- •Информатизация общества, основные факторы и тенденции развития.
- •Рынок информационных ресуросв, продуктов и услуг, его государственное регулирования
- •4. Аис, их виды и этапы развития.
- •5. Проектирование: принципы и методы создания аис.
- •6. Этапы создания аис.
- •7. Техническое обеспечение , состав и пути развития
- •8.Информационные технологии в экономике, их виды и структура.
- •9. Компьютерные и некомпьютерные технологии автоматизированного офиса.
- •10.Технология использования табличных и текстовых редакторов.
- •11.Эк.Задачи,решаемые средствами нейросетевых технологий
- •12.Информационные технологии экспертных систем.
- •13. Автоматизированные информационные технологии в биржевом деле.
- •14. Понятие и структура экономической информации.
- •15. Информационное обеспечение, системы классификации и кодирования.
- •16. Проектирование документации.
- •17. Внутримашинное информационное обеспечение (базы данных и базы знаний).
- •18.Применение персональных компьютеров в традиционных формах счетоводства.
- •19. Организация учета с использованием автоматизированной формы.
- •20. Классификация программных средств автоматизированного учета.
- •21. Кибернетическая модель системы управления экономическим объектом и ее применение в разных типах аис.
- •22. Системы автоматизации аудиторской деятельности.
- •23. Защита учетной информации.
- •24. Комплексные информационные системы управления предприятием , эволюция развития.
- •25. Рынок корпоративных информационных систем.
- •26. Особенности mrp и erp систем.
- •27. Структура и особенности системы erp II.
- •28. Система «Галактика».
- •29. Автоматизированные банковские системы.
- •30. Платиковые карты, их виды и технологии использования
- •31. Аис удаленного банковского обслуживания.
- •32. Особенности функциональных и обеспечивающих подсистем абс.
- •33. Интернет-банкинг: эволюция, развитие.
- •34.Безопасность аис в банках
- •35. Аис финансового менеджмента
- •36. Функциональные подсистемы финансового менеджмента.
- •37. Информационные ресурсы финансового менеджмента.
- •38. Структура деловой информации, используемой при решении задач финансового менеджмента.
- •39. Классификация и назначение программных средств финансового менеджмента.
- •40.Специализированные программные продукты
- •42. Информационная безопасность экономических систем.
- •43. Программные средства финансового анализа.
- •44.Автоматизация бюджетирования компании.
- •45. Технология решения задач финансового менеджмента.
- •46. Автоматизированная информационная система «Финансы».
- •47. Автоматизированная информационная система «Налог».
- •48. Автоматизированная информационная система «Казначейство».
- •49. Информационные технологии в муниципальном урпавлении.
- •50. Комплексные системы автоматизированного управления торговыми предприятиями.
- •51. Электронная коммерция, ее виды.
- •52. Функционвльные комплексы задач аис страховой компании.
- •53. . Обеспечивающие подсистемы аис в страховой деятельности
- •54. Перспективы развития аис в страховой деятельности.
- •55. Информационные технологии таможенных органов.
- •56. Единая автоматизированная информационная система (еаис) Федеральной
- •58. Программные продукты для участников внешнеэкономической деятельности.
- •59. Функциональные подсистемы аист.
11.Эк.Задачи,решаемые средствами нейросетевых технологий
Одним из наиболее интересных приложений нейронных сетей в последние годы стали именно задачи финансовой деятельности. На рынке появляется огромное количество как универсальных нейропакетов, которые зачастую используются для решения задач технического анализа, так и специализированных экспертных систем и нейропакетов для решения многих других, зачастую более сложных и трудно формализуемых задач из финансовой области. В настоящее время имеет место широкое появление на отечественном рынке компьютеров и программного обеспечения нейропакетов и нейрокомпьютеров, предназначенных для решения финансовых задач. Те банки и крупные финансовые организации, которые уже используют нейронные сети для решения своих задач, понимают, насколько эффективным средством могут быть нейронные сети для задач с хорошей статистической базой, например при наличии достаточно длинных временных рядов, в том числе и многомерных.
Нейросетевые технологии оперируют биологическими терминами, а методы
обработки данных получили название генетических алгоритмов, реализованных в ряде
версий нейропакетов, известных в России. Это профессиональные нейропакеты Brain
Maker Professional v.3.11 и Neurofo-rester v.5.1, в которых генетический алгоритм
управляет процессом общения на некотором множестве примеров, а также стабильно
распознает и прогнозирует новые ситуации с высокой степенью точности даже при
появлении противоречивых или неполных знаний. Причем обучение сводится к работе
алгоритма подбора весовых коэффициентов, который реализуется автоматически без
участия пользователя-аналитика. Все результаты обработки представляются в
графическом виде, удобном для анализа и принятия решений.
Использование нейросетевых технологий как инструментальных средств
перспективно в решении множества плохо формализуемых задач, в частности при анализе
финансовой и банковской деятельности, биржевых, фондовых и валютных рынков,
связанных с высокими рисками моделей поведения клиентов, и др. Точность прогноза,
устойчиво достигаемая нейросетевыми технологиями при решении реальных задач, уже
превысила 95%. На мировом рынке нейросетевые технологии представлены широко – от
дорогих систем на суперкомпьютерах до ПК, делая их доступными для приложений
практически любого уровня [10].
К основным преимуществам нейронных сетей можно отнести:
-способностьобучаться на множестве примеров в тех случаях, когда неизвестны закономерности развития ситуации и функции зависимости между входными и выходными данными. В таких случаях (к ним можно отнести до 80% задач финансового
анализа) пасуют традиционные математические методы;
-способность успешно решать задачи, опираясь на неполную, искаженную и внутренне противоречивую входную информацию; эксплуатация обученной нейронной сети по силам любым пользователям;
-нейросетевые пакеты позволяют исключительно легко подключаться к базам данных, электронной почте и автоматизировать процесс ввода и первичной обработки данных;
-безгранично наращивать мощность нейросистемы, т.е. сверхвысокое быстродействие за счет использования массового параллелизма обработки информации;
-толерантность к ошибкам: работоспособность сохраняется при повреждении значительного числа нейронов;
-способность к обучению: программирование вычислительной системы
заменяется обучением;
-способность к распознаванию образов в условиях сильных помех и искажений.
Появление столь мощных и эффективных средств не отменит традиционные
математические и эконометрические методы технического анализа, или сделает ненужной
работу высококлассных экспертов. В качестве нового эффективного средства для решения
самых различных задач нейронные сети просто приходят –и используются теми людьми,
которые их понимают, которые в них нуждаются и которым они помогают решать многие
профессиональные проблемы. Не обязательно насаждать нейронные сети или пытаться
доказать их неэффективность путем выделения присущих им особенностей и недостатков
- нужно просто относиться к ним, как к неизбежному следствию развития вычислительной
математики, информационных технологий и современной элементной базы._
Главная ценность нейронных технологий состоит в том, что они позволяют прогнозировать будущее. Однако нейросети - это не волшебная палочка и думать все равно нужно, потому что качество прогнозов определяется, прежде всего, уровнем профессионализма пользователя.
Перечислим основные классы задач, возникающих в финансовой области, которые эффективно решаются с помощью нейронных сетей:
прогнозирование временных рядов на основе нейросетевых методов обработки;
страховая деятельность банков;
прогнозирование банкротств на основе нейросетевой системы распознавания;
определение курсов облигаций и акций предприятий с целью инвестирования;
применение нейронных сетей к задачам биржевой деятельности;
прогнозирование экономической эффективности финансирования инновационных проектов;
предсказание результатов займов;
оценка платежеспособности клиентов;
оценка недвижимости;
рейтингование;
общие приложения нейронных сетей и пр.
Прогнозирование временных рядов на основе нейросетевых методов обработки.
Прогнозирование кросс-курса валют.
Прогнозирование котировок и спроса акций для биржевых спекуляций (не для долгосрочного вложения).
Прогнозирование остатков средств на корреспондентских счетах банка.