Проблема выявления и согласования предпочтений по рискам

Финансовая информация » Учет риска при реализации инвестиционного проекта » Проблема выявления и согласования предпочтений по рискам

Страница 3

Основные преимущества нейронных сетей:

- способность обучаться на множестве примеров в тех случаях, когда неизвестны закономерности развития ситуации и зависимости между входными и выходными данными, когда пасуют как традиционные математические методы, так и экспертные системы;

- способность успешно решать задачи, опираясь на неполную, искаженную, зашумленную и внутренне противоречивую входную информацию;

- легкость в эксплуатации обученных сетей;

- удобный доступ нейросетевых пакетов к базам данных, электронной почте и т.д., что позволяет автоматизировать процесс ввода и первичной обработки данных.

Все эти качества позволяют сделать осторожное предположение об эффективности использования аппарата нейронных сетей для имитационного моделирования индивидуальных предпочтений по риску. Процесс моделирования индивидуальных предпочтений по риску с помощью нейронных сетей обратного распространения состоит из следующих этапов:

1. Проведение деловой игры респондента – лица, принимающего решения, – с использованием компьютера, в ходе которой последовательно реализуются различные сценарии, воспроизводящие ситуации неопределенности, требующие принятия решений. Важно соответствие имитируемым событиям мотиваций и сложность сценариев игры. Другим требованием является возможность проявления предпочтений – адекватные игровые ходы, доступные участнику. Также необходимо учесть наглядность ситуаций, ясность инструкций и возможность выбора.

2. Составление файлов примеров для обучения и тестирования нейронной сети. Фиксируемые в памяти компьютера параметры ситуаций и ходов игрока представляют собой соответственно входные и выходные данные примеров для обучения нейронной сети. Число примеров, равное числу ходов игрока, должно быть достаточным для обучения нейронной сети и одновременно не слишком большим, чтобы не утомить игрока чрезмерной продолжительностью игры и не исказить результаты. Для последующего тестирования сети выделяется некоторое число примеров.

3. Построение нейронной сети обратного распространения погрешности с числом нейронов входного слоя, соответствующим числу ключевых параметров игровой ситуации, числом нейронов выходного слоя, соответствующем числу параметров хода игрока, а также некоторым числом нейронов скрытого слоя, предназначенных для формирования внутренних представлений нейронной сети о ситуациях неопределенности, соответствующих индивидуальным предпочтениям участника в той мере, в которой эти предпочтения зависят от параметров ситуации и проявляются в действиях играющего.

4. Обучение и тестирование нейронной сети с подбором оптимального (в смысле качества обучения) числа скрытых нейронов (и слоев) и возможным исключением несущественных параметров и связей. При обучении задается относительно высокий уровень требуемой точности (толерантности), понижаемый до рационально приемлемого значения при тестировании сети.

5. Использование обученной нейронной сети для имитации индивидуальных предпочтений по риску при управлении портфелем, а также анализ и интерпретация связей и внутренних представлений, возникающих в нейросети, с выделением существенных и несущественных факторов.

Страницы: 1 2 3 4 5

Другое по теме:

Функции налогов
Функция налога — это проявление его сущности в действии, способ выражения его свойств. Функция показывает, каким образом реализуется общественное назначение данной экономической категории как инструмента стоимостного распределения и перераспределения доходов государства. Отсюда возникает главная ра ...

Контроль правильности расчетов и сроков уплаты налогов
Ключевыми элементами в текущем налоговом планировании являются правильный расчет и своевременная уплата сумм налогов. В рамках налогового менеджмента большое значение придается контролю правильности налоговых расчетов, в первую очередь исключению арифметических и счетных ошибок. Ведь ошибки в расче ...

Формы денег и их эволюция
Металлические деньги. Ранней формой металлических денег были слитки разной формы (проволоки, пластины и др.). В XIII в. до н.э. в обращении находились различные слитки с определенным весом металла. В связи с этим наименования многих денежных единиц отражают весовые единицы: фунт стерлингов, ливр (ф ...

Навигация

Copyright © 2020 - All Rights Reserved - www.forteg.ru