Economic entity investment efficiency method under conditions of uncertainty, taking into account the time factor
Keywords:
sets, fuzzy set theory, fuzzy sets, arithmetic operations, fuzzy relations, binary relations, fuzzy Boolean variable method, linguistic variable, trapezoidal fuzzy numbers, investment efficiency, business entityAbstract
Introduction. In modern currently uncertain world, investments should be viewed through the prism of time factors, such as the time value of money, inflation, changes in the market environment and strategic goals. Understanding the time dynamics of investments helps investors make more substantiated financial decisions, optimize their strategy and minimize risks. The uncertainty factor in investing is one of the key aspects affecting investment decisions. Uncertainty can arise from various sources and have a significant impact on the profitability and risk of investments. Assessing the investment efficiency of an economic entity in uncertain conditions requires an integrated approach that will take into account various factors, including economic risks, time horizons and the dynamics of changes in the external environment. In this case, it is necessary to develop a methodology for a comprehensive assessment of investment attractiveness.
Materials and methods. The theoretical and methodological basis of the study was the scientific literature, as well as scientific publications on management issues and methods of assessing the investment activities of an economic entity, scientific and practical articles on a comprehensive assessment of investment activities. An analysis of methods for modeling investment efficiency under uncertainty period by foreign authors (Wilson R., Watkins J.J., Xo'jamurodov A., Esanboyev F., Abidxadjaev U., Karimov M., Davletov F.) and domestic authors (Shorikov A.F., Butsenko E.V., Higgins R.S., Reimers M., Burkal'tseva D.D., Guk O.A., Filatova O.V., Bondar A.P.) was carried out. Such methods as scenario analysis, the Monte Carlo method, and fuzzy-set control methods were analyzed.
Results. As a result of the analysis of investment activity assessment methods, it was concluded that the combined use of scenario analysis, the Monte Carlo method and the theory of fuzzy sets will allow an economic entity to give a comprehensive idea of possible investment results. These methods will allow taking into account uncertainties, assessing risks and making more informed decisions in a dynamic and complex market. The integration of these approaches can improve the accuracy of investment efficiency assessment and increase the chances of successful investment management. The paper defines the criteria for assessing the level of investment potential, and develops a methodology for assessing the investment efficiency of an economic entity based on the method of the prototype of a fuzzy set with a binary relation and the method of fuzzy Boolean variables.
Discussion. The article may be useful for financial analysts, project managers, strategic planners, banks and credit institutions, stakeholders, government agencies, and consulting companies that provide advice to their clients on investment and risk management. The proposed methodology will help all stakeholders make more informed decisions, minimize risks, and optimize the resources used.
Downloads
References
[1] Xo’jamurodov A., Esanboyev F. Vaqt Va Samaradorlikni
Baholash Asosida Investitsiya Loyihalarini Boshqarish.
Iqtisodiy Taraqqiyot va Tahlil. 2024. Т. 2. № 9. С. 209–216.
DOI 10.60078/2992-877X-2024-vol2-iss9-pp209-216.
EDN WHACNO.
[2] Abidxadjaev U., Karimov M., Davletov F. Davlat mablag‘lari
ishtirokidagi investitsiya loyihalarini baholash bo‘yicha
qo‘llanma. Makroiqtisodiy va hududiy tadqiqotlar instituti
(MHTI). 2023. T. 72 bet.
[3] Шориков А. Ф. Сетевое моделирование оптимизации процессов инвестиционного проектирования
при наличии нескольких технологий // Вестник
УрФУ. Серия: Экономика и управление. 2016. № 6.
С. 926–943. DOI 10.15826/vestnik. 2016.15.6.046.
EDN XHYAVJ.
[4] Буркальцева Д. Д., Гук О. А., Филатова О. В., Бондарь А. П. Направления развития менеджмента инвестиций // Экономика и менеджмент в условиях
нелинейной динамики. СПб.: Санкт-Петербургский политех. университет Петра Великого, 2017. С. 615–664.
DOI 10.18720/IEP/2017.2/25. EDN YKIFGB.
[5] Шориков А. Ф., Буценко Е. В. Прогнозирование и оптимизация результата управления инвестиционным
проектированием. М.: Ленанд, 2017. 272 с. ISBN 978-
5-9710-4771-1. EDN ZESLOH.
[6] Шориков А. Ф., Буценко Е. В. Экспертная система
инвестиционного проектирования // Прикладная информатика. 2013. № 5 (47). С. 96–103. EDN RWLBSZ.
[7] Зулкорнеева П. Р., Гайфуллина Ф. Ш. Оценка экономической эффективности проекта с помощью метода
Монте-Карло // Меридиан. 2020. № 8 (42). С. 450–
452. EDN EERQIX.
[8] Ухоботов В. И., Михайлова Е. С. Об одном подходе к
сравнению нечетких чисел в задачах принятия решений // Вестник Южно-Уральского государственного
университета. Серия Математика. Механика. Физика.
2015. Т. 7, выпуск 1. С. 32–37. EDN TGEQZT.
[9] Назаров Д. М. Нечеткая модель управления скоростью оборотного капитала как имплицитный фактор
экономики / XIX Международная конференция по мягким вычислениям и измерениям (SCM’2016). 2016.
Т. 2. С. 302–304. EDN WWYQTB.
[10] Протас Н. Г., Чернышева Я. Д. Оценка риск-профиля
инвестора с целью формирования инвестиционного портфеля / Интеллектуальный потенциал Сибири: 31-я Региональная научная студенческая конференция: материалы конференции. Новосибирск,
22–26 мая 2023 года. Новосибирск : Новосибирский государственный технический университет,
2023. С. 386–390. EDN XPMNME.
[11] Медынская М. К. Теория нечетких множеств. понятие нечеткого множества / XVIII Международная
конференция по мягким вычислениям и измерениям
(SCM’2015). 2015. Т. 1. С. 46–48. EDN TVZKGX.
[12] Киселева И. А., Гаспарян М. С., Карманов М. В., Кузнецов В. И. Методы оценки рисков и принятия решений в
инвестиционных проектах в условиях экономической
нестабильности // Журнал управления и технологий.
2023. № 1 (23). С. 57–68. EDN TMUNXK.
[13] Мищенко А. В., Перцева М. А.Оптимизационные модели управления инвестициями при создании нового
предприятия с учетом неопределенности и риска //
Экономический анализ: теория и практика. 2012.
№ 47 (302). С. 34–48. EDN PJQQAD.
[14] Пожарская Г. И., Молодецкая С. Ф. Исследование инвестиционных рисков стартап-проекта методом нечеткого моделирования // Вопросы управления. 2018.
№ 6 (55). С. 91–97. EDN YUNOAH.
[15] Споров Д. С. Принципы оценки эффективности
инвестиционного проекта и учет рисков при при
оценке эффективности // Молодой ученый. 2024.
№ 48 (547). С. 114–116. EDN SEHEHE.
[16] Кондратьева В. С., Конышева Е. В. Инвестиции и инвестиционная деятельность: роль, оценка и минимизация рисков // Молодежная наука в XXI веке: традиции,
инновации, векторы развития : материалы VII Международной научно-исследовательской конференции,
Оренбург, 25–26 апреля 2024 года. Оренбург: Приволжский государственный университет путей сообщения, 2024. С. 410–413. EDN HVSFWR.
[17] Фот Н. П. Применение методов нечеткой логики при
оценке // Законодательная и прикладная метрология.
2022. № 6 (180). С. 20–24. EDN VWGTQC.
[18] Гарифуллина С. Р., Хабибрахманов Б. И. Функции принадлежности нечетких множеств и их применение в экономико-математическом моделировании // Математические методы и модели в исследовании государственных
и корпоративных финансов и финансовых рынков : сборник материалов Всероссийской научно-практической
конференции, Уфа, 10–11 декабря 2015 года. Том 2. Уфа :
Аэтерна, 2015. С. 183–189. EDN VBNBEJ.
[19] Гучук В. В. Технологические аспекты формализации
процедуры корректировки экспертной кластеризации объектов // Инновационная наука. 2024. №2-2.
С. 11–13. EDN HFIQTN.
[20] Ухоботов В. И. , Щичко П. В. Об одном подходе к сравнению нечетких чисел // Вестник Южно-Уральского
государственного университета. Серия: Математическое моделирование и программирование. 2011.
№ 37 (254). С. 54–62. EDN OITVCF.
[1] Xo’jamurodov, A., Esanboyev, F. Vaqt (2024) Va
Samaradorlikni Baholash Asosida Investitsiya
Loyihalarini Boshqarish. Iqtisodiy Taraqqiyot va
Tahlil. 2 (9), pp. 209–216. https://doi.org/10.60078/
2992-877X-2024-vol2-iss9-pp209-216. https://www.
elibrary.ru/whacno.
[2] Abidxadjaev, U., Karimov, M., Davletov, F. (2023) Davlat mablag‘lari ishtirokidagi investitsiya loyihalarini baholash bo‘yicha qo‘llanma. Makroiqtisodiy va hududiy
tadqiqotlar instituti (MHTI), no. 72, pp. 102–115.
[3] Shorikov, A. F. (2016) Network modeling of optimization
processes of investment projecting in the presence
of multiple technologies. Vestnik UrFU. Seria: Ekonomika i upravlenie, no. 6, pp. 926–943. https://doi.
org/10.15826/vestnik.2016.15.6.046. https://www.elibrary.ru/xhyavj.
[4] Burkal’ceva, D. D., Guk, O. A., Filatova, O. V., Bondar’, A. P.
(2017) Directions of Investment Management Development. Economics and Management in Nonlinear Dynamics of SPb. St. Petersburg Polytechnic. University of
Peter the Great, pp. 615–664. https://doi.org/10.18720/
IEP/2017.2/25. https://www.elibrary.ru/ykifgb.
[5] Shorikov, A. F., Bucenko, E. V. (2017) Forecasting and
optimization of the result of investment design management. Moscow, Publ. Lenand, 272 p. https://www.
elibrary.ru/zesloh.
[6] Shorikov, A. F., Bucenko, E. V. (2013) Expert system
of investment design. Applied Informatics, no. 5 (47),
pp. 96–103. https://www.elibrary.ru/rwlbsz.
[7] Zulkorneeva, P. R., Gajfullina, F. Sh. (2020) Evaluating the
cost-effectiveness of the project using the Monte Carlo
method. Meridian, no. 8 (42), pp. 450–452. https://www.
elibrary.ru/eerqix.
[8] Uhobotov, V. I., Mihajlova, E. S. (2015) On one approach
to comparing fuzzy numbers in decision-making problems, Bulletin of the South Ural State University Series
“Mathematics. Mechanics. Physics”, no. 7 (1), pp. 32–37.
https://www.elibrary.ru/tgeqzt.
[9] Nazarov, D. M. (2016) Fuzzy Model of Working Capital
Speed Management as an Implicit Factor of Economy. XIX
International Conference on Soft Computing and Measurements (SCM’2016), no. 2, pp. 302–304. https://www.
elibrary.ru/wwyqtb.
[10] Protas, N. G., Chernysheva, Ya. D. (2023) Otsenka
risk-profilya investora s tsel’yu formirovaniya investitsionnogo portfelya. Intellektual’nyy potentsial Sibiri :
31-ya Regional’naya nauchnaya studencheskaya konferentsiya: materialy konferentsii. V 7-mi chastyakh,
Novosibirsk, 22–26 maya 2023 g. Novosibirsk, Publ. Novosibirskiy gosudarstvennyy tekhnicheskiy universitet,
pp. 386–390. https://www.elibrary.ru/xpmnme.
[11] Medynskaja, M. K. (2015) The fuzzy set theory. The concept of a fuzzy set. XVIII International Conference on
Soft Calculations and Measurements (SCM’2015), no. 1,
pp. 46–48. https://www.elibrary.ru/tvzkgx.
[12] Kiseleva, I. A., Gasparyan, M. S. , Karmanov, M. V., Kuznetsov,
V. I. (2023) Metody otsenki riskov i prinyatiya resheniy v razlichnykh proyektakh v usloviyakh ekonomicheskoy nestabil’nosti. Zhurnal upravleniya i tekhnologiy, no. 1 (23),
pp. 57–68. https://www.elibrary.ru/tmunxk.
[13] Mishhenko, A. V., Perceva, M. A. (2012) Optimization
models of investment management when creating a
new enterprise taking into account uncertainty and risk.
Economic analysis: theory and practice, no. 47 (302),
pp. 34–48. https://www.elibrary.ru/pjqqad.
[14] Pozharskaja, G. I., Molodeckaja, S. F. (2018) Investigating the investment risks of a startup project using fuzzy
modeling. Management issues, no. 6 (55), pp. 91–97.
https://www.elibrary.ru/yunoah.
[15] Sporov, D. S. (2024) Printsipy otsenki effektivnosti investitsionnogo proyekta i uchet riskov pri effektivnosti
ekonomiki. Molodoy uchenyy, no. 48 (547), pp. 114–116.
https://www.elibrary.ru/sekhekhe.
[16] Kondrat’yeva, V. S. (2024) Investitsii i investitsionnaya
deyatel’nost’: rol’, tsennost’ i minimizatsiya riskov. Molodezhnaya nauka v XXI veke: traditsii, innovatsii, razvitiye:
materialy VII Mezhdunarodnoy nauchno-issledovatel’skoy
konferentsii, Orenburg, 25–26 aprelya 2024 goda. Orenburg, Publ. Privolzhskiy gosudarstvennyy universitet putey
svyazi, pp. 410–413. https://www.elibrary.ru/hvsfwr.
[17] Fot, N. P. (2022) Primeneniye metodov nechetkoy logiki
pri otritsatel’nom riske. Zakonodatel’naya i prikladnaya
metrologiya, no. 6 (180), pp. 20–24. https://www.elibrary.ru/vrgtkk.
[18] Garifullina, S. R., Habibrahmanov, B. I. (2015) Functions
of belonging of fuzzy sets and their application in economic and mathematical modeling. Mathematical methods and models in the study of public and corporate
finance and financial markets.Collection of materials of
the All-Russian Scientific and Practical Conference, Ufa,
pp. 183–189. https://www.elibrary.ru/vbmkel.
[19] Guchuk, V. V. (2024) Tekhnologicheskiye aspekty formirovaniya protsedur korrektirovki ekspertnoy klasterizatsii ob’yektov. Innovatsionnaya nauka,
no. 2 (2), pp. 11–13. https://www.elibrary.ru/hfiqtn.
[20] Uhobotov, V. I., Shhichko, P. V. (2011) About one approach
to the comparison of fuzzy numbers. Bulletin of South
Ural State University. Series: Mathematical Modeling
and Programming, no. 37 (254), pp. 54–62. https://www.
elibrary.ru/oitvcf.
