Методы автоматизированной генерации базы знаний системы поддержки принятия решения для финансового планирования тема диссертации по экономике, полный текст автореферата
Автореферат
| Ученая степень | кандидат экономических наук |
| Автор | Крижановкая, Елена Григорьевна |
| Место защиты | Киев |
| Год | 1992 |
| Шифр ВАК РФ | 08.00.13 |
Автореферат диссертации по теме "Методы автоматизированной генерации базы знаний системы поддержки принятия решения для финансового планирования"
1 о АПР 1093
КИпВСЬКИЙ ДЕРЗКАВМ ЕКОНОМ ЧМ УНВЕРСИТЕТ
На правах рукопису
КРИНАⲲБСЬКА ОЛЕНА ГРИГОРВНА
'ЕпОДИ АБОШ\ТЙ30ВАН0
Спецальнсть 03.00.13 -еюном ко-математичн методи
АВТОРЕФЕРАТ .
дисертацÿ на здобуття наукового ступеня кандидата економчних наук
Кив-1992
Робота виконана в Ки
НАУКОВИЙ КЕРВНИК
ОФЦЙН ОПОНЕНТИ
ПРОВДНА УСТАНОВА
Захист вдбудеться / /~т-**^993 р. ^ год.
на засданн спецазовано
З дисертацúю можна ознайомитись у бблотец| Ки
Автореферат розсланий "
- доктор економчних наук, професо
- доктор економчних наук,професор Костна Нна ванвна
кандидат економчних наук,доцент, Вовк Володимир Михайлович
- Ки
Вчений секретар спецазовано
Кулагна Валеря Прохорвна
1. ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ. '
1.Актуальнсть проблем. Комп'ютеризаця народного господарства Укра
Багаторчний досвд впровадження та використання уп-_ равнських нформацйних систем (автоматизованих систем управння) е нашй кра
. сивно проводитися роботи а автоматизовано
В зарубжнй тератур ц системи вдом за назвою Decision Support Systenxs. СППР можна визначити як терактиЕну компТютерну систему, призначену для пдтримки рзних ВИДВ ДЯЛЬНОСТ при прийнятт ршень З слабоструроЕзних неструкту-рованих проблем.
нтерес до СШР як до перспективно
лансових пдсумк'в, розподл прибутку за статтями доходв, передбачення змн валютних курсв, прогнозування, аназ ризику розроблення стратегÿ збуту продукцÿ, Еибр науково-досдних проектв, стратегчне планування, планування прибутку бюджету, вибр мж стратегяш закупвл або власного виготовлення продукцÿ та нше.
. Потреба приймати ршення, для яких '-неможливо повнстю охопити визначаюч
наявну нформацю вдносно поставлено задач, щоб виявивши пс варанти рвень, лестзратися знайти серед них
най.чращт.
Приймати ршення доводиться в усх областях людсько
спростили цей процес надали ршенням бльшу надйнсть. Ця
11 . û ^ '^1-С 1 Ч мД а 1 Х 1 --^^ А-' Х . * Тл*
ретн.
Зростаюч вимоги р,о систвм планування, и^ек
Прогрес в технологÿ апаратного програмного забезпечення надав можливост спочатку дл програмств та експертв, а потм для неспецаств по комп'ютерам розвивати нфор-
мацйн системи управння шляхом розробки систем пдтримки прийняття рвень. Це в сеою чергу, вимага розробки наук0Е0-обгрунтованих принципв побудування СР.
Так системи повинн допомагати людин краще зрозумти розв'язуючу задачу, виршувати задачу провести аназ ц㺿 задач. При цьому СШР викону рзн функцÿ на всх етапах процесу прийняття ршенм розпзнавання ситуацй, прийняття ршення,формування альтернативних варантв ршення в даннй ситуап, оцню рзн властивост вибраних ршень, генеру ршення з допустимими значеннями бажаннями для приймаючого ршення, формазу модел .редагу, та нш.
Основну складнсть при створенн СППР виклика побудування бази знань, поскльки знання являються результатом процесу прийняття ршень. Труднощ формування гнань полягають в необхдност притягнення велико
Мета та завдання досджень.
Метою досдження е розробка методв автоматичного форму-1 вання знань в систем пдтримки прийняття ршень при виршенн задач . фнансового планування.
Для досягнення поставлено мети в робот поставлен виршен так задач: ' . ' . .
-розглянуто визначено основн проблеми двохрвнево
- визначення методв здатних автоматичного генерувати
знання в даних; ' . .-
. -проведення порвняльного- аназу ' снуючих методв ндуктивного вивчення; ' Т .
- визначення методв пониження рвня викривлень в даних,
та зменшення клькост невдомих атрибутв; .
- вибр критерÿв для визначення {сореня дерева;
- визначення умов, котрим повинн задовольняти критерÿ
для оцнки гпотез; .
- знаходження форми зображення знань; '
- розробка агоритмв дÿ методв ндуктииного вивчення;
- побудування динамчно стохастично модел дротового
обгу за короткий перод.
Предмет та об* ект досдження. Предметом досдження методика методи автоматизовано
Методологя та методика досдження. Теоретичною та методологчною сснсаоо досдженню г. прац саруЯгчях спецаств а питань математики, кбернетики, штучного нтелекту,економки, програмування,менеджменту.
В ход досджень застосовувались методи математично
Наукова новизна досдження поляга в тому, що:
- запропонована система пдтримки прийняття ршень для виршення неозначених слабоструктурованих задач фнансового планування (класифкаця ризику, прогнозування банкротства, управння грошовим обгом та н.);
- розроблен методи автоматично
- досджено та розроблено принципи агоритми дÿ методв ндуктивного вивчення,
- запропоновано використати метод побудування ндук-
тивних дерев ршень для виршення поставлених задач;
- проаназовано форми представлення знань та запропоновано використати родукцйн правила.
' Практична значимсть досджень. Результати досджень _ знайшли застосування в учбовому процес кафедри нформацйн системи в економц при читанн курсу "Експертн системи пдтримки прийняття ршень".
Апробаця та реазаця результатв досдження. Основн результати досдження було висвтлено у доповд на науково-практичнй конференцÿ "Впровадження нових нформацйних технологй в управнн виробництвом".
Пубкацÿ. Результати виконаних досджень опубкован в трьох роботах загальним обсягом 1,3 друкованого аркуша. ' Структура та обсяг дисертацÿ.
Дисертаця складаться з вступу, трьох роздв, висновкв/. бблограф . Загальний обсяг дисертацÿ 125 сторнок.
Х '"'У-V Х - '
. До не
У вступ обгрунтовуться актуальнсть теми, сформульован мета та завдання досджень, вдображен наукова новизна та практична значимсть роботи. '
В першому роздл " Систему Пдтримки прийняття ршень для фнансового планування" розглянуто. | виявлено умови, за яких виника потреба в побудуванн СШР, запропонована концептуальна модель СППР. Описана структура двохрвнево
- 9-' - .
У другому роздл "Методи ндуктивного вивчення для побудування бази гнань системи пдтрияш прийняття рвень при розв'язанн задач фнансового планування" детально розглянуто методи ндуктивного вивчення, виконано порвняльний аназ цих методв т" запропоновано використати метод ндуктивних дерез ршень. Також розглянуто способи зниження рвня викривлень в атрибутах та зменшення клькост невдомих атрибутв, розроблено агоритми реазацÿ методв ндуктивного вивчення та форму представлення знань.
В третьому роздл " Динамчна стохастична модель уп-
*Х * ' - ------п
равння тросовим обгом" виконано аназ ймоврного розподлення тросового обгу на пдпримств за короткий перод та розглянуто вдпоздн дÿ на можливу недостачу вльних грошей. Використовуючи метод точечно! оцнки та метод Еейеса, побудован сигнальна та вдповдна модел грошового обгу. .
У закнченн сформульовано висновки досдження.
одноЕния змст роботи "
Для сучасного етапу розвитку науково - технчного прогресу характерно переважання неструктурованих або слабоструктуро-ваних проблем, агоритмчне виршення котрих або не сну, або не може бути отримане а допомогою уже вдомих методв.
Нов вимоги до технологÿ обробки нформацÿ обумовлен:
1) необхднстю виршувати слабоформазован проблеш,
2) наявнстю користувача, котрий не ма професйних навикв в робот з компТютером.
Останнй {актор потребу нового рвня "нтелектуаль-н.ст" комТютера , тобто його "здбност" спкуватися з люди-
ною в "дружелюбнй " форм на етап ршення проблем. Е звТязку з цим за останнй час почали появлятися системи пдтримки прийняття ршень, серцевиною яких база гнань, як одночасно являються результатом прийняття ршень.
Питання генерацÿ знань найбльш складним не виршеним остаточно при створенн систем пдтримки прийняття ршень, тому шр нформаця повинна бути органзована оптимальним способом для подання допомоги людин, що прийма ршення, Пропонуться методика автоматично
створенн БЗ СППР для деохренво системи фнансового рлану-вання в банку та на пдпримств приходиться мати справу з неповною, слабоформазованою формацúю а викривленнями. Тому для ршення ц: з задач пропонуться використати методи ндуктивного вивчення на прикладах и побудувати стохастичну модель управння грошовим обгом. '
Пропонуться розглянути. процедуру двохрвневого фнансового планування. Еерхнй рвень (будемо називати С його центральним органом уравння (ЦОУ) складаться з одного органу (банк або фнансовий вддл на пдпримств). Другий рвень (вдповдно - нижнй) складаться з деклькох незалежних органзацйних одиниць. Припускаться, шр кожне пдпримство (фрма) внутршньо фнансово спроможне, .
ЦОУ розподля ресурси мж од^ця^ нижнього рвня, нада позик ма можливсть перепрофлювати або перервкрр роботу фрми у випадку загрожуючого
для виршення задач двохрвневого фнансового
- и - ' Х С
(фрми). ЕашиЕими задачами для ЦСУ в оцнка розмру надаЕано позики, враховуючи звтн документи фрм, фнансовий стан фрм, прогнозування банкротства.
Конкретизуюче сказане, для ЦОУ осноенимк задачам! являються: -
- класифкаця ризику та оцнка фнансового стану фрми,
- оцнка позикових операцй,
- оцнка цнних бумаг,
- прогнозування банкротства.
Для виршення задач, як класифкаця, оцнк? ризику,
прогнозування звичайно використовуються методи теорÿ ймоврност, математично
Основною проблемою фнансового планування на нижчому рвн управння грошовим обгом, як основного показника фнансового стану невеликих, нових фрм, де наблюдаться високий темп росту , небагато замовникв та помтний рст прибутку.
. _ з Х_
Розподл грошового обгу по.строкам иоу.о Оути с""ог:::;м джерелом неозначеност при прийнятт рвень иацсуьа:;ил на короткий перод. Проблема грошового обгу такогг. загострена на тих пдпримствах, щр мають небагато замовникв. В цьому випадку прошовий притк мнливий, тому шр вн залежить вд покупного попиту *та порядку розрахункв невеликого числа клúнтв.
Другою характерною прикметою управння грошовим обгом, з точки зору фнансового планування за короткий перод, являться вибр вдповдно
Х Суть методу ндуктивного вивчення сдуюча.
ндуктивне вивчення - процес автоматичного розбиття множини обТктв на пдмножкни по вибрц обТ ктв, належнсть котрих до шуканих .пдмножин не вказуться. Розбиття здйснються на основ того, як групуютея об'кти з вибрки по
' ²З- .
цЛ '5''? стггтггтгся иаЗр р^аюТи;:. т. с.
пр::га.:зт, ;отр :муть потм траихюватисл в ршьч правила. Ко.т-е рп?'.о'-:е правило в форм (Прка
Тренувальний приклад Правила ршень
Рис. 1. ндуктивнеТвивчення на прикладах.
Найбльш вдомими методами ндуктивного вивчення являються: метод зрки, метод ймоврного вивчення, метод ндуктивних дерев ршень, генетичний метод. Дя методу побудування ндуктивних дерев ршень-схожа з розв'язанням задач класифкацÿ та прогнозування. . Метод бере випадков дан вдомого класу зображення в термнах фксованого .набору атрибутв створю дерево ршень через ц атрибути, класифкуючи випадов дан. . ндуктивне дерево ршень основуться на процес роздлення груп вивчаючих прикладв значенням вибраних атрибутв, розраховуючи, ир ц приклади в груп належать до якогось класу. Вадливим кроком при побудуванн ндуктивного дерева роздлення найкращих атрибутв на втки. Цей метод ще називаться ентропйним методом. '
Поняття ентропÿ' використовуться в теорÿ нформацÿ, як метод для визначення клькост нформацÿ й повдомленн в оптимальному кодуванн. Нехай х1,х2,...,хп - це п Можливих по-
НЯТЬ З ВДПОВДНИМИ ймоврностями ч(х) , Ч(л2) . . ,с(хп) , де
^ Ч( Х)=1. *
Ентропя даного поняття записуться:
Н(х) = -|я(хх) 1ок(ч(хО).
Н(х) можна нтерпретувати як кльксть нформацÿ, до виража
поняття. Висока ентропя значить бльше невизначеност про
суть поняття.
Дерево ршень для классифкацó випадкових даних можна розглядати як джерело нформацÿ, шр взявши випадков дан, генру поняття, котр означають класифкацю цих випадкових даних. Якщо вузол дереЕа ршень складаться тльки з випадкових даних одного класу, ентропя дорвню нулю. Маться на уваз, що класифкацйне ршення остаточно визначено для випадкових даних, шр належать до цього вузла. ндукця де :-ва ршень - це процес роздлення атрибутв на вики, де результат максимального зменшення ентропÿ можна розглядатии також як процес максимзащ корисно
Н(Б) =л-р/(р+п) 1ое(р/р+п) -п/(р+п)1ое(п/р+п).
Дерево ршень генеруться спочатку з корневого вузла, поступово роздляючи атрибути на вткó дерева. Кожний вузол 5, роздлений атрибутом А на етки, буде роздленням дерева на т пддерев, де т - кльксть значень А, А - номнальна змнна, в випадку коли т=2. Нехай к=е пддерево пода А значень, щр мстять р випадкових класв Р п випадкових класв
Х - 15 -
N. нформаця, необхдна для дереьа з А атрибутами втвлення
розраховуться з формули: '
Н(А)=2~Р*+Пк/'Р+П Н(А,к). >/
нформаця, збльшена втвленням на А пддерев виражаться: -
(А)=Н(5)-Н(А).
Кожна тераця генерування дереа ршень перевря- вс можлив атрибути вибира атрибут, котрий може максимзувати кльксть прирощено
Агоритм дÿ методу ндуктивного дерева ршень сдуючий:
1. Установлються кореневий вузол.
2. Якщо вс приклади даного вузла являються деяким класом-стоп.
" 3. Для кожного атрибута А розраховуться значення прирос-
ту нформацÿ.
4. Вибираться атрибут с найбльшим значенням приросту нформацÿ (А)._
Х 5. Для кожного втвлення переходимо на 2 крок.
В дисертацÿ також розглядаться критерй вибору теста
для атрибута,котрий являться корнеим. Також розглядаються способи зниження викривлень в даних, методи зменшення клькост невдомих атибутв, проаназовано форми представлення знань запропоновано будувати базу знань в вигляд про-дукцйних правил.
Х Задач нижчого рвня управння розв'язуються з допомогою
побудування стохастично
Цей метод устанавга фокус на ндивдуальнсть покупця не передбача наявност експериментальних даних про фрму.
' - ЙГ, - Х , .
Вдсутнсть таких даних характерна для нових для невелики:: фрм. А також ця модель динамчна в розумнн модернзацÿ вивчення, основаного на особливостях оплати ндивдуальними покупцями. .
Розглянемо ситуацю, де менеджер нбликого пдпримства пав невелике число . покупцв ма досвд роботи е ними. Для комюго неоплаченого рахунку в.н ' може оцнити ймоврнсне розподлення майбутнього часу оплати. Менеджер такой с на б, що
сво
Розглядаться ця проблема в двох сторн:
1) використовуючи точечну оцнку для середнього часу оплати: '
2) примщаючи Бейесовський метод для удосконалення цього середнього часу. _
Перший метод модернзу засоби розподлення часу оплати, але не да посдовних варантв цих засобв. Другий метод ефективнший - збира нформацю про повне розподлення часу оплати. Це розподлення нформацÿ потребу розрахункв корисност тако
Ймоврнсть того, шр рахунки будуть оплачен пдраховуться для кожного рахунку окремо в порядку появления вд мних касових позицй. Коли ма мсце ненульова ймоврнсть не зафксованих грошей, дерево ршень .використову особливсть дйсного виберу.
Так дÿ можуть включати, наприклад, вдерачку плате-
" & . дв, взяття позику в банку або квидаця цших бумаг. '
Сигнальна модель сдуюча: Х
Припустимо, менеджер повинен оплатити перш рахунки, пр прийшли в момент и . Спочатку вн цкавиться ймоврнсним розподленням свого грошового балансу. Йому вдомо:
1) тепершн грошове положення, .
2) ймоврнсть того, шр рзн покупц оплатять сво
Нехай СШ означа |сасов грош в момент , .
01- перший майбутнй рахунок (виплата),
з ( з =1п)- кльксть неоплачених рахункв ( майбутнй прихд грошей) в момент . -
Ягадо ^ - час, коли рахунок був вдправлений покупцев, тод ймоврнсть т'.го, шр оплата буде отримана в момент Ьс+л може бути розрахована з формули Х '
Р л* рС ч< Ь0+& 11 >/ Ь0 3 =рСД< t л и+Д]'*
_ рС X >, Ьа .
[Fj(t + Чз)-Г;)и -з)] ; .
де Гз(.) -розподлення нагромадження для часу оплати рахунку . Якщр допустити, шр оплата рахункв - це незалежне явище, касо грош в момент запишемо .
си0+дЬС(и)- 01+^Ij ха Т Х
-0 , якяр оплата не отримана в момент Ь0+с& где X ** / (ймоврнсть 1-р^)
=1 , якцр оплата отримана в момент ^ +<Ц .
(ймоврнсть рз).
" 18 У Т
' Тепер можна розрахувати для си0 + всх можливих.
комбнацй оплати або неоплати п рахункв в перод часу 4^. Також отримамо розподлення касових грошей на день перко
Ршення про незалежнсть часу оплати покупцями може не зберегтися в випадку нестацонарнсст, коли по незалежним бд нас причинам, може одночасно снизитися оплата. В такому випадку, розподлення ймоврност часу оплати рзними покупцями може установлюватися умовно незалежно, але воно буде залежати вд значень фазово
ку ймоврност того, шр рахунок буде оплачений пд час чекання вдтоку грошей. . -
Х Наприклад, якщо надходження належно
можна отримати прямим шляхом. Якщо неозначен знання про г беруться в форм функцÿ щльност ймоврност (2), безуШЕНе розподлення Б можна порахувати в
Х Р( 3)-]р(5/2) г*(2) йг. "
Вдповдна модель сдуюча:
В сигнальнй модел показана ненульова ймоврнсть грошового дефциту, кервник фрми сто
. - 19 -
ки грошей за короткий перод. Шгив деяк Дÿ, ДО мо.\<уть допомогти вийти з ц0 ситуацÿ ( наприклад, кредит, обмеження часу роботи слубсвцв, збльшення обТму роботи без збльшення оплати, збльшення дебторсько
аксомах рацонального вибору, в котрм розраховуться ефект
кожно
, Ц допущення можть не збергатися для очкуваних виплат, близько стоячих одна до друго
Впспоеки та пропозицÿ.
В дисертгщó розроблен методи автоматично
5НсНЬ 1В ДаНИХ ó СИСТсМ ПДпрИМКИ ПРИЙНЯТТЯ ри>-НЬ ДмЛ 4*1'
кансоиго планування. При цьому: ,
1. япдГЧ) ррУШ.ПГО ?я У'У-.О го рг.кай
двохрв3бво системи фнансового планування, як являючись
С.Т;абОС1рукТур
розв'язанн.
2. В результат проведених досджень, ножна зробити вис-
пре т:, цр аай5;л= г.рк:л: ат;да^ дл стес"^"тгтг
6s.au вппп
НДУК'Х.чиО ЬИЬчОНЯ А
3. говглянуто МеТОД, НДУКТИВНОГО Ьшзчення так ЯГ. ЧТОЗД Зрки, метп^ ймоврного вивчення, метод помпування НДУКТИВНИХ дерев ршень,
4. Черев те, шр при виршенн поставлених задач прихо-
диться мати справу знеповнор, слабо формазованою нформацúю, включаючу викривлення нформацÿ, пропонуються методи пониження рвня помилок в даних зменшення клькост невдомих атрибутв.
5. При побудуванн дерева ршень необхдно правильно виб-
рати корнь дерева. Для цього рзномантн критерÿ вибору. Проведено
6. При генерацÿ ршаючих правил, необхдно користуватися критерями для оцнки гпотез. В результат досдження, виявлено, що так критерÿ повинн задовольняти умовам схсдимост,
. завершенное! та посдовност.
7. Валиве значення при представленн гнань ма форма подання знань. Виявлено, шр для подання знань, згенероганих запропонованим методом ндуктивного вивчення, найбльш прийнятною формою продукцйн правила.
8. Розроблено агоритм дÿ методу ндуктивного вивчення визначена методика створення ршаючих правил побудування дерева ршень.
, 9. Для використання на невеликих, нових фрмах побудована
стохастична динамчна модель управння грошовим обгом за короткий перод. .
10. Розроблена методика контролю за грошовим обгом за короткий .перод на основ методв Бейеса точечно оцнки для середнього часу оплати.
Подписано к печати__________За'к. 7 У7 тир. ЮС
размнолюно"ГЩ Минстата Украины ООП
Похожие диссертации
- Управление инвестиционной привлекательностью акционерной компании
- Совершенствование рыночных инструментов в управлении санаторно-курортным комплексом
- Маркетинговое обеспечение производства энергосберегающей продукции
- Математическое, методическое и информационное обеспечение системы поддержки принятия решений по управлению затратами нефтегазодобывающего предприятия
- Методы автоматизированной генерации базы знаний системы поддержки принятия решений для финансового планирования