Теми рефератів
> Реферати > Курсові роботи > Звіти з практики > Курсові проекти > Питання та відповіді > Ессе > Доклади > Учбові матеріали > Контрольні роботи > Методички > Лекції > Твори > Підручники > Статті Контакти
Реферати, твори, дипломи, практика » Контрольные работы » Поняття прогнозу та методи прогнозування. Трейдинг

Реферат Поняття прогнозу та методи прогнозування. Трейдинг





Зміст


Введення

1. Класифікація методів прогнозування

2. "М'які" обчислення. Нейронні мережі та нечітка логіка

3. Вибір методу прогнозування

4. Використовувані методи

5. Наукове прогнозування і бізнес

Висновок

Список літератури


Введення

Сьогодні розробляються методи прогнозування, що використовують положення теорії хаосу і фракталів. На відміну від "м'яких" алгоритмів, вони поки мало опрацьовані як з теоретичної точки зору, так і в плані практичної реалізації. Окремі моменти іноді застосовуються при аналізі фінансових ринків - Трейдери, як правило, першими відчувають все нові методи прогнозування. Потенційна практична значимість цих досліджень не викликає сумнівів. У результаті можуть бути отримані методи досить точного прогнозування різких і раптових змін - наприклад, економічних криз, стрибкоподібної динаміки попиту, банкрутств ...

Історична логіка розвитку методів прогнозування відображає зростання інформаційної насиченості, зростаючу взаємозалежність різних об'єктів і складність їх поведінки. Нові методи з'являються в області складних комбінованих підходів, використовують елементи штучного інтелекту, навчання і розвитку. Враховуючи той факт, що останнім часом в рамках окремих концепцій розроблено безліч алгоритмів для специфічних завдань і приватних випадків, можна припустити, що будуть розвиватися не стільки методи прогнозування, скільки методологія в цілому.


1. Класифікація методів прогнозування

Щоб отримати загальне уявлення про методи прогнозування, необхідно для початку класифікувати ці методи. Їх прийнято розділяти на кількісні та якісні.

Методи розрізняються:

по горизонту прогнозу: короткострокові (як правило, в межах року або декількох місяців), середньострокові (кілька років) і довгострокові (більше п'яти років);

по типом прогнозування: евристичні (що використовують суб'єктивні дані, оцінки і думки), пошукові (у свою чергу діляться на екстраполятивно, що проектують минулі тенденції в майбутнє, і альтернативні, що враховують можливості стрибкоподібної динаміки явищ і різні варіанти їх розвитку) і нормативні (Оцінка тенденцій проводиться виходячи із заздалегідь встановлених цілей і завдань);

по ступеня ймовірності подій: варіантні (розуміють імовірнісний характер майбутнього і пропонують кілька сценаріїв розвитку подій) і інваріантні (Передбачається єдиний сценарій);

по способу представлення результатів: точкові (прогнозується точне значення показника) та інтервальні (прогнозується діапазон найбільш вірогідних значень);

по ступеня однорідності: прості та комплексні (поєднують в собі кілька взаємопов'язаних простих методів);

по характером базової інформації: фактографічні (грунтуються на наявній інформації про динаміку розвитку явища або об'єкта, бувають статистичними та випереджаючими), експертні (індивідуальні та колективні, залежно від числа експертів) і комбіновані (що використовують різнорідну інформацію).

2. "М'які" обчислення. Нейронні мережі та нечітка логіка

Розглянемо деякі методи "м'яких" обчислень, які не отримали поки широкого поширення в бізнесі. Алгоритми та параметри цих методів значно менше детерміновані в порівнянні з традиційними. Поява концепцій "М'яких" обчислень було викликано спробами спрощеного моделювання інтелектуальних та природних процесів, які багато в чому носять випадковий характер.

Нейронні мережі використовують сучасне уявлення про будову і функціонування мозку. Вважається, що мозок складається з простих елементів - нейронів, з'єднаних між собою синапсами, через які вони обмінюються сигналами.

Основне перевагу нейронних мереж полягає в здатності навчатися на прикладах. У більшості випадків навчання являє собою процес зміни вагових коефіцієнтів синапсів за певним алгоритмом. При цьому, як правило, потрібно багато прикладів і багато циклів навчання. Тут можна провести аналогію з рефлексами собаки Павлова, у якої слиновиділення по дзвінку теж початок з'являтися не відразу. Відзначимо лише, що найскладніші моделі нейронних мереж на багато порядків простіше мозку собаки; і циклів навчання потрібно значно більше.

Застосування нейронних мереж виправдано тоді, коли неможливо побудувати точну математичну модель досліджуваного об'єкта чи явища. Наприклад, продажі в грудні, як правило, більше, ніж у листопаді, але немає формули, за якою можна порахувати, наскільки вони будуть більше в цьому році; для прогнозування обсягу продажів можна навчити нейронну мережу на прикладах попередніх років.

Серед недоліків нейронних мереж можна назвати: тривалий час навчання, схильність до підстроювання під навчальні дані і зниження узагальнюючих здібностей із зростанням часу навчання. Крім того, неможливо пояснити, яким чином мережа приходить...


сторінка 1 з 4 | Наступна сторінка





Схожі реферати:

  • Реферат на тему: Прогнозування можливих змін у навколишньому середовищі в результаті заплано ...
  • Реферат на тему: Застосування нейронних мереж для прогнозування в економіці
  • Реферат на тему: Методи прогнозування, їх класифікація, характеристика, область застосування ...
  • Реферат на тему: Статистичні методи прогнозування соціально-економічних явищ
  • Реферат на тему: Метод навчання нейронних мереж (правило зворотного поширення помилки)