Курсовая работа: Применение нейронных сетей для формализации процессов управления Сети Хопфилда

Для достижения поставленной цели в работе решены следующие задачи:

1. Выполнение обзора применения нейронных сетей

2. Изучение различных моделей нейронных сетей

3. Изучение карт Кохонена в финансовой сфере

4. Рассмотрение нейронной сети Хопфилда, её построения, структуры, свойств, особенностей и непосредственного применения

1. Применение нейрокомпьютеров в финансовой деятельности

Одним из наиболее интересных приложений нейронных сетей в последние годы стали именно задачи финансовой деятельности. На рынке появляется огромное количество как универсальных нейропакетов, которые зачастую используются для решения задач технического анализа, так и специализированных экспертных систем и нейропакетов для решения многих других, зачастую более сложных и трудно формализуемых задач из финансовой области. В настоящее время имеет место широкое появление на отечественном рынке компьютеров и программного обеспечения нейропакетов и нейрокомпьютеров, предназначенных для решения финансовых задач. Те банки и крупные финансовые организации, которые уже используют нейронные сети для решения своих задач, понимают, насколько эффективным средством могут быть нейронные сети для задач с хорошей статистической базой, например при наличии достаточно длинных временных рядов, в том числе и многомерных. При этом в качестве потребителя такой информации выступают либо люди, хорошо знающие потенциальные возможности нейронных сетей, либо решающие такие задачи традиционными методами и вынужденные искать другие, более эффективные способы решения задач.

Основные задачи, решаемые с помощью нейрокомпьютеров:

1. Прогнозирование временных рядов на основе нейросетевых методов обработки (валютный курс, спрос и котировки акций, фьючерсные контракты и др.)

2. Страховая деятельность банков.

3. Прогнозирование банкротств на основе нейросетевой системы распознавания.

4. Определение курсов облигаций и акций предприятий с целью вложения средств в эти предприятия.

5. Применение нейронных сетей к задачам биржевой деятельности

6. Прогнозирование экономической эффективности финансирования экономических и инновационных проектов

7. Предсказание результатов займов.

Приведем краткое пояснение каждого из основных приложений

1.1 Прогнозирование временных рядов на основе нейросетевых методов обработки

- Прогнозирование кросс-курса валют

- Прогнозирование котировок и спроса акций для биржевых спекуляций (не для долгосрочного вложения)

- Прогнозирование остатков средств на корреспондентских счетах банка.

Специалистами Лондонского Ситибанка разработаны коммерческие программы на базе искусственных нейронных сетей для прогнозирования курса валют.

1.2 Страховая деятельность банков

- оценка риска страхования инвестиций на основе анализа надежности проекта

- оценка риска страхования вложенных средств

1.3 Прогнозирование банкротств на основе нейросетевой системы распознавания

- анализ надежности фирмы с точки зрения возможности ее банкротства с помощью нейросетевой системы распознавания и выдача результата в дискретном виде (да. нет)

- анализ величины вероятности банкротства фирмы на основе многокритериальной оценки с построением нелинейной модели с помощью нейронных сетей (пример результата - 74% вероятности банкротства).

1.4 Определение курсов облигаций и акций предприятий с целью вложения средств в эти предприятия

- выделение долгосрочных и краткосрочных скачков курсовой стоимости акций на основе нелинейной нейросетевой модели

- предсказание изменения стоимости акций на основе нейросетевого анализа временных экономических рядов

- распознавание ситуаций, когда резкое изменение цены акций является результатом биржевой игры с помощью нейросетевой системы распознавания

- определение соотношения котировок и спроса

Прогнозирующая система может состоять из нескольких нейронных сетей, которые обучаются взаимосвязям между различными техническими и экономическими показателями и периодами покупки и продажи акций.

1.5 Применение нейронных сетей к задачам анализа биржевой деятельности

- нейросетевая система распознавания всплесков биржевой активности - анализ деятельности биржи на основе нейросетевой модели - предсказание цен на товары и сырье с выделением трендов вне зависимости от инфляции и сезонных колебаний - нейросетевая система выделения трендов по методикам японских свечей и других гистографических источников отображения информации.

1.6 Прогнозирование экономической эффективности финансирования экономических и инновационных проектов