Информационные системы поддержки экспертных оценок (экспертные информационные системы)

2. Splendors: Система  управления портфелем ценных  бумаг реального времени.

Решаемые задачи:

• достижение разнообразных инвестиционных целей в условиях быстро меняющихся данных.

Краткие характеристики:

• система реального времени,

• использование специализированного языка высокого уровня Profit,

• большая гибкость в создании портфеля для опытных программистов,

• возможность создания портфеля непрограммирующему финансовому аналитику.

Система позволяет формировать оптимальные инвестиционные портфели в реальном масштабе за счет игры на учете быстрых изменений

на фондовой бирже.

3. PMIDSS: Система  поддержки принятия решений при управлении портфелем.

Разработчики: Финансовая группа Нью-Йоркского университета.

Решаемые задачи:

• выбор портфеля ценных бумаг,

• долгосрочное планирование инвестиций.

Краткие характеристики:

• смешанная система представления знаний,

• использование разнообразных механизмов вывода: логика, направленные семантические сети, фреймы, правила.

4. Le Courtier: Система  ассистент-эксперт для менеджера портфеля.

Фирма: Cognitive System Inc.

Решаемые задачи:

• помощь инвесторам в определении своих инвестиционных целей,

• управление портфелем.

Краткие характеристики:

• использование правил,

• мощный естественно-языковый интерфейс.

5. PMA: Советчик  управляющему портфелем.

Фирма: Athena Group.

Решаемые задачи:

• формирование портфеля,

• оказание рекомендаций по сопровождению портфеля.

Краткие характеристики:

• обеспечение качественного обоснования результатам применения

различных численных методов.

6. ArBoR: Вычислительная  модель рейтинга облигаций.

Фирма: College of Business Administration Univercity of Nebraska.

Решаемые задачи:

• Данная система создана для конструирования вычислительной модели в области рейтинга облигаций и для применения модели в качестве

экспертной системы.

Краткие характеристики:

• применение качественного и количественного анализа,

• использование стандартной оболочки ЭС.

7. Intelligent Hedger: основанный  на знаниях подход в задачах

страхования от риска.

Фирма: Information System Department, New York University.

Решаемые задачи:

• проблема огромного количества постоянно растущих альтернатив;

• страхования от рисков;

• быстрое принятие решений менеджерами по рискам в ускоряющемся потоке информации;

Недостаток соответствующей машинной поддержки на ранних стадиях процесса разработки систем страхования от рисков предполагает

обильную сферу различных оптимальных решений для менеджеров по риску. В данной системе разработка страхования от риска сформулирована как многоцелевая оптимизационная задача. Данная задача оптимизации включает несколько сложностей, с которыми существующие технические решения не справляются.

Краткие характеристики: система использует объектное представление, охватывающее глубокие знания по управлению риском и облегчает эмуляцию первичных рассуждений управляющих риском, полезных для выводов и их объяснений.

8. Узкоориентированная система поддержки принятия решения

для выбора стратегий инвестиций.

Фирма: Intelligent System Laboratory Science Univercity of Tokyo.

Решаемые задачи:

• с приходом в набор финансовых инструментов понятий «выбор» и

«будущее», у инвесторов появилась возможность формировать набор стратегий, отвечающих целям их инвестиций. Однако, эта возможность порождает трудную задачу нахождения необходимой стратегии среди большого числа стратегий инвестиций;

• представлена интеллектуальная система поддержки принятия решения для генерации необходимых стратегий инвестирования с использованием нотации ограниченной удовлетворительности, которая широко применяется в задачах поиска;

• в данной системе ограничения играют роль навигации для автоматического порождения сложных стратегий через абстрактное сравнение с профилем вкладчиков;

• абстрактное сравнение, поиск метода для производства качественно обоснованных стратегий, описывающих набор предложений для покупки или продажи без цифровой информации.

Система является мостом для плавного перехода между качественным и количественным видами анализа.

Краткие характеристики: применение качественного анализа для по-лучения возможных качественных решений (интуитивные решения) и количественного анализа для нахождения оптимального решения с помощью симплексного метода линейного программирования.

9. Явные рассуждения  в прогнозировании обмена валют.

Фирма: Department of Computer Science City Polytechnic of Hong Kong.

Решаемые задачи:

• новый подход в прогнозировании обмена валют, основанный на

аккумуляции и рассуждениях с поддержкой признаков, присутствующих для фокусирования на наборе гипотез о движении обменных курсов.

Представленный в прогнозирующей системе набор признаков – это

заданный набор экономических значений и различные наборы изменяющихся во времени параметров, используемых в модели прогнозирования.

Краткие характеристики: математическая основа примененного подхода базируется на теории Демпстера-Шафера.

 

 

Заключение

 

Экспертные системы (ЭС) имеют много особенностей. Они применяются для решения только трудных практических задач. По качеству и эффективности решения экспертные системы не уступают решениям специалиста. Кроме того, решения экспертных систем обладают «прозрачностью», т.е. могут быть объяснены пользователю на качественном уровне. Экспертные системы способны пополнять свои знания в ходе взаимодействия с экспертом. Экспертные системы и системы искусственного интеллекта отличаются от систем обработки данных еще и тем, что в них в основном используют символьный (а не числовой) способ представления данных, символьный вывод и эвристический поиск решения (а не исполнение известного алгоритма).

Типичная экспертная система состоит из следующих основных компонентов: интерфейс пользователя, база знаний, интерпретатор, модуль создания системы, подсистема объяснений

Сердцевину экспертной системы составляет база знаний (БЗ), которая накапливается в процессе построения ЭС.

Наиболее полезной характеристикой ЭС является то, что она применяет для решения проблем только высококачественный опыт. Соответственно средства построения ЭС можно разделить на три основных типа:

– языки программирования;

– среды программирования, позволяет разработчику облегчить работу тем, что появляется возможность не программировать некоторые или все компоненты ЭС, а выбирать их из заранее составленного набора;

– пустые ЭС (оболочки), разработчик ЭС полностью освобождается от работ по созданию программ и занимается лишь наполнением базы знаний.

У экспертной системы должно быть два режима работы:

– режим приобретения знаний (общается с экспертной системой при посредничестве инженера знаний);

– режим решения задач (в общении с экспертной системой участвует пользователь, которого интересует результат и способ его получения).

По назначению классификацию экспертных систем можно провести

следующим образом:

– диагностика состояния систем, в том числе мониторинг (непрерывное отслеживание текущего состояния);

– прогнозирование развития систем на основе моделирования прошлого и настоящего;

–- планирование и разработка мероприятий в организационном и технологическом управлении;

– проектирование или выработка четких предписаний по построению объектов, удовлетворяющих поставленным требованиям;

– автоматическое управление (регулирование);

– обучение пользователей и др.

Наибольшее количество экспертных систем используется: в военном деле, геологии, инженерном деле, информатике, космической технике, математике, медицине, метеорологии, промышленности, сельском хозяйстве, управлении процессами, физике, филологии, химии, электронике, юриспруденции.

Классификация экспертных систем по методам представления знаний делит их на:

– традиционные (используют, в основном, эмпирические модели представления знаний и исчисление предикатов первого порядка)

– гибридные (используют все доступные методы, в том числе оптимизационные алгоритмы и концепции баз данных).

По степени сложности экспертные системы делят на поверхностные (представляют знания в виде правил «ЕСЛИ-ТО) и глубинные (обладают способностью при обрыве цепочки правил определять какие действия следует предпринять для продолжения решения задачи)

Классификация экспертных систем по динамичности делит экспертные системы на:

– статические (описывающие ее исходные данные не изменяются во времени);

– динамические (исходные данные, описывающие предметную область, изменяются за время решения задачи).

Разработчиком экспертной системы SAND PCBRS является Chase Manatten Bank, Standart & Poor’s Corp. S&PCBRS была разработана для решения следующих задач: оценка рейтинга ценных бумаг по данным о фирмах эмитентах; формирование корректной рейтинговой шкалы.

Разработчиком NEREID экспертной системы является NTT Data, The Tokai Bank, Science Univercity of Tokyo. Данная система была разработана для поддержки принятия решений для оптимизации работы с валютными опционами. Система облегчает дилерскую поддержку для оптимального ответа из возможных представленных вариантов.

ЭС Nikko Portfolio Consultation Management System, разработанная

для внутреннего использования фирмой Nikko Securities, Ltd., помогает

управляющим фондами выбрать оптимальный портфель для своих клиентов. Данная система основана на базе данных с информацией за пять лет продаж акций и на системе с новой теорией управления портфелем, которая вычисляет и оптимизирует портфель ценных бумаг для страховки от различных рисков.   
Список используемой литературы

 

1. Балдин К.В. Информационные системы в экономике: Учебник. – 5-ое изд. / К.В. Балдин, Уткин В.Б. – М.:2008. – 395 с.

2. Никулин, А.Н. Экспертные системы: учебное пособие / А.Н. Никулин. – Ульяновск: 2015. – 78 с.

3. Тельнов Ю.Ф. Интеллектуальные системы в экономике: Учебное пособие.М.: 2002.

4. Федорова Г.Н. Информационные системы / Г.Н. Федорова. – 3-е изд. – М.: Издательский центр «Академия», 2013. – 208 с.

5. Чеботарев П.Ю., Чуркин Э.П., Кузнецова Т.Ю., Шмерлинг Д.С. Применение экспертных оценок для задач стратегического планирования. М.: МШЭ МГУ,2008.