Ответы на вопросы

Добрый день уважаемые читатели!

За время существования моего блога накопилось уже достаточно много разнообразных простых и сложных вопросов, затрагивающих тематику блога. Чтобы не повторяться вновь и вновь в ответах на эти вопросы, я посчитал своим долгом отвечать на них здесь, на этой специально созданной странице.

Имеющийся в моём распоряжении объективный материал и личный опыт, позволяет мне не быть голословным.

Также скажу, что благодарен тем, кто проявляет активность, заинтересованность, тратит свое время, умственные силы и высказывается, задает новые вопросы, делает замечания или вносит предложения в рамках тематики блога. Все это мотивирует меня и помогает совершенствовать те научные методы и подходы о которых я здесь пишу и которые применяю на практике.

Что не влияет на срок "жизни" HYIP?

На срок "жизни" HYIP не влияет "приток" новых вкладчиков, если этот "приток" более-менее стабилен. Это явно продемонстрировано здесь и здесь. Приток новых вкладчиков влияет только на заработок администраторов HYIP, вопреки общим заблуждениям.

Я не беру тот крайний случай, когда вкладчиков совсем нет (менее 1 вкладчика в день). Здесь влияние, конечно, есть. Любой проект при таких условиях проработает недолго и сроки "жизни" проекта при моделировании будут очень сильно различаться (будет наблюдаться большая нестабильность в работе такого проекта). Но более-менее стабильный "приток" вкладчиков (1 и более в день) не влияет на срок "жизни" HYIP.

Какие факторы учитываются при моделировании работы HYIP?

С точки зрения моделирования HYIP можно выделить две группы факторов:

  1. Поддающиеся моделированию;
  2. Неподдающиеся моделированию.
К первой группе факторов относятся: срок закрытия HYIP по желанию администраторов, срок закрытия HYIP контролирующими органами, срок закрытия HYIP по причине блокировки счета и т.п. Эти факторы учесть невозможно.Ко второй группе относятся такие факторы, как проценты по депозиту вклада, возвратные или нет вклады, выбранный вкладчиком тариф, количество вкладчиков в день и т.п. Эти факторы моделируются случайными функциями.

Когда имитационное моделирование работы HYIP оправдано?

1.Мы анализируем вновь стартовавший проект. Смотрим, если по результатам моделирования потенциальный срок закрытия проекта больше, чем срок возврата депозита по выбранному нами тарифу, начиная с текущей даты, или больше чем срок окупаемости депозита, начиная с текущей даты, - значит сегодня есть ещё один положительный аргумент для вложений средств в проект среди прочих (которые каждый для себя определяет сам).

2. Мы анализируем какое-то время уже работающий проект. Если по результатам моделирования потенциальный срок закрытия проекта больше, чем срок возврата депозита по выбранному нами тарифу, начиная с текущей даты, или больше чем срок окупаемости депозита, начиная с текущей даты, - есть также положительный аргумент для вложений. Если меньше - лучше не вкладывать. А вот если фактический срок работы проекта дольше максимального рассчитанного срока "жизни" проекта - значит в проект поступают каким-то образом дополнительные финансовые средства (не вкладчиков, а, например, проектов-доноров!).  Тогда, конечно, не понятно сколько вообще такой проект ещё будет работать. Моделирование здесь не поможет в принятии решения. Тут решение нужно принимать по каким-то другим аргументам и фактам....

Не лучше ли просчитывать модели идеальных HYIP?

Модели HYIP - это уже идеализированные объекты. Результаты отвечают на вопрос: сколько может прожить проект с учетом примерного поведения вкладчиков и приблизительно стабильного притока, обеспечивающего выплаты до тех пор, пока есть свободные средства в проекте?

Ещё раз. В чем отличие от реального? Исходные данные по тарифам, их срокам, размерам вкладов, возвратные вклады или нет у нас всегда есть. Эти данные реальны и неизменны. А вот количество вкладчиков в день, какой вклад каждый из них выберет и на какую сумму - это величины случайные. И, конечно, у них есть среднее значение и функции распределения вероятностей. Какое распределение вероятностей значений для каждой случайной величины мы выберем - такая "идеализация" у нас и будет.

Не кажется ли Вам подход к моделированию HYIP псевдонаучным, так как не учитывает множество факторов?

Имитационное моделирование - это вполне обоснованный научный метод моделирования реальных систем с множеством изменяющихся значений параметров в условиях неопределённости (когда у нас априори недостаток исходных данных и множество неизученных взаимосвязей). Как раз в таких случаях применяются стохастические, а не детерминированные функции и методы. А многократное повторение результатов на выходе модели с использованием случайных значений параметров в заданных диапазонах позволяет судить о каком-то среднем значении того, что мы исследуем (например о времени "жизни" проекта). "Приток" финансовых средств - как и "отток" - зависит от многих причин. Это правда. Влияние этих причин разное. Но причин множество! Такая случайная величина, исходя их предпосылок центральной предельной теоремы имеет определённое распределение, очень часто нормальное, либо приближённо нормальное. То есть срок "жизни" проекта - эта должна быть случайная величина, которая распределена по нормальному закону. Потому в предлагаемой мной модели и используются генераторы псевдослучайных чисел. Правда распределения значений параметров выбраны ненормальными, а исходя из соображений, что я описал здесь. Результат же на выходе модели подчиняется нормальному закону распределения, что косвенно свидетельствует о корректности метода.

Стоит ли проводить моделирование работы HYIP, если и без того "вход" в проект на самый короткий срок - априори выигрышная стратегия?

Не во все проекты стоит "входить" на самый короткий срок. То есть в некоторые вообще "входить" не нужно. Так как этот "короткий срок" может быть больше потенциального срока закрытия проекта. Желательно его предварительно оценить и учесть.

Учитываются ли при моделировании HYIP такие факторы, как а) затраты на создание проекта; б) затраты на рекламную кампанию; в) намерения администраторов?

а) Затраты на создание проекта были сделаны до создания проекта. Следовательно, чтобы их окупить, тем более выгоднее закрыть проект в точке наибольшего объёма свободных средств. Так что косвенно учитываются.

б) Затраты на рекламную компанию... На что они влияют? Только на количество свободных вкладчиков в день и на величину «притока» новых финансовых средств в проект. Как показали эксперименты, количество вкладчиков в день не влияет на срок жизни проекта. А вот на доходы администрации проекта напрямую. Поэтому этот фактор учитывать нет смысла, исходя из поставленной цели. А цель эта - оценить срок "жизни" проекта, а не заработок администрации проекта.

в) Про намерения администраторов уже писал ранее. Конечно, проект может быть сегодня открыт - завтра закрыт. Без каких-то "условностей" модель здесь не создать. Но тогда и вкладывать в проект тоже бессмысленно... это будет просто рулетка. Тем не менее, люди вкладывают и надеются получить прибыль. Один из вариантов который им может помочь - это какие-то объективные ориентиры на какой срок делать вклады. Здесь приходит на помощь имитационное моделирование, пусть и с рядом допущений (в том числе про намерения администрации сайта), но вполне логичных.

Имеет ли смысл моделировать работу HYIP, если все зависит от администраторов HYIP?

Я совершенно согласен с тем утверждением, что закрыть проект администраторы могут в любой момент времени. Это событие нельзя спрогнозировать. Однако можно предположить (и мне эта мысль кажется вполне логичной), что администратор, вероятнее всего, закроет проект тогда, когда в проекте будет находится максимальное количество свободных финансовых средств. Ведь нужно, чтобы затраты на создание проекта окупились, затраты на рекламу проекта окупились, да ещё и осталось что-то для себя... Но когда наступит это событие? Здесь и приходит на помощь математическое моделирование и результаты этого моделирования. Как инструмент. Как показатель "потенциала" проекта. Как ориентир, помогающий оценить проект и принять инвестиционное решение. И в этом есть смысл и польза.

 

Насколько соответствуют математические модели HYIP реальным HYIP?

Безусловно, чтобы что-то смоделировать необходима некоторая степень идеализации или абстракции. Математика - это язык описания идеального мира. Ну, нет в реальном мире параллельных прямых или окружностей таких, как в математике... поэтому, безусловно, и при моделировании HYIP эта идеализация присутствует. Присутствует она, во-первых, в самой природе математики, а, во-вторых, в случайности факторов. Если быть конкретным, то при построении математической модели используются такие допущения:

Допущение №1: тарифы с большими суммами будут выбираться в модели реже, чем с меньшими по принципу: «богатых» меньше чем «бедных».

Допущение №2: как только по процентным начислениям накопилась минимальная сумма средств для вывода — вкладчик выводит её (в модели «происходят» выплаты) по принципу: завтра может быть уже поздно.

Допущение №3: на протяжении всего срока «жизни» HYIP количество новых вкладчиков в день величина случайная. Она сохраняет свои статистические характеристики (функцию распределения) на протяжении всего срока «жизни» HYIP.

Допущение №4: вероятность выбора вкладчиком «внутри» выбранного им тарифа меньшей суммы больше, нежели большей суммы.

Допущение №5: администратор закроет проект в тот момент, когда для администратора наступит время извлечь максимальную прибыль.

Подробности – здесь.

Именно в этих допущениях состоит идеализация и отличие модели от реального проекта. В реальном проекте эти допущения могут не выполнятся.

Что такое статистическое имитационное моделирование HYIP?

Моделирование – это создание математической модели какого-то реального объекта для изучения его свойств. В нашем случае – это модель HYIP. У такой модели должны быть как входные, так и выходные параметры. В качестве входных параметров я выбрал: количество вкладчиков в день (целое число), выбранный каждым вкладчиком тариф (целое число) и сумма вклада внутри выбранного тарифа (целое число). В качестве выходного параметра используется единственный параметр – это сумма свободных финансовых средств в проекте (A).

На значения входных параметров модели воздействует множество случайных разнообразных по своей природе факторов, степень влияния которых мы учесть не можем. То есть значения этих факторов - это случайные величины. Потому значения входных параметров задаются с помощью генератора псевдослучайных чисел (известный в науке подход в условиях "нехватки" информации). Как именно задаются, я описал здесь.

Что «делает» модель? Упрощённо говоря следующее. «Принимая» в качестве входных параметров количество вкладчиков в день, выбранный каждым вкладчиком тариф (а по нему почти всегда известны проценты, срок возврата вклада и т.п.) и сумму сделанного вклада внутри выбранного тарифа, модель «производит» расчет суммы «поступивших» в проект финансовых средств (P) в день и суммы финансовых средств необходимых к выплате вкладчикам в день (V). Далее рассчитывается сумма свободных финансовых средств в проекте (A) по формуле: A=A+P-V.

Имитационное моделирование – значит, что мы будем что-то имитировать, какой-то процесс с помощью математической модели. В данном случае работу HYIP по дням. Имитация работы подразумевает некоторую повторяющуюся последовательность действий. В нашем случае это будет выглядеть так: 1) Задаем псевдослучайным образом входные параметры модели; 2) Модель «рассчитывает» выходной параметр A; 3) Проверяем A>=0? (то есть в проекте ещё есть свободные финансовые средства?). Если да, то повторяем действия с шага 1. Если нет, завершаем имитационное моделирование (на этом «жизнь» проекта считаем «законченной»).

Количество повторений описанных действий – это количество дней, которые «проживет» проект.

Осталось разобрать, что значит статистическое моделирование.

Всякий раз проводя имитационное моделирование мы будем получать различные значения срока «жизни» выбранного проекта. И эта величина будет случайной. Получив набор таких значений, скажем 1000, можно рассчитать среднее значение, дисперсию, построить эмпирическую функцию распределения этих значений и т.п. То есть получить некоторые статистические характеристики этой величины. То есть результатам имитационного моделирование будет не какая-то конкретная одна и та же величина, а некий диапазон величин - сроков «жизни» проекта. Для изучения такой величины используются методы математической статистики. А моделирование носит приставку «статистическое».