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.