Методы, основанные на использовании микроимитационных моделей, настолько хорошо применимы к решению задач прогнозирования финансово экономического состояния предприятий, что заслуживают отдельного рассмотрения. Такие модели значительно эффективнее обычных графических моделей (price patterns), которые проявляют предсказательную способность на одномерных данных с высокой однородностью и позволяют выявить ситуации продолжения и смены тенденций.
Микроимитационные модели относятся к группе аналитических вычислительных моделей, которые могут оперировать с отчетными данными по предприятиям (данными микроуровня). Модели этого класса получили в последнее время широкое распространение в качестве инструмента анализа возможных последствий решений по управлению предприятиями. Растущая популярность этих моделей наблюдается не только в развитых странах, но и во всем мире. В ряде случаев они являются лучшим средством для анализа возможных последствий управленческих решений. Эти модели позволяют оценивать не только суммарный экономический эффект в результате принятия того или иного управленческого решения, но и то, как изменятся отдельные финансовые параметры предприятия-эмитента. С помощью этих моделей можно рассчитать ожидаемые дивиденды и показать, какой будет доходность для акционеров при разных вариантах управленческих решений.
В частности, микроимитационные модели также позволяют:
получить оценки ожидаемых недивидендных доходов от предприятия государством;
примерно оценить «недобор» доходов от предприятия;
будучи дополненными макроэкономической моделью и обратными связями между предприятием и экономикой, дают возможность анализировать влияние внешних факторов на предприятие.
Возможность проведения перечисленных выше типов исследований делает микроимитационные модели незаменимым инструментом для подготовки управленческих решений крупных акционеров.
Использование микроимитационных моделей предъявляет высокие требования к информационному обеспечению. Поэтому в России они пока не получили широкого распространения. В значительной мере это объясняется высокими требованиями микроимитационного моделирования к качеству и количеству исходных данных, которые для отечественных эмитентов собрать достаточно сложно. Именно поэтому в настоящее время для решения задач прогнозирования следует отдать предпочтение алгоритмам АНС, менее критичным к качеству исходных данных. Однако по мере того, как растет информационная прозрачность эмитентов, и данные о предприятиях становятся более доступными, а также по мере развития компьютеризации, эффективное использование подобных моделей в России может стать более реальной задачей.
