Файл: Применение нейронных сетей в экономике (Использование нейронных сетей в экономике).pdf

2.2 Применение нейросетевых технологий на практике

Нейронные сети предпочтительнее, когда есть много входных данных, где шаблоны скрыты. Целесообразно использовать методы нейронной сети в задачах с неполной или «шумной» информацией, а также в тех случаях, когда решение можно найти интуитивно.

Нейронные сети используются для прогнозирования рынков, оптимизации товарных и денежных потоков, анализа и обобщения социологических опросов, прогнозирования динамики политических рейтингов, оптимизации производственного процесса, комплексной диагностики качества продукции и многое, многое другое.

Нейронные сети все чаще используются в реальных бизнес-приложениях. В некоторых областях, таких как обнаружение мошенничества и оценка рисков, они стали бесспорными лидерами среди используемых методов. Их использование в системах прогнозирования и системах маркетинговых исследований постоянно растет.

Поскольку экономические, финансовые и социальные системы очень сложны и являются результатом действий и противодействия разных людей, очень сложно (если не невозможно) создать полную математическую модель с учетом всех возможных действий и противодействий. Практически невозможно приблизиться к модели, основанной на традиционных параметрах, таких как максимизация полезности или максимизация прибыли^[9].

В системах такой сложности естественно и наиболее эффективно использовать модели, которые непосредственно имитируют поведение общества и экономики. И это именно то, что может предложить методология нейронных сетей.

Ниже приведены области, в которых эффективность нейронных сетей доказана на практике:

Для финансовых операций:

- Прогнозирование поведения клиентов.

- Прогнозирование и оценка риска предстоящей сделки.

- Прогнозирование возможных мошеннических действий.

- Прогнозирующие остатки на корреспондентских счетах Банка.

- Прогнозирование объемов денежных потоков и оборотного капитала.

- Прогнозирование экономических показателей и фондовых индексов.

Для планирования предприятия:

- Прогнозирование объемов продаж.

- Прогнозирование использования производственных мощностей.

- Прогнозирование спроса на новые продукты.

Для бизнес-аналитики и поддержки принятия решений:

- Определите тенденции, корреляции, шаблоны и исключения в больших объемах данных.

- Анализ филиалов компании.

---

- Сравнительный анализ конкурирующих фирм.

Другое применение:

- Оценка недвижимости.

- Контроль качества продукции.

- Системы контроля состояния оборудования.

- Разработка и оптимизация сетей связи, сетей электроснабжения.

- Прогнозирование потребления энергии.

- Распознавание рукописного ввода, включая автоматическое распознавание подписи и аутентификацию.

- Распознавание и обработка видео и аудио сигналов.

Нейронные сети могут использоваться в других задачах. Основными определяющими условиями их использования являются наличие «исторических данных», с помощью которых нейронная сеть сможет учиться, а также неспособность или неэффективность других, более формальных методов.

Независимый экспертный совет по стратегическому анализу вопросов внешней и внутренней политики Совета Федерации Института искусственного интеллекта представил проект «Технология нового поколения на основе недоопределенных расчетов и его использование для разработки экспериментальной модели макроэкономики Российская Федерация". В течение многих последующих лет стало возможным рассчитывать результаты любых действий или предложений, связанных с бюджетом страны.

Система позволяет нам увидеть, как изменится доля доходов, дефицит бюджета, объем промышленного производства в ответ на, скажем, увеличение налогов. Вы также можете узнать, сколько денег прошло в прошлом году из бюджета: электронная машина, по мнению ученых, может легко справиться с такой задачей. Ей даже не придется объяснять концепцию «черных денег».

Вы можете решить обратную задачу. Например, что нужно сделать, чтобы увеличить или, скажем, по крайней мере не упасть объем производства к 2020 году? Машина будет указывать нижний и верхний предел значений в любом случае для выпущенных бюджетных денег во всех отношениях, так или иначе влияющих на производство.

Кроме того, вы можете узнать не гороскоп без помощи магов возможной последовательности «критических» и «успешных» моментов в развитии экономики для данных исходных данных.

Разработчики проекта до сих пор создали только демонстрационную модель, охватывающую около 300 параметров и период с 1990 по 1999 год. Но для нормальной работы вам требуется не менее 1000 параметров. И такая работа может быть выполнена, если средства будут выпущены для нее. Необходимо провести много прикладной работы, фундаментальные исследования как основных компонентов проекта - математического и экономического. Здесь нам нужна серьезная государственная финансовая поддержка.

---

Внедрение современной компьютерной модели макроэкономики и государственного бюджета Российской Федерации автоматизирует подготовку исходных параметров государственного бюджета на следующий год, окончательную версию для утверждения в парламенте, поддержку, оценку и контроль исполнения бюджета на всех этапах^[10].

За последние несколько лет интерес к искусственным нейронным сетям в России вырос. Возможность быстрого обучения и надежности выводов позволяет рекомендовать экспертные системы нейронных сетей как один из обязательных инструментов во многих аспектах современного бизнеса. Нейронные сети имеют огромное преимущество перед традиционными трудоемкими и долгосрочными, обобщая знания экспертов.

Технологии нейронной сети применимы практически в любой области, и в таких задачах, как прогнозирование цен на акции и обменных курсов, они стали привычным и широко используемым инструментом. Широкое проникновение технологий нейронной сети в современный бизнес - это только вопрос времени. Внедрение новых технологий, основанных на знаниях, является сложным процессом, но практика показывает, что инвестиции не только окупаются и приносят выгоды, но и дают тем, кто использует их осязаемые выгоды.

Использование нейронных сетей в Финансах основано на одном фундаментальном предположении: замене предсказания на признание. По большому счету, нейронная сеть не прогнозирует будущее, а «учит» в текущем состоянии рынка ранее встречающуюся ситуацию и воспроизводит последующую реакцию рынка.

Финансовый рынок довольно инерционен, он имеет свою собственную «медленную реакцию», зная, что вы можете довольно точно рассчитать будущую ситуацию. И насколько точно - это зависит от условий рынка и навыков оператора.

Поэтому наивно полагать, что нейронная сеть будет автоматически прогнозировать темпы основных показателей - национальной валюты или, например, драгоценных металлов на нестабильных рынках. Но в любой ситуации на рынке есть инструменты, которые поддерживают стабильность. Например, когда доллар прыгает, это «долгосрочные» фьючерсы, реакция которых простирается на несколько дней и предсказуема. Кстати, в периоды рыночных потрясений игроки обычно паникуют, что повышает преимущества владельца хорошего аналитического инструмента.

Сотни всемирно известных и небольших начинающих компаний в настоящее время работают над созданием нейронных сетей для различных целей. Мировой рынок предлагает более сотни пакетов нейронных сетей, в основном американских. К 2005 году общий объем рынка нейронных сетей превысил 10 миллиардов долларов, и почти каждый разработчик традиционных аналитических пакетов сегодня стремится включить нейронные сети в новые версии своих программ. В США нейронные сети используются в аналитических комплексах каждого крупного банка.

---

Продажа только одного пакета нейронной сети «Brain Maker Pro» сопоставима с продажами самого популярного пакета технического анализа MetaStock (в США продано более 20 000 копий Brain Maker Pro).

Устоявшийся пакет «Трилогия ИИ». («Трилогия искусственного интеллекта») Американская компания «Ward Systems Group». Это набор из трех программ, каждый из которых может использоваться как самостоятельно, так и в сочетании с другими.

Таким образом, программа «NeuroShell II» представляет собой набор из 16 типов нейронных сетей, «NeuroWindows» представляет собой библиотеку нейронных сетей с исходными текстами, «GeneHunter» - это программа генетической оптимизации. Вместе они образуют мощного «дизайнера», который позволяет создавать аналитические комплексы любой сложности.

«Трилогия «AI» на нашем рынке пользуется большим спросом. Пакет установлен в 150 крупнейших банках нашей страны. Он неоднократно выигрывал престижные конкурсы популярных финансовых изданий и помогал управлять капиталом в несколько миллиардов долларов. Фирма «Du Pont» (Институт стандартов и ФБР) считает «Трилогию искусственного интеллекта» лучшей для решения различных проблем^[11].

Интересным и значительным малоизвестным фактом является то, что ключевые компоненты этого пакета были написаны российскими программистами. Появление пакета будет командой разработчиков из небольшой московской компании «Европроект» под руководством профессора Персианцева. Уже более трех лет выполняются заказы компании «Ward Systems Group» и нашли успешное решение. Можно сказать, что российские программы управляют финансами Америки и задачами ФБР.

Как это может быть полезно для финансистов? Смогут ли они работать на нашем непредсказуемом рынке, где одно решение Центрального банка может мгновенно опрокинуть рынок? Предваряя эти вопросы, владельцы пакетов предлагают специальную консультационную услугу.

С Банком заключено специальное соглашение, аналитики которого не верят в предсказуемость нашего рынка. В течение определенного периода: за две недели, месяц или более, за номинальную плату, Банку предоставляются ежедневные прогнозы на завтра (или неделю вперед) по котировкам определенных финансовых инструментов. Если прогноз последовательно демонстрирует приемлемую точность, Банк обязуется покупать аналитический комплекс вместе с настройками.

И не было ни одного случая, когда клиент отказался бы покупать. Между выборами произошел показательный и впечатляющий случай, когда один из крупнейших банков провел аналогичное тестирование пакета. Танцевальные курсы по ценным бумагам падающей и растущей политики, но каждый вечер Банк прогнозировал ряд будущих цен (мини - Макси - средний - закрытие) шестнадцати векселей ценных бумаг. Менее чем через две недели Банк подписал контракт на поставку аналитического комплекса, который может поддерживать эффективность даже в таких бурных и непредсказуемых ситуациях^[12].

---

Много возможностей. Нейронные сети - чрезвычайно мощный метод моделирования, который позволяет воспроизводить чрезвычайно сложные зависимости. В частности, нейронные сети являются нелинейными по своей природе. В течение многих лет линейное моделирование было основным методом моделирования в большинстве областей, поскольку процедуры оптимизации хорошо разработаны для него. В задачах, где линейное приближение неудовлетворительное (и их немало), линейные модели работают плохо. Кроме того, нейронные сети справляются с «проклятием размерности», что не позволяет моделировать линейные зависимости в случае большого числа переменных

Простота использования. Нейронные сети учатся на примерах. Пользователь нейронной сети выбирает репрезентативные данные, а затем запускает алгоритм обучения, который автоматически воспринимает структуру данных. В то же время пользователь, конечно же, требует некоторого набора эвристических знаний о том, как выбирать и готовить данные, выбирать желаемую сетевую архитектуру и интерпретировать результаты, но уровень знаний, необходимых для успешного применения нейронных сетей, более скромным, чем, например, использование традиционных методов статистики.

Нейронные сети привлекательны с интуитивной точки зрения, потому что они основаны на примитивной биологической модели нервных систем. В будущем развитие таких нейробиологических моделей может привести к созданию действительно мыслящих компьютеров. Между тем, «простые» нейронные сети, которые строит ST Neural Networks, являются мощным оружием в Арсенале специалиста по прикладной статистике.

Заключение

Нейронная сеть - это общее название для нескольких групп математических алгоритмов в сочетании с одной общей особенностью - умение учиться в группе примеров для «изучения» впоследствии, особенностей ранее встречающихся образов и ситуаций.

Основными определяющими условиями их использования являются наличие «исторических данных», с помощью которых нейронная сеть сможет учиться, а также неспособность или неэффективность других, более формальных методов. Для того, чтобы сеть использовалась в будущем, она должна быть сначала «обучена» ранее полученным данным, для которых известны значения входных параметров и правильные ответы на них. Нейронная сеть может «учиться» даже на массиве генерируемых случайных чисел.

Технологии нейронной сети, используемые в финансовых и других методах анализа, давно перестали быть модными экзотическими и вызывают недоумение специалистов. В мире накоплен огромный опыт использования нейронных сетей, сто из ста западных финансовых и промышленных компаний используют нейротехнологию в той или иной форме. В России до недавнего времени найти достойный нейроскоп было очень сложно. Однако на сегодняшний день барьер недоверия нарушен, есть обнадеживающие результаты решения различных аналитических проблем с элементами нейротехнологии в суровой российской действительности. Сегодня аналитики могут выбрать систему прогнозирования в соответствии с их вкусом, круг задач, которые необходимо решить.

---