4.10. Нейросетевые технологии в финансово-экономической деятельности
Компьютерные технологии, получившие название нейросетевых, работают по аналогии с принципами строения и функционирования нейронов головного мозга человека и позволяют решать чрезвычайно широкий круг задач: распознавание человеческой речи и абстрактных образов, классификацию состояний сложных систем, управление технологическими процессами и финансовыми потоками, решение аналитических, исследовательских, прогнозных задач, связанных с обширными информационными потоками. Являясь мощным технологическим инструментом, нейросетевые технологии облегчают специалисту процесс принятия важных и неочевидных решении в условиях неопределенности, дефицита времени и ограниченных информационных ресурсов.
С середины 1980-х годов нейронные сети начали использоваться на Западе преимущественно в финансовых и военных приложениях. Однако, несмотря на успех, инструмент оказался слишком сложным и дорогостоящим.
Ситуация изменилась в начале 1990-х годов, когда на рынке появилось новое поколение нейросетевых технологий — мощных, недорогих, простых в использовании. Одним из лидеров рынка стал нейросетевой пакет Brain Maker американской фирмы California Scientific Software.
Разработанный по заказу военных пакет был адаптирован для бизнес-приложений и с 1990 года удерживает лидерство среди самых продаваемых нейросетевых пакетов США.
Отличительной чертой нейронных сетей является их способность менять свое поведение (обучаться) в зависимости от изменения внешней среды, извлекая скрытые закономерности из потока данных. При этом алгоритмы обучения не требуют каких-либо предварительных знаний о существующих в предметной области взаимосвязях — необходимо только подобрать достаточное число примеров, описывающих поведение моделируемой системы в прошлом. Основанная на нейросетях технология не предъявляет повышенных требований к точности входных данных как на этапе обучения, так и при ее использовании (после настройки и обучения), например при распознавании симптомов приближения критических ситуаций, для краткосрочных, а иногда и долгосрочных прогнозов. Таким образом, нейросетевая технология обладает двумя чрезвычайно полезными свойствами: способностью обучаться на конкретном множестве примеров; умением стабильно распознавать, прогнозировать новые ситуации с высокой степенью точности, причем в условиях внешних помех, например появления противоречивых или неполных значений в потоках информации.
Взяв за основу работу мозга, нейросетевые технологии включили в себя и ряд биологических терминов, понятий, параметров, а метод получил название генетического алгоритма.
Для реализации нейросетевой технологии должны быть выполнены следующие условия: наличие IBM PC или совместимого компьютера, мыши, MS Windows 3.1 или выше, 4 Мбайт RAM (оперативной памяти).
При использовании нейросетевой технологии работа строится в несколько этапов. Рассмотрим их содержание и важнейшие процедуры.
Первым этапом является четкое определение проблемы, т.е. того, что пользователь-аналитик собирается получить от нейросетевой технологии на выходе. Это может быть некоторый вектор, характеризующий систему или процесс. Вторым этапом является определение и подготовка исходных данных для реализации нейросетевой технологии. При этом отбирается вся необходимая, адекватно и полно описывающая процесс информация. Для наиболее успешного решения проблемы формирования наборов информации для последующего прогнозирования ситуаций рекомендуется привлекать хорошо знающих данную конкретную область специалистов.
Ввод данных в систему, подготовка данных, создание файлов для тренировки и тестирования можно считать самостоятельным третьим этапом. Основной целью работы на этом этапе является формирование необходимого набора ситуаций, с которыми придется работать аналитику, а затем распределение исходных данных по этим ситуациям.
На этапе подготовки данных анализируется степень их информационной насыщенности, для чего выявляется степень влияния конкретного параметра на прогнозируемую величину. Достигнув равномерного наполнения всех степеней зависимости, выявляется соответствие между прогнозируемой величиной и параметром в виде «Если..., то...; иначе...», что близко к реализации алгоритма нечеткой логики и экспертным системам.
Современные нейросетевые продукты позволяют работать как с числовыми, так и с текстовыми данными, т.е. преобразовывать набор символов (слово, фраза) в уникальный набор чисел.
Последними этапами можно считать проведение тестирования нейросети и ее запуск для получения прогноза. Работоспособность первоначально обученных сетей проводится на тестовой выборке данных. По результатам тестов отбираются наиболее перспективные варианты. При этом руководствуются тем, что точность и надежность прогноза прежде всего зависят от типа прогнозируемой величины, состояния, в котором находится система (стационарное, вблизи критической точки и т.п.), типа системы (управляемая она извне или замкнутая).
После завершения полного цикла решения задачи возможны два пути: пользоваться в дальнейшей работе созданной системой, что вполне приемлемо для одного специалиста, решающего определенный круг задач, или создать для каждой задачи независимые приложения в виде отдельного файла, который может использоваться другими программами. В этом случае полученный вариант нейросетевой технологии представляет собой упакованную нейросеть с описанными функциями передачи данных команд управления.
Гибкость и мощность нейронных сетей открывает перед ними практически неограниченные возможности применения, особенно в качестве аналитических инструментов в таких плохо формализуемых и многокритериальных областях, как анализ финансовой и банковской деятельности.
Среди перспективных направлений использования нейросетевых технологий можно назвать создание компьютерных моделей поведения клиента для оценки риска или перспективности работы с конкретными клиентами. Например, можно проанализировать прежние сделки и на этой основе оценить вероятность того, согласится ли конкретный клиент на то или иное предложение.
На мировом рынке аналитического программного обеспечения представлен широкий спектр нейросетевых технологий, начиная от систем, ориентированных на суперкомпьютеры, стоимость которых превышает 50 тыс. долл., до недорогих (несколько сотен долларов) нейропакетов, работающих на платформе персональных компьютеров и рабочих станций. Это делает доступной технологию нейронных сетей для приложений практически любого уровня. Ее массовое применение — вопрос ближайшего будущего.
- Кафедра "Организация автомобильных перевозок и дорожного движения"
- Содержание
- 5.Информационно-навигационные системы управления подвижным составом 61
- Л и т е р а т у р а 79
- Введение
- 1. Функциональные подсистемы аис на автотранспортных предприятиях
- Подсистема управления перевозками
- Подсистема плановых и аналитических расчетов
- 1.2.1. Описание основных информационных потоков в подразделениях атп
- 1.2.2. Комплексы задач обработки путевых листов и товарно-транспортной документации
- 1.2.3. Прикладные программные продукты в области автоматизации учета и анализа производственно-финансовой деятельности предприятия
- 1.3. Автоматизированные информационные системы и их классификация
- 1.4. Автоматизированные информационные технологии, их развитие и классификация
- 1.5. Автоматизированное рабочее место – средство автоматизации работы конечного пользователя
- Методика создания автоматизированных информационных систем и технологий
- 2.1. Структурная и функциональная организация аис и аит
- 2.2. Проектирование: стадии и этапы создания аис и аит
- 2.3. Содержание и методы ведения проектировочных работ
- 2.4. Роль пользователя в создании аис и аит и постановке задач
- Информационное обеспечение эис и технологий
- 3.1. Документация и технология ее формирования
- 3.2. Технология применения электронного документооборота
- 3.3. Состав и организация внутримашинного информационного обеспечения
- 3.4. Автоматизированные банки данных, информационные базы, их особенности
- 3.5. Этапы создания базы и банка данных
- 3.6. Базы знаний
- Технологическое обеспечение эис и арм конечного пользователя
- 4.1. Понятие, цели и задачи технологического обеспечения
- 4.2. Диалоговый режим автоматизированной обработки информации
- 4.3. Сетевой режим автоматизированной обработки информации
- Классификация сетевых технологий
- 4.4. Технология обработки текстовой информации
- 4.5. Технология обработки табличной информации
- 4.6. Интегрированные пакеты для офисов
- 4.7. Системы управления базами данных
- 4.8. Технология использования экспертных систем
- 4.9. Интегрированные технологии в распределенных системах обработки данных
- 4.10. Нейросетевые технологии в финансово-экономической деятельности
- Информационно-навигационные системы управления подвижным составом
- Назначение и область использования систем определения местоположения
- Технологические принципы реализации омп в локальных и зональных аис атп
- Анализ возможностей существующих систем спутниковой навигации и связи
- Сравнительные характеристики ссс
- Характеристики аппаратуры связи инс
- Л и т е р а т у р а