- •Оглавление
- •Введение
- •Раздел 1 информационная поддержка принятия инвестиционных решений на малом предприятии. Постановка научной задачи
- •1.1. Определение, функции и классификация инвестиций
- •1.2. Управление финансовыми инвестициями
- •1.3. Классификация общих управленческих решений
- •1.4. Классификация инвестиционных управленческих решений
- •1.5. Характеристика технологического процесса принятия управленческих решений на малом предприятии
- •1.6. Требования, предъявляемые к системе поддержки принятия инвестиционных решений
- •1.7. Определение критериев оптимизации функционирования системы поддержки принятия инвестиционных решений. Постановка научной задачи
- •1.8. Общая схема решения задачи
- •Раздел 2 оценка экономической эффективности облигаций и определение их параметров
- •2.1. Общие принципы оценки эффективности финансовых инвестиций
- •2.2. Классификация облигаций
- •2.3. Оценка эффективности облигаций
- •2.4. Определение параметров облигаций
- •Раздел 3
- •3.2. Модели оптимизации распределения финансовых инвестиций
- •3.2.1. Геометрическая интерпретация модели Марковица
- •3.2.2. Постановка задачи определения распределения финансовых ресурсов в оптимальном портфеле Марковица
- •3.2.3. Обобщенный алгоритм реализации модели Марковица
- •3.2.4. Одноиндексная модель Шарпа
- •3.2.5. Нейромодифированная одноиндексная модель Шарпа
- •Раздел 4
- •Разработка автоматизированного рабочего места
- •Поддержки принятия инвестиционных решений
- •Малого предприятия
- •4.1. Состав и структура автоматизированного рабочего места поддержки принятия инвестиционных решений малого предприятия
- •4.2. Характеристика аппаратной платформы, общего программного обеспечения, технологической среды реализации и среды разработки автоматизированного рабочего места
- •4.2.1. Выбор операционной системы
- •4.2.2. Выбор технологической среды реализации
- •4.2.3. Выбор среды разработки программного обеспечения
- •4.3. Выбор системы управления базой данных автоматизированного рабочего места
- •4.4. Алгоритм обмена данными между бд
- •4.5. Эвристическая оптимизация структуры базы данных
- •4.6. Обоснование методов и инструментов архивации данных
- •4.7. Резервное копирование данных
- •4.7.1. Требования, предъявляемые к резервному копированию данных
- •4.7.2. Классификация типов резервного копирования
- •4.7.3. Реализация резервного копирования данных
- •4.8. Типизация искусственных нейронных сетей
- •4.9. Анализ методов и алгоритмов адаптации архитектуры искусственной нейронной сети
- •4.9.1. Предварительный подбор архитектуры сети
- •4.9.2. Подбор оптимальной архитектуры сети
- •4.9.3. Алгоритм каскадной корреляции Фальмана
- •4.9.4. Методы редукции сети с учетом чувствительности
- •4.9.5. Методы редукции сети с использованием штрафной функции
- •4.10. Совершенствование технологии моделирования искусственных нейронных сетей на основе визуального контактора
- •4.11. Модификация алгоритма обратного распространения ошибки
- •4.12. Эвристическая оптимизация функционирования алгоритма обратного распространения ошибки
- •4.13. Порядок функционирования автоматизированного рабочего места
- •Заключение
- •Библиографический список
- •394006 Воронеж, ул. 20-Летия Октября, 84
4.13. Порядок функционирования автоматизированного рабочего места
Для запуска системы поддержки принятия инвестиционных решений необходимо активизировать исполнительный файл СППИР. exe. После прохождения успешной аутентификации на экране монитора появится главная форма, приведенная на рис. 4.26 [80, 153].
Рис. 4.26. Главная форма СППИР
Н а главной форме представлена система меню, включающая: расчет параметров облигаций, портфель облигаций, выпуклость портфеля облигаций, помощь, выход. При выборе опции «Расчет параметров облигаций» появляется выпадающее меню, в котором перечислены рассчитываемые характеристики облигаций, в частности: курс облигации (рыночная цена); цена облигации с постоянной купонной ставкой, имеющей m купонных выплат в год; стоимость облигации с нулевым купоном; купонная доходность; текущая доходность облигации; эффективная доходность к погашению; доходность за период владения; доходность государственных облигаций; доходность муниципальных облигаций; доходность корпоративных облигаций; доходность еврооблигаций; дюрация Маколея; предельная величина дюрации; модифицированная дюрация; выпуклость облигации; историческая волатильность. На рис. 4.27, в качестве примера приведен вид окна расчета дюрации Маколея [80].
Рис. 4.27. Вид окна расчета Дюрации Маколея
В верхней части окна представлены вводимые исходные данные, а в нижней части отображаются результаты. После ввода данных и нажатия кнопки «Расчет», в окне «Значение дюрации Маколея» появится результат.
При выборе на главной форме «Портфель облигаций» появится выпадающее меню, в котором перечислены модели формирования портфеля облигаций, в частности: модель Марковица; модель Шарпа; нейромодифицированная модель Шарпа.
В ид окна формирования портфеля облигаций по модели Марковица представлен на рис. 4.28.
Рис. 4.28. Вид окна формирования портфеля облигаций по модели Г.Марковица
Вид окна формирования портфеля облигаций по модели Шарпа, представлен на рис. 4.29 [80].
При выборе из выпадающего меню портфеля облигаций опции «Нейромодифицированная модель Шарпа», наряду с окном формирования портфеля облигаций по нейромодифицированной модели Шарпа подобного на рис. 4.29, активизируется подсистема нейросетевого прогнозирования временных рядов NFinForecast. Внешний вид ее главной формы представлен на рис. 4.30 [79].
Рис. 4.29. Вид окна формирования портфеля облигаций по модели Шарпа
В правой части окна находятся закладки, используемые для обучения, прогнозирования и визуализации исходного временного ряда (рис. 4.31).
Рис. 4.30. Внешний вид главной формы
подсистемы нейросетевого прогнозирования временных рядов NFinForecast
Закладка «Обучение» позволяет задать параметры обучения, в том числе: размер обучающей выборки, уровень погрешности, параметр сигмоиды, скорость обучения. Кроме того, на данной вкладке можно задавать необходимую конфигурацию нейронной сети (число слоев, число нейронов на каждом слое и др.). Кнопка «Обучить» активизирует соответствующий модуль backpropag.pas, внутри которого задаются введённая ранее конфигурация сети и параметры обучения. После чего осуществляется обучение сети. Результат обучения отоб ражается в окне информации (рис. 4.32).
Рис. 4.31. Внешний вид окна визуализации исходного временного ряда
Рис. 4.32. Внешний вид окна с информацией о результатах обучения ИНС
Для сохранения обученной ИНС необходимо указать место сохранения (ОБД, ДБД, текстовый файл и др.) и нажать кнопку «Сохранить».
С целью получения результатов прогноза необходимо перейти на вкладку «Прогнозирование». Потребуется задать вид прогноза (одношаговый или многошаговый), количество предсказаний и количество элементов ряда. Одношаговый прогноз получается с помощью единичного прогнозирования, а многошаговый - путём многократного последовательного использования прогноза и обучения. Нажатие кнопки «Прогноз», обеспечит отображение результатов прогнозирования (рис. 4.33) [79].
Панель «Нейронная сеть» позволяет загружать ранее обученные нейронные сети из файла (в данной версии прототипа) или БД (в перспективной версии) и использовать их для прогнозирования.
Чтобы сохранить проект, необходимо выбрать пункт меню «Проект/Сохранить» и задать фамилию автора в окне сохранения проектов (рис. 4.34). Поля текущей даты, времени, а также номер проекта будут заданы автоматически.
Рис. 4.33. Вид окна отображения результатов прогнозирования
Рис. 4.34. Вид окна сохранения проекта в БД