Формализация экспертных систем поддержки принятия инвестиционных решений на финансовых рынках

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В статье развиваются основные положения ситуационного управления при построении системы поддержки принятия решений в условиях неполноты, неопределенности информации об исследуемых объектах, их свойствах, закономерностях поведения, взаимовлияния и взаимосвязи. Авторами была формализована модель предметной области для принятия инвестиционных решений в хедж-фонде в рамках экспертной системы, а также с точки зрения характеристик детерминации, распознавания и нивелирования систематизированы проблемные ситуации, описывающие процесс принятия решений в рамках предметной области с выделением этапов принятия решений с учетом имеющихся рисков и угроз при использовании логико-лингвистической модели, характеризующей процесс оптимизации поиска решений в экспертной системе поддержки принятия решений

Об авторах

Наталья Степановна Воронова

Санкт-Петербургский государственный университет

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

Елена Анатольевна Яковлева

Санкт-Петербургский государственный экономический университет

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

Эрмин Эмирович Шарич

Санкт-Петербургский государственный университет

Email: st062696@student.spbu.ru
студент

Дарья Дмитриевна Яковлева

Санкт-Петербургский государственный университет

Email: st062671@student.spbu.ru
студент

Список литературы

  1. 1. Болотова Л. С., Карасев А.А., Старых В.А. Формализация экспертных знаний для управления инцидентами информационных систем на основе онтологического подхода // Информационные технологии. – 2014. – № 6. – c. 3-10.
  2. 2. Болотова Л. С., Губарев В. А., Коваленко С. М., Смирнов С. С. Адаптивное дистанционное обучение принятию решений на основе технологии экспертных систем ситуационного управления // Образовательные технологии и общество. – 2003. – № 3. – c. 121-128.
  3. 3. Беглер А.М., Кудрявцев Д.В., Гаврилова Т.А. Применение онтологий для интеграции данных эмпирических исследований // Восемнадцатая Национальная конференция по искусственному интеллекту с международным участием КИИ-2020: Труды конференции, Москва, 10–16 октября 2020 года / Под ред. В.В. Борисова, О.П. Кузнецова. – Москва: МФТИ. Москва, 2020. – c. 3-11.
  4. 4. Хрусталев О. Е. Семантические методы и модели изучения слабоструктурируемых систем и ситуаций // Финансовая аналитика: проблемы и решения. – 2014. – № 5(191). – c. 20-30.
  5. 5. 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.
  6. 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.
  7. 7. Поспелов Д. А. Когнитивная графика - окно в новый мир // Программные продукты и системы. – 1992. – № 2. – c..4-6.
  8. 8. Поспелов Д. А. Вопросы кибернетики. Ситуационное управление и семиотическое моделирование. - М.: Финансы и статистика, 1983. – 296 c.
  9. 9. Кулинич А. А. Ситуационный, когнитивный и семиотический подходы к принятию решений в организациях // Открытое образование. – 2016. – № 6. – c. 9-17. – doi: 10.21686/1818-4243-2016-6-9-17.
  10. 10. Кукор Б.Л., Клименко Г.А. Адаптивное управление промышленным комплексом региона: теория, методология, практика. / под общ. ред. Б.Л. Кукора. - Екатеринбург. - Санкт-Петербург: ФГБУН Институт экономики Уральского отделения РАН, 2017. – 306 c.
  11. 11. Авдонин Б.Н., Хрусталёв Е.Ю., Хрусталёв О.Е. Когнитивная методология структуризации знаний для изучения и применения финансово-экономических инноваций // Финансовая аналитика: проблемы и решения. – 2013. – № 35. – c. 2-13.
  12. 12. Омельченко А. Н., Хрусталев О.Е. Логико-лингвистический анализ состояния и развития банковской системы России // Финансовая аналитика: проблемы и решения. – 2012. – № 18(108). – c. 19-31.
  13. 13. Акимов С.А. Гармоничность и практицизм; хедж- фонды: реалии и перспективы // Российское предпринимательство. – 2011. – № 2. – c. 22-28.
  14. 14. Дорохов Е. В. Анализ эволюции и противоречий хедж-фондов, их влияния на фондовые рынки // Экономический анализ: теория и практика. – 2022. – № 5(524). – c. 927-946. – doi: 10.24891/ea.21.5.927.
  15. 15. 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: 0.1007/978-3-030-98832-6_42.
  16. 16. Клименков Г. В., Кукор Б.Л. Экспертные системы и системы ситуационного управления на базе логико-лингвистических моделей // Вестник УГНТУ. Наука, образование, экономика. – 2017. – № 1(19). – c. 7-19.
  17. 17. Кукор Б.Л., Клименков Г.В., Одинцов С.С., Мелешин К.Ю. Основы теории адаптивного управления промышленным комплексом региона. / под общ. ред. Б.Л. Кукора и Г.В. Клименкова-ООО «Издательство Института экономики УрО РАН». - Пермь, 2013. – 107 c.
  18. 18. Пыткин А. Н., Кукор Б. Л., Клименков Г. В. Построение адаптивного управления, логико-лингвистического моделирования (ЛЛМ) на макро-, мезо-, мини- и микроуровнях управления // ВУЗ. XXI век. – 2015. – № 3(49). – c. 103-112.
  19. 19. Клименков Г. В. Построение системы адаптивного управления на базе логико-лингвистического моделирования // Вестник УГНТУ. Наука, образование, экономика. Серия: Экономика. – 2016. – № 2(16). – c. 66-71.
  20. 20. Кукор Б.Л., Куршев Е.П., Виноградов А.Н. Разработка динамического когнитивного сценария функционирования предприятия и производственных комплексов в процессе управления экономикой. Секция 1 // Теоретические проблемы стратегического планирования на микроэкономическом уровне: Сборник докладов участников секционных заседаний XXI Всероссийского симпозиума. Москва, 2020. – c. 98-101.
  21. 21. Ладенко И. С., Тульчинский Г. Л., Кутовой Н. Б. Методология семиотического моделирования. - Новосибирск: АН СССР, Сиб. отд–ние, Ин–т истории, филологии и философии, 1987. – 64 c.
  22. 22. Горелова Г.В. О когнитивном моделировании сложных систем, инструментарий исследования // Известия ЮФУ. Технические науки. – 2012. – № 6(131). – c. 236-240.
  23. 23. Воронова Н.С., Яковлева Е.А., Шарич Э.Э., Яковлева Д.Д. Когнитивные динамические сценарии в системах поддержки принятия финансовых решений // Экономика, предпринимательство и право. – 2022. – № 1. – c. 211-222. – doi: 10.18334/epp.12.1.114200.
  24. 24. Гаврилова Т. А., Гулякина Н.А. Визуальные методы работы со знаниями: попытка обзора // Искусственный интеллект и принятие решений. – 2008. – № 1. – c. 15-21.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Воронова Н.С., Яковлева Е.А., Шарич Э.Э., Яковлева Д.Д., 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».