CC BY
111
УДК 004. 77
НЕЙРОСЕТЕВЫЕ ТЕХНОЛОГИИ В ФИНАНСОВО-ЭКОНОМИЧЕСКОЙ
ДЕЯТЕЛЬНОСТИ
Г. Ю. Соколова, К. А. Назаренко Научный руководитель - Д. В. Тихоненко
Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31
E-mail: galina_sokolova_1998@mail.ru
Изучаются аналитические информационные технологии, основанные на использовании нейронных сетей. Рассматриваем технологии нейронных сетей для финансово-экономической деятельности.
Ключевые слова: нейросетевые технологии, финансово-экономическая деятельность, российский рынок, алгоритм.
NEURAL NETWORK TECHNOLOGY IN THE FINANCIAL-ECONOMIC
ACTIVITIES
G. U Sokolova, K. A. Nazarenko, Scientific Supervisor - D. V. Tkhonenko
Reshetnev Siberian State Aerospace University 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660037, Russian Federation E-mail: galina_sokolova_1998@mail.ru
We have studied analytical information technologies based on the use of neural networks. We consider neural network technology for the financial-economic activities.
Keywords: neural network technology, the financial and economic activities, Russian market, algorithm.
На данный момент более интересным приложением нейронных сетей стали именно задачи финансово экономической деятельности. Рынки коммерческих программных продуктов наряду с аналитическими инструментами нового поколения стали большим интересом аналитических информационных технологий, основанных на использование нейронных сетей.
Основами нейронных сетей являются алгоритмы, обладающие способностью самообучения на примерах, которые они извлекают из потока информации как скрытые закономерности. Нейронные сети, являются сильным и практичным технологическим инструментом.
Финансово-кредитная сфера стала началом пути нейронных сетей на российском рынке, где заинтересованные в совершенствовании аналитической работы банки стали интенсивно включать нейронные сетевые технологии в состав финансовых приложений. В настоящее время нейросетевые технологии реализованы приложениями BrainMarker Pro 3.12 пользователями, которых стали уже более 200 банков и торговых компаний [1].
Нейронные сети выделили отличительную черту способную изменять своё поведение в зависимости от изменений внешней среды и находя скрытые закономерности из потока данных. Так же, не требуется каких либо предварительных знаний о существование в предметной области взаимосвязей для алгоритмов обучения, достаточно подобрать достаточное число примеров, описывающие поведение моделируемой системы в прошлом.
Актуальные проблемы авиации и космонавтики - 2017. Том 2
Технология основанная на нейросетях не предоставляет повышенных требований к точности входных данных как на этапе обучения, так и после настройки и обучения, к примеру при распознавании симптомов приближения критических ситуаций как для краткосрочных, так и для долгосрочных прогнозов.
Таким образом, нейросетевая технология обладает двумя чрезвычайно полезными свойст-вами.[2]
1. Способностью обучаться на конкретном множестве примеров.
2. Умением стабильно распознавать, прогнозировать новые ситуации с высокой степенью точности, причем в условиях внешних помех, например появления противоречивых или неполных значений в потоках информации.
Основой нейросетевых технологий стала работа мозга, которая включила в себя ряд понятий, биологических терминов, и параметров, в связи с этим образовался метод генетического алгоритма.
Именно метод, генетического алгоритма является наиболее часто используемой версией нейросетевых технологий. В BrainMarker Pro 3.12 на некотором множестве примеров генетический алгоритм управляет процессом общения, а также стабильно прогнозирует новые ситуации с высокой степенью точности даже в условиях внешних помех, например, появления противоречивых или неполных знаний.
При применении нейросетевой технологии работа происходит в несколько этапов :[3]
• верное выявления проблемы,
• подготовка и выявление исходных данных для реализации нейросетевой технологии,
• запуск и проведение тестирования нейросети для получения прогноза.
Преимущества практичного применения нейросетевых технологий:
• несложный процесс ограниченных информационных ресурсов или дефицита времени для специалиста и легкое принятия важных и неочевидных решений в условиях неопределенности;
• быстрое привыкание к изменениям условий решаемой задачи.
• способность обучаться на конкретных примерах;
• умение прогнозировать и стабильно распознавать новые ситуации с высокой степенью точности даже в условиях внешних помех.
• легкое подключение к базам данных, электронной почте и автоматизирование процессов ввода и первичной обработки данных с помощью нейросетевых пакетов;
• внутренний параллелизм, присущий нейронным сетям, позволяет практически безгранично наращивать мощность нейросистемы, т.е. сверхвысокое быстродействие за счет использования массового параллелизма обработки информации;
• сохранность работоспособности при повреждении значительного числа нейронов;
• доступность возможности к обучению;
• программирование вычислительной системы заменяется обучением;
• распознавание образов в условиях сильных помех и искажений.
Задачи финансово-экономической области решаемые, с помощью нейронных систем:
• прогноз временных рядов на основе нейросетевых методов обработки;
• страховая деятельность банков;
• на основе нейросетевой системы распознавания прогнозирование банкротства;
• определение курсов ценных бумаг предприятий с целью инвестирования;
• применение нейронных сетей к задачам биржевой деятельности;
• прогноз экономической эффективности финансирования инновационных проектов;
• мониторинг результатов займов;
• анализ платежеспособности клиентов;
• оценка недвижимости;
• индивидуальная оценка уровня конкурентоспособности;
• общие приложения нейронных сетей.
Есть два пути после окончания цикла решения задачи, первый, когда специализированный пользователь решающий определённый круг задач использует в дальнейшей работе созданную систему, доступную только для него самого, второй для создания каждой задачи независимые приложения в виде отдельного файла, который может использоваться другими программами. [5]
Нейронные сети открыли перед собой практически неограниченное количество возможностей применения качества аналитических инструментов в многокритериальных и плохо формализуемых областях. Отличные качества нейронных сетей, гибкость и мощность в анализе финансовой и банковской деятельности.
Задачи связанные с использованием на валютном рынке финансовых средств или рынке ценных бумаг, сопряжены с риском и требуют тщательного анализа и прогноза.
Исходя из вышесказанного мы понимаем, что во всех сферах человеческой деятельности, в том числе в сфере финансовых приложений использование нейронных сетей движется по нарастающей. Зачастую по необходимости и из-за широких возможностей для одних, из-за престижности для других и из-за интересных приложений для других. К тому же, применение нейросете-вых технологий значительно упрощает процесс анализа, позволяет оценить эффективность принятия того или иного управленческого решения, как в краткосрочной, так и в долгосрочной перспективе.
Библиографические ссылки
1. ТиторенкоГ.А. Автоматизированные информационные технологии в экономике. 2009. № 3 [Электронный ресурс]. URL: http://referatbox.com/19528/nejrosetevye-texnologii-v-finansovo-ekonomicheskoj-deyatelnosti/18/ (дата обращения: 15.02.2017).
2. Electronic textbook ngpedia. [Электронный ресурс]. URL: http://www.ngpedia.ru/ pg2155803gvqE7HA0005512361/ (дата обращения: 15.02.2017).
3. Electronic textbook ngpedia. [Электронный ресурс]. URL: http://www.ngpedia.ru/pg312 0248URbmkoS0004512361/ (дата обращения: 17.02.2017).
4. Electronic textbook studopedia [Электронный ресурс]. URL: http://studopedia.ru/2_15602_ neyrosetevie-tehnologii-v-finansovo-ekonomicheskoy-deyatelnosti.html (дата обращения 15.02.2017)
5. Серебрякова Т. А. Нейросетевые технологии в банковской деятельности 2013. № 35 [Электронный ресурс]. URL: http://cyberleninka.ru/article/n/neyrosetevye-tehnologii-v-bankovskoy-deyatelnosti(дата обращения 15.02.2017).
© Соколова Г. Ю., Назаренко К. А., Тихоненко Д. В., 2017
