Модели и алгоритмы поддержки принятия решений на основе анализа временных рядов

• Автор: Лукашев, Александр Владимирович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2012
• Место защиты: Санкт-Петербург
• Количество страниц: 104 с. : ил.

Оглавление

Общая характеристика работы.

Глава 1. Задача автоматизации анализа и прогнозирования временных рядов

1.1. Задача анализа и прогнозирования изменения временных рядов.

1.2. Инструменты технического анализа

1.3. Аппарат нейронных сетей в задаче анализа временных рядов

Выводы.
Глава 2. Разработка системы оперативной поддержки принятия решений на основе технического анализа временных рядов.

2.1 Модель системы оперативной поддержки принятия решений на основе

анализа временных рядов.

2.2 Применение технического анализа.

2.3 Тестирование системы поддержки принятия решений.
2.4 Оптимизация систем поддержки принятия решений.
Выводы.
Глава 3. Разработка системы поддержки принятия решений на основе анализа временных рядов с использованием нейросетсвого логического базиса
3.1. Кластеризация и классификация входных данных и обучение нейронных
сетей.
3.2. Непрерывное обучение нейронной сети.
3.3. Блок принятия решений на основе нейронной сети
Выводы.
Глава 4. Результаты разработки.
4.1. Использованные технологии.
4.2. Конфигурирование и развертывание системы
Выводы.
Заключение.
Список источников


В настоящее время в связи с развитием сферы информационных технологий, происходит её интеграция в решениях прикладных задач анализа и прогнозирования временных рядов. Одной из наиболее востребованных областей приложения задачи анализа временных рядов являются системы ведения торгов на биржах капиталов. Переход брокеров и бирж на электронные площадки позволил предоставлять конечным пользователям возможность совершения сделок посредством конечных программных терминалов, программных интерфейсов (API) и протоколов, являющихся отраслевыми стандартами (FIX, FIXML), что позволило использовать ЭВМ для реализации систем поддержки принятия решений на основе анализа рынка в реальном времени. Высокая востребованность в решении задачи в данной области определила её как основную область приложения моделей и алгоритмов, разработанных в ходе диссертационного исследования. Сложившаяся ситуация обуславливает необходимость исследования и формализации процессов построения, анализа и оптимизации систем поддержки принятия решений на основе анализа временных рядов с точки зрения технического, алгоритмического и структурного аспекта и подтверждает актуальность и научно-практическую значимость выбранной темы исследования, позволяя сформулировать цели и задачи диссертационной работы. Цель исследования состоит в разработке моделей и методов реализации систем поддержки принятия оперативных решений на основе трендового анализа временных рядов. Объектом диссертационного исследования являются системы поддержки принятия оперативных решений па основе трендового анализа временных рядов. Предметом исследования являются модели технического анализа временных рядов и нейросетевая логическая модель. Используемые методы: оптимизации, искусственных нейронных сетей, аппарата математической статистики, системного анализа, вычислительной математики, искусственного интеллекта, финансового менеджмента. Достоверность полученных результатов обеспечивается следованием принципам системного подхода к анализу процесса; корректной интерпретацией рабочих циклов систем анализа; построением детерминированных моделей и алгоритмов анализа временных рядов, работа которых подтверждается экспериментально применительно к различным наборам тестовых данных. Практическая ценность полученных результатов заключается в создании набора инструментов, применимого для построения систем поддержки принятия оперативных решений на основе трендового анализа временных рядов, а так же разработке обучаемой системы анализа, использующей механизм нейронных сетей. Внедрение результатов. Результаты диссертационной работы внедрены в учебный процесс СПБГЭТУ при преподавании дисциплины «Технологии баз данных» на кафедре автоматизированных систем обработки информации и управления. Апробация. Публикации. Основные теоретические и практические результаты диссертации опубликованы в 6 статьях, в том числе 3 публикации в ведущих рецензируемых изданиях, рекомендованных в действующем перечне ВАК. Доклады доложены и получили одобрение на 3 международных научно-практических конференциях. Структура и объем диссертации. Диссертация состоит из введения, четырех глав с выводами но каждой из них, заключения, содержит 4 страниц машинописного текста, включая рисунков, 8 таблиц и список литературы из источников. Глава 1. Задача автоматизации анализа и прогнозирования временных рядов. Задача анализ временных рядов — совокупность математических статистических методов анализа, используемых для определения структуры и прогнозирования временных рядов. К данной задаче так же относятся методы регрессионного анализа. Определение структуры временного ряда необходимо для того, чтобы построить математическую модель того явления, которое является источником анализируемого временного ряда. Прогнозирование будущих значений временного ряда используется в задачах принятия решений. Моментные временные ряды отражают значения показателя по состоянию на конкретные моменты времени. Интервальные ряды отражают значения показателя за определенные периоды времени.