- Autor
- Bach Irena (Politechnika Koszalińska), Kopczewski Marian (Politechnika Koszalińska)
- Tytuł
- Wykorzystanie danych niepewnych do wspomagania oceny projektu inwestycyjnego przedsiębiorstwa
An Application of Imprecise and/or Incomplete Data to Support Assessment of Optimum Investment Project Choice - Źródło
- Zarządzanie Przedsiębiorstwem / Polskie Towarzystwo Zarządzania Produkcją, 2006, nr 1, s. 2-7, rys., tab., bibliogr. 6 poz.
- Słowa kluczowe
- Finanse przedsiębiorstwa, Analiza ekonomiczna, Projekty inwestycyjne, Metody oceny projektu, Ocena projektu, Ocena efektywności inwestycji, Podejmowanie decyzji inwestycyjnych
Enterprise finance, Economic analysis, Investment project, Method of project evaluation, Project evaluation, Evaluation of investment efficiency, Investment decisions making - Uwagi
- summ.
- Abstrakt
- Dokonywanie wyboru spośród alternatywnych projektów inwestycyjnych jedynie w oparciu o analizę ekonomiczną nie uwzględnia doświadczeń charakteryzujących preferencje inwestorów, informacji charakteryzujących solidność wykonawców, itp. Przedstawione podejście umożliwia obiektywizacje tego typu wyborów. Wykorzystanie wnioskowania rozmytego daje możliwość przełożenia rzeczywistych wymogów precyzowanych lingwistycznie, na wartości mierzalne, które dają bardziej realistyczny obraz spełniania wymagań inwestora przez konkretne projekty inwestycyjne. Jeśli decyzje podejmowane mają być w oparciu o niejednoznaczne dane uzyskane z badań ekonomicznych, to warto jest zminimalizować ryzyko błędnego wyboru poprzez sprawdzenie dodatkowych, nieekonomicznych kryteriów oceny projektu. Reprezentacja danych niepewnych w kategoriach zbiorów rozmytych oraz metod statystycznych umożliwia wykorzystanie technik wnioskowania rozmytego do oceny również i jakościowych charakterystyk realizacji przedsięwzięcia, np. ryzyka związanego z nieterminowym jego ukończeniem. Skonfrontowanie tych ocen z wynikami analizy ekonomicznej pozwala na pełniejszą ocenę dokonywanego wyboru. Proponowane podejście wykorzystania informacji nieprecyzyjnej może wspomóc podejmowanie decyzji, może jednak również zwiększyć ilość wariantów wyboru. Zaletą tej metody jest możliwość uszczegółowienia danych, na podstawie których ma być dokonywany wybór oraz uwzględnienie subiektywnych wymagań inwestora. Słabością może być zaistnienie sytuacji, gdy dodatkowe dane spowodują rozszerzenie, zamiast zawężenia, pola wyboru. Temat ten pozostaje zatem kwestią otwartą. Warto jest jednak zastanowić się nad możliwością wykorzystania dodatkowych, nieekonomicznych narzędzi do wspierania decyzji inwestycyjnych. Wszystkie te procedury mają na celu wspomaganie podejmowania decyzji o wyborze właściwego rozwiązania inwestycyjnego oraz zwiększenie możliwości oceny rentowności projektu inwestycyjnego. (fragment tekstu)
Project driven manufacturing provides a way for rising of enterprise competitiveness. Because of risk associated a project profitability evaluation plays a pivotal role. Due to standard economic approach many different methods such as RoI, IRR, NPV, PPz, can be used in the course of decision making. In general case however any evaluation provided differs for the same project depends on the methods applied. In that context, the imprecise and/or incomplete data can be employed as to support the decision maker. The proposed method is based on fuzzy logic knowledge representation formulae. Illustrative example of optimal project investment selection is provided. In case considered a company is faced with fife alternative projects: A, B, C, D, and E. The money amount, which has been allocated for investment, being in company's disposition is not enough, however to undertake all of them. So, some projects have to be rejected. Therefore, the question considered is how to choose the right projects. To cope with such problem, the standard economic methods based on NPV and IR indices have been applied. Due to the NPV the projects selected were: E, C and B. The projects are listed along the preference order, i.e., NPV(E) > NPV(C) > NPV(B), where NPV(A) - the NPV index value for the project A. In case of IR index, however, the obtained order of projects was the following one: E, B, C, and D. Because of the differences observed, the selection process was continued taking into account some qualitative and imprecise data following from experience of a project investor, credibility of a performer, and so on. So, on the base of fuzzy reasoning the second evaluation has been undertaken. The obtained order of projects consists of: B, D, A and E. Finally, taking into account results of both quantitative and qualitative evaluations the following projects were selected: E, B and D. Moreover, among of the projects A and C (that could be also considered), the only project C not exceeding assumed limits was added to the selected set of projects. The proposed approach to include additional, qualitative and imprecise data in the course of project evaluation provides a chance to make sure about the final decision. In general case, however leads to more sophisticated polioptimal problem of decision making. (original abstract) - Dostępne w
- Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu - Pełny tekst
- Pokaż
- Bibliografia
- Bednarski L., Borowiecki R., Duraj J., Kurtys E., Waśniewski T., Wersty B.: Analiza ekonomiczna przedsiębiorstwa, Wydawnictwo Akademii Ekonomicznej we Wrocławiu, Wrocław 1996.
- Białko M.: Sztuczna inteligencja i elementy hybrydowych systemów ekspertowych, Wyd. Wydawnictwo Uczelniane Politechniki Koszalińskiej, Koszalin 2005.
- Grabski F., Jadźwiński J.: Metody Bayesowskie, WKŁ, Warszawa 2001.
- Krzemińska D.: Finanse Przedsiębiorstw, Wydawnictwo Wyższej Szkoły Bankowej, Toruń 2002.
- Piegat A.: Modelowanie i sterowanie rozmyte, Akademicka Oficyna Wydawnicza EXIT, Warszawa 1999.
- Sangajło R., Stronka D.: Zarządzanie finansami przedsiębiorstw, tom II, Wydawnictwo Wyższej Szkoły Komunikacji i Zarządzania, Poznań 2001.
- Cytowane przez
- ISSN
- 1643-4773
- Język
- pol