Фирма ТОРА-Центр
Новости
Конференция
Каталог программ
Литература
Прайс-лист
Демоверсии программ
Семинары и учебные курсы
Статьи и материалы
Ссылки на FOREX-страницы
Партнеры



Марксистская, 20
Тел:517-33-83
        726-67-78
E-mail:
am@inforus.biz
Пн - Пт, 9:30 - 18:00

Rambler's Top100



   Ñòàòüè ýêñïåðòîâ è ñîòðóäíèêîâ ôèðìû ÒÎÐÀ-Öåíòð   
СПРАВКА

Экспертные системы в финансовой и экономической деятельности.


ВВЕДЕНИЕ

Экспертные системы (ЭС) представляются собой компьютерные программы, использующие принципы искусственного интеллекта и формализованные знания эксперта для обработки оперативной информации и принятия обоснованных решений в анализируемой предметной области.

Существуют два принципиально различных класса ЭС: “основанные на правилах” и “основанные на примерах”. Первый класс ЭС применяется для работы с хорошо систематизированными элементами знаний и априори известными закономерностями, выраженными различного рода методиками, инструкциями, правилами и т.п. Второй класс ЭС используется в ситуациях, когда отсутствуют какие-либо явные связи и закономерности между элементами знаний, а сами знания представлены в виде списков примеров, описывающих реализации тех или иных событий. Если первый класс ЭС работает с хорошо определенными данными и знаниями, извлеченными из экспертов-аналитиков инженерами знаний, то второй - формирует свои знания путем адаптации к предметной области, представленной примерами, причем как обучающая, так и анализируемая информация может быть искажена и неполна. В первом случае в основе механизмов вывода, как правило, лежат классические стратегии наследования и логического вывода, аппроксимирующие а во втором - различные методы индуктивного обобщения по примерам, в частности, свойства, используемых для этого, искусственных нейронных сетей.

ЭС с успехом применяются в тех областях, где кроме применения стандартных алгоритмических методов, основанных на точных вычислениях, по существу знания и опыт конкретных экспертов-аналитиков, а принятие решений формируется в условиях неполноты данных и зависит скорее от качественных, чем количественных оценок. К таким предметным областям относится прежде всего область анализа финансовой деятельности, где эффективность принимаемых решений зависит от сопоставления множества различных факторов, учета сложных причинно-следственных связей, применения нетривиальных логических рассуждений и т.п.

В настоящей справке, в качестве иллюстрации использования технологии экспертных систем в финансовой деятельности приводятся примеры некоторых наиболее типичных конкретных разработок ЭС. О масштабах исследований и предложений на рынке ЭС в области финансов можно судить по международным научным конференциям (например, Artificial International Applications on Wall Street, Oct. 9-12, 1991, New York) и коммерческим каталогам, в которых стоимости конкретных приложений колеблются от тысяч до десятков тысяч долларов.

1. Финансовые ЭС, основанные на правилах.

Множество фирм на Уолл-Стрит установили ЭС для решения задач в таких областях как: торги на фондовой бирже, автоматическое понимание новостей, кредитный анализ, управление рисками, построение портфелей кредитов и инвестиций, оценка рейтинга банков, автоматизация аудита, предсказание изменений на финансовом рынке и т.д.

Примерами этому является целый класс консультативных ЭС: Bear, Sterns & Company’s Broker Monitoring System, Athena Group’s Portfolio Advisor и Trader’s Assistant, совместно разработанные корпорациями Author D. Little Corporation, Knowledge-Based Network Corporation и еще шестью финансовыми институтами. Японский Sanwa Bank, один из крупнейших мировых банков, применяет экспертную систему Best Mix для улучшения качества своей информации по инвестициям.

ЭС Nikko Portfolio Consultation Management System, разработанная для внутреннего использования фирмой Nikko Securities, Ltd., помогает управляющим фондами выбрать оптимальный портфель для своих клиентов. Данная система основана на базе данных с информацией за пять лет продаж акций и на системе с новой теорией управления портфелем, которая вычисляет и оптимизирует портфель ценных бумаг для страховки от различных рисков. Управляющие фондами освобождаются от рутинных вычислений и, таким образом, имеют возможность более быстро составить оптимальный портфель ценных бумаг. Компания IDS Financial Services, подразделение финансового планирования American Express Company, классифицировали финансовые экспертизы своих лучших управляющих для создания экспертной системы, названной Insight. IDS включила экспертизы лучших управляющих в свои средства, т.е. экспертную систему, доступную всем своим планировщикам. Одним из основных результатов применения экспертной системы в компании IDS стало то, что процент покинувших фирму клиентов упал более чем наполовину.

  • Перечислим характеристики некоторых конкретных ЭС этого класса.
  • 1. FLiPSiDE: Система логического программирования финансовой экспертизы.

  • Фирма: Case Western Reserve University Решаемые задачи:
    • мониторинг состояния рынка ценных бумаг;
    • мониторинг состояния текущего портфеля ценных бумаг;
    • поддержка обзора будущих условий рынка;
    • планирование и выполнение продаж.
  • Краткие характеристики:
    • применение оригинальной парадигмы “Классной доски”, описанной Ньюэллом;
    • язык Пролог в качестве платформы программирования;
    • представление данных на “Классной доске” в качестве исходных данных для различных знаний;

    -

    2. Splendors: Система управления портфелем ценных бумаг реального времени.

  • Решаемые задачи: достижение разнообразных инвестиционных целей в

    условиях быстро меняющихся данных.

    Краткие характеристики:

    • система реального времени,
    • использование специализированного языка высокого уровня Profit,
    • большая гибкость в создании портфеля для опытных программистов на C,
    • возможность создания портфеля непрограммирующему финансовому аналитику.

    Система позволяет формировать оптимальные инвестиционные портфели в реальном масштабе за счет игры на учете быстрых изменений на фондовой бирже.

    3. PMIDSS: Система поддержки принятия решений при управлении портфелем.

  • Разработчики: Финансовая группа Нью-Йоркского университета.

    Решаемые задачи:

    • выбор портфеля ценных бумаг,
    • долгосрочное планирование инвестиций Краткие характеристики:
    • смешанная система представления знаний,
    • использование разнообразных механизмов вывода: логика, направленные семантические сети, фреймы, правила.

    4. Le Courtier: Система ассистент-эксперт для менеджера портфеля.

  • Фирма: Cognitive System Inc.

    Решаемые задачи:

    • помощь инвесторам в определении своих инвестиционных целей,
    • управление портфелем.
  • Краткие характеристики:
    • использование правил,
    • мощный естественно-языковый интерфейс,

    5. PMA: Советчик управляющему портфелем.

  • Фирма: Athena Group.

    Решаемые задачи:

    • формирование портфеля,
    • оказание рекомендаций по сопровождению портфеля.
  • Краткие характеристики:
    • обеспечение качественного обоснования результатам применения различных численных методов.

    6. ArBoR: Вычислительная модель рейтинга облигаций.

  • Фирма: College of Business Administration Univercity of Nebraska.

    Решаемые задачи: Данная система создана для конструирования вычислительной модели в области рейтинга облигаций и для применения модели в качестве экспертной системы.

    Краткие характеристики:

    • применение качественного и количественного анализа,
    • использование стандартной оболочки ЭС.

    7. Intelligent Hedger: основанный на знаниях подход в задачах страхования от риска.

  • Фирма: Information System Department, New York University.

    Решаемые задачи: проблема огромного количества постоянно

    растущих альтернатив страхования от рисков, быстрое принятие решений менеджерами по рискам в ускоряющемся потоке информации, а также недостаток соответствующей машинной поддержки на ранних стадиях процесса разработки систем страхования от рисков предполагает обильную сферу различных оптимальных решений для менеджеров по риску. В данной системе разработка страхования от риска сформулирована как многоцелевая оптимизационная задача. Данная задача оптимизации включает несколько сложностей, с которыми существующие технические решения не справляются.

    Краткие характеристики: система использует объектное представление,

    охватывающее глубокие знания по управлению риском и облегчает эмуляцию первичных рассуждений управляющих риском, полезных для выводов и их объяснений.

  • 8. Узко ориентированная система поддержки принятия решения для выбора стратегий инвестиций.

  • Фирма: Intelligent System Laboratory Science Univercity of Tokyo.

    Решаемые задачи: С приходом в набор финансовых инструментов понятий “выбор” и “будущее”, у инвесторов появилась возможность формировать набор стратегий, отвечающих целям их инвестиций. Однако, эта возможность порождает трудную задачу нахождения необходимой стратегии среди большого числа стратегий инвестиций. Представлена интеллектуальная система поддержки принятия решения для генерации необходимых стратегий инвестирования с использованием нотации ограниченной удовлетворительности, которая широко применяется в задачах поиска. В данной системе ограничения играют роль навигации для автоматического порождения сложных стратегий через абстрактное сравнение с профилем вкладчиков. Абстрактное сравнение может рассматриваться как поиск метода для производства качественно обоснованных стратегий, описывающих набор предложений для покупки или продажи без цифровой информации. Т.к. такая техника может быть использована как предпроцессор для количественного анализа типа линейного программирования для получения оптимального решения, предлагаемая система является мостом для плавного перехода между качественным и количественным анализами.

    Краткие характеристики: применение качественного анализа для получения

    возможных качественных решений (интуитивные решения) и количественного анализа для нахождения оптимального решения с помощью симплексного метода линейного программирования.

  • 9. Явные рассуждения в прогнозировании обмена валют.

  • Фирма: Department of Computer Science City Polytechnic of Hong Kong.

    Решаемые задачи: Представляет новый подход в прогнозировании обмена

    валют, основанный на аккумуляции и рассуждениях с поддержкой признаков, присутствующих для фокусирования на наборе гипотез о движении обменных курсов. Представленный в прогнозирующей системе набор признаков - это заданный набор экономических значений и различные наборы изменяющихся во времени параметров, используемых в модели прогнозирования.

    Краткие характеристики: математическая основа примененного подхода

    базируется на теории Демпстера-Шафера.

  • 10. Nereid: Система поддержки принятия решений для оптимизации работы с валютными опционами.

  • Фирма: NTT Data, The Tokai Bank, Science Univercity of Tokyo.

    Решаемые задачи: система облегчает дилерскую поддержку для оптимального ответа из возможных представленных вариантов. Система более практична и дает лучшие решения, чем обычные системы принятия решений.

    Краткие характеристики: система разработана с использованием фреймовой

    системы CLP, которая легко интегрирует финансовую область в приложение ИИ. Предложен смешанный тип оптимизации, сочетающий эвристические знания с техникой линейного программирования. Система работает на Sun-станциях

  • 2. ЭС, основанные на примерах.

    ЭС, основанные на примерах, можно по принципам работы можно разделить на две группы: использующие нейронные сети и использующие алгоритм индуктивного обобщения ID3. Первые в основном используются как предварительно обученный на примерах классификатор, у которого при подаче на его вход набора значений исходных финансовых параметров на выходе появляется искомое решение по данной финансовой ситуации. Вторые по наборам примеров формируют дерево решений, из которого затем строятся соответствующие для принятия решений правила. Ниже мы приведем 2 типичных примера ЭС обоих групп.

    1. S&PCBRS: Нейронный симулятор для оценки рейтинга ценных бумаг.

  • Разработчики: Chase Manatten Bank, Standart & Poor’s Corp.

    Решаемые задачи:

    • оценка рейтинга ценных бумаг по данным о фирмах эмитентах,
    • формирование корректной рейтинговой шкалы.
  • Краткие характеристики:
    • представление задачи оценки рейтинга как задачи классификации,
    • отбор данных о фирмах эмитентах и формирование обучающего материала,
    • выбор нейроклассификатора, его обучение и тестирование,
    • сравнение с оценками экспертов,
    • использование нейросетевой парадигмы Couter-Propagation,
    • вероятность правильного предсказания рейтинга 84%

    2. ISPMS: Интеллектуальная система управления портфелем ценных бумаг.

  • Решаемые задачи:
    • формирование портфеля акций, обеспечивающего баланс между риском и предполагаемым доходом.
  • Краткие характеристики:
    • использование оптимизационной модели квадратичного программирования Марковица,
    • баз данных и баз знаний по фирмам-эмитентам и отраслям,
    • наличие подсистемы обучения на прошлом опыте, основанной на извлечении правил из большого количества фактов,
    • учет знаний эксперта и личных предпочтений инвестора в оптимизационной модели.
    • вероятность правильного предсказания резкого изменения на фондовой бирже в пределах 68% - 84%.

       Перейти на главную страницу   

    Copyright © 1993-2006 ТОРА-Центр. Тел: 517-33-83, 726-67-78 Марксистская ул., д.20