Метод, алгоритм и структурно-функциональная организация системы поддержки принятия управленческих решений в трейдинговых компаниях на основе секвенциального анализа

• Автор: Воронин, Дмитрий Александрович
• Шифр специальности: 05.13.10
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Курск
• Количество страниц: 154 с. : ил.

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
ГЛАВА
1.1 Структура трейдинговых компаний, место СПГГР в схеме деятельности трейдинговых компаний
1.2 Функции СППР в трейдинговой компании. Сравнение возможностей существующих СППР для электронного трейдинга
1.3 Big Data и хранилища данных
1.4 Сравнение существующих алгоритмов поиска скрытых закономерностей. Интеллектуальный анализ данных
1.5 СППР с элементами аналитической обработки Data Minig. Сравнение используемых алгоритмов интеллектуального анализа данных
ГЛАВА
2.1 Терминология
2.2 Постановка задачи секвенциального анализа
2.3 Традиционный метод AprioriAll
2.4 Разработанный метод поддержки принятия решений на основе секвенциального анализа
ГЛАВА
3.1 Структурно-функциональная организация СППР для систем анализа потоков транзакций
3.2 Аппаратная обработка последовательностей в подсистеме генерации последовательных шаблонов
3.3 Алгоритмизация метода ПНР
ГЛАВА
4.1. Наборы данных для оценки зависимостей сложности анализа от свойств множества событий
4.2. Моделирование построения множества последовательных шаблонов

4.3. Моделирование различных способов ранжирования приоритетных альтернатив
4.4 Моделирование работы устройства определения префиксно-суффиксных свойств
4.5 Программный модуль для СППР трейдинговых компаний
4.6 Расчет экономического эффекта внедрения результатов научной работы
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
ПРИЛОЖЕНИЕ

ВВЕДЕНИЕ
Актуальность работы. Развитие биржевой деятельности в России привело к появлению нового класса экономических систем - трейдинговых (торговых) компаний, ведущих операционную деятельность на валютных, сырьевых рынках и рынке ценных бумаг, а также инвестирующие частных трейдеров (участников электронных торгов). Автоматизация электронной коммерции в совокупности с увеличением объемов торговых операций привели к существенному увеличению количества сделок, возрастанию конкуренции и возникновению большого количества данных, подлежащих анализу для принятия актуальных и обоснованных решений о покупке или продаже. Множество сделок, значительный объем обрабатываемых данных, временная и содержательная вариативность выделения существенных элементов экономических данных, быстрые изменения курсов, влияние новостей в реальном времени на принятие решений по сделкам, в целом, порождают многомерные массивы данных, повышают неопределенность принятия решений. Комбинация поисковопереборных и оптимизационных этапов в процессе анализа рыночной ситуации и генерации управленческих решений создают большое количество возможных альтернатив развития ситуации, что требует применения аппаратно-программных систем поддержки принятия решений (СГТПР).
Среди различных моделей и методов прогнозирования развития экономической ситуации существенную роль играют методы интеллектуального анализа данных (ИАД, Data Mining) для поиска скрытых закономерностей в неструктурированных данных. В номенклатуре методов Data Mining, подходящих для выявления скрытых закономерностей изменения экономической ситуации, метод секвенциального анализа является базовым для нахождения содержательно-временных повторений (шаблонов) в последовательностях событий, описываемых набором экономических показателей об электронных торгах. В традиционной постановке задача секвенциального анализа рассматривается как однократная обработка единственного набора экономических параметров с по-

правилам, которая после какого-либо числа шагов заведомо приводит к решению поставленной задачи [55]. Общим во всех толкованиях является определение алгоритма как последовательности действий и направленность на решение задачи (достижение цели). Отличием алгоритма является связь описываемых в алгоритме действий и исполнителя, для которого описаны действия. Это позволяет вводить количественные показатели сложности исполнения алгоритма, такие как временная и емкостная сложность, и облегчать сравнение различных алгоритмов.
Среди алгоритмов выделяют отдельные группы по разнообразным признакам, например комбинаторные алгоритмы, алгоритмы поиска, алгоритмы сортировки, алгоритмы сжатия данных, криптографические алгоритмы, алгоритмы планирования, вычислительная алгебра, алгоритмы оптимизации, грамматический разбор, квантовые алгоритмы. В частности, по характеру обрабатываемых данных выделяют численные алгоритмы, алгоритмы на графах, алгоритмы на строках, теоретико-числовые алгоритмы, продукционные алгоритмы.
Следующим термином, с помощью которого описывают процесс функционирования и преобразования в интеллектуальных системах, является метод. Метод - систематизированная совокупность шагов, действий, которые необходимо предпринять, чтобы решить определённую задачу или достичь определённой цели.[19] Метод - совокупность приемов или способов познания и освоения действительности, направленных на выполнение определенной цели.[20] Толкования термина схожи с определениями алгоритма - последовательность действий и направленность на решение задачи (достижение цели), иногда предлагается трактовать их как синонимы. Однако для метода не оговаривается привязка действий к исполнителю. Это подразумевает большую универсальность по сравнению с алгоритмом (алгоритм = ме-тод+исполнитель), однако затрудняет ввод количественных показателей оценки метода. Производить сравнение различных методов возможно лишь с
использованием качественных описательных критериев. В различных при-