Об одном способе построения нечеткого классификатора для оценки эффективности инвестиционных инструментов
- Авторы: Никитина С.А1
- Учреждения:
- Челябинский государственный университет
- Выпуск: № 4 (2024)
- Страницы: 99–111
- Раздел: Статьи
- URL: https://ered.pstu.ru/index.php/amcs/article/view/4575
- DOI: https://doi.org/10.15593/2499-9873/2024.4.08
- Цитировать
Аннотация
Рассматривается применение методов нечеткого моделирования для анализа эффективности инвестиционных инструментов. При выборе финансовой стратегии в ситуации неопределенности такой анализ помогает оценивать и принимать решение. Поскольку параметры финансовой системы в условиях неопределенности бывает невозможно установить точно, то возникают задачи, которые описываются рядом характеристик, имеющих нечеткую природу. В работе была задана система показателей для оценки инвестиционной стратегии. Значимость каждого показателя устанавливается с помощью весовых коэффициентов, для определения которых используется метод парных сравнений и шкала Саати. Для описания финансовых инструментов введены специальные лингвистические переменные, для каждой из которых были заданы терм-множества. Каждый терм представляет собой нечеткое число трапециевидного типа. После фиксации текущих значений, характеризующих финансовую систему, производится процедура фаззификации, то есть введения нечеткости. Затем определенным образом выполняется операция свертки по всем уровням показателей модели с учетом весовых коэффициентов значимости. В результате получаем общую агрегированную характеристику инвестиционного инструмента, по которой возможно сделать вывод относительно уровня его эффективности. На примерах продемонстрировано применение полученных результатов.
Полный текст
8Об авторах
С. А Никитина
Челябинский государственный университет
Список литературы
- Zhou, W. Review of fuzzy investment research considering modelling environment and element fusion / W. Zhou, D. Luo, Z. Xu // International Journal of Systems Science. – 2022. – № 53(9). – P. 1958–1982. doi: 10.1080/00207721.2022.2031340
- Ковалев, П.П. Анализ эффективности инвестиционных проектов в условиях риска и неопределенности / П.П. Ковалев // Азимут научных исследований: экономика и управление. – 2017. – Т. 6, № 3(20). – С. 182–185.
- Использование теории нечетких множеств в экономическом анализе инвестиционных проектов / Р.А. Файзиев, У.Т. Хаитматов, О.Х. Азаматов, Ш.Р. Джуманиязов, Х.Х. Хасанова / International Journal of Innovative Technologies in Economy. – 2018. – Т. 2, № 5(17). – С. 44–48. doi: 10.31435/rsglobal_ijite/01062018/5672
- Поляков, Д.В. Оптимизация и управления финансовой деятельностью на основе теории нечетких множеств / Д.В. Поляков, А.И. Попов // Вестник ТГТУ. – 2020. – Т. 26, № 1. – С. 64–78. doi: 10.17277/vestnik.2020.01.pp.064-078
- Пупенцова, С.В. Оценка рисков инновационного проекта, основанная на синтезе методов нечетких множеств и анализа иерархий / С.В. Пупенцова, И.И. Поняева // Научно-технические ведомости СПбГПУ. Экономические науки. – 2020. – Т. 13, № 6. – С. 66–78. doi: 10.18721/JE.13606
- Петухова, Ж.Г. Нечеткая продукционная модель для отбора потенциально инвестиционных проектов в мультиагентной информационной системе сопровождения проектов инновационных бизнес-инкубаторов / Ж.Г. Петухова, М.В. Петухов // Инновации и инвестиции. – 2020. – № 11. – С. 21–25.
- Haifeng, G. Fuzzy Investment Portfolio Selection Models Based on Interval Analysis Approach / G. Haifeng, S. BaiQing, R.K. Hamid // Mathematical Problems in Engineering. – 2012. – Vol. 2012. – 15 p. doi: 10.1155/2012/628295
- Garnov, A. Analysis of Investment Risks as a Complex System Using Fuzzy Logic and Uncertainty Management Methods / A. Garnov, L. Zvyagin, O. Sviridova // International Journal of Economics and Business Administration. – 2019. – Vol. 7, № S1. – P. 447–458. doi: 10.35808/ijeba/290
- Metzger, O. Modeling rational decisions in ambiguous situations: a multi-valued logic approach / O. Metzger, T. Spengler // Business Research. – 2019. – Vol. 12. – P. 271–290. doi: 10.1007/s40685-019-0087-5
- Asemi, A. Adaptive neuro-fuzzy inference system for customizing investment type based on the potential investors’ demographics and feedback / A. Asemi, A. Asemi, A. Ko // Journal of Big Data. – 2023. – Vol. 10, № 1. – P. 87. doi: 10.1186/s40537-023-00784-7
- Виленский, П.Л. Оценка эффективности инвестиционных проектов. Теория и практика / П.Л. Виленский, В.Н. Лившиц, С.А. Смоляк. – М.: Крафт+, 2015. – 1300 с.
- Инвестиции: учебник / Л.И. Юзвович [и др.]; под ред. Л.И. Юзвович. – Екатеринбург: Изд. Урал. ун-та, 2018. – 610 с.
- Абдулаева, З.И. Стратегический анализ инновационных рисков / З.И. Абдулаева, А.О. Недосекин. – СПб: Изд. СПбПУ, 2013. – 146 с.
- Поспелов, Д.А. «Серые» и/или «черно-белые» / Д.А. Поспелов // Прикладная эргономика. Специальный выпуск «Рефлексивные процессы». – 1994. – Т. 1. – C. 29–33.
- Горбатков, C.F. Нейросетевые и нечеткие методы моделирования диагностики и прогнозирования банкротств корпораций: монография / C.F. Горбатков, C.F. Фархиева, B.B. Белолипцев – М.: Прометей, 2018. – 371 с.
- Алексеев, А.О. Исследование альтернативных подходов к теоретико-множест-венным операциям над нечеткими множествами в процедуре нечеткого комплексного оценивания / А.О. Алексеев // Прикладная математика и вопросы управления. – 2015. – № 1. – С. 60–72.
- Яцало, Б.И. Нечеткие интеллектуальные системы. Конспект лекций: учебное пособие / Б.И. Яцало. – М.: НИЯУ МИФИ, 2020. – 132 с.
- Гаджиев, Д.Д. Иерархические структуры методологии нечетких множеств логики и категории технологий мягких вычислительных процессов: монография / Д.Д. Гаджиев, А.Р. Рустанов. – М.: МИСИ–МГСУ, 2022. – 144 с.
- Саати, Т.Л. Принятие решений при зависимостях и обратных связях: Аналитические сети / Т.Л. Саати. – М.: Издательство ЛКИ, 2008. – 308 с.
- Саати, Т.Л. Об измерении неосязаемого. Подход к относительным измерениям на основе главного собственного вектора матрицы парных сравнений / Т.Л. Саати // Cloud of Science. – 2015. – Т. 2, № 1. – С. 5–39.
Статистика
Просмотры
Аннотация - 103
PDF (Russian) - 41
Ссылки
- Ссылки не определены.
