Логико-лингвистическое моделирование системы поддержки принятия инвестиционного решения (на примере корпоративных фондов)

Размещено на http://www.allbest.ru/

Логико-лингвистическое моделирование системы поддержки принятия инвестиционного решения (на примере корпоративных фондов)

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования

Стремительное развитие информационных технологий в направлении изучения интеллектуальных информационных систем, с одной стороны, задало достаточно высокую планку для прикладного инструментария вообще и для систем поддержки принятия решений, в частности, а с другой - при появлении специализированных систем определило возможность более оперативно реагировать на изменение внешних экономических условий.

В рамках обоснования актуальности темы исследования необходимо выделить ключевые предпосылки к постоянному совершенствованию инструментария принятия решений.

Во-первых, высокий динамизм изменения факторов внешней среды, а также постоянно изменяющаяся новизна поставленных задач обуславливают высокую вероятность принятия нерациональных стратегических решений. Четкий внутренний регламент принятия решений может вступать в конфликт как с индивидуальными аналитическими способностями ЛПР, так и с многочисленными проявлениями рыночной неопределенности.

Во-вторых, постоянное увеличение объемов информации предопределило необходимость переоценки актуальных технологических возможностей и переосмысления существующего инструментария принятия решений в пользу более гибкого подхода. В этой связи вопрос качественной формализации факторов принятия решений стоит особенно остро.

В-третьих, существование экспертов в рамках выбранного направления исследований обуславливает возможность более активного применения их знаний и навыков в результате неизбежного развития узкоориентированных интеллектуальных информационных систем.

Принятие адекватного инвестиционного решения в условиях повышенной рыночной неопределенности требует взвешенного экспертного подхода при условии учета максимально возможного количества факторов. Регламент управляющей организации ограничивает число количественных и качественных факторов, что допускает возможность их формализации при условии наличия экспертов в соответствующей предметной области.

В рамках настоящего диссертационного исследования проводился анализ необходимости и обоснование возможности построения логико-лингвистической модели системы поддержки принятия управленческого (инвестиционного) решения с применением нечетко-множественного логического вывода. Выполнен анализ начальных этапов создания интеллектуальной системы, в рамках которой рассматривались ее цели и задачи, описание проблемной области, нюансы интерпретации и методы представления знаний и экспертных решений.

Область исследования

Диссертационное исследование выполнено в соответствии с основными положениями паспорта специальностей ВАК 08.00.13 - Математические и инструментальные методы экономики (2.3 - Разработка систем поддержки принятия решений для рационализации организационных структур и оптимизации управления экономикой на всех уровнях).

Степень разработанности научной проблемы

Существенный вклад в развитие систем поддержки принятия решений внесли следующие исследователи: А.П.Ершов, Д.И.Муромцев, Э.В.Попов, Д.А.Поспелов, Ю.Ф.Тельнов, И.Б.Фоминых, Ю.В.Фролов, А.Н.Целых, Р.Бенерджи, Л.Заде, П.Кин, Р.Ньюэл, Д.Пауэр, А.Тьюринг, Дж.Форрестер, Р.Хакаторн, К.Холсэппл и др.

В процессе исследования были изучены работы таких специалистов в области принятия инвестиционных решений, как Т.Б.Бердникова, Ю.В.Богатин, П.Л.Виленский, Ю.В.Жваколюк, Д.А.Зайцев, В.Н.Лившиц, В.Д.Миловидов, Г.Марковиц, В.Маргрейб, Р.Нортон, У.Шарп и др.

Глубокие исследования в направлении применения методов нечеткой логики в рамках принятия инвестиционных решений представлены в докторских диссертациях и авторских монографиях А.О.Недосекина и В.Г.Чернова.

Цель и задачи исследования

Целью настоящего диссертационного исследования служит обоснование необходимости и определение возможности создания интеллектуальной информационной системы поддержки принятия инвестиционного решения на примере корпоративных фондов. В качестве обоснования приводится целый ряд недостатков традиционных методов принятия решения, а также описаны комплексные аспекты преимущества интеллектуальных информационных систем, а в данном случае, систем поддержки принятия решения. В качестве цели выступает также научное обоснование новизны диссертационного исследования относительно детального анализа корпоративных финансовых инвестиционных инструментов посредством совокупности логических механизмов и определения возможности формализации всех соответствующих факторов.

Для достижения цели в диссертационном исследовании поставлены и решены следующие задачи:

- рассмотреть и проанализировать традиционный подход к принятию инвестиционных решений;

- оценить обоснованность доверия интеллектуальным информационным системам, как инструменту принятия решений, со стороны пользователей;

- обосновать необходимость создания специализированной системы поддержки принятия инвестиционного решения;

- определить возможности формализации неколичественных факторов принятия инвестиционного решения;

- рассмотреть ключевые особенности трех начальных стадий создания интеллектуальной информационной системы поддержки принятии инвестиционного решения;

- выработать принципы накопления знаний в рамках системы поддержки принятия инвестиционного решения, в том числе и по мере ее развития.

Объектом исследования представлены инвестиционные фонды, вкладываемые финансовые ресурсы в бизнес-структуры Российской Федерации.

Предметом исследования является использование интеллектуальных информационных систем с целью принятия инвестиционного решения, посредством формализованных факторов фундаментального анализа.

Теоретическую и методологическую основу диссертационной работы составили фундаментальные исследования отечественных и зарубежных авторов в области инженерии знаний, искусственного интеллекта, а также принятия экономически обоснованных инвестиционных решений. Методологической основой исследования являются теории искусственного интеллекта, теории принятия решений, системный подход к решению задач оценки эффективности инвестиционных процессов, методы экономического анализа.

В рамках диссертационного исследования автором использованы сведения из монографий и данные публикаций зарубежных и отечественных исследователей, материалов международных научно-практических конференций по вопросам искусственного интеллекта и принятия инвестиционного решения, глобальной сети Интернет.

Настоящая диссертационная работа является завершенной научно-исследовательской работой, посвященной решению проблемы эффективного использования фондов корпоративных инвестиций посредством создания интеллектуальной информационной системы. Задача рационализации инвестиционных процессов имеет существенное значение для экономики и управления активами в частности.

Полученные научные результаты, обладающие признаками существенной новизны и полезности, могут быть охарактеризованы следующим образом:

1) Разработаны организационно-методические аспекты создания интеллектуальной информационной системы поддержки принятия инвестиционного решения на примере использования корпоративных фондов. Подход предполагает возможность создания системы, способной генерировать единственное качественное решение, сравнимое с решением эксперта.

2) Представлена логико-лингвистическая модель системы поддержки принятия инвестиционного решения на основе применения принципов нечеткой логики, в число которых входит конечное множество как количественных, так и качественных факторов принятия решения.

3) Обоснована целесообразность создания подобной системы с учетом исторических предпосылок, человеческого фактора, а также существующих технических возможностей, позволяющих сформировать качественный инструментарий принятия решений сопоставимых с совокупным экспертным выводом.

4) Предложена концепция логического вывода на основе логико-лингвистической модели в рамках интеллектуальной информационной системы. Логико-лингвистическая модель представлена основными принципами теории нечетких множеств, спроецированными на инвестиционную предметную область. Отличительной особенностью модели является минимальное участие экспертов без ущерба для качества генерируемого системой решения.

5) В рамках развития предложенной логико-лингвистической модели предложены приемы формализации лингвистических переменных информационных сообщений, позволяющие осуществлять учет и дальнейшее использование факторов принятия решения без участия пользователя.

Установленные в ходе исследования процедуры этапов создания интеллектуальной информационной системы - идентификации и концептуализации - определяют возможность ее формализации и выполнения с применением соответствующего инструментария с привлечением необходимых специалистов по инженерии знаний.

Апробация работы

Основные положения работы докладывались и обсуждались на заседаниях кафедры информационных технологий в экономике и организации производства ИвГУ, ежегодных конференциях в рамках кафедры информационных технологий в экономике и организации производства ИвГУ, ежегодных конференциях «Молодая наука в классическом университете» (ИвГУ, 2006-2008), «Научно-практической конференции, посвященной выдающемуся экономисту Ивановского края Н.Д.Кондратьеву (ИвГУ, 2006)», Всероссийской научно-практической конференции «Разработка и управление социально-экономическими инновациями» (ИГХТУ, 2008), VI Международной научной конференции «Молодежь и экономика» (г.Ярославль, ВФЭА, 2009).

Ключевые моменты, отражающие результаты проведенного диссертационного исследования опубликованы в следующих сборниках, рекомендованных ВАК:

- «Вестник ИНЖЭКОНа. Серия «Экономика». - №7, 2008;

- «Вестник НТВ СПбГПУ. Информатика. Телекоммуникации. Управление» - №6, 2008.

Установленные в ходе исследования процедуры этапов создания интеллектуальной информационной системы - идентификации и концептуализации - определяют возможность ее формализации и выполнения с применением соответствующего инструментария и с привлечением необходимых специалистов по инженерии знаний.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении приводится обоснование актуальности темы исследования, формулируются задачи, объект и предмет исследования, научная новизна, приводится методологическая и теоретическая база исследования.

Сформулированная цель диссертационного исследования определила логику и структуру работы.

В первом разделе настоящей работы приводится определение корпоративных инвестиционных фондов, а также историческое обоснование необходимости рационализации их эффективного использования. Представлены критерии принятия инвестиционного решения в условиях повышенной рыночной неопределенности. Рассмотрены основные способы определения степени неопределенности, а так же ключевые принципы создания интеллектуальных систем, как метода поддержки принятия инвестиционного решения.

Принятие адекватного инвестиционного решения в условиях повышенной рыночной неопределенности требует качественного решения при условии учета максимально возможного количества факторов. Регламент управляющей организации ограничивает число количественных и качественных факторов, что допускает возможность их формализации при условии наличия экспертов в соответствующей области. В рамках настоящего диссертационного исследования проводился анализ необходимости и обоснование возможности построения логико-лингвистической модели системы поддержки принятия управленческого (инвестиционного) решения с применением нечетко-множественного логического вывода. Выполнен анализ начальных этапов создания гипотетической интеллектуальной системы, в рамках которых рассматривались ее цели и задачи, описание проблемной области, нюансы интерпретации и представления знаний экспертов в рассматриваемой предметной области.

Управляющая организация выполняет функцию перенесения коллективных активов в корпоративные ценные бумаги - данный вид инвестиционного процесса (решения) можно назвать «корпоративным». Имеют место следующие качественные факторы принятия инвестиционного решения в рамках использования корпоративных фондов:

- уровень корпоративного управления;

- популярность финансового инструмента;

- факт листинга в рамках внешней торговой площадки и ее рейтинг;

- прочие факторы.

Досадно осознавать, но лишь небольшая часть инвестиционных решений осуществляется с использованием достижений современной аналитики. Принятие инвестиционных решений осложняется различными факторами: определение вида инвестиций, многообразие выбора, ограниченность финансовых ресурсов, доступных для инвестирования, многочисленные риски, связанные с принятием того или иного решения, а так же достаточно высокий уровень неопределенности.

Для принятия инвестиционного решения требуется сопоставить предполагаемые риски по каждому варианту инвестирования с ожидаемым доходом. Риски, которые возникают при реализации инвестиционного процесса, можно разделить на несколько видов: политический, социальный, экономический, экологический, юридический, и т.д.

Понятие неопределенности и риска не тождественны. Первое является несколько более общим термином и относится как к инвестиционному процессу в целом, так и к его участникам. Более субъективное понятие «риск» выражает оценку возможности возникновения неблагоприятных последствий для участника инвестиционного процесса. Риск имеет место, когда определенное действие приводит к нескольким взаимоисключающим исходам, когда распределение их вероятностей известно. Если же оно неизвестно, то соответствующая ситуация рассматривается, как неопределенность.

Неопределенность в данном случае - это отражение неполноты и неточности имеющейся информации, нежели ее отсутствие, как таковой. Факторы неопределенности должны быть учтены при подготовке исходной информации для принятия инвестиционного решения, а также при корректировке выполнения в рамках поступающей новой информации.

Неопределенность в данном случае определяется экспертом, как неустранимое качество рыночной среды, связанное с различной степенью влияния неизмеримого числа факторов на принятие решения. Приведение факторов принятия инвестиционного решения и определение возможности их формализации является одной из ключевых задач настоящего диссертационного исследования.

Второй раздел посвящен анализу и обоснованию необходимости создания логико-лингвистической модели принятия инвестиционного решения в условиях повышенной неопределенности. Учитывая исторический фактор, конечное количество факторов решения, известное число основных показателей, а так же возможности применения особенностей нечетких множеств, допускается возможность создания такой системы. Представленная схема логического вывода отображает правила взаимодействия основных понятий, отношений и факторов.

Имеют места два ключевых момента исследования - обоснование необходимости и определение возможности создания интеллектуальной информационной системы принятия инвестиционного решения с применением понятийной базы знаний, исследований в области алгоритмизации и способов реализации настоящего замысла и поиска рационального решения, адекватных историческому запросу. Существенный акцент приведенного обоснования сделан на возможности формализации основных факторов принятия инвестиционного решения, в силу того, что множеств данных факторов конечно, в подавляющем большинстве случаев, а также наличия типовых реакций при регламентированных правилах на большую часть определенных изменений инвестиционной среды.

Обоснование необходимости. Бурное развитие информационных технологий, наблюдаемое в настоящее время, задает достаточно высокую планку для прикладного инструментария вообще и для систем поддержки принятия решений в частности. Возможности современных информационных технологий достаточно высоки для организации интеллектуальной системы на базе логико-лингвистических моделей, что, однако, недостаточно для полноценной поддержки интеллектуальных информационных систем. Существующие программно-технические решения позволяют сформировать инструментарий принятия решений.

Применение на предприятиях формализованных методов принятия решений позволяет более обоснованно определять цель принятия инвестиционных решений, более полно учитывать риски, рационализировать использование имеющихся ресурсов, контролировать исполнение внутреннего регламента принятия решений, проводить сбор и анализ фактических показателей и своевременно вносить изменения в ход работ, а также накапливать, анализировать и использовать опыт реализованных инвестиционных решений.

Определение возможности. В силу достаточной проработанности проблемы инвестиционные решения в подавляющем большинстве принимаются на основе вполне определенного набора правил и фактов. В случае, если подобное решение принимается управляющей компанией, то совокупность таких правил зачастую четко регламентировано, что практически исключает возможность внезапного и резкого изменения стоимости фонда, естественно без учета нерегламентированных случаев. Это означает, что управляющая компания располагает необходимым инструментарием для скорейшей реакции на всевозможные внешние события и историческим аппаратом, содержащим в себе данные для тщательного технического анализа. Это также означает, что настоящий набор правил в любом случае является утвержденным, а количество их - конечным, потому как вероятность неудачных инициативных манипуляций с привлеченными средствами в данном случае возрастает, что управляющая компания допускать не в праве.

Действительно, на принятие всякого инвестиционного решения до потери его актуальности отводится определенный срок, а равно, конечное множество единиц времени. Допустим существование множества факторов принятия решения, учитываемых каждую вышеописанную единицу времени, т.е. каждому фактору соответствует своя единица времени. Получается, что множество данных факторов равномощно множеству единиц времени, а значит оно так же конечно.

В пользу того, что количество факторов в рамках отдельно взятого инвестиционного решения - конечно, говорит и завершенность процесса, поскольку такое решение, исход которого может быть как положительным, так и отрицательным, в итоге всегда принимается.

Действительно, применив стандартные формулы расчёта типовых факторов, практически любая необходимая в расчетах величина может быть формализована. В тексте диссертации приведен и обоснован перечень факторов принятия инвестиционного решения в рамках фундаментального анализа. С этой целью задано несколько фиксированных конечных множеств, атрибуты элементов которых несут в себе ключевую количественную и смысловую нагрузку.

Модель оперирования с неточными данными и знаниями включает две составляющие: язык представления неточности и механизм логического вывода на знаниях. Для построения языка необходимо выбрать форму представления неточности (например, скаляр, интервал, распределение, лингвистическое выражение, множество) и предусмотреть возможность определения меры неточности всем высказываниям.

Для выбора модели логического вывода в основанной на правилах вывода системе необходимо задать функции пересчета, позволяющие вычислять:

- степень неопределенности антецедента по мерам неопределенности составляющих его высказываний;

- степень неопределенности консеквента по мерам неопределенности правила и посылки правила;

- объединенную степень неопределенности высказывания по мерам, полученным из правил.

Введение степени неопределенности позволит добиться объединения степеней достоверности , факторов важности знания и нескольких свидетельств, подтверждающих или опровергающих одну и ту же гипотезу. Следует заметить, что реализация механизма логического вывода в базах знаний оказывает влияние на общую стратегию вывода: с одной стороны, необходимо добиться использования всех релевантных факторов и правил, с другой - достичь единообразного и однократного их влияния на процесс принятия управленческого решения.

Рыночная неопределенность, как множественный фактор принятия решения при определении возможности формализации, должна быть перенесена в плоскость математических вычислений, что удалось сделать посредством применения основных принципов нечеткой логики.

Определяются элементы будущей логико-лингвистической модели:

1) Лингвистическая переменная:

щ = (n, T(n), U, G, M), (1)

где n - лингвистическая переменная;

Т(n) - терм-множество ее значений, которые представляют собой наименования нечетких переменных, где U - область определения каждой нечеткой переменной;

G - некая синтаксическая процедура, служащая для расширения множества T(n) генерации новых элементов;

М - специальная семантическая процедура, интерпретирующее значения лингвистической переменной, которые образуются в результате выполнения процедуры G, в нечеткую переменную, т.е. формирующая соответствующее нечеткое множество.

2) Знание

A = IF (щ₁₁(u)U₁ AND щ₂₂(u)U₂ AND щ₃₃(u)U₃ OR щ₄₄(u)U₄) THEN щ_nn(u)U_n . (ПРИМЕР), (2)

где щ - лингвистическая переменная;

(u) - функция принадлежности;

U - область определения (u), универсум

n - количество высказываний, в т.ч. и итоговое.

3) Решение R = {A₁, A₂, … , A_k}, (как множество знаний A_k). (3)

4) Схема нечеткого логического вывода, основу которого составило композиционное правило Заде.

Пусть экспертные знания о выборе решения представлены в виде множества нечетких высказываний , равного:

, (4)

где - обобщенная лингвистическая переменная, определенная на множестве значений входных параметров;

- обобщенная лингвистическая переменная, определенная на множестве значений выходных параметров;

e, f - порядок этих переменных.

Пусть каждой обобщенной лингвистической переменной, определенной на множестве значений входных параметров однозначно ставятся в соответствие элементы множества факторов достоверности и элементы множества факторов важности знания, причем, значения определяет эксперт и формализует инженер по знаниям, (k и l - соответственно, подмножества в рамках множества факторов n), причем:

, (0, 1]. (5)

Суть механизма логического вывода состоит в определении зависимости переменной от соответствующего значения с учетом фактора достоверности и фактора важности знания.

Для использования схемы нечеткого вывода в случае, когда основными и значениями процесса принятия инвестиционного решения являются лингвистические переменные, необходимо решить две следующие задачи:

1) Необходимо построить некоторое отображение, посредством чего значению объявленной нечеткой переменной ставится в однозначное соответствие функция принадлежности. Эта задача решается посредством повторения функции принадлежности ближайшего базового значения лингвистической переменной .

2) Необходимо определить степень истинности относительно лингвистического высказывания . Данное значение степени истинности экспертным путем определяется нечетким множеством на интервале (0,1].

Поскольку принятие во внимание фактора с недостаточной степенью достоверности может явиться причиной генерации некачественного инвестиционного решения, рассмотрению подвергаются факторы со значением , превышающим 0,8.

В третьем разделе проведен анализ происходящих процессов создания логико-лингвистической модели принятия инвестиционного решения в условиях повышенной неопределенности на этапах концептуализации, идентификации и формализации. Предложены конкретные реализуемые идеи, обосновывающие состоятельность настоящего исследования. Так же в этом разделе даны рекомендации по развитию представленной логико-лингвистической модели создаваемой интеллектуальной информационной системы.

Участники создания логико-лингвистической модели принятия решения выполняют следующие задачи:

1) Эксперт, определяющий и формирующий знания, а равно правила и данные (факторы и риски принятия инвестиционного решения и их взаимосвязи), характеризующие предметную область, обеспечивает полноту и правильность введенных в интеллектуальной информационной системе знаний.

2) Инженер по знаниям выявляет и структурирует знания, необходимые для работы интеллектуальной информационной системы; осуществляет выбор наиболее подходящего для выбранной предметной области инструментального средства, а также определяет метод представления знаний в рамках данного средств; выделяет и формализует типичные для выбранной предметной области функции, используемые в определяемых экспертом знаниях.

3) Программист выполняет программную реализацию инструментального средства (если оно разрабатывается заново), содержащее в пределе все основные компоненты интеллектуальной информационной системы, и осуществляет его сопряжение с той средой, в которой оно будет использовано.

В силу отмеченных особенностей при создании интеллектуальной системы разработчики не предусматривают построение завершенного продукта. На начальном этапе создается демонстрационный прототип, который должен выполнять два условия:

- прототип должен решать типовые задачи предметной области;

- с другой стороны трудоемкость его разработки не должна быть значительной.

Для выполнения данных условий при создании прототипа интеллектуальной информационной системы используются средства, позволяющие ускорить процесс ее создания (оболочки экономических систем). В случае успеха прототип системы может сопровождаться дополнительными фактографическими данными из предметной области. При неудаче потребоваться создание нового прототипа, иначе методы принятия решений могут быть признаны для данного приложения непригодными.

По мере накопления знаний из предметной области информационная система сможет однажды оказаться способной выполнять все требуемые задачи в рамках предметной области. В этом случае потребуется формирование конечного продукта на базе прототипа системы посредством его перепрограммирования, что определенным образом повысит качество поиска решений в рамках системы.

В состав функций этапа идентификации входит:

- определение команды разработчиков, их роли, а также формы взаимоотношений;

- определение ресурсов и целей разработки;

- описание общей характеристики проблемы, множества входных данных, предполагаемого решения, ключевых отношений и понятий.

Типовые ресурсы этапа идентификации: научные знания, сроки разработки, вычислительные мощности, объем финансирования.

В рамках этапа концептуализации инженеры по знаниям и эксперты формализуют выявленные на этапе идентификации основные понятия, отношения и характеристики. Данный этап призван решить целый ряд проблем: определить типы обрабатываемых данных и выводимых понятий, используемые стратегии, взаимосвязи между объектами, типы ограничений, которые накладываются на процесс поиска инвестиционного решения, состав знаний, используемых для поиска и обоснования решений.

Опыт создания присутствующих на рынке интеллектуальных информационных систем показывает, что для качественного решения вопросов этапа концептуализации рекомендуется составлять протокол действий и рассуждений экспертов в процессе создания. Данный протокол обеспечит специалиста по знаниям словарем терминов и в то же время заставит эксперта отнестись к предлагаемым знаниям осмысленно. На этапе концептуализации не требуется достигать полной определенности всех заключений, а следует лишь обозначить основные направления поиска решения проблемы.

На этапе формализации производится описание основных отношений и понятий формальном языке. В функции инженера по знаниям входит проведение анализа инструментальных систем и определение их пригодности для конкретного приложения. Он также определяет структуру пространства поиска решений и состав метазнаний, выбирает модель знаний и приводит ее обоснование, совместно с экспертом определяет механизм логического вывода. Выходом этапа формализации является формальное описание процесса поиска инвестиционного решения на уровне декларативных или процедурных знаний. Роль эксперта, в свою очередь, сводится к изучению степени вербализации знаний, оценке их избыточности и сочетаемости, определению функций принадлежности различных оценочных показателей (в данном случае, факторов достоверности и важности), а также к качественной интерпретации знаний в выбранной форме представления и формальных структурах.

Если учесть наличие двух ключевых условий рассмотрения фактора - достоверности (степени уверенности, соответствия реальной рыночной ситуации - по мнению эксперта) и важности (условия своевременности реакции на событие, причем не столько в рамках принятия решения, сколько с учетом массовой логики поведения), то знание A_n можно представить в виде терма

, (6)

где и - факторы достоверности и важности знания, соответственно, а k и l - соответственно, подмножества в рамках множества факторов n.

При формализации данных факторов, роль привлекаемых экспертов сводилась бы к распределению весовых коэффициентов и, на основании задаваемых четких значений из множеств факторов, определялись бы степени достоверности.

Если же рассматривать формализацию описанных факторов, как этап создания интеллектуальной информационной системы (по завершении этапов идентификации и концептуализации), тогда привлеченные эксперты отвечали бы за наполнение базы знаний. Категория «база знаний» в данном контексте будет являться набором правил и данных, доступных инициатору принятия решения. Тогда ее наполнение сводилось бы к определению числового значения, присваиваемого неколичественным факторам из диапазона (0, 1] (фактически - функция принадлежности), причем, чем значение ближе к 1, тем выше его значимость для лица, принимающего решение.

Итоговые факторы достоверности получаемых решений главным образом отражают порядок достоверности результата, а не его точность, что вполне приемлемо во многих задачах.

Например: < ЕСЛИ < ЦБ РФ снизит ставку рефинансирования на 0,25% >, ТО, < без учета прочих факторов, котировка корпоративных бумаг компании, пользующейся коммерческим кредитом, вырастет > | 0,95 | 1 > ИЛИ < с учетом фактора дополнительных позитивных событий - рост будет более интенсивным

> | 0,9 | 0,8 >. (7)

Практическая реализация интеллектуальной информационной системы на данном этапе выполнена посредством построения фреймовой структуры представления знаний, определяющей процесс принятия инвестиционного решения. Основная идея фреймового подхода, заключается в сосредоточении всей информации, относящейся к одному объекту в одной структуре данных, и с помощью которого представить все многообразие знаний о выбранной нами предметной области. Подобное многообразие знаний представлено массивами предположений B_n, факторов достоверности и важности и , значения которых определяются экспертами, а также комментариев K_n, потому как, одной из задач, поставленных перед интеллектуальной информационной системой, является обучение пользователя.

Принятие качественного решения в подобных условиях сравнимо с тяжелой стрессовой ситуацией, и серьезной помехой в подобных условиях может стать человеческий фактор. Создание интеллектуальной информационной системы в рамках выбранной предметной области позволит значительно снизить вероятность отклонения от выбранной инвестиционной стратегии. Четкое следование такой стратегии и анализ последствий ее применения в различных ситуациях позволит получать результаты для ее совершенствования, тогда как при ее отсутствии риск неудачного принятия решения крайне высок.

Представление процесса принятия инвестиционного решения в виде двухэтапной фреймовой структуры позволяет рассмотреть практическое применение представленной логико-лингвистической модели. В данном случае, фреймовая структура - есть представленный в виде связной древовидной структуры узлов и правил результат использования накопленных экспертами формализованных данных, графическое представление информационной модели предметной области.

Первый этап характеризуется определением цели инвестирования, поскольку инвестиционная стратегия без цели смысла не имеет. Целью в данном случае может являться:

1) Продажа определенной переоцененной доли портфеля (B₁).

2) Приобретение недооцененных бумаг эмитента, уже представленного определенной долей портфеля (B₂).

3) Приобретение недооцененных бумаг эмитента, не представленного на данный момент в рамках портфеля (B₃).

4) Первоначальный вход в рынок (B₄).

5) Окончательный уход с рынка (реализация портфеля) (B₅).

В рамках второго этапа необходимо определить причину выбранной ранее цели. С этого момента все причины в той или иной степени будут влиять на принятое решение, соответственно потребуется вводить значения факторов достоверности и важности знания ( и , соответственно). Выше было отмечено, что со второго этапа каждая причина, в том числе и более «низкого» порядка, будет в той или иной степени влиять на принятое решение. Именно поэтому каждому предположению будет присвоено собственное значение уверенности и важности. Семантическая сеть могла бы явиться альтернативным способом представления знаний, однако, в силу значительного числа факторов различного порядка, одновременно оказывающих влияние на принятие решения, продолжение представления логико-лингвистической модели в виде семантической сети является нецелесообразным, поскольку перестает работать принцип наследования предположений В.

В рамках создаваемой базы знаний вводится массив переменных [D], отражающий совокупность решений. Принцип наследования предположений и решений формализуется простым равенством [I]=[D], определяющим равномощность множеств единиц предположений и решений. Введение массива [D], несмотря на равенство, действительно обосновано: в результате выполнения механизма логического вывода с применением объявленных правил и фактов интеллектуальная система генерирует единственное решение D с единственными коэффициентами уверенности C и важности I.

По окончании выбора требуемой цели в рамках решателя интеллектуальной системы соответствующему предположению В будет присвоен «статус» решения D с аналогичным индексом.

Как уже было выяснено, второй этап характеризуется определением причины выбора цели. База данных была представлена совокупностью предположений I_nn, с которыми в рамках базы знаний необходимо сопоставить объявленные правила i_nn. Для каждого предположения В экспертом на основе описанных в подразделе 2.2 диссертации принципов нечеткой логики будет определены и присвоены значения уверенности и важности ( и , соответственно), значения которых, как нам известно, принадлежат области определения (0, 1]. Наряду с вышеописанными значениями, каждое предположение должно сопровождаться комментариями, выполняющими цель оказания содействия при выборе наиболее подходящего предположения на каждом этапе.

В рамках развития создаваемой интеллектуальной информационной системы приведены принципы ее самообучения, представленные в ином виде - семантической сети. Основой данных принципов является обоснование возможности автоматической формализации информационных сообщений, являющихся факторами принятия инвестиционного решения, с использованием выделения стандартных лексических словоформ, предлогов и падежей, а также факта попыток генерации стандартизированных сообщений информационными агентствами для лучшего восприятия пользователей.

Основу принципа самообучения составил метод поиска текста в рамках представленной семантической сети, которая содержит все слова, полнозначные атрибуты и словосочетания, которые присутствуют в информационном сообщении - наименования признаков, действий, предметов, объектов, которые связаны различными типами синтактико-семантических связей.

Апробация информационной системы планируется после привлечения к созданию системы сторонних экспертов и специалистов по программированию и инженерии знаний. Фактор эффективности данной интеллектуальной информационной системы может быть подвергнут анализу и вычислению по завершении работ по ее созданию. Использование создаваемой информационной системы возможно и оправдано, поскольку решение поставленной задачи необходимо для рационализации процесса принятия инвестиционного решения с целью получения значительного экономического эффекта.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1) Определена и обоснована возможность создания интеллектуальной информационной системы поддержки принятия инвестиционного решения в условиях повышенной неопределенности в рамках корпоративных инвестиционных фондов.

2) Доказана возможность проведения анализа, формализации и задания с помощью переменных факторов принятия инвестиционного решения в рамках отдельно взятого регламентированного шага.

3) Предложены методические основы создания интеллектуальной информационной системы принятия инвестиционного решения в рамках использования корпоративных фондов.

4) Обоснована возможность наполнения базы интеллектуальной информационной системы в силу наличия экспертов, способных к определению функций принадлежности факторов принятия инвестиционного решения.

5) Обоснована роль создания подобной интеллектуальной информационной системы в качестве экономически оправданного шага в рамках отдельно взятой управляющей компании или учреждения, не являющимся системообразующим при формировании рыночного тренда.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

инвестиционный решение информационный логический

1) Журавлев А.Ю. Анализ преимуществ проведения IPO текстильной компанией // Вестник ИНЖЭКОНа. Серия «Экономика» - №7, 2008 - 0,34 п.л.

2) Журавлев А.Ю. Денисов С.Л. Логико-лингвистическое моделирование процесса индивидуального принятия инвестиционного решения // Вестник НТВ СПбГПУ. «Информатика. Телекоммуникации. Управление» - №6, 2008 - 0,32 п.л. (авт. 0,27 п.л.).

3) Журавлев А.Ю. Анализ возможности формализации факторов принятия инвестиционного решения // Материалы всероссийской научно-практической конференции «Разработка и управление социально-экономическими инновациями». Иваново. ИГХТУ - 2008 - 0,15 п.л.

4) Журавлев А.Ю. Влияние принципов корпоративного управления на инвестиционную привлекательность компании // Вестник молодых ученых ИвГУ - 2008 - 0,19 п.л.

5) Журавлев А.Ю., Денисов С.Л. Анализ преимуществ выхода промышленной компании на IPO // Социально-экономические проблемы развития региона. Часть 2. Материалы международной научно-практической конференции, посвященной выдающемуся экономисту Ивановского края Н.Д.Кондратьеву. Иваново. ИвГУ - 2006 - 0,28 п.л. (авт. 0,23 п.л.).

6) Журавлев А.Ю. Венчурные фонды как альтернативный способ привлечения инвестиций // Социально-экономические проблемы развития региона. Часть 1. Материалы международной научно-практической конференции, посвященной выдающемуся экономисту Ивановского края Н.Д.Кондратьеву. Иваново. ИвГУ - 2006 - 0,25 п.л.

Размещено на Allbest.ru

...