МОДЕЛЮВАННЯ ЕКОНОМІЧНИХ СИСТЕМ І ПРОЦЕСІВ ІЗ ЗАСТОСУВАННЯМ НЕЙРОННИХ МЕРЕЖ ЗУСТРІЧНОГО РОЗПОВСЮДЖЕННЯ

Короткий зміст

ОСНОВНИЙ ЗМІСТ РОБОТИ

У вступі обґрунтовано актуальність теми, сформульовано об’єкт, предмет, мету та задачі дослідження, висвітлено наукову новизну та практичну цінність роботи. Також наведено відомості про публікації, особистий внесок здобувача, апробацію та впровадження результатів дисертаційної роботи. Зазначено зв'язок роботи з науковими програмами та темами.

У розділі 1 «Теоретико-методологічні аспекти математичного моделювання економічних систем і процесів» проведено аналіз теоретичних засад та методологічних принципів прогнозування фінансових показників, зокрема, наукових підходів із використання стохастичного моделювання та нейронних мереж різних типів. Висвітлено результати проведених раніше експериментів із різноманітними економетричними та нейромережевими моделями персептронного типу, які засвідчили, що персептрони позбавлені багатьох недоліків класичних екстраполяційних підходів та демонструють значно вищу точність прогнозування порівняно з ними. Однак вони продемонстрували низьку здатність до передбачення напрямів змін фінансових показників (навіть за умови ефективної попередньої обробки вихідного часового ряду).

Створюючи моделі прогнозування фінансових часових рядів необхідно зважати на те, що переважна більшість учасників торгів на фондовому ринку є спекулятивними гравцями. У такому випадку з метою максимізації прибутку від здійснення операцій купівлі-продажу на фондовому ринку з'являються підстави для прогнозування напрямів зміни фінансового показника, а не значень самого курсу. Саме тому для вирішення цієї задачі запропоновано використовувати нейронні мережі зустрічного розповсюдження, які є ефективним математичним інструментарієм для розпізнавання образів та можуть бути застосовані для класифікації динаміки досліджуваного показника за напрямами його зміни.

Також у 1 розділі проведено аналіз сучасних методів і моделей оцінки фінансового стану та діагностування можливості банкрутства підприємств, який виявив переваги нейромережевого підходу над аналогічними, заснованими на задах дискримінантного, кластерного аналізу, деревах рішень, логістичної регресії тощо. Зокрема, нейронні мережі дозволяють досягти значно вищої точності класифікації завдяки своїй нелінійній природі, здатності до самоорганізації та здійснення узагальнень, автоматичного підбору функції розподілу.

Зважаючи на вибір математичного інструментарію для вирішення поставлених задач, у розділі викладено базові положення теорії нейронних мереж, розкрито основні принципи їх функціонування. На рис. 1 наведено структуру штучних нейронних мереж зустрічного розповсюдження, що є поєднанням карти самоорганізації Кохонена і вихідної зірки Гроссберга.