Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь FAQ Написать работу КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Выявление зависимостей. ЭконометрикаСодержание книги
Поиск на нашем сайте
В настоящее время существует большое количество прикладных программных систем, включающих в себя возможности статистического анализа и моделирования экономических характеристик. При этом наиболее используемыми являются [7]: • средства статистической обработки выборки и временных рядов; • модели линейной и нелинейной регрессии; • модели тренда и сезонности; • специальные эконометрические методы; • встроенные средства сбора, обработки и представления данных для статистического анализа. Быстро развивающиеся статистические методы количественного анализа являются удобным инструментом изучения финансовых рынков. Процесс их использования во многом тормозится недостаточно высоким качеством исходных данных. Эконометрика как наука о количественном анализе реальных экономических явлений [7] основывается на современном развитии теории и наблюдений, связанных с методами получения выводов. Цель эконометрики - получение эмпирических выводов экономических закономерностей. В этом качестве эконометрика представляет собой одно из средств контроллинга. Она может использоваться, во-первых, при определении рыночных тенденций и цен в случае применения метода рыночной калькуляции маржи не только на текущую и прошедшие даты, но и в виде прогноза на будущее. Во-вторых, эконометрические модели могут служить опорой в случае выявления тенденций изменения остатков по счетам (корреспондентскому, текущим, клиентским) для управления ими. В-третьих, эконометрические модели могут помочь при прогнозировании рынков для формирования комплексной программы развития и построении среднесрочных финансовых планов. В этой связи характерно отношение к указанным методам за рубежом: в условиях относительной предсказуемости тенденций развития эконометрические и имитационные модели являются достаточно хорошим подспорьем. При сохранении в российской экономике тенденции к стабилизации эти модели могут быть использованы и у нас. В то же время не следует преувеличивать возможности эконометрики. Традиционная эконометрика предписывает аналитику построить модель, собрать данные, выбрать подходящий метод оценивания и затем оценить модель. Описанный метод достаточно хорошо работает в физике, но далеко не всегда в экономике из-за ограниченных объемов временных рядов. В лучшем случае можно надеяться лишь на то, что модель будет справедлива локально [7]. Суть метода эконометрики состоит в фиксации системы связей (уравнений), определяющих взаимосвязи входящих и исходящих переменных. Ключевым фактором при использовании эконометрики служит правильный выбор базового вопроса- центра анализа. Остальные модели, необходимые данные, метод оценивания зависят от этого, фактора. Модели имеют двоякую ценность. С одной стороны, они объясняют полученные результаты и имеющиеся зависимости, но эти сведения имеют ограниченный интерес. С другой стороны, модели служат основой прогнозирования. В качестве исходных данных при этом выступают сценарии развития внешней среды и оцениваемого объекта (предприятия, подразделения). В комплексной модели прогнозирования используются балансовые уравнения, внешние ограничения (нормативы), выявленные зависимости между экономическими факторами, а также данные о зафиксированных мероприятиях (договорах, сделках) и планируемых. ИСПОЛЬЗОВАНИЕ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ФИНАНСОВЫХ ПРОГНОЗОВ Нейронная сеть представляет собой многослойную сетевую структуру, состоящую из однотипных (и сравнительно простых) процессорных элементов - нейронов. Нейроны, связанные между собой сложной топологией межсоединений, группируются в слои (как правило, два-три), среди которых выделяются входной и выходной слои. В нейронных сетях, применяемых для прогнозирования, нейроны входного слоя воспринимают информацию о параметрах ситуации, а нейроны выходного слоя сигнализируют о возможной реакции на эту ситуацию. Перед началом призводственной эксплуатации нейронная сеть проходит специальный этап настройки - обучения. Как правило, сети предъявляется большое количество заранее подготов- ленных примеров, для каждого из которых известна требуемая реакция сети. Если сеть реагирует на очередной пример неадекватно, т.е. состояние выходного слоя отличается от заданного, внутренняя структура сети подвергается некоторой модификации для минимизации ошибки (в большинстве случаев корректируются веса соединений). После определенного периода обучения сеть достигает состояния, соответствующего минимальной суммарной ошибке. В коммерческом применении нейронные сети, как правило, представлены в виде программных пакетов, плат-акселераторов для персональных компьютеров, нейромикросхем, а также специализированных нейрокомпьютеров. Для большинства приложений бывает достаточно простого программного пакета. Основные преимущества нейронных сетей состоят в следующем. 1. Наиболее ценное свойство нейронных сетей- способность 2. Нейронные сети способны успешно решать задачи, опираясь на неполную, искаженную, зашумленную и внутренне противоречивую входную информацию. 3. Эксплуатация обученной нейронной сети по силам пользователю-непрофессионалу. 4. Нейросетевые пакеты позволяют исключительно легко подключаться к базам данных, электронной почте и автоматизировать процесс ввода и первичной обработки данных. 5. Внутренний параллелизм, присущий нейронным сетям, позволяет практически безгранично наращивать мощность нейросистемы. Начав с простого пакета, можно в дальнейшем перейти на профессиональную версию или на специализированный нейрокомпьютер с полной преемственностью ранее созданного программного обеспечения. О нейронных сетях как профессиональном инструменте для финансовых операций серьезно заговорили в конце 1980-х гг. [19]. С появлением микропроцессоров и сверхбольших интегральных схем возникла техническая возможность построения более мощных нейронных сетей. Настраиваемые с помощью специальных алгоритмов обучения нейронные сети демонстрировали способность распознавания ранее предъявленных образцов в сложных наборах зашумлен-ных, неполных и противоречивых входных данных. В то же время надо осознавать, что обучение и перестройка нейронной сети требует очень высокой квалификации специалистов. Нейронные сети в том виде, как их сегодня применяют банкиры, бизнесмены и военные, - это не "черные ящики", раздающие туманные предсказания, а специализированные серийно выпускаемые программные пакеты и многопроцессорные системы, например нейрокомпьютер для анализа и краткосрочного предсказания колебаний курсов валют. Они в основном используются не Столько для предсказания биржевых крахов (хотя и для них тоже), сколько для выполнения огромных объемов рутинной и весьма ответственной работы по ежедневной, ежечасной, а зачастую ежеминутной коррекции валютных котировок на ведущих мировых биржах. К основным финансовым задачам, решаемым с помощью нейрокомпьютера, можно отнести [19]: • прогнозирование валютного курса на основе нейросетевых методов обработки временных рядов; • страхование банковской деятельности; • прогнозирование банкротств на основе нейросетевой системы распознавания; • определение курса облигаций и акций предприятий с целью вложения средств в эти предприятия; • применение нейронных сетей к задачам биржевой деятельности; • прогнозирование экономической эффективности финансирования инновационных проектов и др. Набор предложений программных продуктов, реализующих идею нейронных сетей, сегодня достаточно широк, включая встраивание соответствующих приложений в интегрированные системы поддержки принятия решения, например, фирмы ЗА8 1п§Ши1е Ведущиеся в настоящее время работы по переносу алгоритмов на элементную базу (нейрочипы, нейроплаты и нейрокомпьютеры) должны существенно повысить быстродействие и тем самым стимулировать расширение применения указанных средств для принятия решений (прежде всего оперативных и тактических), в том числе для финансовых приложений и задач контроллинга. Пока же возможности по включению нейроалгоритмов в прикладные финансовые системы представляются более скромными: они ориентированы на отдельные частные задачи (распознавание чеков, предсказание курсов на биржах), требующие предварительного качественного обучения. Наиболее успешным ожидается применение сравнительно простых нейросетей, например, с фиксированными структурами и весами.
|
||||
Последнее изменение этой страницы: 2016-04-21; просмотров: 327; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 18.119.122.140 (0.011 с.) |