19

– поле «XLEB» выходное, тип поля количественный, точность 0,1 (в зависимости от решаемых задач выходным полем может быть любое, при этом все остальные поля задаются как входные).

5.2.Задать структуру сети: - число слоев – 3; - число нейронов – 10;

- характеристика – 0,1.

5.3.Нажать кнопку «СОЗДАТЬ».

6.В верхнем меню нажать «НЕЙРОСЕТЬ» – «ОБУЧЕНИЕ» – после окончания обучения – «ГОТОВО».

7.Определить минимальное количество нейронов для решения данной задачи.

7.1.Нажать «КОПИЯ СЕТИ».

7.2.В «СТРУКТУРЕ СЕТИ» изменить количество нейронов.

8.Прогнозирование.

8.1.Щелкнуть л.к.м. на таблице с данными.

8.2.Выбрать следующие пункты меню: «ТАБЛИЦА» – «ДОБАВИТЬ ЗАПИСЬ».

8.3.Создать новый пункт и произвольно заполнить его (перемещение между столбцами кнопкой «TAB» или «стрелка вправо», кроме колонки прогнозируемого параметра (XLEB)). В данном примере мы уменьшили внешнеторговый оборот с США, с Японией – оставили на прежнем уровне, с Китаем – увеличили, доход и прожиточный минимум также увеличили.

8.4.Щелкнуть л.к.м. на предыдущем окне (без имени).

8.5.Из верхнего меню выбрать «НЕЙРОСЕТЬ» – «ТЕСТИРОВАНИЕ».

8.6.Переместиться в конец таблицы и посмотреть значение прогнозируемого параметра.

8.7.Закрыть окно тестирования.

9. Оценка сетью значимости входных сигналов.

9.1. «НЕЙРОСЕТЬ» – «ЗНАЧИМОСТЬ ВХОДНЫХ СИГНАЛОВ». 9.2. Выпишите самые важные с точки зрения сети и закройте окно .

10. Пользуясь полученной диаграммой значимости входных сигналов, сформулируйте в качестве вывода, какие факторы оказывают наибольшее влияние на прогнозируемый параметр.

Лабораторная работа №5

«Нейросетевое прогнозирование инвестиционного риска и потенциала регионов РФ»

Постановка задачи

Отбор объектов для инвестирования должен производиться по критерию максимум эффективности при наименьших затратах средств и времени. Основой такого выбора является оценка инвестиционной привлекательности регионов. Инвестиционная привлекательность региона представляет собой систему или сочетание различных объективных признаков, средств, возможностей, обуславливающих в совокупности потенциальный платежеспособный спрос на инвести-

20

ции в данный регион. Критериями для ее оценки являются оценка уровня экономического развития региона; оценка уровня инвестиционной инфраструктуры в регионе; демографическая характеристика региона; оценка уровня развития рыночных отношений; оценка степени безопасности инвестиционной деятельности в регионе. Но главными составляющими инвестиционной привлекательности являются инвестиционный потенциал и инвестиционный риск изучаемого региона. Социально-экономические процессы в России протекают настолько бурно, что оценить инвестиционную привлекательность отдельного региона по какомулибо одному показателю затруднительно. Картина в плоскости риск-потенциал более информативна. С одной стороны, она позволяет оценить масштабы бизнеса, к которым готов регион; с другой – насколько рискованно этот бизнес разворачивать.

Так как данная тема является актуальной в настоящее время, возникает необходимость в создании нейросетевой модели, применение которой давало бы возможность потенциальному инвестору самостоятельно проводить анализ интересующей его составляющей инвестиционной привлекательности и оценивать влияние на нее отдельного фактора.

В данной работе предлагается проанализировать влияние на инвестиционный потенциал и риск демографической характеристики региона. Для построения этой модели и её применения использовались результаты переписи населения РФ 2002 и рейтинги российских регионов, составленные агентством «Эксперт»2002». Расшифровка приводится в табл. 3.

Обученные соответствующим образом искусственные нейронные сети смогут прогнозировать инвестиционный потенциал и риск для определенного региона.

Ход работы

1. Запуск программного нейроимитатора «NEUROPRO 0.25».

«ПУСК» – «ПРОГРАММЫ» – «NEUROPRO» – «NEUROPRO 0.25».

2. Начало работы в нейроимитаторе.

«ФАЙЛ» – «СОЗДАТЬ» – «ОТКРЫТЬ ФАЙЛ ДАННЫХ». 2.1. Открыть файл данных Книга 3.dbf .

3.Щелкнуть л.к.м. на предыдущем окне (Без имени).

4.Нажать кнопку «НОВАЯ СЕТЬ».

5.Установить входы и выходы сети: поле «INDEX RISK» выходное, тип поля количественный, точность 0,4.

6.Задать структуру сети: 6 слоев, 18 нейронов в слое, характеристика – 0,1.

7.Нажать кнопку «СОЗДАТЬ».

8.В верхнем меню нажать «НЕЙРОСЕТЬ» – «ОБУЧЕНИЕ» – после окончания обучения – «ГОТОВО».

9.Определить минимальное количество нейронов для решения данной задачи.

9.1.Нажать «КОПИЯ СЕТИ».

9.2.В «СТРУКТУРЕ СЕТИ» изменить количество нейронов.

10.П Р О Г Н О З И Р О В А Н И Е.

10.1. Щелкнуть л.к.м. на таблице с данными.

21

10.2.Выбрать следующие пункты меню: «ТАБЛИЦА» – «ДОБАВИТЬ ЗА-

ПИСЬ».

10.3.Создать новый пункт и заполнить его произвольными числами или предоставленными вам данными (перемещение между столбцами кнопкой «TAB» или «стрелка вправо»), кроме колонки прогнозируемого параметра

(INDEX RISK).

10.4.Щелкнуть л.к.м. на предыдущем окне (Без имени).

10.5.Из верхнего меню выбрать «НЕЙРОСЕТЬ» – «ТЕСТИРОВАНИЕ».

10.6.Переместиться в конец таблицы и посмотреть значение прогнозируемого параметра.

10.7.Закрыть окно тестирования.

11. Оценка сетью значимости входных сигналов.

11.1.«НЕЙРОСЕТЬ» – «ЗНАЧИМОСТЬ ВХОДНЫХ СИГНАЛОВ».

11.2.Выпишите самые важные с точки зрения сети и закройте окно.

12. Повторить с п.п. 5, используя в качестве прогнозируемого параметра «DOLYA V OB» (доля в общероссийском потенциале) (по очереди).

Поле «DOLYA V OB» выходное, тип поля количественный, точность 1. Структура сети: 2 слоев, число нейронов – 12, характеристика – 0,1.

13. Оформите ход работы на ПК.