Добавим, что степень истинности выводов из подобных опосредованных рассуждений зависит от количества информации, содержащегося в признаках о принадлежности обладающих ими объектов к обобщенным категориям (классам) и от степени сходства-различия признаков друг с другом по их смыслу. Поэтому, как и Дьердь Пойя [20], будем называть эти рассуждения "правдоподобными" [7]. Все эти параметры, определяющие степень истинности опосредованных правдоподобных высказываний, определяются в семантической информационной модели СК-анализа непосредственно на основе эмпирических данных.

Пример когнитивной диаграммы, детально раскрывающей структуру линии связи между классами с кодами 2 и 3 в семантической сети классов (рисунок 22), приведена на рисунке 23:

Рисунок 23. Пример когнитивной диаграммы, детально раскрывающей структуру линии связи между классами с кодами 2 и 3 в семантической сети классов, приведенной на рисунке 22

Пример когнитивной диаграммы, детально раскрывающей структуру линии связи между значениями факторов с кодами 46 и 40 в семантической сети классов (рисунок 22), приведена на рисунке 24:

Рисунок 24. Пример когнитивной диаграммы, детально раскрывающей структуру линии связи между значениями факторов с кодами 46 и 40 в семантической сети значений факторов, приведенной на рисунке 22

9.5. Классические и интегральные когнитивные карты.

Классические когнитивные карты являются графической формой представления фрагментов СИМ, объединяющей достоинства таких форм, как нейроны и семантические сети факторов. Классическая когнитивная карта представляет собой нейрон, соответствующий некоторому состоянию объекта управления с рецепторами, каждый из которых соответствует фактору в определенной степени способствующему или препятствующему переходу объекта в это состояние. Рецепторы соединены связями как с нейроном, так и друг с другом. Связи рецепторов с нейроном отражают силу и направление влияния факторов, а связи рецепторов друг с другом, отображаемые в форме семантической сети факторов, - сходство и различие между рецепторами по характеру их влияния на объект управления. Таким образом, классическая когнитивная карта представляет собой нейрон с семантической сетью факторов, изображенные на одной диаграмме.

На рисунке 25 приведен пример классической когнитивной карты, соответствующей 1-му нелокальному нейрону с рисунка 15 и семантической сети факторов с рисунка 22:

Рисунок 25. Классическая когнитивная карта, построенная на основе 1-го нелокального нейрона с рисунка 15

Обобщенные или интегральные когнитивные карты впервые предложены в работе [7] и позволяют объединить в одной графической форме семантические сети классов и факторов, объединенных нейронной сетью. Если объединить несколько классических когнитивных карт на одной диаграмме и изобразить на ней также связи между нейронами в форме семантической сети классов, то получим обобщенную (интегральную) когнитивную карту. Система "Эйдос" обеспечивает построение любого подмножества многоуровневой семантической информационной модели с заданными или выбираемыми по заданным критериям рецепторами и нейронами, связанными друг с другом связями любого уровня опосредованности в форме классических и обобщенных когнитивных карт. В частности, в системе полуавтоматически формируется задание на генерацию подмножеств обобщенной когнитивной карты.

На рисунке 26 приведен пример интегральной когнитивной карты:

Рисунок 26. Пример интегральной когнитивной карты

В верхней части интегральной когнитивной карты находится семантическая сеть классов с кодами 3, 9, 40 и 49, в нижней - семантическая сеть значений факторов с кодами 1, 5, 6, 10, 46, а значения факторов соединены с классами линиями связи, представляющими собой линии связи в нейронной сети. Данная интегральная когнитивная карта представляет собой наглядное графическое изображение очень небольшого фрагмента семантической информационной модели предметной области, созданной в работе [16] и исследуемой в данной статье.

Выводы

Проведенные исследования временных рядов на примере рынка простых акций Сбербанка России, подтверждают эффективность системно-когнитивного анализа и его программного инструментария - системы «Эйдос» для решения задач прогнозирования и принятия решений, а также исследования предметной области.

Перспективы

Авторы предполагают, что перспективным является:

1. Развитие описанных технологий и методик их применения на реальных данных больших объемов.

2. Продолжение исследований и разработок, в частности исследование периодов эргодичности и точек бифуркации и возможностей их прогнозирования, исследование большего набора классов и факторов, в т.ч.:

- сценариев, отстоящих от текущего периода вперед и назад во времени;

- факторов, представляющих собой первичные, вторичные и третичные показатели от курсов и других показателей иных ценных бумаг и валют.

3. Создание необходимой юридической, организационно-финансо-вой, информационно-технической и кадровой инфраструктуры для применения предлагаемых технологий и методик и СК-анализа для решения задач прогнозирования и поддержки принятия решений не только в исследованном сегменте фондового рынка, но и в других сегментах, и не только с научными целями, но и для практики. Конечно подобные решения можно принимать только на основе положительных результатов достаточно длительных и убедительных экспериментов, имитирующих работу трейдеров на фондовом рынке на основе прогнозов системы «Эйдос».

Исследованию этих вопросов авторы надеются посвятить последующие работы.

Литература

1. Лебедев Е.А. Исследование достоверности оптимизированной модели скоринга путем прогнозирования кредитных историй заемщиков, данные которых не использовались при синтезе модели. // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2007. - №06(30). - Шифр Информрегистра: 0420700012\0107. - Режим доступа: http://ej.kubagro.ru/2007/06/pdf/16.pdf. -12 с.

2. Лебедев Е.А. Оценка рисков кредитования физических лиц (проблема исследования, ее актуальность и идея решения). // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2006. - №01(17). - Шифр Информрегистра: 0420600012\0012. - Режим доступа: http://ej.kubagro.ru/2006/01/pdf/13.pdf. -5 с.

3. Лебедев Е.А. Прогнозирование кредитоспособности физических лиц на основе применения АСК-анализа (проблема исследования, ее актуальность и идея решения). // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2006. - №05(21). - Шифр Информрегистра: 0420600012\0106. - Режим доступа: http://ej.kubagro.ru/2006/05/pdf/06.pdf. -14 с.

4. Лебедев Е.А. Прогнозирование рисков кредитования физических лиц с применением системно-когнитивного анализа. Научное обеспечение агропромышленного комплекса: материалы 7-й региональной научно-практической конференции молодых ученых. - Краснодар: КубГАУ, 2005. -13 с.

5. Лебедев Е.А. Прогнозирование рисков при кредитовании физических лиц на основе применения новых математических и инструментальных методов экономики (скоринг). Научное издание «Математические методы и информационно-технические средства» Труды 2 Всероссийской научно-практической конференции 23 июня 2006г. - Краснодар: Краснодарский университет МВД России, 2006. С.45-46.

6. Лебедев Е.А. Синтез скоринговой модели методом системно-когнитивного анализа. // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2007. - №05(29). - Шифр Информрегистра: 0420700012\0092. - Режим доступа: http://ej.kubagro.ru/2007/05/pdf/14.pdf. -14 с.

7. Луценко Е.В. Автоматизированный системно-когнитивный анализ в управлении активными объектами (системная теория информации и ее применение в исследовании экономических, социально-психологических, технологических и организационно-технических систем): Монография (научное издание). - Краснодар: КубГАУ. 2002. - 605 с.

8. Луценко Е.В. Теоретические основы и технология адаптивного семантического анализа в поддержке принятия решений (на примере универсальной автоматизированной системы распознавания образов "ЭЙДОС-5.1"): Монография (научное издание). - Краснодар: КЮИ МВД РФ, 1996. -280с.

9. Луценко Е.В. Универсальная автоматизированная система анализа, мониторинга и прогнозирования состояний многопараметрических динамических систем "ЭЙДОС-Т". Свидетельство РосАПО №940328. Заяв. № 940324. Опубл. 18.08.94. - 50с.

10. Луценко Е.В. Универсальная автоматизированная система распознавания образов "ЭЙДОС". Свидетельство РосАПО №940217. Заяв. № 940103. Опубл. 11.05.94. - 50с.

11. Луценко Е.В. Универсальная когнитивная аналитическая система "ЭЙДОС". Пат. № 2003610986 РФ. Заяв. № 2003610510 РФ. Опубл. от 22.04.2003.

12. Луценко Е.В., Коржаков В.Е., Лаптев В.Н. Теоретические основы и технология применения системно-когнитивного анализа в автоматизированных системах обработки информации и управления (АСОИУ) (на примере АСУ вузом): Под науч. ред. д.э.н., проф. Е.В.Луценко. Монография (научное издание). - Майкоп: АГУ. 2009. - 520 с.

13. Луценко Е.В., Лебедев Е.А. Определение кредитоспособности физических лиц и риски их кредитования. - М.: Финансы и кредит, ноябрь 2006 - № 32(236). 2,157

14. Луценко Е.В., Лебедев Е.А. Подсистема автоматического формирования двоичного дерева классов семантической информационной модели (Подсистема "Эйдос-Tree") (патент 1). Пат. № 2008610096 РФ. Заяв. № 2007613721 РФ. Опубл. от 09.01.2008. - 50 с.

15. Луценко Е.В., Лебедев Е.А. Подсистема формализации семантических информационных моделей высокой размерности с сочетанными описательными шкалами и градациями (Подсистема "ЭЙДОС-Сочетания"). Пат. № 2008610775 РФ. Заяв. № 2007615168 РФ. Опубл. от 14.02.2008. - 50 с.

16. Луценко Е.В., Лебедев Е.А. Системно-когнитивный анализ временных рядов на примере фондового рынка (когнитивная структуризация и формализация предметной области) // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2009. - №07(51). - Режим доступа: http://ej.kubagro.ru/2009/07/pdf/01.pdf

17. Луценко Е.В., Лебедев Е.А. Системно-когнитивный анализ временных рядов на примере фондового рынка ((синтез и верификация семантической информационной модели)) // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2009. - №07(51). - Режим доступа: http://ej.kubagro.ru/2009/07/pdf/01.pdf

18. Луценко Е.В., Шеляг М.М. Подсистема синтеза семантической информационной модели и измерения ее внутренней дифференциальной и интегральной валидности (Подсистема "Эйдос-м25"). Пат. № 2007614570 РФ. Заяв. № 2007613644 РФ. Опубл. от 11.10.2007.

19. Луценко Е.В., Шульман Б.Х. Универсальная автоматизированная система анализа и прогнозирования ситуаций на фондовом рынке «ЭЙДОС-фонд». Свидетельство РосАПО №940334. Заяв. № 940336. Опубл. 23.08.94. - 50с.

20. Официальный сайт Московской межбанковской валютной биржи (ММВБ), [Электронный ресурс]. Режим доступа: http://www.micex.ru

21. Пойя Д. Математика и правдоподобные рассуждения / Д. Пойя. - М.: Наука, 1975.

Размещено на Allbest.ru