Hedge fund investment decision support system based on logical-linguistic modeling and digital twin

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

The article presents methodological support in the form of a developed decision-making algorithm for formalizing a decision support system based on logical-linguistic knowledge modeling and a situational approach to management. The methodological support is adapted for making investment decisions in hedge funds, taking into account the parameters and limitations of the financial market specifics using cross-sectoral and cross-functional risk management. The algorithm is based on the hedge fund digital twin by selecting and digitizing the main parameters and indicators to solve problematic situations in investment management for hedge funds and other financial market participants. The developed recommendations in the form of an alternative network diagram were tested in the process of making investment decisions of a hedge fund with a refined characteristic of flows between elementary objects of the system and a description of the interaction of elementary objects in a digital twin and a frame representation of knowledge for decision making.

作者简介

Natalya Voronova

St Petersburg State University

Email: n.voronova@spbu.ru
проф., д.э.н., проф.

Elena Yakovleva

Saint Petersburg State University of Economics

Email: helen7199@gmail.com
проф., д.э.н., доцент

Ermin Sharich

St Petersburg State University

Email: st062696@student.spbu.ru
магистрант

Darya Yakovleva

St Petersburg State University

Email: st062671@student.spbu.ru
магистрант

参考

  1. Поспелов Д.А. Десять «горячих точек» в исследованиях по искусственному интеллекту // Интеллектуальные системы. – 1996. – c. 47-56.
  2. Хрусталёв Е.Ю. Когнитивная модель развития банковской системы РФ // Экономика и математические методы. – 2011. – № 2. – c. 117-127.
  3. Воронова Н.С., Яковлева Е.А., Шарич Э.Э., Яковлева Д.Д. Системы поддержки принятия решений в составе интеграционных механизмов финансового рынка ЕАЭС в контексте устойчивого развития // Экономика, предпринимательство и право. – 2021. – № 12. – c. 3105-3120. – doi: 10.18334/epp.11.12.113950.
  4. Яковлева Е.А., Гаджиев М.М., Шарич Э.Э., Яковлева Д.Д. Когнитивное усиление системы принятия и поддержки решений // Лидерство и менеджмент. – 2021. – № 1. – c. 127-144. – doi: 10.18334/lim.8.1.111421.
  5. Кукор Б.Л., Клименков Г.В. Адаптивное управление промышленным комплексом региона: теория, методология, практика. / Монография. - Екатеринбург: ФГБУН Институт экономики Уральского отделения РАН, 2017. – 306 c.
  6. Емельянова Ю.Г., Фраленко В.П. Методы когнитивно-графического представления информации для эффективного мониторинга сложных технических систем // Программные системы: теория и приложения. – 2018. – № 4(39). – c. 117-158. – doi: 10.25209/2079-3316-2018-9-4-3-117-158.
  7. Sharpe W.F. The Sharpe ratio // The Journal of Portfolio Management. – 1994. – p. 49-58.
  8. Акимов С.А. Гармоничность и практицизм; хедж- фонды: реалии и перспективы // Российское предпринимательство. – 2011. – № 9-2. – c. 22-28.
  9. Voronova N.S., Iakovleva D.D., Vinogradov A.N., Sharich E.E. Designing a Decision Support System for Capital Markets // Lecture Notes in Networks and Systems. – 2022. – p. 473-486. – doi: 10.1007/978-3-030-98832-6_42.
  10. Бирев Л.Э., Белкин И.О. Цифровой двойник // Инновации. Наука. Образование. – 2021. – № 26. – c. 1375-1380.
  11. Юрин А.А., Емельяненко А.С. Применение нечеткого когнитивного моделирования в рамках парадигмы «цифровой двойник» // Скиф. Вопросы студенческой науки. – 2019. – № 12-2(40). – c. 254-271.
  12. Горелова Г.В. Когнитивный подход к имитационному моделированию сложных систем // Известия ЮФУ. Технические науки. – 2013. – № 3(140). – c. 239-250.
  13. Кукор Б.Л., Куршев Е.П., Виноградов А.Н. Разработка динамического когнитивного сценария функционирования предприятия и производственных комплексов в процессе управления экономикой // Теоретические проблемы стратегического планирования на микроэкономическом уровне: Сборник докладов участников секционных заседаний XXI Всероссийского симпозиума. Москва, 2020. – c. 98-101.– doi: 10.34706/978-5-8211-0783-1-s1-27.
  14. Никульников Н.В., Иваев М.И., Шевырева А.Д. Использование систем поддержки принятия решений в торговой компании // Экономика, предпринимательство и право. – 2022. – № 11. – c. 3173-3184. – doi: 10.18334/epp.12.11.116665.
  15. Чурсин Р.А., Каплун Е.С. Основы управления проектами по созданию радикально новой продукции в современных экономических условиях // Финансовая экономика. – 2021. – № 5. – c. 345-351.
  16. Glaessgen E., Stargel D. The digital twin paradigm for future NASA and US Air Force vehicles // 53rd AIAA/ASME/ASCE/AHS/ASC Structures, Structural Dynamics and Materials Conference 20th AIAA/ASME/AHS Adaptive Structures Conference 14th AIAA. Honolulu, 2012. – p. 1818.– doi: 10.2514/6.2012-1818.
  17. Кулинич А.А. Систематизация когнитивных карт и методов их анализа // Независимое экспертное обозрение. – 2012. – c. 38-48.
  18. Stylios C. D. et al. Mathematical formulation of fuzzy cognitive maps // Proceedings of the 7th Mediterranean Conference on Control and Automation. 1999. – p. 2251-2261.
  19. Rosen R., Wichert G., Lo G., Bettenhausen K. About The Importance of Autonomy and Digital Twins for the Future of Manufacturing // IFAC-PapersOnLine. – 2015. – № 3. – p. 567-572. – doi: 10.1016/j.ifacol.2015.06.141.

版权所有 © Voronova N.S., Yakovleva E.A., Sharich E.E., Yakovleva D.D., 2023

##common.cookie##