350 руб
Журнал «Нейрокомпьютеры: разработка, применение» №4 за 2011 г.
Статья в номере:
Гибридная (продукционная) нейро-нечеткая сеть прогнозирования финансовых временных рядов. Диалоговая система «Надежда»
Авторы:
А. П. Свиридов - д. т. н., проф., Российский государственный социальный университет М. О. Губин - аспирант Московского государственного института радиотехники, электроники и автоматики (технического университета). E-mail: confmirea@yandex.ru
Аннотация:
Рассмотрена автоматизированная информационная система прогнозирования финансовых временных рядов (АИС «НАДЕЖДА»), написанная на встроенном языке Matlab 2010a, прошедшая тестовые испытания и обеспечившая высокие показатели в прогнозировании финансового временного ряда (котировки ОАО «Газпром»).
Страницы: 47-61
Список источников
  1. Алексеев А. Официальное представление программного продукта Forecast Expert [Электронный ресурс]: 2002. 2 с. URL: http://www.marketing.spb.ru/soft/products/forecast_alexeev.htm (дата обращения: 11.01.2011).
  2. Борисов В. В., Круглов В. В., Федулов А. С. Нечеткие модели и сети. М.: Горячая линия-Телеком. 2007.
  3. Бэстенс Д. Э., Ванн ден Берг В.-М., Вуд Д. Нейронные сети и финансовые рынки: принятие решений в торговых операциях. М. ТВП. 1997.
  4. Все о ценных бумагах для частного инвестора [Интернет-Портал]: URL: http://www.stockportal.ru/main/useful/16 (дата обращения: 02.11.2010).
  5. Ежов А. А., Шумский С. А. Нейрокомпьютинг и его применение в экономике и бизнесе-М. 1998. С. 222.
  6. Ибираимова Т. Б. Прогнозирование тенденций финансовых рынков с помощью нейронных сетей // Труды VIII Всероссийской конференции «Нейрокомпьютеры и их применение». Сб. докл. 2002. С. 745-755.
  7. Капитонова Т. А. Нейросетевое моделирование в распознавании образов: философско-методические аспекты. Минск: Белорусская Наука. 2009.
  8. Леоненков А. В. Нечеткое моделирование в среде Matlab и fuzzyTECH. СПб.: БХВ-Петербург. 2005.
  9. Методыпрогнозирования в индустрии гостеприимства [Электронный ресурс]: методическое пособие. Электронные данные. М: 2000.-193 с. http://www.rea.ru/hotel/it/Publications/Prognoz/prognoz.htm (дата обращения: 15.10.2010).
  10. Мэрфи Джон Дж. Технический анализ фьючерсных рынков: теория и практика. М.: Диаграмма. 1998.
  11. Нейросетевой анализ и прогнозирование [Электронный ресурс]: Информационно-аналитический портал о жизни денег. Режим доступа: http://www.forekc.ru/704/index_10.htm.
  12. Петерс Э. Хаос и порядок на рынках капитала. Новый аналитический взгляд на циклы, цены и изменчивость рынка: Пер. с англ. М.: Мир. 2000.
  13. Пригожин И., Стенгерс И. Порядок из хаоса. Новый диалог человека с природой. М. 1986.
  14. Свиридов А. П. Статистическая теория обучения. М.: РГСУ. 2009.
  15. Свиридов А. П., Губин М. О. Адаптивные нейро-нечеткие продукционные системы прогнозирования финансовых временных рядов // Новые информационные технологии: Сборник трудов XIII Всероссийской научно-технической конференции (Москва 19 апреля 2010 г.) / Под ред. С. Г. Журавлева, А.Г. Шмелевой. М.: МГУПИ. 2010. С. 30-33.
  16. Хакен Г. Синергетика. Иерархия неустойчивостей в самоорганизующихся системах и устройствах: Пер. с англ. М.: Мир. 1985.
  17. Штовба С. Д. Введение в теорию нечетких множеств и нечеткую логику [Электронный ресурс]: Проектирование систем управления. - URL: http://matlab.exponenta.ru/fuzzylogic/book1/1_7_5_7.php (дата обращения 13.01.2011).
  18. Jang J. S. R. ANFIS: Adaptive-Network-Based Fuzzy Inference System // IEEE Trans. Systems & Cybernetics. 1993. V. 23. P. 665 - 685.
  19. Li, Y. M., Shi Z. K., Li, Z.-H., Approximation theory fuzzy systems based upon genuine many-valued implication-MIMO cases // Fuzzy Sets and Systems. 2002. V.130. P. 159-174.
  20. Nauck, D., Klawonn, F., Kruse, R., Foundations of Neuro-Fuzzy Systems. John Wiley & Sons. 1997.
  21. Nells, O., Fink, A., Babuska, R., Setnes, M., Comparison of rwo construction algorithms for Takagi-Sugeno fuzzy models // International Journal of Applied Mathematics and Computer Science. 2000. V. 4. № 10. P.835-855.