CC BY
42
УДК 303.732.4
АСК-АНАЛИЗ И ПРОГНОЗИРОВАНИЕ СЦЕНАРИЕВ ИЗМЕНЕНИЯ ТРЕНДОВ ЭКОНОМИЧЕСКИХ ПОКАЗАТЕЛЕЙ МНОГООТРАСЛЕВОЙ КОРПОРАЦИИ
(часть 1)
Макаревич Лилия Олеговна соискатель
НОУ ВПО "Санкт-Петербургский институт внешнеэкономических связей, экономики и права", филиал в г. Краснодаре, Россия
В статье формулируется проблема краткосрочного прогнозирования сценариев изменения трендов экономических показателей многоотраслевой корпорации, на основе прошлых сценариев с применением системно-когнитивного анализа (СК-анализ) и его инструментария (интеллектуальной системы «Эйдос»). Осуществляется формальная постановка задачи и формализация предметной области, т. е. разработка классификационных и описательных шкал и градаций и формирование обучающей выборки. Описывается процедура синтеза четырех моделей корпорации, отличающихся частными критериями взаимосвязи между прошлыми и будущими сценариями трендов показателей корпорации. Производится верификация всех частных моделей с использованием двух интегральных критериев. Решается задача прогнозирования динамики будущих состояний корпорации на основе ее динамики в прошлом
Ключевые слова: СИСТЕМНЫЙ ПОДХОД, СИСТЕМНО-КОГНИТИВНЫЙ АНАЛИЗ, МНОГООТРАСЛЕВАЯ КОРПОРАЦИЯ, ПРОГНОЗИРОВАНИЕ, СЕМАНТИЧЕСКАЯ ИНФОРМАЦИОННАЯ МОДЕЛЬ
UDC 303.732.4
ASK-ANALYSIS AND FORECASTING OF SCENARIOS OF CHANGING TRENDS OF ECONOMIC INDICATORS OF A DIVERSIFIED CORPORATION (part 1)
Makarevich Lilija Olegovna competitor
St.-Petersburg institute of foreign economic relations, economy and law, branch in Krasnodar, Krasnodar, Russia
In this article, the problem of short-range forecasting of the trends of economical indexes of diversified corporation is stated, on the basis of application of systemic-cognitive analysis and its tooling (intellectual system "Eidos") the formal problem definition and data domain formalization, i.e. development of classification and descriptive dials and graduations and shaping of training sample is performed. In this article, the routine of synthesis of four models of the corporation, different by frequent measure of correlation between past indexes of the factories entering into corporation and the future statuses of corporation as a whole is featured, verification of all private models with utilization of two integral measure is fabricated, forecasting of the future statuses of corporation on their system of determination is performed
Keywords: SYSTEMIC APPROACH, SYSTEMIC-COGNITIVE ANALYSIS, SYSTEMS APPROACH, DIVERSIFIED CORPORATION, FORECASTING, SEMANTIC INFORMATION MODEL
Данная работа посвящена разработке технологии и методики оперативного (поквартального на год вперед) прогнозирования сценариев трендов экономических показателей многоотраслевой агропромышленной корпорации, является непосредственным продолжением работ [1, 2, 3, 4] и основана на методологии АСК-анализа и его технологии, развитых в работах [5, 6, 7].
В настоящее время создание удобного для экономистов и надежного инструмента краткосрочного (оперативного) прогнозирования сценариев трендов экономических показателей корпорации, дающего прогнозы высокой достоверности, является как научной, так и практической проблемой, поиск решений которой весьма актуален. Поэтому цель данной работы состоит в разработке методики оперативного (поквартального на год вперед) прогнозирования сценариев изменения трендов экономических показателей многоотраслевой корпорации.
Прогнозирование будущих сценариев изменения показателей фондового рынка на основе прошлых сценариев исследовано в работах [5, 8, 9, 10]. Однако для прогнозирования сценариев трендов показателей корпорации данный подход применятся впервые. Таким образом, в данной работе мы рассмотрим новый, ранее не применявшийся для решения поставленной проблемы и достижения поставленной цели подход, основанный на применении системно-когнитивного анализа (СК-анализа) и его программного инструментария: интеллектуальной системы «Эйдос» [5]. СК-анализ, рассматриваемый совместно с его программным инструментарием, которым в настоящее время является система «Эйдос», является автоматизированным системно-когнитивным анализом (АСК-анализ). В работе [5] предложены следующие этапы АСК-анализа предметной области:
1. Когнитивная структуризация предметной области, при которой определяется, что мы хотим прогнозировать и на основе чего (конструирование классификационных и описательных шкал).
2. Формализация предметной области:
- разработка градаций классификационных и описательных шкал (номинального, порядкового и числового типа);
- использование разработанных на предыдущих этапах классификационных и описательных шкал и градаций для формального описания (кодирования) исходных данных (исследуемой выборки).
3. Синтез и верификация (оценка степени адекватности) модели.
4. Если модель адекватна, то ее использование для решения задач идентификации, прогнозирования и принятия решений, а также для исследования моделируемой предметной области.
Рассмотрим предлагаемый вариант реализации этих этапов.
1-й этап АСК-анализа: «Когнитивная структуризация предметной области».
На этом этапе было решено, что разрабатываемая методика должна обеспечивать прогнозирование сценариев трендов следующих показателей холдинга в целом на 4 квартала вперед по отношению к текущему кварталу (таблица 1):
Таблица 1 - КЛАССИФИКАЦИОННЫЕ ШКАЛЫ
Kod NAME
1 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Выручка от реализации
2 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Себестоимость приобретения
3 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Валовая прибыль
4 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Коммерческие расходы
5 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Чистая прибыль
Прогнозирование предлагается осуществлять на основе сценариев изменения трендов тех же показателей по предприятиям, входящим в корпорацию (таблица 2), за все кварталы предыдущего года (таблица 3):
Таблица 2 - ПРЕДПРИЯТИЯ, ВХОДЯІІІН
001.БАКАЛЕЯ ООО
002.РРССИНГРИДГРУПП
003.КОРМИЛИЦА
004. КУБАНЬ АЛКО ООО
005.КУБТОРГ ЗАО
006.МОСКВИЧКА ООО
007.МЯСОКОМБИНАТ
008.РЫБА ООО (ХОЛОД)
009.СТРОЙТРУБОСТАЛЬ
010.ТОРГОДЕЖДА ЗАО
011 .ФРУКТЫ.RU (ЮНЕКС)
012.ХОЗЯЮШКА ООО
013.ЮМК
014.ЮЖГАЗ
015. КОНДИТЕРСКАЯ Ф-КА
Е В КОРПОРАЦИЮ
Таблица 3 - ОПИСАТЕЛЬНЫЕ ШКАЛЫ
Kod NAME
1 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Выручка от реализации
2 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Себестоимость приобретения
3 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Валовая прибыль
4 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Коммерческие расходы
5 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Чистая прибыль
В таблице 5 приведены исходные данные, использованные для синтеза формальной модели объекта прогнозирования. Эти исходные данные получены из исходных данных, использованных в работах [1-4] по методике, впервые примененной в 1994 году для прогнозирования сценариев изменения курсов валют и ценных бумаг на фондовом рынке и описанной в работе [5].
Для классификации типов сценариев предлагается использовать числа в двоичной системе счисления и считать, что если значение разряда 1, то тренд взрастает, а если 0, то тренд убывает. От количества разрядов I в этих числах по формуле N=2 зависит их количество N и, соответственно, степень детализации сценария изменения тренда.
Таким образом, сценарий изменения тренда представляет собой 2-ю производную (в конечных разностях) от значений показателей, т.к. тренд является 1-й производной (в конечных разностях). Естественно, по известному сценарию изменения трендов определяются и сами значения трендов и значения показателей.
В таблице 4 приведены сценарии изменения трендов, сами значения трендов и изображения сценариев в графическом виде. Для удобства расчетов 0 заменены на -1.
Таблица 4 - ВИДЫ СЦЕНАРИЕВ ТРЕНДОВ
Коды сценариев трендов, приведенные в таблице 4, использованы в таблице 5. При этом они формировались не вручную, а автоматически в MS Excel. Кратко рассмотрим, как это делалось.
Таблица 5 - ПРИНЦИП ОПРЕДЕЛЕНИЯ СЦЕНАРИЕВ ТРЕНДОВ
В БАЗЕ ИСХОДНЫХ ДАН] НЫХ (ф] РАГ МЕН ГГ)
NAME 2000 1K 2000 2K 2000 3K 2000 4K 2001 1K 2001 2K 2001 3K 2001 4K 2002 1K 2002 2K 2002 3K
Прогн.сценария на сл.кв: ВС.ПО ХОЛД.: Выручка от реализации 2 3 5 1 2 3 5 9 6 11 6
Прогн.сценария на сл.кв: ВС.ПО ХОЛД.: Себестоимость приобретения 2 3 5 9 6 3 5 9 6 11 6
Прогн.сценария на сл.кв: ВС.ПО ХОЛД.: Валовая прибыль 6 11 6 11 6 11 6 11 6 11 6
Прогн.сценария на сл.кв: ВС.ПО ХОЛД.: Коммерческие расходы 6 11 6 11 6 11 6 15 14 11 6
Прогн.сценария на сл.кв: ВС.ПО ХОЛД.: Чистая прибыль 6 11 5 1 6 11 5 11 2 3 5
Сценарий в прошл.кварт: ВС.ПО ХОЛД.: Выручка от реализации 8 15 14 11 2 3 5 1 2 3 5
Сценарий в прошл.кварт: ВС.ПО ХОЛД.: Себестоимость приобретения 8 15 14 12 2 3 5 9 6 3 5
Сценарий в прошл.кварт: ВС.ПО ХОЛД.: Валовая прибыль 8 15 14 11 6 11 6 11 6 11 6
Сценарий в прошл.кварт: ВС.ПО ХОЛД.: Коммерческие расходы 8 15 14 11 6 11 6 11 6 11 6
Сценарий в прошл.кварт: ВС.ПО ХОЛД.: Чистая прибыль 8 15 14 12 6 11 5 1 6 11 5
В 1-м кв.: ВС.ПО ХОЛД. Выручка от реализации 0,274 0,058 0,154 -0,204 0,264 0,056 0,145 -0,124 0,169 0,050 0,183
В 1-м кв.: ВС.ПО ХОЛД. Себестоимость приобретения 0,280 0,057 0,141 -0,203 0,271 0,052 0,132 -0,117 0,173 0,045 0,173
В 1-м кв.: ВС.ПО ХОЛД. Валовая прибыль 0,348 0,015 0,254 -0,265 0,320 0,016 0,235 -0,192 0,189 0,003 0,295
В 1-м кв.: ВС.ПО ХОЛД. Коммерческие расходы 0,179 0,012 0,198 -0,124 0,173 0,008 0,189 -0,051 0,082 0,011 0,217
В 1-м кв.: ВС.ПО ХОЛД. Чистая прибыль 0,696 0,026 0,302 -0,428 0,621 0,050 0,282 -0,388 0,596 0,081 0,401
В 2-м кв.: ВС.ПО ХОЛД. Выручка от реализации 0,058 0,154 -0,204 0,264 0,056 0,145 -0,124 0,169 0,050 0,183 -0,034
В 2-м кв.: ВС.ПО ХОЛД. Себестоимость приобретения 0,057 0,141 -0,203 0,271 0,052 0,132 -0,117 0,173 0,045 0,173 -0,021
В 2-м кв.: ВС.ПО ХОЛД. Валовая прибыль 0,015 0,254 -0,265 0,320 0,016 0,235 -0,192 0,189 0,003 0,295 -0,097
В 2-м кв.: ВС.ПО ХОЛД. Коммерческие расходы 0,012 0,198 -0,124 0,173 0,008 0,189 -0,051 0,082 0,011 0,217 0,046
В 2-м кв.: ВС.ПО ХОЛД. Чистая прибыль 0,026 0,302 -0,428 0,621 0,050 0,282 -0,388 0,596 0,081 0,401 -0,426
1 кв.назад: 001.БАКАЛЕЯ ООО : Выручка от реализации (Отгрузка) 0,146 0,185 0,115 -0,137 0,146 0,185 0,115 -0,137 0,146 0,185
1 кв.назад: 001.БАКАЛЕЯ ООО : Себестоимость приобретения 0,134 0,181 0,126 -0,138 0,135 0,181 0,127 -0,138 0,135 0,181
1 кв.назад: 001.БАКАЛЕЯ ООО : Валовая прибыль 0,262 0,222 0,014 -0,120 0,254 0,219 0,015 -0,122 0,248 0,217
1 кв.назад: 001.БАКАЛЕЯ ООО : Коммерческие расходы: 0,066 0,103 0,094 0,011 0,067 0,103 0,094 0,011 0,067 0,103
1 кв.назад: 001.БАКАЛЕЯ ООО : Чистая прибыль 193,614 0,944 -0,233 -0,723 3,240 0,744 -0,188 -0,599 1,805 0,637
Информация по остальным предприятиям, входящим в корпорацию (таблица 2)
Виды сценариев трендов (коды схем динамики) 1
2 '
3 '
4 '
5 '
6 '
7 '
8 '
9 '
10 '
11 '
12 '
13 '
14 '
15 '
16
Прогнозы
Корреляция ст
зоки: В 1-м кв.: ВС.ПО ХОЛД.: Выручка от реализации
-0,667 0,035 -0,289 0,903 -0,730 0,030 -0,426 0,908 -0,500 0,296 -0,466
0,900 -0,654 0,040 -0,268 0,853 -0,540 0,051 -0,531 0,816 -0,599 0,163
-0,275 0,907 -0,655 0,032 -0,244 0,930 -0,547 0,092 -0,587 0,800 -0,571
0,541 0,219 -0,533 -0,204 0,527 0,337 -0,430 -0,381 0,198 0,174 -0,353
0,042 -0,288 0,905 -0,668 0,121 -0,419 0,922 -0,468 0,271 -0,497 0,874
0,816 -0,815 0,818 -0,810 0,843 -0,831 0,842 -0,865 0,941 -0,949 0,898
-0,202 0,536 0,216 -0,550 -0,106 0,442 0,325 -0,326 -0,274 0,262 0,263
0,667 -0,035 0,289 -0,903 0,730 -0,030 0,426 -0,908 0,500 -0,296 0,466
-0,667 0,035 -0,289 0,903 -0,730 0,030 -0,426 0,908 -0,500 0,296 -0,466
0,202 -0,536 -0,216 0,550 0,106 -0,442 -0,325 0,326 0,274 -0,262 -0,263
-0,816 0,815 -0,818 0,810 -0,843 0,831 -0,842 0,865 -0,941 0,949 -0,898
-0,042 0,288 -0,905 0,668 -0,121 0,419 -0,922 0,468 -0,271 0,497 -0,874
-0,541 -0,219 0,533 0,204 -0,527 -0,337 0,430 0,381 -0,198 -0,174 0,353
0,275 -0,907 0,655 -0,032 0,244 -0,930 0,547 -0,092 0,587 -0,800 0,571
-0,900 0,654 -0,040 0,268 -0,853 0,540 -0,051 0,531 -0,816 0,599 -0,163
0,667 -0,035 0,289 -0,903 0,730 -0,030 0,426 -0,908 0,500 -0,296 0,466
0,853 0,930 0,922 0,908
Максимальная корреляция 0,900 0,907 0,905 0,903
Код схемы динамики тренда с макс.корреляцией 2 3 5 1 2 3
Прогнозы сценариев трендов по остальным показателям (таблица 1)
Предыстория
1 1 2
3
4
5
6
7
8 9
10 11 12
13
14
15
16
0,941 0,949
6 11
-1,000 0,333 0,424 0,676 -0,667 0,035 -0,289 0,903 -0,730 0,030 -0,426
0,333 -1,000 0,129 -0,183 0,900 -0,654 0,040 -0,268 0,853 -0,540 0,051
0,333 0,333 -0,978 0,355 -0,275 0,907 -0,655 0,032 -0,244 0,930 -0,547
0,577 -0,577 -0,735 0,149 0,541 0,219 -0,533 -0,204 0,527 0,337 -0,430
0,333 0,333 0,424 -0,847 0,042 -0,288 0,905 -0,668 0,121 -0,419 0,922
0,577 -0,577 0,479 -0,892 0,816 -0,815 0,818 -0,810 0,843 -0,831 0,842
0,577 0,577 -0,479 -0,427 -0,202 0,536 0,216 -0,550 -0,106 0,442 0,325
1,000 -0,333 -0,424 -0,676 0,667 -0,035 0,289 -0,903 0,730 -0,030 0,426
-1,000 0,333 0,424 0,676 -0,667 0,035 -0,289 0,903 -0,730 0,030 -0,426
-0,577 -0,577 0,479 0,427 0,202 -0,536 -0,216 0,550 0,106 -0,442 -0,325
-0,577 0,577 -0,479 0,892 -0,816 0,815 -0,818 0,810 -0,843 0,831 -0,842
-0,333 -0,333 -0,424 0,847 -0,042 0,288 -0,905 0,668 -0,121 0,419 -0,922
-0,577 0,577 0,735 -0,149 -0,541 -0,219 0,533 0,204 -0,527 -0,337 0,430
-0,333 -0,333 0,978 -0,355 0,275 -0,907 0,655 -0,032 0,244 -0,930 0,547
-0,333 1,000 -0,129 0,183 -0,900 0,654 -0,040 0,268 -0,853 0,540 -0,051
1,000 -0,333 -0,424 -0,676 0,667 -0,035 0,289 -0,903 0,730 -0,030 0,426
Максимальная корреляция
1,000 1,000 0,978 0,892 0,900 0,907 0,905 0,903 0,853 0,930 0,922
Код схемы динамики тренда с макс.корреляцией
8 15 14 11 2 3 5 1 2 3 5
Предыстория сценариев трендов по остальным показателям (таблица 3)
0,898
5
9
6
Таблица 6 - ИСХОДНЫЕ ДАННЫЕ ДЛЯ СИНТЕЗА МОДЕЛИ ОБЪЕКТА ПРОГНОЗИРОВАНИЯ
(КОДЫ СЦЕНАР] ИЕВ ИЗМЕНЕНИЯ ТРЕН ДОВ ПО КАЗАТ ЕЛЕИ К ОР] ПО РАЦИИ ЗА П РОШЛЫ Е И БУДУ ЩИЕ ПЕРИОДЫ 0
NAME K о' 0 0 2 K 2 о' 0 0 2 K 3 о1 0 0 2 K 4 о1 0 0 2 K '"l о 0 2 K 2 1 о 0 2 K 3 1 о 0 2 K 4 1 о 0 2 K сч1 0 0 2 K 2 сч1 0 0 2 K 3 (Ч* 0 0 2 K 4 сч1 0 0 2 K 0 0 2 K 2 2_3 0 0 2 K 3 со1 0 0 2 K 4 со1 0 0 2 K 0 0 2 K 2 0 0 2 K 3 0 0 2 K 4 V 0 0 2 K ю1 0 0 2 K 2 ю' 0 0 2 K 3 ю1 0 0 2 K 4 ю1 0 0 2 K со1 0 0 2 K 2 со1 0 0 2 K 3 со1 0 0 2 K 4 со1 0 0 2 K jj о 0 2 2007_2K 2007_3K 2007_4K K 0 0 2 K 2 2_8 0 0 2 K 3 со1 0 0 2 2008_4K K от1 0 0 2 K 2 от1 0 0 2 2009_3K K 4 от1 0 0 2
Прогн.сценария на сл.кв: ВС.ПО ХОЛД.: Выручка от реализации 2 З б 1 2 З б 9 6 11 6 1 6 З б 2 З б 9 2 З б 1 2 З б 1 2 З б 1 2 З б 1 2 4 В 1б
Прогн.сценария на сл.кв: ВС. ПО ХОЛД.: Себестоимость приобретения 2 З б 9 6 З б 9 6 11 6 11 6 З б 2 З б 9 2 З б 9 2 З б 1 2 З б 1 2 З б 1 2 4 16 1б
Прогн.сценария на сл.кв: ВС. ПО ХОЛД.: Валовая прибыль 6 11 6 11 6 11 6 11 6 11 6 11 6 11 6 11 2 З б 9 2 З б 9 2 З б 1 2 З В 1 2 З б 1 14 12 16 1б
Прогн.сценария на сл.кв: ВС.ПО ХОЛД.: Коммерческие расходы 6 11 6 11 6 11 6 1б 14 11 6 11 б 10 4 7 14 11 6 1 6 11 б 1 2 4 16 1 2 1б б 10 4 7 б 1 14 12 В 1б
Прогн.сценария на сл.кв: ВС.ПО ХОЛД.: Чистая прибыль 6 11 б 1 6 11 б 11 2 З б 1 2 З б 16 З б 1 2 З б 1 2 З б 9 2 4 В 11 2 11 б 1 В 9 В 1б
Сценарий в прошл.кварт: ВС.ПО ХОЛД.: Выручка от реализации В 1б 14 11 2 З б 1 2 З б 9 6 11 6 6 З б 1 2 З б 9 2 З б 1 2 З б 1 2 З б 1 2 З б 1
Сценарий в прошл.кварт: ВС. ПО ХОЛД.: Себестоимость приобретения В 1б 14 12 2 З б 9 6 З б 9 6 11 6 11 6 З б 1 2 З б 9 2 З б 9 2 З б 1 2 З б 1 2 З б 1
Сценарий в прошл.кварт: ВС. ПО ХОЛД.: Валовая прибыль В 1б 14 11 6 11 6 11 6 11 6 11 6 11 6 11 6 11 6 11 2 З б 9 2 З б 9 2 З б 1 2 З В 1 2 З б 1
Сценарий в прошл.кварт: ВС.ПО ХОЛД.: Коммерческие расходы В 1б 14 11 6 11 6 11 6 11 6 1б 14 11 6 11 б 10 4 7 14 11 6 1 6 11 б 1 2 4 16 1 2 1б б 10 4 7 б 1
Сценарий в прошл.кварт: ВС.ПО ХОЛД.: Чистая прибыль В 1б 14 12 6 11 б 1 6 11 б 11 2 З б 2 З б 1 2 З б 1 2 З б 1 2 З б 9 2 4 В 11 2 11 б 1
http://ej .kubagro.ru/2012/02/pdf/l 1 .pdf
В таблице 6 приведены исходные данные, использованные для синтеза формальной модели объекта прогнозирования.
2-й этап АСК-анализа: «Формализация предметной области» включает:
- разработку градаций классификационных и описательных шкал (номинального, порядкового и числового типа);
- использование разработанных на предыдущих этапах классификационных и описательных шкал и градаций для формального описания (кодирования) исходных данных (исследуемой выборки).
После подготовки таблицы 6 средствами MS Excel, она записывается из него в стандарте DBF IV1, непосредственно воспринимаем универсальным программным интерфейсом системы «Эйдос» с внешними базами данных (__153) (рисунок 2):
Ш l:\WINDOWS\system32\cmd.exe
Универсальная когнитивная аналитическая система.
9:39 (с) НПП *ЭИДОС*
ВНИМАНИЕ!!! данный режим обеспечивает автоматическое формирование классификационных и описательных шкал и градаций, а также обучающей выборки на основе DBF-файла специального формата с исходными данными.
Этот DBF-файл может быть получен в Excel. В строках с 1-й по N-ю этого файла содержится информация о классификационных шкалах и градациях, а в строках с N+1-й по последнюю - об описательных шкапах и градациях.
1-й столбец этого файла должен быть типа: Текстовый, Числовой, Дата и содержит информацию о наименованиях шкал. Для классов эти наименования должны быть не более 65 символов, а для признаков - не более 195. Столбцы со 2-го по последний содержат информацию об объектах обучающей выборки. Тип данных текстовый или числовой (целые или с дробн.частью). Таким образом данный файл по сути дела является транспонированным файлом стандарта профессора Артура Николаевича Лебедева, система автоматически находит минимальное и максимальное значения в каждой строке классов или признаков и формирует заданное в диалоге количество ОДИНАКОВЫХ интервалов. Строки без чисел игнорируются.
С использованием этой информации генерируется обучающая выборка, в которой каждому столбцу DBF-файла исходных данных, начиная со второго, соответствует одна физическая анкета, содержащая столько логических анкет, сколько уникальных классов в диапазоне строк классов, и коды признаков, соответствующие попаданиям числовых значений в интервалы.
Ш l:\WINDOWS\system32\cmd.exe
Универсальная когнитивная аналитическая система.
9:40 (С) НПП *ЭИДОС*
=== ИМПОРТ ДАННЫХ ИЗ СТРАНСПОНИРОВАННОГО DBF-ФАЙЛА СТАНДАРТА A.H. ЛЕБЕДЕВА ===
=== ГЕНЕРАЦИЯ КЛАССИФИКАЦИОННЫХ ШКАЛ И ГРАДАЦИИ === ГЕНЕРАЦИЯ ОПИСАТЕЛЬНЫХ ШКАЛ И ГРАДАЦИЙ === ГЕНЕРАЦИЯ ОБУЧАЮЩЕЙ ВЫБОРКИ === I
Введите имя DBF-фаила с исходными данными (не более 5 символов;: Inpl2.dbf
Задайте номер последней строки с классами (в исходном файле;: 5
КОЛИЧЕСТВО КЛАССИФИКАЦИОННЫХ ШКАЛ: КОЛИЧЕСТВО ОПИСАТЕЛЬНЫХ ШКАЛ:
Задайте МАХ кол-во градации в классификационных и описательных шкалах: 16 16
Считать нули отсутствием данных? [1]-да, [2]~нет: 1
ПРОЦЕСС ФОРМАЛИЗАЦИИ ПРЕДМЕТНОЙ ОБЛАСТИ ЗАВЕРШЕН УСПЕШНО !!!
Рисунок 1. Экранные формы стандартного программного интерфейса _153 системы «Эйдос» для формализации предметной области
1 xls-dbf-конвертер есть только в версиях MS Excel 2003 и более ранних, а из последующих он исключен. Поэтому для данного преобразования можно пользоваться специальными конвертерами или OpenOffice.
Данный программный интерфейс полностью автоматизирует выполнение следующего этапа: «Формализация предметной области». В результате его работы формируются справочники классификационных и описательных шкал и градаций и обучающей выборки (таблицы 7, 8, 9).
Таблица 7 - СПРАВОЧНИК КЛАССИФИКАЦИОННЫХ ШКАЛ И ГРАДАЦИЙ
KOD NAME
1 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Выручка от реализации-1
2 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Выручка от реализации-2
3 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Выручка от реализации-3
4 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Выручка от реализации-4
5 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Выручка от реализации-5
б Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Выручка от реализации-6
7 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Выручка от реализации-8
8 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Выручка от реализации-9
9 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Выручка от реализации-11
10 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Выручка от реализации-15
11 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Себестоимость приобретени-1
12 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Себестоимость приобретени-2
13 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Себестоимость приобретени-3
14 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Себестоимость приобретени-4
15 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Себестоимость приобретени-5
1б Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Себестоимость приобретени-6
17 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Себестоимость приобретени-9
18 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Себестоимость приобретен-11
19 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Себестоимость приобретен-15
20 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Себестоимость приобретен-16
21 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Валовая прибыль-1
22 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Валовая прибыль-2
23 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Валовая прибыль-3
24 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Валовая прибыль-5
25 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Валовая прибыль-6
2б Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Валовая прибыль-8
27 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Валовая прибыль-9
28 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Валовая прибыль-11
29 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Валовая прибыль-12
30 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Валовая прибыль-14
31 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Валовая прибыль-15
32 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Валовая прибыль-16
33 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Коммерческие расходы-1
34 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Коммерческие расходы-2
35 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Коммерческие расходы-4
3б Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Коммерческие расходы-5
37 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Коммерческие расходы-6
38 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Коммерческие расходы-7
39 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Коммерческие расходы-8
40 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Коммерческие расходы-10
41 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Коммерческие расходы-11
42 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Коммерческие расходы-12
43 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Коммерческие расходы-14
44 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Коммерческие расходы-15
45 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Коммерческие расходы-16
4б Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Чистая прибыль-1
47 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Чистая прибыль-2
48 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Чистая прибыль-3
49 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Чистая прибыль-4
50 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Чистая прибыль-5
51 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Чистая прибыль-6
52 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Чистая прибыль-8
53 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Чистая прибыль-9
54 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Чистая прибыль-11
55 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Чистая прибыль-15
5б Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Чистая прибыль-16
В таблице 7 содержатся только те сценарии изменения трендов экономических показателей (таблица 4, в таблице 7 обозначены числом), которые фактически встречаются в исходных данных (таблица 6).
Таблица 8 - СПРАВОЧНИК ОПИСАТЕЛЬНЫХ ШКАЛ И ГРАДАЦИ
KOD NAME
1 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Выручка от реализации-1
2 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Выручка от реализации-2
3 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Выручка от реализации-3
4 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Выручка от реализации-5
5 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Выручка от реализации-6
6 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Выручка от реализации-8
7 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Выручка от реализации-9
8 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Выручка от реализации-11
9 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Выручка от реализации-14
10 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Выручка от реализации-15
11 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Себестоимость приобретения-1
12 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Себестоимость приобретения-2
13 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Себестоимость приобретения-3
14 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Себестоимость приобретения-5
15 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Себестоимость приобретения-6
16 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Себестоимость приобретения-8
17 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Себестоимость приобретения-9
18 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Себестоимость приобретени-11
19 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Себестоимость приобретени-12
20 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Себестоимость приобретени-14
21 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Себестоимость приобретени-15
22 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Валовая прибыль-1
23 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Валовая прибыль-2
24 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Валовая прибыль-3
25 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Валовая прибыль-5
26 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Валовая прибыль-6
27 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Валовая прибыль-8
28 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Валовая прибыль-9
29 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Валовая прибыль-11
30 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Валовая прибыль-14
31 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Валовая прибыль-15
32 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Коммерческие расходы-1
33 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Коммерческие расходы-2
34 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Коммерческие расходы-4
35 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Коммерческие расходы-5
36 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Коммерческие расходы-6
37 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Коммерческие расходы-7
38 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Коммерческие расходы-8
39 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Коммерческие расходы-10
40 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Коммерческие расходы-11
41 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Коммерческие расходы-14
42 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Коммерческие расходы-15
43 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Коммерческие расходы-16
44 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Чистая прибыль-1
45 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Чистая прибыль-2
46 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Чистая прибыль-3
47 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Чистая прибыль-4
48 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Чистая прибыль-5
49 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Чистая прибыль-6
50 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Чистая прибыль-8
51 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Чистая прибыль-9
52 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Чистая прибыль-11
53 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Чистая прибыль-12
54 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Чистая прибыль-14
55 Сценарий в прошл.кварт: ВС.ПО ХОЛД. Чистая прибыль-15
И
В таблице 8 содержаться только те сценарии изменения трендов экономических показателей (таблица 4, в таблице 8 обозначены числом), которые фактически встречаются в исходных данных (таблица 6).
Таблица 9 - ОБУЧАЮЩАЯ ВЫБОРКА
Коды классов Коды признаков
KOD NAME 1 2 3 4 5 1 2 3 4 5
1 2000 1K 2 12 25 37 51 6 16 27 38 50
2 2000 2K 3 13 28 41 54 10 21 31 42 55
3 2000 3K 5 15 25 37 50 9 20 30 41 54
4 2000 4K 1 17 28 41 46 8 19 29 40 53
5 2001 1K 2 16 25 37 51 2 12 26 36 49
6 2001 2K 3 13 28 41 54 3 13 29 40 52
7 2001 3K 5 15 25 37 50 4 14 26 36 48
8 2001 4K 8 17 28 44 54 1 17 29 40 44
9 2002 1K 6 16 25 43 47 2 15 26 36 49
10 2002 2K 9 18 28 41 48 3 13 29 40 52
11 2002 3K 6 16 25 37 50 4 14 26 36 48
12 2002 4K 1 18 28 41 46 7 17 29 42 52
13 2003 1K 6 16 25 36 47 5 15 26 41 45
14 2003 2K 3 13 28 40 48 8 18 29 40 46
15 2003 3K 5 15 25 35 50 5 15 26 36 48
16 2003 4K 1 11 28 38 46 1 18 29 40 44
17 2004 1K 2 12 22 43 56 5 15 26 35 45
18 2004 2K 3 13 23 41 48 3 13 29 39 46
19 2004 3K 5 15 24 37 50 4 14 26 34 48
20 2004 4K 8 17 27 33 46 1 11 29 37 44
21 2005 1K 2 12 22 37 47 2 12 23 41 45
22 2005 2K 3 13 23 41 48 3 13 24 40 46
23 2005 3K 5 15 24 36 50 4 14 25 36 48
24 2005 4K 1 17 27 33 46 7 17 28 32 44
25 2006 1K 2 12 22 34 47 2 12 23 36 45
26 2006 2K 3 13 23 35 48 3 13 24 40 46
27 2006 3K 5 15 24 45 50 4 14 25 35 48
28 2006 4K 1 11 21 33 53 1 17 28 32 44
29 2007 1K 2 12 22 34 47 2 12 23 33 45
30 2007 2K 3 13 23 44 49 3 13 24 34 46
31 2007 3K 5 15 26 36 52 4 14 25 43 48
32 2007 4K 1 11 21 40 54 1 11 22 32 51
33 2008 1K 2 12 22 35 47 2 12 23 33 45
34 2008 2K 3 13 23 38 54 3 13 24 42 47
35 2008 3K 5 15 24 36 50 4 14 27 35 50
36 2008 4K 1 11 21 33 46 1 11 22 39 52
37 2009 1K 2 12 30 43 52 2 12 23 34 45
38 2009 2K 4 14 29 42 53 3 13 24 37 52
39 2009 3K 7 20 32 39 52 4 14 25 35 48
40 2009 4K 10 19 31 44 55 1 11 22 32 44
3-й этап АСК-анализа: «Синтез и верификация (оценка степени адекватности) модели».
Данный этап автоматизированного системно-когнитивного анализа предметной области в системе «Эйдос» может быть выполнен, в частности, с помощью режима _25, который обеспечивает:
- синтез четырех моделей баз знаний, отличающихся видом частного критерия для количественной меры знаний;
- оценку достоверности каждой модели знаний с помощью двух интегральных критериев: суммы знаний и корреляции конкретного образа объекта исследуемой выборки с обобщенным образом класса в базе знаний.
В результате работы данного режима формируется 4 базы знаний, приведенные в таблицах 10, 11, 12 и 13, а также оценка их достоверности, установленная путем прогнозирования трендов значений показателей многоотраслевой корпорации по ретроспективным данным, т.е. по исходной выборке (таблица 14).
Таблица 10 - БАЗА ЗНАНИЙ, МЕРА ЗНАНИЙ - КЛАССИЧЕСКИЙ ЧАСТНЫЙ
КРИТЕРИ [Й А.А.ХА] РКЕВ ИЧА (МИЛЛИ] БИТЫ, ФРАГМЕНТ)
КОй 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 995 1465 1465 1465
2 1223 542 1182
3 1111 1353 1353 1111 1353
4 1111 429 1353 1111
5 429 429 1254 542 429
6 1353 1465
7 1465
8 883 770 770
9 1353 1353
10 1353 1353
11 883 1353 1936 1353
12 1353 1312
13 1111 1353 1353 1111 1353
14 1111 429 1353 1111
15 188 188 1595 300 188
16 1353 1465
17 1223 1353 770
18 883 770 1353 770
19 1465
20 1353 1353
21 1353 1353
22 1124 2178 1595
23 1353 1465
24 1165 1748 1165 1748
25 1111 1936 1111
26 188 528 1353 -283 528
27 770 770 883 770
28 1465 1353
29 542 429 1254 1254 89 429
30 1353 1353
31 1353 1353
32 1223 1936 1353
33 1353 1465
34 429 429 429 542 429 429
35 188 770 1936 300 770
36 300 641 1124 -171 641
37 2519 1936 2519
38 1353 1465
39 883 770 1353 770
40 300 770 770 1353 188 770
41 429 429 1254 542 429
42 542 1012 1012
43 1353 1353
44 883 1595 1595 1012
45 1223 542 1336
46 1353 1353
47 1353 1353
48 1111 429 1353 1111
49 770 1595
50 770 770 883 770
51 1465 1936
52 695 1748 1748 583 1748
53 1465
54 1353 1353
55 1353 1353
В столбцах таблиц 10-13 приведены коды классов, соответствующих будущим сценариям трендов значений экономических показателей многоотраслевой корпорации (таблица 1), а в строках - коды значений факторов (прошлых сценариев трендов значений экономических показателей, таблица 3). При этом предполагается, что прошлые сценарии трендов значений экономических показателей обусловливают их будущие сценарии.
В таблицах 11-13 приводятся лишь фрагменты баз знаний, т.к. их размерность составляет 56 столбцов на 55 строки.
Таблица 11 - БАЗА ЗНАНИЙ, МЕРА ЗНАНИЙ - МОДИФИЦИРОВАННЫЙ ЧАСТНЫЙ КРИТЕРИЙ А.А.ХАРКЕВИЧА (ФРАГМЕ
КОй 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 1707 2515 2515 2515
2 2100 930 2029
3 1907 2322 2322 1907 2322
4 1907 737 2322 1907
5 737 737 2152 930 737
6 2322 2515
7 2515
8 1515 1322 1322
9 2322 2322
10 2322 2322
11 1515 2322 3322 2322
12 2322 2252
13 1907 2322 2322 1907 2322
14 1907 737 2322 1907
15 322 322 2737 515 322
16 2322 2515
17 2100 2322 1322
18 1515 1322 2322 1322
19 2515
20 2322 2322
21 2322 2322
22 1930 3737 2737
23 2322 2515
24 2000 3000 2000 3000
25 1907 3322 1907
26 322 907 2322 -485 907
27 1322 1322 1515 1322
28 2515 2322
29 930 737 2152 2152 152 737
30 2322 2322
31 2322 2322
32 2100 3322 2322
33 2322 2515
34 737 737 737 930 737 737
35 322 1322 3322 515 1322
36 515 1100 1930 -293 1100
37 4322 3322 4322
38 2322 2515
39 1515 1322 2322 1322
40 515 1322 1322 2322 322 1322
41 737 737 2152 930 737
42 930 1737 1737
43 2322 2322
44 1515 2737 2737 1737
45 2100 930 2292
46 2322 2322
47 2322 2322
48 1907 737 2322 1907
49 1322 2737
50 1322 1322 1515 1322
51 2515 3322
52 1193 3000 3000 1000 3000
53 2515
54 2322 2322
55 2322 2322
Таблица 12 - БАЗА ЗНАНИИ, МЕРА ЗНАНИИ - РАЗНОСТЬ ФАКТИЧЕСКОГО И ТЕОРЕТИЧЕСКОГ
КОй 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 2775 -1400 -1400 -175 -1400 -525 -175 1650 -175 825 3300 -1225 -1400 -175 -1400
2 -1225 4600 -1400 -175 -1400 475 -175 -350 -175 -175 -700 3775 -1400 -175 -1400
3 -1400 -1600 4400 800 -1600 -600 -200 -400 800 -200 -800 -1400 4400 800 -1600
4 -1400 -1600 -1600 -200 4400 400 800 -400 -200 -200 -800 -1400 -1600 -200 4400
5 -525 400 -600 -75 400 775 -75 -150 -75 -75 -300 475 -600 -75 400
6 -175 800 -200 -25 -200 -75 -25 -50 -25 -25 -100 825 -200 -25 -200
7 1650 -400 -400 -50 -400 -150 -50 -100 -50 -50 -200 -350 -400 -50 -400
8 650 -400 600 -50 -400 -150 -50 -100 -50 -50 -200 -350 600 -50 -400
9 -175 -200 -200 -25 800 -75 -25 -50 -25 -25 -100 -175 -200 -25 800
10 -175 -200 800 -25 -200 -75 -25 -50 -25 -25 -100 -175 800 -25 -200
11 1300 -800 -800 -100 -800 -300 -100 800 -100 900 1600 -700 -800 -100 -800
12 -1050 4800 -1200 -150 -1200 -450 -150 -300 -150 -150 -600 3950 -1200 -150 -1200
13 -1400 -1600 4400 800 -1600 -600 -200 -400 800 -200 -800 -1400 4400 800 -1600
14 -1400 -1600 -1600 -200 4400 400 800 -400 -200 -200 -800 -1400 -1600 -200 4400
15 -700 200 -800 -100 200 1700 -100 -200 -100 -100 -400 300 -800 -100 200
16 -175 800 -200 -25 -200 -75 -25 -50 -25 -25 -100 825 -200 -25 -200
17 2300 -800 -800 -100 -800 -300 -100 800 -100 -100 600 -700 -800 -100 -800
18 650 -400 600 -50 -400 -150 -50 -100 -50 -50 800 -350 600 -50 -400
19 825 -200 -200 -25 -200 -75 -25 -50 -25 -25 -100 -175 -200 -25 -200
20 -175 -200 -200 -25 800 -75 -25 -50 -25 -25 -100 -175 -200 -25 800
21 -175 -200 800 -25 -200 -75 -25 -50 -25 -25 -100 -175 800 -25 -200
22 1475 -600 -600 -75 -600 -225 -75 -150 -75 925 1700 -525 -600 -75 -600
23 -875 4000 -1000 -125 -1000 -375 -125 -250 -125 -125 -500 4125 -1000 -125 -1000
24 -875 -1000 3000 875 -1000 -375 -125 -250 -125 -125 -500 -875 3000 875 -1000
25 -700 -800 -800 -100 2200 -300 900 -200 -100 -100 -400 -700 -800 -100 2200
26 -1400 400 -1600 -200 1400 2400 -200 -400 -200 -200 -800 -400 -1600 -200 1400
27 -350 600 -400 -50 600 -150 -50 -100 -50 -50 -200 650 -400 -50 600
28 1650 -400 -400 -50 -400 -150 -50 -100 -50 -50 800 -350 -400 -50 -400
29 1425 -1800 1200 -225 -1800 -675 -225 1550 775 -225 100 -1575 1200 -225 -1800
30 -175 -200 -200 -25 800 -75 -25 -50 -25 -25 -100 -175 -200 -25 800
31 -175 -200 800 -25 -200 -75 -25 -50 -25 -25 -100 -175 800 -25 -200
32 2300 -800 -800 -100 -800 -300 -100 -200 -100 900 1600 -700 -800 -100 -800
33 -350 1600 -400 -50 -400 -150 -50 -100 -50 -50 -200 1650 -400 -50 -400
34 -525 400 400 -75 400 -225 -75 -150 -75 -75 -300 475 400 -75 400
35 -700 200 -800 -100 1200 -300 900 -200 -100 -100 -400 300 -800 -100 1200
36 -1225 600 -1400 -175 1600 1475 -175 -350 -175 -175 -700 -225 -1400 -175 1600
37 -350 -400 -400 950 -400 -150 -50 900 -50 -50 -200 -350 -400 950 -400
38 -175 800 -200 -25 -200 -75 -25 -50 -25 -25 -100 825 -200 -25 -200
39 650 -400 600 -50 -400 -150 -50 -100 -50 -50 800 -350 600 -50 -400
40 600 -1600 2400 -200 -1600 -600 -200 600 800 -200 200 -1400 2400 -200 -1600
41 -525 400 -600 -75 400 775 -75 -150 -75 -75 -300 475 -600 -75 400
42 475 -600 1400 -75 -600 -225 -75 -150 -75 -75 -300 -525 1400 -75 -600
43 -175 -200 -200 -25 800 -75 -25 -50 -25 -25 -100 -175 -200 -25 800
44 1950 -1200 -1200 -150 -1200 -450 -150 1700 -150 850 1400 -1050 -1200 -150 -1200
45 -1225 4600 -1400 -175 -1400 475 -175 -350 -175 -175 -700 4775 -1400 -175 -1400
46 -875 -1000 4000 -125 -1000 -375 -125 -250 -125 -125 -500 -875 4000 -125 -1000
47 -175 -200 800 -25 -200 -75 -25 -50 -25 -25 -100 -175 800 -25 -200
48 -1400 -1600 -1600 -200 4400 400 800 -400 -200 -200 -800 -1400 -1600 -200 4400
49 -350 600 -400 -50 -400 850 -50 -100 -50 -50 -200 -350 -400 -50 -400
50 -350 600 -400 -50 600 -150 -50 -100 -50 -50 -200 650 -400 -50 600
51 825 -200 -200 -25 -200 -75 -25 -50 -25 -25 900 -175 -200 -25 -200
52 1125 -1000 875 -1000 -375 -125 -250 875 -125 500 -875 875 -1000
53 825 -200 -200 -25 -200 -75 -25 -50 -25 -25 -100 -175 -200 -25 -200
54 -175 -200 -200 -25 800 -75 -25 -50 -25 -25 -100 -175 -200 -25 800
55 -175 -200 800 -25 -200 -75 -25 -50 -25 -25 -100 -175 800 -25 -200
ТАБЛИЦА 13 - БАЗА ЗНАНИЙ, МЕРА ЗНАНИЙ - ЯО!
(КЕТ1 ит < ЭN ^ ГУЕБ! ГМЕЭТ) (Ф ФРАГМЕНТ )
КОй 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 2265 -1000 -1000 -1000 -1000 -1000 -1000 4714 -1000 4714 4714 -1000 -1000 -1000 -1000
2 -1000 3286 -1000 -1000 -1000 905 -1000 -1000 -1000 -1000 -1000 3082 -1000 -1000 -1000
3 -1000 -1000 2750 4000 -1000 -1000 -1000 -1000 4000 -1000 -1000 -1000 2750 4000 -1000
4 -1000 -1000 -1000 -1000 2750 667 4000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 2750
5 -1000 667 -1000 -1000 667 3444 -1000 -1000 -1000 -1000 -1000 905 -1000 -1000 667
6 -1000 4000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 4714 -1000 -1000 -1000
7 4714 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000
8 1857 -1000 1500 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 1500 -1000 -1000
9 -1000 -1000 -1000 -1000 4000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 4000
10 -1000 -1000 4000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 4000 -1000 -1000
11 1857 -1000 -1000 -1000 -1000 -1000 -1000 4000 -1000 9000 4000 -1000 -1000 -1000 -1000
12 -1000 4000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 3762 -1000 -1000 -1000
13 -1000 -1000 2750 4000 -1000 -1000 -1000 -1000 4000 -1000 -1000 -1000 2750 4000 -1000
14 -1000 -1000 -1000 -1000 2750 667 4000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 2750
15 -1000 250 -1000 -1000 250 5667 -1000 -1000 -1000 -1000 -1000 429 -1000 -1000 250
16 -1000 4000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 4714 -1000 -1000 -1000
17 3286 -1000 -1000 -1000 -1000 -1000 -1000 4000 -1000 -1000 1500 -1000 -1000 -1000 -1000
18 1857 -1000 1500 -1000 -1000 -1000 -1000 -1000 -1000 -1000 4000 -1000 1500 -1000 -1000
19 4714 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000
20 -1000 -1000 -1000 -1000 4000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 4000
21 -1000 -1000 4000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 4000 -1000 -1000
22 2810 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 12333 5667 -1000 -1000 -1000 -1000
23 -1000 4000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 4714 -1000 -1000 -1000
24 -1000 -1000 3000 7000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 3000 7000 -1000
25 -1000 -1000 -1000 -1000 2750 -1000 9000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 2750
26 -1000 250 -1000 -1000 875 4000 -1000 -1000 -1000 -1000 -1000 -286 -1000 -1000 875
27 -1000 1500 -1000 -1000 1500 -1000 -1000 -1000 -1000 -1000 -1000 1857 -1000 -1000 1500
28 4714 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 4000 -1000 -1000 -1000 -1000
29 905 -1000 667 -1000 -1000 -1000 -1000 3444 3444 -1000 111 -1000 667 -1000 -1000
30 -1000 -1000 -1000 -1000 4000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 4000
31 -1000 -1000 4000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 4000 -1000 -1000
32 3286 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 9000 4000 -1000 -1000 -1000 -1000
33 -1000 4000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 4714 -1000 -1000 -1000
34 -1000 667 667 -1000 667 -1000 -1000 -1000 -1000 -1000 -1000 905 667 -1000 667
35 -1000 250 -1000 -1000 1500 -1000 9000 -1000 -1000 -1000 -1000 429 -1000 -1000 1500
36 -1000 429 -1000 -1000 1143 2810 -1000 -1000 -1000 -1000 -1000 -184 -1000 -1000 1143
37 -1000 -1000 -1000 19000 -1000 -1000 -1000 9000 -1000 -1000 -1000 -1000 -1000 19000 -1000
38 -1000 4000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 4714 -1000 -1000 -1000
39 1857 -1000 1500 -1000 -1000 -1000 -1000 -1000 -1000 -1000 4000 -1000 1500 -1000 -1000
40 429 -1000 1500 -1000 -1000 -1000 -1000 1500 4000 -1000 250 -1000 1500 -1000 -1000
41 -1000 667 -1000 -1000 667 3444 -1000 -1000 -1000 -1000 -1000 905 -1000 -1000 667
42 905 -1000 2333 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 2333 -1000 -1000
43 -1000 -1000 -1000 -1000 4000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 4000
44 1857 -1000 -1000 -1000 -1000 -1000 -1000 5667 -1000 5667 2333 -1000 -1000 -1000 -1000
45 -1000 3286 -1000 -1000 -1000 905 -1000 -1000 -1000 -1000 -1000 3898 -1000 -1000 -1000
46 -1000 -1000 4000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 4000 -1000 -1000
47 -1000 -1000 4000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 4000 -1000 -1000
48 -1000 -1000 -1000 -1000 2750 667 4000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 2750
49 -1000 1500 -1000 -1000 -1000 5667 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000
50 -1000 1500 -1000 -1000 1500 -1000 -1000 -1000 -1000 -1000 -1000 1857 -1000 -1000 1500
51 4714 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 9000 -1000 -1000 -1000 -1000
52 1286 -1000 7000 -1000 -1000 -1000 -1000 7000 -1000 1000 -1000 7000 -1000
53 4714 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000
54 -1000 -1000 -1000 -1000 4000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 4000
55 -1000 -1000 4000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 -1000 4000 -1000 -1000
ТАБЛИЦА 14 - ДОСТОВЕРНОСТЬ ЧЕТЫРЕХ МОДЕЛЕЙ БАЗ ЗНАНИЙ С ДВУМЯ ИНТЕГРАЛЬНЫМИ КРИТЕРИЯМИ
Частный критерий количества знаний Интегральный критерий Расчет закончен Достоверность идентификации (%) Достоверность неидентифи-кации (%) Средняя достоверность (%)
Дата Время
Классический А.Харкевича Корреляция 16-01-12 18:22:21 100,000 78,309 89,155
Свертка 16-01-12 18:22:34 100,000 77,211 88,605
Модифицированный А.Харкевича Корреляция 16-01-12 18:23:03 100,000 75,694 87,847
Свертка 16-01-12 18:23:16 100,000 75,694 87,847
Разность фактического и теоретического значений хи-квадрат Корреляция 16-01-12 18:23:45 100,000 78,483 89,241
Свертка 16-01-12 18:23:58 100,000 0,723 50,361
ROI (return on nvestment) Корреляция 16-01-12 18:24:36 100,000 78,483 89,241
Свертка 16-01-12 18:24:49 100,000 0,723 50,361
Пояснения по аналитическому виду частных критериев количественных мер знаний даны в работах [5, 9, 10], в т.ч. в таблице 3 работы [10].
Из таблицы 14 видно, что наивысшую среднюю достоверность прогнозирования (89,241%) в данном случае обеспечивают модели знаний с применением в качестве частного критерия количества знаний критерия хи-квадрат и Я01 с интегральным критерием - корреляцией. Несущественно: примерно на 0,1%, меньше достоверность у модели знаний с классическим критерием А.Харкевича и с интегральным критерием корреляцией. Эта достоверность вполне достаточна для достижения цели данной работы: разработки методики оперативного (поквартального на год вперед) прогнозирования трендов экономических показателей многоотраслевой корпорации.
4-й этап АСК-анализа. Если модель адекватна, то ее использование для решения задач идентификации, прогнозирования и принятия решений, а также для исследования моделируемой предметной области.
Решение задачи краткосрочного прогнозирования сценариев трендов значений экономических показателей многоотраслевой корпорации.
Данная задача решается на основе ранее созданных моделей знаний, отражающих причинно-следственные зависимости между прошлыми и будущими сценариями трендов значений экономических показателей корпорации. Эти причинно-следственные зависимости в количественной форме представлены в базах знаний (таблицы 11-13).
Способ решения задачи прогнозирования состоит в сравнении конкретных образов сложившихся ситуаций с обобщенными образами классов путем вычисления интегрального критерия сходства конкретной ситуации с каждым из классов. Результатом решения задачи прогнозирования является рейтинг классов в порядке убывания сходства с данной конкретной ситуацией.
Математически задача прогнозирования в АСК-анализе решается следующим образом [5, 9, 10]. На этапе синтеза модели рассчитывается какое количество знаний содержится в факте наблюдения некоторого значения фактора о том, что нам предъявлено определенное состояние моделируемого объекта. Если известно, какой набор значений факторов действует на объект управления, то для каждого состояния объекта можно посчитать, какое суммарное количество знаний содержится во всей системе этих значений факторов о переходе объекта управления в это состояние. После этого можно ранжировать (рассортировать) все состояния объекта управления в порядке убывания суммарного количества знаний о переходе в эти состояния под действием данной системы значений факторов. Логично считать, что объект управления, скорее всего, перейдет в те состояния, о переходе в которые в системе действующих на него значений факторов содержится максимальное количество знаний и, скорее всего не перейдет в те, о переходе в которые в ней содержится минимум знаний.
Отметим, что задачи распознавания (идентификации) и прогнозирования математически тождественны и отличаются только тем, что при идентификации признаки объекта и его состояния одновременны, а при прогнозировании действующие значения факторов (признаки) относятся к прошлому, а состояния объекта, формализуемые в виде классов, к будущему.
Решение задачи прогнозирования выполняется за три шага:
1. Ввод информации о значениях действующих на объект факторов в систему "Эйдос".
2. Пакетное распознавание (прогнозирование).
3. Вывод (отображение) и содержательная интерпретация результатов распознавания (прогнозирования).
Прогнозирование осуществляется в 4-й подсистеме системы «Эй-дос», некоторые экранные формы которого приведены на рисунке 2:
1-1°И
N Наименование операции: % исп Стадия выполнения
1 Пакетное распознавание
2 Генерация БД: объект-классы..
і Генерация БД: класс-объекты..
ВНИМАНИЕ !!!
База результатов распознавания RASP.DBF не пуста и содержит данные по объектам распознаваемой выборки с кодами от 1 до 40.
Предыдущий процесс распознавания был успешно (корректно) завершен.
задайте диапазон кодов
N Наименование операции: % исп Стадия выполнения
1 2 3 72. 5
Генерация БД: объект-классы.. Генерация БД: класс-объекты..
Процесс распознавания запущен в: 10 50 02 все о: 1767002 сек.с нач.года
Прошло с начала процесса : 0 0 2 все о: 2 сек.
Прогноз длительности исполнения: 0 0 3 все о: 3 сек.
Ожидаемое время окончания : 10 50 5 все о: 39005 сек.с нач.суток
Средн.время идент-ии 1-й анкеты: 0 0 0 все о: 0.075862 сек.
Прогноз времени до окончания : 0 0 1 все о: 1 сек.
Рисунок 2. Экранные формы режима прогнозирования системы «Эйдос» (_42)
Результаты прогнозирования, отображаются в различных формах, в частности в форме, представленной на рисунке 3:
РЕЗУЛЬТАТ ИДЕНТИФИКАЦИИ ИНФОРМАЦИОННОГО ИСТОЧНИКА С КЛАССАМИ РАСПОЗНАВАНИЯ 21-Ш1-12
10:53:25
Номер анкеты:
2 Наим.Физ.источника: 2О0О_2К
Качество результата распозн.: 16.55Чу.
Код
Наименование класса распознавания
V. Сх Гистограмма сходств/различий
54
41
3
13
28
18
38
Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн.
сценария
сценария
сценария
сценария
сценария
сценария
сценария
на сл.кв: на сл.кв: на сл.кв: на сл.кв: на сл.кв: на сл.кв: на сл.кв:
ВС.ПО ХОЛИ. ВС.ПО ХОЛИ. ВС.ПО ХОЛИ. ВС.ПО ХОЛИ.
вс.по хола. вс.по хола. вс.по хола.
Чистая прибыль-11.........
Коммерческие расходы-11. Выручка от реализации-3. Себестоимость приобретен»
Валовая прибыль-11........
Себестоимость приобретен Коммерческие расходы-?..
23 26
4
14
29
42
49
7 20
32
39
45 56
30 10 19
31 55
9
34
8
46 22 27 16
51
24
40 1 6
53
21
52 48
47
43
33 11
36
44 12 17
35 2
50
5
15
25
37
Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн. Прогн.
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
сценария
на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв на сл.кв
ВС. ПО ВС. ПО ВС. ПО ВС. ПО ВС. ПО ВС. ПО ВС. ПО
вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по вс. по
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
хола.
Валовая прибыль-3.........
Валовая прибыль-8.........
Выручка от реализации-4 Себестоимость приобретена
Валовая прибыль-12........
Коммерческие расходы-12.
Чистая прибыль-4..........
Выручка от реализации-8 Себестоимость приобретен
Валовая прибыль-16.......
Коммерческие расходы-8. Коммерческие расходы-16
Чистая прибыль-16........
Валовая прибыль-14.......
Выручка от реализации-15 Себестоимость приобретен-Валовая прибыль-15 Чистая прибыль-15.
Выручка от реализации-11 Коммерческие расходы-2.. Выручка от реализации-9
Чистая прибыль-1..........
Валовая прибыль-2.........
Валовая прибыль-9.........
Себестоимость приобретена
Чистая прибыль-6..........
Валовая прибыль-5.........
Коммерческие расходы-10. Выручка от реализации-1 Выручка от реализации-6 Чистая прибыль-9.
Валовая прибыль-1 Чистая прибыль-8.
Чистая прибыль-3.
Чистая прибыль-2. Коммерческие расходы-14. Коммерческие расходы-1.. Себестоимость приобретен» Коммерческие расходы-5.. Коммерческие расходы-15. Себестоимость приобретени-2 Себестоимость приобретени-9
Коммерческие расходы-4........
Выручка от реализации-2...
Чистая прибыль-5..............
Выручка от реализации-5... Себестоимость приобретени-5
Валовая прибыль-6.............
Коммерческие расходы-6........
-2
-9
-10
-10
-10
-10
-10
-10
-10
-10
-10
-10
-10
-10
-10
-10
-10
-10
-10
-11
-11
-12
-13
-13
-13
-13
-13
-13
-13
-14
-14
-14
-14
-14
-15
-15
-15
-15
-16
-16
-16
-16
-17
-18
-19
-19
-19
-19
-20
Универсальная когнитивная аналитическая система НПП *ЭЙД0С*
Рисунок 3. Карточки результатов прогнозирования, генерируемые режимом _431 системы «Эйдос» (_42)
На карточке результатов прогнозирования:
- в верхней части карточки показаны классы, о которых в системе действующих в прошлом значений факторов содержится положительное количество знаний в порядке убывания этого количества знаний, а в нижней - отрицательное;
- птичками отмечены состояния корпорации, по которым прогноз оправдался.
Проведем исследование когнитивных моделей (т.е. баз знаний), по-
лученных в данной статье, с применением некоторых возможностей системы «Эйдос».
Информация о том, в какой степени прошлый сценарий детерминирует будущие, отображается в форме информационного портрета фактора [5, 6, 7] (таблица 15):
Таблица 15 - ИНФОРМАЦИОННЫЙ ПОРТРЕТ СЦЕНАРИЯ ПРОШЛОГО
[ЕР] ЇОДА: код 6; «Сценарий в прошл.кварт: ВС.ПО ХОЛД.: Выручка от реализации-6
№ Код Наименования будущих сценариев Количество информации
В битах В процентах к теоретически макс.возможному
1 5б Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Чистая прибыль-16 2,177б4 37,50
2 б Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Выручка от реализации-6 1,25404 21,59
3 35 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Коммерческие расходы-4 1,25404 21,59
4 43 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Коммерческие расходы-14 1,25404 21,59
5 1б Прогн.сценария на сл.кв: ВС.ПО ХОЛД. : Себестоимость приобретени-6 1,0121В 17,43
б 25 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. : Валовая прибыль-6 1,0121В 17,43
7 3б Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Коммерческие расходы-5 1,0121В 17,43
В 22 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Валовая прибыль-2 0,82458 14,20
9 47 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. Чистая прибыль-2 0,б7131 11,5б
10 12 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. : Себестоимость приобретени-2 0,54171 9,33
11 2 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. : Выручка от реализации-2 0,42945 7,39
12 5 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. : Выручка от реализации-5 0,42945 7,39
13 15 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. : Себестоимость приобретени-5 0,42945 7,39
14 50 Прогн.сценария на сл.кв: ВС.ПО ХОЛД. : Чистая прибыль-5 0,42945 7,39
Теоретически максимально возможное количество информации /max определяется количеством классов N по формуле Хартли: /max=Log2N.
На основе информационного портрета прошлого сценария изменения тренда экономического показателя можно визуализировать будущие сценарии его изменения. Сделаем выборку из таблицы 4 по сценариям, по которым в информационном портрете (таблица 15) прогнозируется изменение выручки при 6-м прошлом сценарии ее изменения (таблица 16):
Таблица 16 - ПРОГНОЗИРУЕМЫЕ СЦЕНАРИИ ИЗМЕНЕНИЯ ВЫРУЧКИ ПРИ 6-М СЦЕНАРИИ ЕЕ ИЗМЕНЕНИЯ В ПРОШЕДШЕМ ПЕРИОДЕ
Код
Значения трендов (сигнатура сценария)
Сценарий Изменения тренда
Изображение
сценария
2
-1
2
з
2
б
о
2
6
-1
о
о
Изобразим на одном рисунке все эти три сценария изменения трендов, указав с помощью толщины линии количество информации в прошлом сценарии об осуществлении каждого будущего сценария, т.е., по сути, степень детерминации данного сценария или достоверность прогнозирования его реализации (рисунок 4):
1 2 3 4 5 6 7 8
Кварталы прошлого (1-4) и будущего (5-8) периодов
Рисунок 4. Три прогнозируемых сценария изменения трендов, обусловленные 6-м прошлым сценарием с указанием степени детерминации толщиной линии
На рисунке 4 сценарии показаны разным цветом и немного разнесены по вертикали для удобства восприятия. Тренд на отрезке 4-5 соединяет прошлый сценарий с прогнозируемыми будущими, т.к. прошлый сценарий оканчивается значением 0, а прогнозируемые начинаются с 1.
При анализе рисунка 4 возникает закономерный вопрос о том, какой же вывод можно сделать о будущем сценарии на его основе. Ведь на рисунке указано три варианта развития событий, а их может быть и значительно больше, между тем ясно, что реально осуществится лишь один из них или некий другой сценарий, каким-то образом связанный с ними всеми.
Для ответа на этот вопрос предлагается метод взвешенного суммирования трендов (по сути их векторного сложения) прогнозируемых сценариев с использованием в качестве весовых коэффициентов количества информации об их осуществлении, содержащейся в прошлом сценарии. Итоговый сценарий (см. таблицу 17 и рисунок 5) являемся взвешенной суперпозицией прогнозируемых сценариев и получается путем суммирования элементов их сигнатур из таблицы 16 с весами из таблицы 15.
Таблица 17 - РАСЧЕТ СРЕДНЕВЗВЕШЕННОГО ПРОГНОЗИРУЕМОГО СЦЕНАРИЯ ИЗМЕНЕНИЯ ТРЕНДОВ ЭКОНОМИЧЕСКИХ ПОКАЗАТЕЛЕЙ
КОРПОРАЦИИ
Сигнатуры исходные сценариев (таблицы 4 и 16)
№ сценария Кварталы Количество информации в прошлом сценарии о будущем (Бит) (табл.15)
Прошлый период Будущий перио д
1 2 3 4 5 6 7 8
2 0 0 0 0 1 1 1 -1 0,43
5 0 0 0 0 1 -1 1 1 0,43
6 1 -1 1 -1 1 -1 1 -1 1,25
Взвешенные по результатам прогнозирования сигнатуры сценариев
1 2 3 4 5 6 7 8
2 0,00 0,00 0,00 0,00 0,43 0,43 0,43 -0,43
5 0,00 0,00 0,00 0,00 0,43 -0,43 0,43 0,43
6 1,25 -1,25 1,25 -1,25 1,25 -1,25 1,25 -1,25
Сумма: 1,25 -1,25 1,25 -1,25 2,11 -1,25 2,11 -1,25
Сценарий: 1,25 0,00 1,25 0,00 2,11 0,86 2,97 1,72
Элемент строки «Сумма» Sj таблицы 17 рассчитывается по формуле (1):
N
Ъ=£ ч. (1)
І = 1
где:
ґ. - элемент сигнатуры исходных сценариев (таблицы 4, 16, 17);
іі - количество информации об осуществлении і-го прогнозируемого сценария, содержащееся в факте осуществления прошедшего сценария;
N - количество сценариев в прогнозе.
Элемент строки «Сценарий» СJ таблицы 17 рассчитывается в соответствии с итерационным алгоритмом по формулам (2):
С = ^
С = С-1 + sJ (2)
где j - номер квартала (в рассматриваемом примере).
Строка «Сценарий» таблицы 17 содержит средневзвешенный прогноз сценария, визуализация которого представлена на рисунке 5:
Кварталы прошлого (1-4) и будущего (5-8) периодов
Рисунок 5. Фактический и средневзвешенный прогнозируемый сценарии изменения трендов экономических показателей корпорации
Из рисунка 5 видно, что 6-й сценарий изменения тренда выручки детерминирует колебательный процесс, аналогичный 6-му сценарию, но с медленно возрастающим трендом, который неплохо аппроксимируется полиномом 2-й степени (квадратичной параболой). Предлагаемый метод вычисления средневзвешенного прогнозируемого сценария по сути дела основан на представлении о нем, как о некоторой функции, разлагаемой в ряд по прогнозируемым сценариям. Остается добавить, что в общем случае для любого квартала существует несколько средневзвешенных прогнозируемых сценариев, количество которых зависит от их длительности. Например, в рассматриваемой задаче на каждый квартал имеется 4 средневзвешенных прогнозируемых сценария, которые также можно каким-то образом объединить в один, например усреднить. Могут быть развиты аналогии предложенного метода с применением вейвлетов и сплайнов2.
Таким образом, в статье формулируется проблема краткосрочного прогнозирования будущих сценариев изменения трендов экономических показателей многоотраслевой корпорации, на основе прошлых сценариев с применением системно-когнитивного анализа (СК-анализ) и его программного инструментария (интеллектуальной системы «Эйдос»). Осуществляется формальная постановка задачи и формализация предметной области, т.е. разработка классификационных и описательных шкал и градаций и формирование обучающей выборки. Описывается процедура синтеза четырех моделей корпорации, отличающихся частными критериями взаимосвязи между прошлыми и будущими сценариями трендов показателей корпорации. Производится верификация всех частных моделей с использованием двух интегральных критериев. Решаются задачи прогнозирования динамики будущих состояний корпорации на основе ее динамики в прошлом, а также принятия решений о выборе наиболее предпочтительных сценариев развития.
В качестве перспективы планируется создать систему визуализации результатов прогнозирования, позволяющую отображать будущие сценарии с указанием их прогнозируемой достоверности в виде различной толщины линии. Кроме того, могут быть реализованы другие формы анализа полученных в данной статье баз знаний, освещенные в работах [12, 13].
По результатам работы можно сделать обоснованный вывод о том, что цель работы достигнута, т.к. предложено решение поставленной проблемы. В следующих работах планируется рассмотреть некоторые возможности автоматизированного системно-когнитивного анализа созданных когнитивных моделей (баз знаний).
Литература
1. Оперативное прогнозирование значений экономических показателей многоотраслевой корпорации с применением технологий искусственного интеллекта (часть 1-я: постановка задачи и формализация предметной области) / Е.В. Луценко, В.И. Лойко, О.А. Макаревич,
2 http://ru.wikipedia.org/wiki/Вейвлет http://ru.wikipedia.org/wiki/Сплайн
Л. О. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. -Краснодар: КубГАУ, 2011. - №07(71). С. 692 - 705. - Шифр Информрегистра: 0421100012\0271. - Режим доступа: http://ej .kubagro.ru/2011/07/pdf/49.pdf, 0,875 у.п.л.
2. Оперативное прогнозирование значений экономических показателей многоотраслевой корпорации с применением технологий искусственного интеллекта (часть 2-я: синтез и верификация модели) / Е.В. Луценко, В.И. Лойко, О.А. Макаревич, Л.О. Макаревич // Политемати-ческий сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2011. -№07(71). С. 706 - 719. - Шифр Информрегистра: 0421100012\0268. - Режим доступа: http://ej.kubagro.ru/2011/07/pdf/50.pdf, 0,875 у.п.л.
3. Луценко Е.В. Оперативное прогнозирование трендов экономических показателей многоотраслевой корпорации с применением технологий искусственного интеллекта (часть 1-я: постановка задачи и формализация предметной области) / Е.В. Луценко, В.И. Лойко, Л.О. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. -Краснодар: КубГАУ, 2011. - №09(73). С. 466 - 477. - Шифр Информрегистра: 0421100012\0378. - Режим доступа: http://ej.kubagro.ru/2011/09/pdf/43.pdf, 0,75 у.п.л.
4. Луценко Е.В. Оперативное прогнозирование трендов экономических показателей многоотраслевой корпорации с применением технологий искусственного интеллекта (часть 2-я: синтез и верификация модели) / Е.В. Луценко, В.И. Лойко, Л.О. Макаревич // Политематиче-ский сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2011. -№09(73). С. 478 - 487. - Шифр Информрегистра: 0421100012\0376. - Режим доступа: http://ej .kubagro.ru/2011/09/pdf/44.pdf, 0,625 у.п.л.
5. Луценко Е. В. Автоматизированный системно-когнитивный анализ в управлении активными объектами (системная теория информации и ее применение в исследовании экономических, социально-психологических, технологических и организационно-технических систем): Монография (научное издание). - Краснодар: КубГАУ. 2002. - 605 с.
6. Луценко Е.В., Лойко В.И., Семантические информационные модели управления агропромышленным комплексом. Монография (научное издание). - Краснодар: КубГАУ. 2005. -480 с.
7. Макаревич О.А. Управление агропромышленным холдингом с применением технологий искусственного интеллекта: Монография (научное издание). - М: "Финансы и статистика", 2009. - 215 с.
8. Луценко Е.В. Системно-когнитивный анализ временных рядов на примере фондового рынка (когнитивная структуризация и формализация предметной области) / Е.В. Луценко, Е.А. Лебедев // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2009. - №07(51). С. 1 - 37. - Шифр Информрегистра: 0420900012\0073. - Режим доступа: http://ej .kubagro.ru/2009/07/pdf/01 .pdf, 2,312 у.п.л.
9. Луценко Е.В. Системно-когнитивный анализ временных рядов на примере фондового рынка (синтез и верификация семантической информационной модели) / Е.В. Луценко, Е.А. Лебедев // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2009. - №07(51). С. 38 - 46. - Шифр Информрегистра: 0420900012\0072. - Режим доступа: http://ej .kubagro.ru/2009/07/pdf/02.pdf, 0,562 у.п.л.
10. Луценко Е.В. Системно-когнитивный анализ временных рядов на примере фондового рынка (прогнозирование, принятие решений и исследование предметной области) / Е.В. Луценко, Е.А. Лебедев // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2009. - №07(51). С. 47 - 82. - Шифр Информрегистра: 0420900012\0071. - Режим доступа: http://ej .kubagro.ru/2009/07/pdf/03.pdf, 2,25 у.п.л.
