11.Эк.Задачи,решаемые средствами нейросетевых технологий

Одним из наиболее интересных приложений нейронных сетей в последние годы стали именно задачи финансовой деятельности. На рынке появляется огромное количество как универсальных нейропакетов, которые зачастую используются для решения задач технического анализа, так и специализированных экспертных систем и нейропакетов для решения многих других, зачастую более сложных и трудно формализуемых задач из финансовой области. В настоящее время имеет место широкое появление на отечественном рынке компьютеров и программного обеспечения нейропакетов и нейрокомпьютеров, предназначенных для решения финансовых задач. Те банки и крупные финансовые организации, которые уже используют нейронные сети для решения своих задач, понимают, насколько эффективным средством могут быть нейронные сети для задач с хорошей статистической базой, например при наличии достаточно длинных временных рядов, в том числе и многомерных.

Нейросетевые технологии оперируют биологическими терминами, а методы

обработки данных получили название генетических алгоритмов, реализованных в ряде

версий нейропакетов, известных в России. Это профессиональные нейропакеты Brain

Maker Professional v.3.11 и Neurofo-rester v.5.1, в которых генетический алгоритм

управляет процессом общения на некотором множестве примеров, а также стабильно

распознает и прогнозирует новые ситуации с высокой степенью точности даже при

появлении противоречивых или неполных знаний. Причем обучение сводится к работе

алгоритма подбора весовых коэффициентов, который реализуется автоматически без

участия пользователя-аналитика. Все результаты обработки представляются в

графическом виде, удобном для анализа и принятия решений.

Использование нейросетевых технологий как инструментальных средств

перспективно в решении множества плохо формализуемых задач, в частности при анализе

финансовой и банковской деятельности, биржевых, фондовых и валютных рынков,

связанных с высокими рисками моделей поведения клиентов, и др. Точность прогноза,

устойчиво достигаемая нейросетевыми технологиями при решении реальных задач, уже

превысила 95%. На мировом рынке нейросетевые технологии представлены широко – от

дорогих систем на суперкомпьютерах до ПК, делая их доступными для приложений

практически любого уровня [10].

К основным преимуществам нейронных сетей можно отнести:

-способностьобучаться на множестве примеров в тех случаях, когда неизвестны закономерности развития ситуации и функции зависимости между входными и выходными данными. В таких случаях (к ним можно отнести до 80% задач финансового

анализа) пасуют традиционные математические методы;

-способность успешно решать задачи, опираясь на неполную, искаженную и внутренне противоречивую входную информацию; эксплуатация обученной нейронной сети по силам любым пользователям;

-нейросетевые пакеты позволяют исключительно легко подключаться к базам данных, электронной почте и автоматизировать процесс ввода и первичной обработки данных;

-безгранично наращивать мощность нейросистемы, т.е. сверхвысокое быстродействие за счет использования массового параллелизма обработки информации;

-толерантность к ошибкам: работоспособность сохраняется при повреждении значительного числа нейронов;

-способность к обучению: программирование вычислительной системы

заменяется обучением;

-способность к распознаванию образов в условиях сильных помех и искажений.

Появление столь мощных и эффективных средств не отменит традиционные

математические и эконометрические методы технического анализа, или сделает ненужной

работу высококлассных экспертов. В качестве нового эффективного средства для решения

самых различных задач нейронные сети просто приходят –и используются теми людьми,

которые их понимают, которые в них нуждаются и которым они помогают решать многие

профессиональные проблемы. Не обязательно насаждать нейронные сети или пытаться

доказать их неэффективность путем выделения присущих им особенностей и недостатков

- нужно просто относиться к ним, как к неизбежному следствию развития вычислительной

математики, информационных технологий и современной элементной базы._

Главная ценность нейронных технологий состоит в том, что они позволяют прогнозировать будущее. Однако нейросети - это не волшебная палочка и думать все равно нужно, потому что качество прогнозов определяется, прежде всего, уровнем профессионализма пользователя.

Перечислим основные классы задач, возникающих в финансовой области, которые эффективно решаются с помощью нейронных сетей:

• прогнозирование временных рядов на основе нейросетевых методов обработки;

• страховая деятельность банков;

• прогнозирование банкротств на основе нейросетевой системы распознавания;

• определение курсов облигаций и акций предприятий с целью инвестирования;

• применение нейронных сетей к задачам биржевой деятельности;

• прогнозирование экономической эффективности финансирования инновационных проектов;

• предсказание результатов займов;

• оценка платежеспособности клиентов;

оценка недвижимости;

• рейтингование;

• общие приложения нейронных сетей и пр.

Прогнозирование временных рядов на основе нейросетевых методов обработки.

• Прогнозирование кросс-курса валют.

• Прогнозирование котировок и спроса акций для биржевых спекуляций (не для долгосрочного вложения).

• Прогнозирование остатков средств на корреспондентских счетах банка.