, как правило, исполь-зуют диаграмму состояний. По сути она представляетсобой конечный автомат, который определяет возмож-ные состояния агента, переходы между ними, события,вызывающие эти переходы, временные задержки идействия, совершаемые агентом на протяжении своей«жизни». Агент может иметь несколько параллельноактивных и взаимодействующих диаграмм состояний,каждая из которых отвечает за какой-либо аспект его«жизни»: например, посещение салонов сотовой связии его географическое положение (в домашнем регионе,в роуминге). Основная диаграмма состояния агента вмодели автора изображена на рис. 5.

Рис. 5. Основная диаграмма состояний агента

Данная схема описывает процесс пользования або-нентом услугами сотовой связи с возможной сменойоператора и тарифа. Создание тысяч экземпляров аген-тов, каждый из которых живет в соответствие с даннойдиаграммой, позволяет моделировать совокупныйспрос на рынке. Ядро программы рассчитывает после-довательность событий, которые должны происходить скаждым из агентов в единицу модельного времени. Ка-ждое из событий вероятностно зависит от индивиду-альных характеристик агента, истории его «жизни», отсостояния других агентов и системы в целом. Напри-мер, событие, заключающееся в посещении агентомсалона связи, может быть вызвано различными собы-тиями-триггерами, предшествующими данному: реко-

мендацией друзей, появлением нового тарифного пла-на или достижением предельного значения «неудовле-творенности» от качества получаемых услуг связи.Синхронизация событий по всем агентам является ос-новной задачей любой среды агентного моделирова-ния.

На рис. 6 изображены факторы, определяющие глав-ное событие в «жизни» агента в данной модели – вы-бор им оператора и тарифа сотовой связи. Слева нарисунке отображены основные направления деятель-ности оператора, курсивом над стрелками обозначеныхарактеризующие их показатели.

Рис. 6. Основные факторы, определяющиевыбор агентом оператора и тарифа

Выбор абонентом оператора или тарифа определяет-ся как экономическими, так и психологическими факто-рами. Естественно, что этот процесс невозможно смо-делировать строго математически. Тем не менее, в та-ком направлении науки как когнитивная логика, сущест-вуют модели поведения человека, выбора им товаров иуслуг, учитывающие экономические, психологическиефакторы, роль привычки, инерционного барьера [7]. Всоответствие с этими моделями выбор абонента сото-вой связи определяется потенциальной выгодностьютарифа, рекомендацией дилера, его изначальнымипредпочтениями и инерционным фактором. Для опре-деления выгодности тарифа агент оценивает предпола-гаемые денежные расходы на нем с учетом своегопрофиля пользования услугами. На оценку агента до-полнительно накладывается погрешность, случайнораспределенная в пределах 40%. Предпочтения агентаопределяются в соответствие с формулой:

Preferences_total = Network_importance ** Network_perception + Brand_importance ** Brand_perception + Price_importance ** Price_perception,

то есть они зависят от таких факторов как качествосвязи, привлекательность брэнда и уровень цен опе-

Красносельский А.В. ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ РЫНКА СОТОВОЙ СВЯЗИ

3

ратора и значимость каждого из факторов для агента.При этом рекомендации друзей на предпочтения або-нента в данной модели не учитываются.

Важными атрибутами в модели также являются пара-метры, определяющие профиль пользования услугами,представленный в табл. 1. На используемом профилеотразился тот факт, что основное внимание при моде-лировании уделялось голосовым услугам. Инициализа-ция профиля пользования по популяции агентов осно-вывалась на реальных распределениях соответствую-щих показателей по абонентской базе. В процессемоделирования профиль пользования динамически из-меняется в соответствие с найденными значениями на-турального прироста трафика, его эластичности и пе-риодически меняющимся тарифом агента.

Таблица 1

ПРОФИЛЬ ПОЛЬЗОВАНИЯ УСЛУГАМИ У АГЕНТА

Голосовые услуги

Направление звонкаСреднее коли-чество звонков

в месяц

Средняя продол-жительность

звонкаВнутрисетевые ~ 33 ~ 120 секНа номера конкурентов ~ 15 ~ 105 секНа фиксированную сеть ~ 12 ~ 110 сек

Средний расход в месяцДругое (междугородниеи международные) ~ 10 руб.Дополнительные услуги – средний расход в месяц

~ 56 руб.

ИНИЦИАЛИЗАЦИЯ ПАРАМЕТРОВМОДЕЛИ

После описания основных атрибутов и логики поведе-ния агента, следует пояснить процесс их инициализациии верификации на реальных данных. В агентном моде-лировании существует два подхода работы с реальнымиданными. Прямой метод заключается в инициализацииатрибутов реальными значениями, доступными из ин-формационных систем компании, маркетинговых иссле-дований. В созданной модели он использовался дляинициализации параметров агентов, представляющихсобой в процессе моделирования абонентов компании«Вымпелком». Это относится к параметрам профиляпользования абонента, его предпочтениям. Распределе-ние многих атрибутов с достаточной точностью аппрок-симировались нормальным, экспоненциальным или слу-чайным распределением. Для определения параметровраспределений использовались в том числе их точечныеоценки и метод доверительных интервалов.

Для показателей агентов, представляющих собойабонентов других операторов, как правило, имелисьлишь агрегированные данные. В таком случае приме-нялся второй, косвенный, метод инициализации вагентном моделировании. В модель закладываетсяэкспертная оценка параметра, а затем в ходе симуля-ций происходит его калибровка относительно имею-щейся агрегированной статистики. Например, профильпользования для агентов-абонентов других операто-ров изначально задавался таким же, как и для опера-тора «Вымпелком». В ходе симуляций модели проис-ходила калибровка атрибутов профиля относительнотаких известных агрегированных показателей какARPU, MOU оператора, его совокупный трафик на но-мера сети «Вымпелкома».

МАСШТАБИРОВАНИЕ ЧИСЛААГЕНТОВ В МОДЕЛИ

Описываемая разработка использовалась как для мо-делирования рынка сотовой связи отдельных регионов(в основном московского), так и российского рынка в це-лом. Число абонентов сотовой связи (по числу активныхсим-карт) только в Москве превышает 10 млн. чел. По-этому использование современных высокопроизводи-тельных компьютеров и среды разработки AnyLogic, об-ладающей мощным ядром и способной производитьсимуляции с сотнями тысяч агентов, оказалось недос-таточно для проведения моделирования в соотношении«один агент – один абонент сотовой связи». Данная си-туация является характерной для агентного имитацион-ного моделирования, требующего значительных аппа-ратных и программных ресурсов. Поэтому в моделиприменялся метод масштабирования, когда один агентвоплощает собой некоторое множество однотипных ре-альных объектов. Большинство симуляций проводилосьсо ста тысячами агентов, так что коэффициент масшта-бирования варьировался в диапазоне от ста (при моде-лировании московского рынка) до 2 000 (при моделиро-вании российского рынка в целом).

ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ АГЕНТ-НОЙ МОДЕЛИ РЫНКА СОТОВОЙ СВЯЗИ

Модель автора схематично определяет основныеагенты и процессы функционирования рынка сотовойсвязи. Она может использоваться в качестве системыподдержки принятия решений для различных бизнес-задач. В зависимости от конкретной постановки задачидолжны быть более детально проработаны те илииные блоки модели, уточнена инициализация соответ-ствующих показателей. В процессе использования мо-дели в компании «Вымпелком» она применялась потаким направлениям как моделирование влияния та-рифной политики оператора и анализ инвестиционногопроекта по приобретению компаний сотового ритейла.В качестве примера остановимся на втором направле-нии применения модели.

До середины 2008 г. в РФ функционировала доста-точно редкая в мировой практике модель, когда опера-торы сотовой связи не контролировали розничное рас-пространение своих услуг. Независимые компании со-тового ритейла, такие как «Евросеть», «Связной»,«Цифроград», «Диксис», оказывали существенноевлияние на выбор абонентом оператора и тарифа.Операторы при этом были вынуждены платить огром-ные комиссии за продажу своих контрактов в салонахдилеров. Экономика всех компаний сотового ритейласильно зависит от ситуации на рынке кредитования. Этоотносится как к наличию платежеспособного спроса намобильные аппараты, так и к возможностям дилераобеспечить закупку и поставку широкого ассортиментаоборудования. С наступлением финансового кризиса, содной стороны, упал спрос, а с другой – ритейлеры ста-ли испытывать значительные трудности по расчетам скредиторами и поставщиками оборудования. Под угро-зой банкротств компании были вынуждены начать поискстратегических инвесторов. В первую очередь ими мог-ли бы выступить операторы сотовой связи, которыхдавно волновал вопрос улучшения контроля продажсвоих услуг и возможность экономии на комиссионных

АУДИТ И ФИНАНСОВЫЙ АНАЛИЗ 3’2009

4

отчислениях дилерам. Начиная с лета 2008 г. передоператорами «большой тройки» встал вопрос об инве-стиционной привлекательности приобретения доли вкомпаниях сотового ритейла (табл. 2).

Таблица 2

ПРОЦЕСС ПОКУПОК ОПЕРАТОРАМИ КОМПАНИЙСОТОВОГО РИТЕЙЛА

%Ком-

панияДолярынка

Процесс приобретения компаний сотовогоритейла операторами «большой тройки»

«Евро-сеть» 35

Весна-осень 2008 г. – переговоры о покупке сМТС и «Вымпелкомом».Октябрь 2008 – продажа компании А. Мамуту,после чего 49,9% акций компании перепрода-ется «Вымпелкому»

«Связ-ной» 15

Осень 2008 г. Переговоры о продаже компанииВТБ, декабрь 2008 г. – контракт с МТС о взаимо-действии в развитии монобрендовой сети МТС

«Цифро-град» 10

Осень 2008 г. Переговоры о покупке компании«Связным», январь-февраль 2009 – борьбамежду МТС и «Мегафон» за покупку компании

«Дик-сис» 7

Осень 2008 г. Переговоры о покупке компании«Мегафоном», январь-февраль 2009 г. – ком-пания на грани банкротства

«Бета-линк» 5 Осень 2008 г. Компания становится эксклюзив-

ным дилером МТС по модели франчайзингаМодель рынка сотовой связи, построенная автором,

использовалась в качестве системы поддержки приня-тия решения о целесообразности приобретения ком-пании-дилера в зависимости от ее рыночных позицийи финансовых условий сделки. Целями моделирова-ния являлось:· смоделировать влияние рекомендаций дилера на выбор

абонентом оператора и тарифа на основе проведенныхопросов пользователей сотовой связи;

· оценить перераспределение потоков абонентов междусалонами сотовой связи в случае, когда часть их стано-вится эксклюзивными, то есть продающими контрактытолько одного оператора;

· оценить финансовый результат приобретения в зависи-мости от рыночной доли ритейлера;

· сравнить два варианта деятельности ритейлера, подкон-трольного оператору: его трансформацию в сеть эксклю-зивных салонов и обеспечение конкурентных преиму-ществ оператору-акционеру повышением доли продажего контрактов при помощи рекомендаций абонентам.

При данной постановке задачи структура моделитрансформировалась следующим образом: моделиро-вался поток абонентов в салоны дилеров независимоот причины смены оператора. Объем входящего пото-ка в салоны дилера при сценарии мультибрендовойсети зависел от его рыночной доли, а выбор агентаопределялся по формуле:Изначальное_отношение_к_оператору ++ Рекомендация_дилера * Восприимчивость_агента.

Данные параметры верифицировались по условнойшкале так, чтобы доля продаж оператора в салонах ис-следуемого дилера соответствовала реальным данным.Например, из практики известно, какую долю продажимеет каждый из операторов «большой тройки» в слу-чае, когда комиссии компаний приблизительно одинако-вы, дилер независим и потому «беспристрастен» в ре-комендациях. В то же время известно, что доля опера-тора в продажах, равная 50-55%, соответствует случаю,когда дилер целенаправленно «продвигает» его услуги.Относительно этого значения верифицировался сцена-рий, когда дилер подконтролен оператору.

С помощью проведенного маркетингового исследо-вания было экспертно оценено перераспределениепотока абонентов между точками продаж при транс-формации салонов ритейлера из мультибрендовой вмонобрендовую сеть. Для этого сценария в диаграммесостояний агента (см. рис. 5) появилось дополнитель-ное состояние «4», когда абонент, попав в монобрен-довый магазин, не делает в нем окончательный выбор,а с определенной вероятностью уходит в другой са-лон. Соответствующее значение вероятности быловерифицировано на основе данных исследования.

В данной модели можно ограничиться такими атри-бутами агента как его среднемесячное ARPU, срок ис-пользования им услуг нынешнего оператора и вероят-ность его смены за единицу времени. Таким образомбыли учтены выявленные на реальных данных зави-симости:· ARPU – вероятность уйти в отток (низкодоходные або-

ненты чаще меняют оператора),· ARPU – срок пользования услугами оператора (чем

«старше» абонент, тем в среднем он больше тратит) исрок пользования – вероятность уйти в отток (чем «моло-же» абонент, тем она выше).

Как и для базовой модели, атрибуты всех агентовбыли первоначально инициализированы значениями,полученными по данным абонентов «Вымпелком». За-тем происходила корректировка с учетом доступныхофициальных данных по агрегированным значениямдругих операторов (ARPU, коэффициенты оттока).

В ходе симуляций каждый агент с определенной часто-той менял оператора сотовой связи, посещая дилерскиесалоны. На выходе из модели накапливалась статистикао динамике выручки и продаж каждого из операторов взависимости от рыночной доли и сценария функциони-рования исследуемого дилера (моно или мультибрендо-вые салоны). Подставляя данные по выручке и продажамв расчетную DCF-модель, удалось оценить NPV проектапо приобретению доли в компании-ритейлере. Получен-ный результат использовался в качестве поддержки при-нятия данного инвестиционного решения.

АНАЛИЗ ЧУВСТВИТЕЛЬНОСТИ УМОДЕЛИ

Одним из наиболее важных этапов в имитационноммоделировании является анализ чувствительности мо-дели к значениям параметров на входе. В данной моделианализ чувствительности применялся по отношению косновной величине, определяющей результаты модели-рования. В анализе инвестиционной привлекательностипокупки компании-дилера этой величиной выступал NPVпроекта; при моделировании рыночной конкуренции –индекс концентрации Херфиндаля-Хиршмана.

БИЗНЕС-ИГРАОдним из дополнительных применений описываемой

модели стала разработка на ее основе сетевой биз-нес-игры для развития навыков стратегического ана-лиза и планирования. В ней участвует три-четыре ко-манды, каждая из которых управляет деятельностьюодного из операторов сотовой связи на моделируемомрынке. При помощи базы данных MSSQL осуществля-ется взаимодействие между моделью и web-интер-фейсом (рис. 7), с помощью которого участники видятпромежуточные этапы моделирования и вводят новые

Красносельский А.В. ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ РЫНКА СОТОВОЙ СВЯЗИ

5

данные. Действия игроков заключаются в следующем:в создании и изменении тарифов (в соответствие с ихупрощенной структурой на рис. 8), в управлении инве-стициями в рекламу и строительство сети.

Рис. 7. Интерфейс бизнес-игры:окно с графиками выходных данных

Рис. 8. Интерфейс бизнес-игры: окнодля ввода новых тарифов

После очередного этапа симуляции в базу данных измодели записываются ключевые агрегированные пока-затели операторов (выручка, ARPU, MOU, размер або-нентской базы, доля рынка и другие), участники анали-зируют изменения рыночной ситуации и финансовыхпоказателей и при желании меняют управляемые пара-метры. Загрузив новые данные из базы данных, модельобновляет значения соответствующих внутренних пока-зателей и производит очередной этап симуляции. Дан-ная игра имитирует конкурентную борьбу на рынке со-товой связи и успешно применяется в качестве обу-чающего средства в компании «Вымпелком».

ПРЕПЯТСТВИЯ ДЛЯ БОЛЕЕШИРОКОГО ИСПОЛЬЗОВАНИЯ СППР

Разработка и использование модели рынка сотовойсвязи подтвердили эффективность применения агент-ного имитационного моделирования для создания сис-тем поддержки принятия решений в бизнесе. Безуслов-но, существенными барьерами по-прежнему остаютсянедостаток статистики на уровне характеристик инди-видуальных объектов в большинстве отраслей эконо-

мики. При создании данной модели, несмотря на боль-шое количество доступной статистики по рынку сотовойсвязи, приходилось проводить дополнительные иссле-дования для инициализации некоторых атрибутов аген-тов. Эта возможность присутствует далеко не у всехкомпаний, и, тем более, индивидуальных исследовате-лей. Однако при неизбежном, все более широком при-менении информационных систем и хранилищ данных вразличных отраслях экономики и сферах бизнеса этотбарьер будет становиться менее существенным. Иможно ожидать, что взаимодействие научного и бизнессообществ по применению имитационного моделирова-ния для практических нужд будет активизироваться.

Литература1. Бабаджанян Г.Х. Проблемы клиентской базы в сотовых теле-

коммуникационных компаниях и пути их разрешения [Текст] /Г.Х. Бабаджанян // Проблемы современной экономики. –2002. – №3/4. – С. 141-143.

2. Борщёв А. От системной динамики и традиционного ИМ –к практическим агентным моделям: причины, технология,инструменты [Электронный ресурс]. URL: http://www.gpss.ru/ paper/borshevarc.pdf.

3. Красносельский А. Уровень цен и конкуренции на рынке со-товой связи в регионах РФ [Текст] / А. Красносельский // Рос-сийское предпринимательство. – 2009. – №1. – С. 89-93.

4. Вonabeau E. Agent-based Modeling: Methods and Tech-niques for Simulating Human Systems. // Proceedings of theNational Academy of Sciences of the United States of Amer-ica, 1999(suppl.3), p.7280-7287.

5. General software and toolkits. Agent-Based Computational Eco-nomics (ACE) and Complex Adaptive Systems (CAS). [Элек-тронный ресурс] URL: http://www.econ.iastate.edu/tesfatsi/ace-code.htm

6. Modeling the Growth of 2G Mobile Services: An Agent BasedApproach. [Электронный ресурс] URL: http://www.ee.ucl.ac.uk/lcs/papers2002/LCS059.pdf

7. Jager W., Janssen M.A., De Vries H.J.M., De Greef J., VlekC.A.J. Behaviour in commons dilemmas: Homo Economicusand Homo Psychologicus in an ecological-economic model. //Ecological Economics, 2000, vol. 35, p. 357-80.

Ключевые словаИмитационное моделирование; агентный подход; модели-

рование потребительских рынков; системы поддержки приня-тия решений; рынок сотовой связи.

Красносельский Алексей Валерьевич

РЕЦЕНЗИЯАктуальность темы обусловлена существующей потребностью ряда от-

раслей российской экономики в эффективных средствах поддержки приня-тия решений. Особенно значимой эта проблема становится для тех видовбизнеса, где, с одной стороны, существует необходимая статистическаяинформация для разработки предиктивных моделей, а с другой стороны –рынок настолько сложен и децентрализован, что решения, основанные наинтуиции и экспертном мнении менеджмента, часто оказываются неверны-ми. В полной мере это относится к рынку сотовой связи, рассматриваемомув статье. Следует подчеркнуть, что применение подобных моделей, постро-енных на обширных статистических данных, становится особенно актуаль-ным в период финансово-экономических кризисов, когда цена управленче-ских ошибок менеджмента существенно возрастает.

Научная новизна и практическая значимость. В статье описывается ими-тационная агентная модель рынка сотовой связи, разработанная автором.Применение агентного подхода интересно тем, что позволяет моделиро-вать рынок на низком уровне абстракции, учитывая особенности индивиду-ального спроса и потребления услуг абонентами сотовой связи. Верифика-ция модели на реальных данных, проделанная автором, доказывает прак-тическую значимость модели. Подтверждением этому служат приводимые вработе примеры использования модели в компании Вымпелком.

Рецензируемая статья отвечает требованиям, предъявляемым к научнымпубликациям, и рекомендуется к опубликованию.

Черемных Ю.Н., д.э.н., профессор Экономического факультета Москов-ского государственного университета им. М.В. Ломоносова

АУДИТ И ФИНАНСОВЫЙ АНАЛИЗ 3’2009

6

9.5. IMITATION MODELING OFCELLULAR MARKET

A.V. Krasnoselskiy, Postgraduate-studentDepartment of Economics

Moscow State University

This issue is devoted to simulation agent model of cellu-lar market created by the author. In the beginning part ofthe issue simulation modeling is described as one of pos-sible means for construction of decision support systemsin business. Further on main peculiarities of cellular mar-ket are stated and the choice of agent approach for itsmodeling is substantiated. The main part of the issue isthe description of the model itself. The main steps of itsdevelopment are also depicted briefly: creation of theagents, formalization of their attributes and the logics oftheir behaviour, ranging of agents number, initializationand verification of parameters. Investment project of ac-quisition of cellular retail companies by mobile operators isdescribed to give an example of application of the modelin real business projects. Also there is mention of educa-tional business game which was developed on the basis ofthe model.

This issue may be useful both for cellular market re-searchers and for all specialists engaged in simulationmodeling.

Literature1. G. Babadganyan. The problems of subscriber base in cellular

telecommunication companies and the means to solve them. //Problems of modern economics. – 2002. №3/4. – p. 141-143.

2. E. Вonabeau. Agent-based Modeling: Methods and Tech-niques for Simulating Human Systems. // Proceedings of theNational Academy of Sciences of the United States of Amer-ica, 1999(suppl.3), p. 7280-7287.

3. A. Borshchev. From System Dynamics and Discrete Event toPractical Agent Based Modeling: Reasons, Techniques,Tools. [Electronic source] URL: http://www.gpss.ru/paper/bor-shevarc.pdf

4. General software and toolkits. Agent-Based ComputationalEconomics (ACE) and Complex Adaptive Systems (CAS).[Electronic source] URL: http://www.econ.iastate.edu/tesfatsi/acecode.htm

5. W. Jager, M.A. Janssen, H.J.M. De Vries, J. De Greef, C.A.J.Vlek. Behaviour in commons dilemmas: Homo Economicusand Homo Psychologicus in an ecological-economic model. //Ecological Economics, 2000, vol. 35, p. 357-80.

6. A. Krasnoselskiy. Price and competition level on cellular marketin Russian regions. // Russian enterprise, №1/2009, p. 89-93.

7. Modeling the Growth of 2G Mobile Services: An Agent BasedApproach. [Electronic source] URL: http://www.ee.ucl.ac.uk/lcs/papers2002/LCS059.pdf

KeywordsSimulation modeling; agent approach; modeling of con-

sumer markets; decision support systems; cellular market.

9.6. MEANING, CONTENT ANDMETHODS OF EVALUATION OF

THE RUSSIAN FEDERATIONPГOCESS PLANTS

COMPETITIVENESS UNDER THECONDITIONS OF MARKET

RELATIONS DEVELOPMENTV.N. Kruglov, Candidate of Sciences (Economic), Docentof Chair of Finances and Credit in Educational Consortium

Central Russia University, (Institute of Management,Business and Technologies);

M.V. Yakunina, Professor of Kaluga Branch of MoscowHumanities and Economics Institute

The authors of the article pгoceed fгom the premise thatthe notion «competitiveness» acquires a new, uniquelyactual meaning in the context of economic globalization.The article comprises the analyses of different scientificappгoaches to this important constituent of the domesticeconomy with respect to the activity of pгocess plants inagгo-industrial sector.

According to the researchers of this pгoblem the advan-tage of Russia lies in the largeness of market andimpгoving data of macгoeconomic stability (it is partiallydue to the recent influence of the petгol price rises). How-ever, in order to perfect competitive data, Russia has toovercome a number of barriers, including those on theway of increasing contгol over competitiveness of pгoductspгoduced on its territory.

The authors offer a new structure of competitivenessevaluative indices on the basis of complex rethinking ofthe earlier existing concept. The article comprises themonitoring of activity of Kaluga region pгocess plants interms of their opportunity to develop in this direction.

Literature1. M.I. Bakanov, A.D. Sheremet. Economic analyses theory:

Educational book / M.I. Bakanov, A.D. Sheremet – M.: Fi-nances and statistics, 2005. – 284 p.

2. V.A. Bykov. Pгoduct competitiveness: scientific basis, meth-ods of evaluation, management/V.A.Bykov. - M.: Scientificbook, 2003. – 94 p.

3. Golubkov E.P. Marketing research: theory and practice,methodology / E.P. Golubkov. – M.: Publishing house «Fin-press», 1998. – 416 p.

4. Kirtsner I. Competition and business / I. Kirtsner. – M. :UNITY-DANA, 2001. – 345 p.

5. M.I. Knysh. Competitive strategies: educational book/M.I.Knysh. – Saint Petersburg, 2002. – 285 p.

6. V.V. Kruglov. Competitiveness: educational book/ V.V.Kruglov. – M. : Pгospect, 2004. - 296 p.

7. A.N. Litvinenko. Basic principles in evaluation of industrialpгoducts competitiveness : annex to BIKI №12, 1984/A.N. Lit-vinenko. – M.:1984. – 110 p.

8. S.S. Magomedov. Goods competitiveness: educationalbook/Sh.Sh. Magomedov. – M.: Dashkov & Co, 2003. – 45 p.

9. I.I. Mazur. Quality contгol: educational book/I.I Mazur. – M.:Higher School, 2003. – 399 p.

10. S.V. Mambetshaev. Basics of enterprises competitiveness/S.V.Mambetshaev. – M.: Publishing house of MSTU named afterN.E. Bauman, 2001. – 312 p.