АСК-анализ и прогнозирование сценариев изменения трендов экономических показателей многоотраслевой корпорации

Элемент строки «Сумма» Sj таблицы 17 рассчитывается по формуле (1):

(1)

где:

ti - элемент сигнатуры исходных сценариев (таблицы 4, 16, 17);

Ii - количество информации об осуществлении i-го прогнозируемого сценария, содержащееся в факте осуществления прошедшего сценария;

N - количество сценариев в прогнозе.

Элемент строки «Сценарий» Cj таблицы 17 рассчитывается в соответствии с итерационным алгоритмом по формулам (2):

(2)

где j - номер квартала (в рассматриваемом примере).

Строка «Сценарий» таблицы 17 содержит средневзвешенный прогноз сценария, визуализация которого представлена на рисунке 5:

Рисунок 5. Фактический и средневзвешенный прогнозируемый сценарии
изменения трендов экономических показателей корпорации

Из рисунка 5 видно, что 6-й сценарий изменения тренда выручки детерминирует колебательный процесс, аналогичный 6-му сценарию, но с медленно возрастающим трендом, который неплохо аппроксимируется полиномом 2-й степени (квадратичной параболой). Предлагаемый метод вычисления средневзвешенного прогнозируемого сценария по сути дела основан на представлении о нем, как о некоторой функции, разлагаемой в ряд по прогнозируемым сценариям. Остается добавить, что в общем случае для любого квартала существует несколько средневзвешенных прогнозируемых сценариев, количество которых зависит от их длительности. Например, в рассматриваемой задаче на каждый квартал имеется 4 средневзвешенных прогнозируемых сценария, которые также можно каким-то образом объединить в один, например усреднить. Могут быть развиты аналогии предложенного метода с применением вейвлетов и сплайнов http://ru.wikipedia.org/wiki/Вейвлет http://ru.wikipedia.org/wiki/Сплайн.

Таким образом, в статье формулируется проблема краткосрочного прогнозирования будущих сценариев изменения трендов экономических показателей многоотраслевой корпорации, на основе прошлых сценариев с применением системно-когнитивного анализа (СК-анализ) и его программного инструментария (интеллектуальной системы «Эйдос»). Осуществляется формальная постановка задачи и формализация предметной области, т.е. разработка классификационных и описательных шкал и градаций и формирование обучающей выборки. Описывается процедура синтеза четырех моделей корпорации, отличающихся частными критериями взаимосвязи между прошлыми и будущими сценариями трендов показателей корпорации. Производится верификация всех частных моделей с использованием двух интегральных критериев. Решаются задачи прогнозирования динамики будущих состояний корпорации на основе ее динамики в прошлом, а также принятия решений о выборе наиболее предпочтительных сценариев развития.

В качестве перспективы планируется создать систему визуализации результатов прогнозирования, позволяющую отображать будущие сценарии с указанием их прогнозируемой достоверности в виде различной толщины линии. Кроме того, могут быть реализованы другие формы анализа полученных в данной статье баз знаний, освещенные в работах [12, 13].

По результатам работы можно сделать обоснованный вывод о том, что цель работы достигнута, т.к. предложено решение поставленной проблемы. В следующих работах планируется рассмотреть некоторые возможности автоматизированного системно-когнитивного анализа созданных когнитивных моделей (баз знаний).

Литература

1. Оперативное прогнозирование значений экономических показателей многоотраслевой корпорации с применением технологий искусственного интеллекта (часть 1-я: постановка задачи и формализация предметной области) / Е.В. Луценко, В.И. Лойко, О.А. Макаревич, Л.О. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2011. - №07(71). С. 692 - 705. - Шифр Информрегистра: 0421100012\0271. - Режим доступа: http://ej.kubagro.ru/2011/07/pdf/49.pdf, 0,875 у.п.л.

2. Оперативное прогнозирование значений экономических показателей многоотраслевой корпорации с применением технологий искусственного интеллекта (часть 2-я: синтез и верификация модели) / Е.В. Луценко, В.И. Лойко, О.А. Макаревич, Л.О. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2011. - №07(71). С. 706 - 719. - Шифр Информрегистра: 0421100012\0268. - Режим доступа: http://ej.kubagro.ru/2011/07/pdf/50.pdf, 0,875 у.п.л.

3. Луценко Е.В. Оперативное прогнозирование трендов экономических показателей многоотраслевой корпорации с применением технологий искусственного интеллекта (часть 1-я: постановка задачи и формализация предметной области) /  Е.В. Луценко, В.И. Лойко, Л.О. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2011. - №09(73). С. 466 - 477. - Шифр Информрегистра: 0421100012\0378. - Режим доступа: http://ej.kubagro.ru/2011/09/pdf/43.pdf, 0,75 у.п.л.

4. Луценко Е.В. Оперативное прогнозирование трендов экономических показателей многоотраслевой корпорации с применением технологий искусственного интеллекта (часть 2-я: синтез и верификация модели) /  Е.В. Луценко, В.И. Лойко, Л.О. Макаревич // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2011. - №09(73). С. 478 - 487. - Шифр Информрегистра: 0421100012\0376. - Режим доступа: http://ej.kubagro.ru/2011/09/pdf/44.pdf, 0,625 у.п.л.

5. 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.

6. Луценко Е.В., Лойко В.И., Семантические информационные модели управления агропромышленным комплексом. Монография (научное издание). - Краснодар: КубГАУ. 2005. - 480 с.

7. Макаревич О.А. Управление агропромышленным холдингом с применением технологий искусственного интеллекта: Монография (научное издание). - М: "Финансы и статистика", 2009. - 215 с.

8. Луценко Е.В. Системно-когнитивный анализ временных рядов на примере фондового рынка (когнитивная структуризация и формализация предметной области) /  Е.В. Луценко, Е.А. Лебедев // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2009. - №07(51). С. 1 - 37. - Шифр Информрегистра: 0420900012\0073. - Режим доступа: http://ej.kubagro.ru/2009/07/pdf/01.pdf, 2,312 у.п.л.

9. Луценко Е.В. Системно-когнитивный анализ временных рядов на примере фондового рынка (синтез и верификация семантической информационной модели) /  Е.В. Луценко, Е.А. Лебедев // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2009. - №07(51). С. 38 - 46. - Шифр Информрегистра: 0420900012\0072. - Режим доступа: http://ej.kubagro.ru/2009/07/pdf/02.pdf, 0,562 у.п.л.

10. Луценко Е.В. Системно-когнитивный анализ временных рядов на примере фондового рынка (прогнозирование, принятие решений и исследование предметной области) /  Е.В. Луценко, Е.А. Лебедев // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2009. - №07(51). С. 47 - 82. - Шифр Информрегистра: 0420900012\0071. - Режим доступа: http://ej.kubagro.ru/2009/07/pdf/03.pdf, 2,25 у.п.л.

Размещено на Allbest.ru