русс | укр

Языки программирования

ПаскальСиАссемблерJavaMatlabPhpHtmlJavaScriptCSSC#DelphiТурбо Пролог

Компьютерные сетиСистемное программное обеспечениеИнформационные технологииПрограммирование

Все о программировании


Linux Unix Алгоритмические языки Аналоговые и гибридные вычислительные устройства Архитектура микроконтроллеров Введение в разработку распределенных информационных систем Введение в численные методы Дискретная математика Информационное обслуживание пользователей Информация и моделирование в управлении производством Компьютерная графика Математическое и компьютерное моделирование Моделирование Нейрокомпьютеры Проектирование программ диагностики компьютерных систем и сетей Проектирование системных программ Системы счисления Теория статистики Теория оптимизации Уроки AutoCAD 3D Уроки базы данных Access Уроки Orcad Цифровые автоматы Шпаргалки по компьютеру Шпаргалки по программированию Экспертные системы Элементы теории информации

Информационные технологии управления


Дата добавления: 2013-12-23; просмотров: 1338; Нарушение авторских прав


 

Из программ статистического анализа на российском рынке наибольшее распространение получили зарубежные разработки SPSS (SPSS Inc., США) и Statistica (StatSoft, США), а также отечественные пакеты:

«Эвриста» (МГУ), «ОЛИМП: СтатЭксперт» (Росэкспертиза), «Оракул-ь> «<Неософт» ), «Статистик-Консультант» «< Тандем» ), «Мезозавр» (<<Стат-Диалог») И др. Как правило, в финансовом менеджменте они применяются для прогнозирования временных рядов, анализа рисков И решения задач группировки и кластеризации данных.

По функциональным возможностям из перечисленных пакетов наиболее мощным является семейство программ SPSS (SPSS 7.5/8.0, SPSS ПIA, SPSS Trend и др.). Среди отечественных программ осо"' бый интерес представляет «Эвриста», В которой помимо 100 различных алгоритмов статистического анализа реализована возможность прогнозирования временных рядов 110 сезонным и несезонным моделям авторегрессии с условной неоднородностью (ARCH).

Необходимо отметить и продукт «ОЛИМП: СтатЭксперт», который выполнен в качестве надстройки к MS Excel. В программе реализованы практически все направления анализа данных при помощи методов математической статистики, а возможность работы в среде Ехсеl делает программу особенно удобной для широкого круга аналитиков.

Выбор программ математического анализа на российском рынке не велик и ограничивается разработками зарубежных фирм - пакетами MathCAD PLUS. (Math Soft, США), Mathematica (Wolfram Research Inc., США), MathLab (MathWorks Inc., США). В финансовом менеджменте подобные пакеты используются для анализа рисков, задач оптимизации, а также исследования и описания нелинейных зависимостей между показателями, например, при определении точки безубыточности производства того или иного продукта.

На стадии формирования и оптимизации параметров производственных планов или характеристик инвестиционного портфеля часто возникает необходимость в использовании методов математического программирования. Среди специализированных программ, предназначенных для решения задач математического программирования, наиболее популярными являются продукты MPSX (IBM, США), APEX-IV (Control Data Corporation, Великобритания) Scicon (Scicon Ltd, Великобритания) и др. Следует отметить, что по~ добные продукты имеют значительную стоимость, требуют от пользователя специальной подготовки в области математических дисциплин и предъявляют повышенные требования к техническим параметрам и устройствам компьютера.



Е1 Завершая рассмотрение программных средств для финансового менеджмента, отметим, что все большее применение здесь находят системы искусственного интеллекта (ИИ).

 

Выделяют следующие ключевые отличия интеллектуальных систем: возможность обучения, гибкая адаптация, возможность работы с неполной или нечеткой информацией, умение объяснять полученHыe решения, способность извлекать новые знания из первичных данных и др.

В настоящее время существуют различные технологии ИИ. Анализ показывает, что в финансовом менеджменте используются нейронные сети (прогнозирование, распознавание ситуаций, извлечение знаний), генетические алгоритмы (оптимизация инвестиционных портфелей), нечеткая логика (анализ рисков), экспертные системы (планирование, анализ, аудит).

Нейронные сети (НС) получили широкое применение в тех областях финансового и инвестиционного менеджмента, где требуется полуqение оценок и прогнозов, связанных с обработкой больших объемов информации, и принятие решений в минимально короткие интервалы времени (спекулятивные операции на фондовых рынках, краткосрочное прогнозирование курсов, технический анализ и т.д.).

К достоинствам НС относятся: возможность моделирования и прогнозирования нелинейных процессов, способность работать с зашумленными данными, быстрое обучение и гибкость адаптации к изменениям внешней среды.

НС удобно рассматривать как черный ящик с некоторым количеством входов и выходов. Знаqения входных переменных обрабатываются внутри сети, и результат отображается на выходах. Ключевое отличие подобной системы состоит в том, что в процессе обработки входной информации происходит изменение внутренней структуры сети, т. е. алгоритма преобразования. Этот процесс называется обучением и кардинально отличает НС от жестких программных систем.

В процессе обучения сети предъявляются примеры входных данных, а полученные выходные данные сравниваются с эталонными. Если ответы не совпадают, структура сети меняется так, чтобы уменьшить ошибку. Процесс обучения заканчивается при достижении некоторого приемлемого результата (уровня ошибки). Подобный механизм получил название алгоритма обратного распространения (backpropagation algorithm).· Анализ показывает, что из всего спектра нейросетевых пакетов, предназначенных для решения задач в Финансово-кредитной сфере и представленных на западном и отечественном рынках, наиболее популярными являются программы Brain Maker Рro (California Scientific Software, США) и семейство AI Trilogy фирмы Ward Systems (США).

Помимо выполнения своей основной функции - финансового прогнозирования пакет Brain Maker Рro позволяет про водить разностороннюю аналитическую обработку информации: находить зависимости между входными и выходными параметрами, оценивать полноту и непротиворечивость данных, анализировать цикличность и Т.д. Пакет имеет интерфейс со многими популярными ПрограммЗfми, такими, как Excel, LOTUS, DBASE, а также уже упомянутdИ системой технического анализа MetaStock. Кроме того, комплект поставки Brain Maker Pro содержит исходный текст основного ней;" росетевого алГОритма на языке Си, позволяющего создавать на его базе собственные программные комплексы.

Более ДорОгостоящим и мощным нейросетевым средством явля~ ется семейство программных продуктов АI Trilogy. Пакет состоит из трех самостоятельных компонентов: инструментальной системы для разработки нейронных сетей NeuroShell, библиотеки для разработки Приложений NeuroWindows, программы оптимизации с использованием генетических алгоритмов GeneHunter. По сути он представляет собой «конструктор,> для разработчика.' Помимо 15 нейросетевых алгоритмов в системе реализованы возможности обработки текстовых данных, задания правил в явном ВИДе, работы с техническими индикаторами, решения ОПтимизационных задач с применением генетических алгоритмов и др. Простое и удобное использование библиотечных функций Visua1 Basic, Visual С++, Delphi обеспечивает быструю и эффективную реализацию оригинальных нейросетевых приложений в различных областях.

Среди других программных продуктов, реализующих НС, отметим библиотеку OWL (НуреrLogic Со., США), содержащую 20 исходных текстов основных алГОритмов нейронных сетей на языке Си с общим графическим интерфейсом.

Перспективным подходом к применению НС в сфере бизнеса является их реализация в виде надстроек для табличных процессоров Ехсеl и LOTUS. На сегодняшний день имеется несколько таких реализаций, например Braincel (Palisade Со., США), Neuralyst (Cheshire Engineering, США), семейство продуктов Ехсеl Neural Package (NeurOk, Россия) и др.

Семейство продуктов Ехсеl Neural Package состоит из двух независимых компонентов: Winnet 3.0 и Kohonen Мар 1.0.

Компонент Winnet 3.0 Программно реализует распространенную архитектуру нейронной сети - многослойный персептрон. Он предназначен для поиска и моделирования скрытых заВИсимостей в больших массивах численной информации, для которых в явном виде аналИтические зависимости не известны. Программа обладает большими ВОЗМОжностями Контроля за процессом обучения.

Компонент Kohonen Мар 1.0 представляет собой программный Инструмент для Построения и анализа самоорганизующихся карт Кохонена. Его основное применение - решение задач визуализации многомерной информации. Пользователь может представить весь массив данных в виде двумерной цветной карты и визуализировать на ней интересующие его характеристики.

Следует отметить и ряд недостатков, при сущих Нс. На!1более существенный из них - неспособность объяснять свои деиствия.

Далеко не всегда удается правильно выбрать и архитектуру НС, необходимую для эффективного решения поставленных задач. К проблеме реализации НС дЛЯ анализа российских рынков следует отнести отсутствие больших объемов исторических данных, необходимых для обучения и настройки. Наконец, нельзя обойти вниманием и проблему недобросовестной рекламы НС в России, по сути представляющую данную технологию как панацею от всех бед, тогда как нейросетевая парадигма в целом является разновидностью статистических методов классификации и прогноза, ориентированных на решение строго ограниченного круга задач.

Генетические алгоритмы представляют собой сравнительно новое направление ИИ, использующее механизм биологической эволюции для поиска оптимальных решений. В отличие от традиционных методов оптимизации, генеТИ'j:еские алгоритмы позволяют найти не точное, а приемлемое решение для сложных, в том числе и нелинейных задач большой размерности.

В общем случае генетический алгоритм представляет собой разновидность метода градиентного спуска, при котором исследование абстрактной «поверхности,> возможных значений производится одновременно из множества исходных точек. На каждом шаге оптимизации происходит порождение нового множества точек (новой популяции), соответствующих различным комбинациям значений переменных. При этом задается требуемый уровень скрещивания/наследования (параметр crossover), например - 0,8, Т.е. для каждой точки вычисляется отклонение текущего значения ошибки от заданного (так называемая функция соответствия) и следующий шаг оптимизации будет произведен из тех 80% предыдущих точек, которые показали «лучший результат,> в смысле минимизации ошибки. .. .

Таким же образом задается фактор мутации (параметр mutatlOn), например, 0,20. То есть на каждом шаге оптимизации (новая популяция) в 20% точек изменения значений соответствующих переменных будут проводиться по случайному закону. Поскольку каждое следующее поколение наследует лучшие признаки предьщущего (~ данном случае - направления движения в сторону минимально и ошибки с учетом периодических мутаций), в конечном итоге получают некоторое подмножество точек, для которых отклонение от целевой функции минимально.

Генетический алгоритм оптимизации является множес~венновер~ятностным, Т.е. позволяет находить множество значении, приблизительно соответствующих искомому условию. Это обстоятельство существенно для решения задач с неявно выраженными максиMyMaMи или минимумами.

В настоящее время существует несколько программных продуктов, достаточно эффективно реализующих генетические алГОРИТМIi[, Наиболее поп~лярными из них В отношении применения в финаI1" сово-кредитнои сфере являются продукты Evolver (Palisade СО1]!

США), GeneHunter (Ward Systems, США), Omega (КiQ and CAV:

США). Интересным является тот факт, что первые ДВа реализованы.

в виде надстроек к MS Excel и написаны на языке Visual Basic for ' app1ications (УВА). Оба продукта в целом схожи по своим функциональным ВОЗМОЖностям.

Пакет Evolver реализует шесть алгоритмов генетическоЙ оптимизации и предоставляет следующие Возможности: введение ограничивающих условиЙ в процессе оптимизации; явное задание параметров скрещивания и мутации; использование различных типов перемен..

ных и критериев оптимизации целевой функции (минимум, максимум, значение); визуализации вычислениЙ и др. В комплект поставки входит библиотека Developer Kit, предназначенная для разработки собственных приложениЙ.

Продукт Omega интересен тем, что ориентирован непосредственно на использование в финансовых приложениях. Комплект поставки содержит множество готовых примеров применения генетических алгоритмов в финансовом и инвестиционном анализе, маркетинге, планировании и т.Д. Среди инструментальных систем отметим библио!еки Си-текстов EnGENEer (Logica, США) и Pegasus (German NatlOna~ Research Center, Германия), а также генетическиЙ конструктор Sp11cer (NASA, США), состоящиЙ из специальноЙ оболочки библиотек и исходных модулеЙ. ' Одним из перспективных направлениЙ практического применения генетических алгоритмов в финансовом менеджменте является оптимизация портфеля ценных бумаг, в особенности содержащего производные инструменты (опцианы, фьючерсы и т.д.).

Однако использование генетических алгоритмов в финансовокредитноЙ сфере - новое и малоизученное направление, требующее дальнеЙших исследованиЙ. Успешность получения решениЙ здесь сильно зависит от первоначально выбранноЙ схемы (популяции), при этом не существует каких-либо научно обоснованных рекомендациЙ. Не менее актуальноЙ является проблема выбора оптимального критерия мутациЙ. Использование данноЙ технологии требует разумноЙ осторожности и дальнеЙших исследованиЙ.

Нечеткая логика (fuzzy logic) возникла в середине 1960-х годов как средство формализации качественных знаниЙ и понятиЙ, выраженных на естественном языке.

Основным понятием нечеткоЙ логики является ЛИНгвистическая (нечеткая) переменная, значениями котороЙ могут быть не только числа, но и слова или предложения естественного либо искусственного языка. Множество допустимых значениЙ нечеткоЙ переменноЙ называется ее терм-множеством. Такая переменная задается набором из 5 компонент <А, Т (А), U, G, М>, где А - имя переменной; Т (А) терм-множество А; и - область определения А; G - операции порождения производных значений а переменной А; М - набор правил, с помощью которых происходит отображение значений а перемен ноЙ А в нечеткие множества Ха И обратно.

для перехода от качественных описаниЙ к формализованным необходимо построить отображения, входящие в М. Такие отображения получили название функциЙ принадлежности. В нечеткоЙ логике функции принадлежности представляют собоЙ не жесткое отображение вида «принадлежит/не принадлежит», а непрерывную кривую, определенную на отрезке от О до 1. Отображение любой ситуации на единичный интервал происходит таким образом, что точка интервала характеризует степень проявления некоторого своЙства (О - отсутствие свойства, 1 максимум проявления своЙства). При этом функции принадлежности могут отражать мнение как одного, так и группы экспертов.

Системы ИИ, базирующиеся на нечеткой логике, обладают лучшей адаптируемостью к условиям реального мира и более доступны специалистам, которые при решении задач оперируют качественными понятиями. Другое достоинство подобных систем - возможность работы с нечеткими критериями и неполными данными, часто встречающимися при решении задач в финансовоЙ сфере. Нечеткая логика применяется при оценке рисков, прогнозировании рынков на краткосрочном интервале, в биржевых спекуляциях и т.Д.

Наиболее известным программным продуктом, реализующим методы нечеткой логики в виде экспертноЙ системы снечеткими правилами, является пакет CubiCalc (Hyper Logic, США). Исследования показывают что он широко применяется для ситуационного моделирования ~ политике, экономике и финансах. Программа CubiCalc может работать как в пакетном, так и в интерактивном режиме.

Встроенные средства проектирования позволяют редактировать нечеткие правила в исходном тексте (подобие языка Си) и в графическом представлении. Пакет обладает развитым интерфейсом и может использоваться в составе сложных программных комплексов, обмениваясь данными по протоколу Windows DDE. Существует версия CubiCalc 2.0 RTS, позволяющая оформлять решенную задачу в виде сгенерированного исходного кода на языке Си.

Однако наибольшей популярностью в финансово-кредитноЙ сфере пользуется другая разработка - продукт FuziCalc (Fuzi Ware, США).

Эгот пакет представляет собой табличный процессар, который позволяет производить вычисления с неточно известными числами. Среди других разработок в этой области необходимо отметить инструментальные системы для разработки продуктов на базе нечеткой логики:

 

FuzzyTECH (Inform Software, США) и SieFuzzy (Siemens, Германия).

Экспертные системы (ЭС) представляют собоЙ компьютерные программы, использующие формализованные знания специалистов для решения задач в некоторой предметной области. Среди рассмотренных технологий ИИ данная является наиболее исследованной как в теоретическом, так и практическом аспекте.

В общем случае ЭС включает следующие основные компоненты: базу знаний (БЗ), механизм логического вывода и пользовательский интерфейс. БЗ содержит информацию о предметной области в виде фактов, наблюдений, различных данных и набор правил, использующих эту информацию в процессе принятия решений. В ЭС обычно применяются следующие модели формализации знаний либо их комбинации: логические, семантические сети, продукционные и фреймовые. Наибольшее распространение получили ЭС, базирующиеся на продукционных моделях, реализованных в виде правил «ЕСЛИ (условие)-ТО (действие»).

Механизм логического вывода является по сути, интерпретатором правил, который использует имеющиеся факты для решения проблем.

Наиболее известными методами логического вывода являются прямое сцепление (прямой вывод) и обратное сцепление (обратный вывод). В развитых ЭС, как правило, используются оба метода.

Основными преимуществами ЭС принято считать возможность пополнения БЗ новыми правилами и фактами, а также способность объяснять полученные решения. Первые успехи применения ЭС (в геологии, медицине, технической диагностике) вызвали значительный интерес к ним как к системам поддержки принятия решений в сфере бизнеса. Исследования показывают, что в настоящее время ЭС широко применяются при решении задач в финансово-кредитной сфере: планировании, анализе рисков, страховании, консультировании и Т.д.

Некоторые примеры ЭС, используемых при решении различных задач финансового менеджмента, представлены в табл. 9.2.

 

Одним из путей преодоления недостатков, присущих каждой из рассмотренных технологий, является создание гибридных систем.

Разработки В' этой области ведутся, и уже есть примеры практического использования систем такого рода. Однако серьезной проблемой при их разработке является отсутствие соответствующих инструментальных программных средств.

Основной тенденцией развития программных средств ДI1Я поддержки финансовых решений как в России, так и за рубежом является стремление ведущих разработчиков предоставить потребителю комплекс совместимых и взаимодействующих между собою продуктов различных классов для наиболее полного удовлетворения его запросов. Некоторые комплексы популярных продуктов ведущих отечественных разработчиков приводятся В табл. 9.3.

При решении проблемы автоматизации труда финансовых менеджеров и аналитиКОВ целесообразно использовать линию продуктов одного производителя, в наибольшей степени удовлетворяющих требованиям и специфике конкретного предприятия.

 

 



<== предыдущая лекция | следующая лекция ==>
Программное обеспечение финансовых решений | Финансового менеджмента


Карта сайта Карта сайта укр


Уроки php mysql Программирование

Онлайн система счисления Калькулятор онлайн обычный Инженерный калькулятор онлайн Замена русских букв на английские для вебмастеров Замена русских букв на английские

Аппаратное и программное обеспечение Графика и компьютерная сфера Интегрированная геоинформационная система Интернет Компьютер Комплектующие компьютера Лекции Методы и средства измерений неэлектрических величин Обслуживание компьютерных и периферийных устройств Операционные системы Параллельное программирование Проектирование электронных средств Периферийные устройства Полезные ресурсы для программистов Программы для программистов Статьи для программистов Cтруктура и организация данных


 


Не нашли то, что искали? Google вам в помощь!

 
 

© life-prog.ru При использовании материалов прямая ссылка на сайт обязательна.

Генерация страницы за: 0.005 сек.