- •Экономика
- •Вопрос 1. Собственность как экономическая категория. Формы собственности
- •Вопрос 2. Рынок как форма организации и функционирования экономических отношений хозяйствующих субъектов.
- •Вопрос 3. Конкуренция: понятие, виды конкуренции
- •Вопрос 4. Теория спроса и теория предложения
- •Вопрос 5. Макроэкономические показатели и их измерение
- •Вопрос 6. Экономический цикл и его фазы
- •Вычислительные системы, сети и телекоммуникации
- •Вопрос 7. Классификация эвм по различным признакам: по быстродействию, по месту и роли в компьютерной сети.
- •Вопрос 8. Общие принципы построения современных эвм. Классическая структура эвм Дж. Фон Неймана.
- •Вопрос 9. Функциональная и структурная организация современных эвм. Центральные и периферийные устройства эвм, состав и характеристика.
- •Вопрос 10. Классификация вычислительных сетей по различным признакам. Модель взаимодействия открытых систем: структура, назначение уровней.
- •Вопрос 11. Структура и организация функционирования локальных вычислительных сетей: виды локальных вычислительных сетей, базовые технологии.
- •Вопрос 12. Структура и организация функционирования глобальной сети Интернет: система адресации, протоколы, пользовательские технологии работы.
- •Аппаратура для подключения к глобальной сети:
- •Html документ
- •Информационные системы
- •Вопрос 13. Классификация информационных систем (ис).
- •Вопрос 14. Структура представления информационных процессов на логическом уровне и на физическом уровне.
- •Вопрос 15. Архитектура экономических ис в функциональной части и в обеспечивающей части, их связи с уровнями принятия решений.
- •Вопрос 16. Современные тенденции развития автоматизации производства и управления.
- •Вопрос 17. Системный подход к изучению сложных экономических систем, роль управления и информации при функционировании сложных экономических систем.
- •Базы данных
- •Вопрос 18. Этапы проектирования баз данных. Инфологическое моделирование. Даталогическое моделирование. Физическое проектирование баз данных.
- •Вопрос 19. Язык структурированных запросов sql: история развития языка sql, основные категории команд языка sql, типы данных.
- •Вопрос 20. Проектирование баз данных на основе принципов нормализации: нормальные формы 1нф, 2нф, 3нф.
- •Вопрос 21. Проектирование реляционных баз данных с использованием er-диаграмм: понятия сущность, атрибут, три типа связей и получение реляционной схемы из er-диаграмм.
- •Вопрос 22. Основные понятия реляционной модели данных и их определения. Принципы поддержки целостности в реляционной модели данных.
- •Вопрос 23. Манипулирование данными в реляционной модели: операции объединения, пересечения, соединения, деления, взятия разности и проекции реляционной алгебры.
- •Высокоуровневые методы информатики и программирования
- •Вопрос 24. Сущность объектно-ориентированного подхода к проектированию программного обеспечения. Классы и объекты. Инкапсуляция, наследование и полиморфизм.
- •Вопрос 26. Библиотека mfc: иерархия классов, графический интерфейс, стандартные элементы управления.
- •Иерархия классов mfc
- •Основные классы
- •Стандартные элементы управления
- •Операционные системы, среды и оболочки
- •Вопрос 27. Назначение операционных систем, функциональные компоненты операционных систем.
- •Вопрос 28. Архитектура операционной системы, универсальные подходы к разработке архитектуры.
- •Вопрос 29. Сетевые операционные системы, структура сетевой операционной системы. Требования, предъявляемые к сетевым операционным системам.
- •Вопрос 30. Классификация угроз безопасности информационных систем. Системный подход к обеспечению безопасности. Базовые технологии безопасности.
- •Информационные технологии
- •Вопрос 31. Эволюция информационных технологий (ит), современные ит и их роль в развитии общества.
- •Вопрос 32. Классификация информационных технологий. Особенности каждого класса ит.
- •Вопрос 33. Информационные технологии конечного пользователя. Автоматизированное рабочее место (арм) специалиста: классификация, виды обеспечения арм.
- •Вопрос 34. Пользовательский интерфейс и его виды. Принципы построения пользовательского интерфейса, критерии качества интерфейса.
- •1. Золотое сечение
- •2. Кошелек Миллера
- •Математическая экономика Вопрос 35. Оценивание процентной ставки. Эффективная процентная ставка
- •Наращивание простых процентов
- •Наращивание сложных процентов
- •Номинальная процентная ставка
- •Эффективная процентная ставка
- •Вопрос 36. Кредитные расчеты. Детерменированные постоянные и возрастающие ренты
- •Расходы по обслуживанию долга
- •Наращенная и современная величины ренты
- •Вопрос 37. Модель оптимизации рискового и безрискового портфелей ценных бумаг
- •Модель Марковица минимального риска
- •Портфель Тобина минимального риска
- •Вопрос 38. Симплексный метод решения задач линейного программирования
- •Вопрос 39. Транспортная задача: постановка, составление начального опорного плана, метод решения
- •1.1. Постановка и типы транспортных задач
- •1.2. Методы построения начального опорного решения
- •1.2.1. Метод северо-западного угла
- •1.2.2. Метод минимального элемента (минимальной стоимости)
- •Имитационное моделирование экономических процессов
- •Вопрос 40. Сущность имитационного моделирования. Технологические этапы создания и использования имитационных моделей.
- •Разработка концептуального описания.
- •Формализация имитационной модели.
- •Испытание и исследование модели, проверка модели.
- •Вопрос 42. Имитационное моделирование экономических процессов в виде систем массового обслуживания (смо).
- •Вопрос 43. Методы испытания и исследования свойств имитационных моделей.
- •Теория экономических информационных систем
- •Вопрос 44. Классификация эис
- •Вопрос 45. Модели жизненного цикла экономических информационных систем.
- •Вопрос 46. Предметная область экономической информационной системы.
- •Вопрос 47. Информационные конструкции в экономике (документы, экономические показатели, реквизиты).
- •Проектирование информационных систем
- •48. Общая схема проектирования информационных систем.
- •49. Методы проектирования и этапы создания ис.
- •50. Методология функционального моделирования. Состав функциональной модели, иерархия диаграмм, типы связей между функциями.
- •51. Моделирование потоков данных. Иерархия диаграмм потоков данных. Основные компоненты диаграмм потоков данных.
- •52. Применение объектно-ориентированного подхода к анализу и проектированию ис. Основополагающие принципы объектно-ориентированного подхода. Методология объектно-ориентированного анализа.
- •Интеллектуальные информационные системы
- •Вопрос 53. Нечеткие множества, нечеткие отношения и операции над ними.
- •Вопрос 54. Нечеткий логический вывод: база нечетких правил, введение нечеткости, нечеткая импликация, композиция, приведение к четкости; алгоритм Мамдани.
- •Вопрос 55. Технология Data Mining; стандартные виды выявляемых закономерностей; ключевые компоненты; деревья решений; нейронные сети; генетические алгоритмы.
- •Вопрос 56. Генетические алгоритмы; основные генетические операторы.
- •Вопрос 57. Структура и принцип работы экспертных систем.
- •Сетевая экономика
- •Вопрос 58. Принципы сетевой экономики:
- •Вопрос 59. Основные секторы информационного рынка: информация, информационные ресурсы и средства обработки информации.
- •Вопрос 60. Информационные технологии сетевой экономики: базовые технологии Интернета, технология «клиент-сервер», case-технологии, гис-технологии.
- •Вопрос 61. Цены на информационном рынке и их разновидности.
- •Вопрос 62. Провайдерские фирмы сетевой экономики: организационно-правовые формы, классификация, виды деятельности, организационная структура.
- •Вопрос 63. Общая характеристика и структура электронной коммерции
- •Предметно-ориентированные экономические информационные системы
- •Вопрос 64. Особенности характеристик экономических информационных систем (эис) предприятий и промышленных объединений, их функций и структур.
- •Вопрос 65. Особенности организации автоматизированного решения задач бухгалтерского учета, обобщенная модель автоматизации бухгалтерского учета предприятия.
- •Вопрос 66. Особенности организации автоматизированного решения задач в налоговых службах.
- •Вопрос 67. Организация автоматизированного решения задач в страховых компаниях.
- •Вопрос 68. Организация автоматизированного решения задач в банках и особенности эис обработки банковской информации.
- •Бухгалтерские информационные системы
- •69. Классификация информационных систем бухгалтерского учета по способу построения. Информационные системы бухгалтерского учета для крупных и малых предприятий.
- •70. Организация хранения записей о хозяйственных операциях в информационных системах бухгалтерского учета.
- •71. Отчетность в информационных системах бухгалтерского учета. Завершение отчетного периода и формирование отчетности в информационных системах бухгалтерского учета.
- •72. Система «1с: Предприятие» как совокупность механизмов манипулирования различными типами объектов предметной области.
- •Информационные системы финансового анализа
- •73. Основные принципы и направления автоматизации финансового анализа. Этапы проведения финансового анализа, автоматизация аналитических процедур.
- •74. Анализ платежеспособности организации, ликвидности баланса по абсолютным показателям. Возможности автоматизации анализа платежеспособности организации.
- •75. Реализация решений в области финансового анализа различных российских разработчиков. Сравнительный анализ программных продуктов.
- •76. Прогнозный финансовый анализ. Место и роль финансового анализа в процессе бизнес-планирования.
Испытание и исследование модели, проверка модели.
Проводится верификация модели, оценка адекватности, исследование свойств имитационной модели и другие процедуры комплексного тестирования разработанной модели.
(После того, как имитационная модель реализована на ЭВМ, необходимо провести испытание, проверку достоверности модели. Это является чрезвычайно важным и ответственным моментом в имитационном моделировании. Проверка, выполненная не тщательно, может привести к неизвестным последствиям.
На этапе испытания и исследования разработанной имитационной модели организуется комплексное тестирование модели (testing) – планируемый итеративный процесс, направленный главным образом на поддержку процедур верификации и валидации имитационных моделей и данных).
Планирование и проведение имитационного эксперимента. На данном технологическом этапе осуществляется стратегическое и тактическое планирование имитационного эксперимента. Результатом является составленный и реализованный план эксперимента, заданные условия имитационного прогона для выбранного плана.
Анализ результатов моделирования. Исследователь проводит интерпретацию результатов моделирования и их использование – собственно принятие решений.
(Наиболее употребимыми для целей вычислительного эксперимента аналитическими методами являются методы планирования вычислительного эксперимента, регрессионный и дисперсионный анализ, градиентные и другие методы оптимизации. Очевидно, что организация и проведение эксперимента потребует серьезной аналитической подготовки и корректного применения аналитических методов. Проведенное исследование должно позволить Вам сделать некоторые выводы по полученным результатам, достаточные для принятия решений по обозначенным на ранних этапах проблемам и задачам).
Вопрос 41. Метод Монте-Карло при имитационном моделировании экономических процессов. Метод Монте-Карло - метод статистических испытаний, проводимых с помощью ЭВМ и программ - датчиков псевдослучайных величин. Иногда название этого метода ошибочно применяется в качестве синонима имитационного моделирования.
Согласно методу Монте-Карло проектировщик может моделировать работу тысячи сложных систем, управляющих тысячами разновидностей подобных процессов, и исследовать поведение всей группы, обрабатывая статистические данные. Другой способ применения этого метода заключается в том, чтобы моделировать поведение системы управления на очень большом промежутке модельного времени (несколько лет), причем астрономическое время выполнения моделирующей программы на компьютере может составить доли секунды. Рассмотрим метод Монте-Карло подробнее.
В различных задачах, встречающихся при создании сложных систем, могут использоваться величины, значения которых определяются случайным образом. Примерами таких величин являются:
• случайные моменты времени, в которые поступают заказы на фирму;
• загрузка производственных участков или служб объекта экономики;
• внешние воздействия (требования или изменения законов, платежи по штрафам и др.);
• оплата банковских кредитов;
• поступление средств от заказчиков;
• ошибки измерений.
В качестве соответствующих им переменных могут использоваться число, совокупность чисел, вектор или функция. Одной из разновидностей метода Монте-Карло при численном решении задач, включающих случайные переменные, является метод статистических испытаний, который заключается в моделировании случайных событий.
Метод Монте-Карло основан на статистических испытаниях и по природе своей является экстремальным, может применяться для решения полностью детерминированных задач, таких, как обращение матриц, решение дифференциальных уравнений в частных производных, отыскание экстремумов и численное интегрирование. При вычислениях методом Монте-Карло статистические результаты получаются путем повторяющихся испытаний. Вероятность того, что эти результаты отличаются от истинных не более чем на заданную величину, есть функция количества испытаний.
В основе вычислений по методу Монте-Карло лежит случайный выбор чисел из заданного вероятностного распределения. При практических вычислениях эти числа берут из таблиц или получают путем некоторых операций, результатами которых являются псевдослучайные числа с теми же свойствами, что и числа, получаемые путем случайной выборки. Имеется большое число вычислительных алгоритмов, которые позволяют получить длинные последовательности псевдослучайных чисел.
Один из наиболее простых и эффективных вычислительных методов получения последовательности, равномерно распределенных случайных чисел г1 с помощью, например, калькулятора или любого другого устройства, работающего в десятичной системе счисления, включает только одну операцию умножения.
Метод заключается в следующем: если г1 = 0,0040353607, то r i+1 = {40353607r1}mod1, где mod1 означает операцию извлечения из результата только дробной части после десятичной точки. Как описано в различных литературных источниках, числа гi начинают повторяться после цикла из 50 миллионов чисел, так что r50000001=r1. Последовательность гi получается равномерно распределенной на интервале (0, 1).
Применение метода Монте-Карло может дать существенный эффект при моделировании развития процессов, натурное наблюдение которых нежелательно или невозможно, а другие математические методы применительно к этим процессам либо не разработаны, либо неприемлемы из-за многочисленных оговорок и допущений, которые могут привести к серьезным погрешностям или неправильным выводам. В связи с этим необходимо не только наблюдать развитие процесса в нежелательных направлениях, но и оценивать гипотезы о параметрах нежелательных ситуаций, к которым приведет такое развитие, в том числе и параметрах рисков.
Существуют различные методы проверки статистических гипотез. Наиболее широко используются на практике критерии:
• согласия х2 (хи-квадрат);
• Крамера-фон Мизеса;
• Колмогорова-Смирнова,
Критерий х2 предпочтителен, если объемы выборок N, в отношении которых проводится анализ, велики. Это мощное средство, если N>100 значений. Однако при анализе экономических ситуаций иногда бывает довольно трудно (или невозможно) найти 100 одинаковых процессов, развивающихся с различными исходными данными. Сложность заключается не только в том, что не бывает одинаковых объектов экономики: даже если такие объекты имеются, то к исходным данным относятся не только исходные вероятностные данные и особенности структуры объекта, но и сценарий развития процессов в этом объекте и в тех объектах внешней среды, с которыми он взаимодействует (процессы рынка, указы правительства, принятие новых законов, требования налоговых органов, платежи в бюджеты различных уровней). При относительно малых объемах выборок этот критерий вообще неприменим.
Критерий Крамераг-фон Мизеса дает хорошие результаты при малых объемах выборок (при N< 10). Однако следует отметить два обстоятельства:
1) при N < 10, каким бы методом ни пользоваться, вопрос о доверительной вероятности при проверке статистической гипотезы решается плохо (эта вероятность мала при значительных размерах доверительных интервалов);
2) метод Монте-Карло используется как раз для того, чтобы недостающие данные собрать с помощью специального вычислительного статистического инструментария и компьютера.
Поэтому будем полагать, что реальные объемы выборок, которые можно получить, находятся в пределах 10 ≤N< 100. Как указывают многие исследователи, для указанных пределов хорошие результаты дает критерий Колмогорова-Смирнова. Он применяется в тех случаях, когда проверяемое распределение непрерывно и известны среднее значение и дисперсия проверяемой совокупности.