Курков Максим Семенович, аспірант денної форми навчання Київського національно економічного університету. Генетичні алгоритми в системах підтримки прийняття рішень для фінансового аналізу на фондовому ринку.
    Прогнозування є ключовим етапом при прийнятті рішень в управлінні. Кінцева ефективність будь-якого рішення залежить від послідовності подій, які виникають вже після прийняття рішення. Можливість передбачити некеровані аспекти цих подій перед прийняттям рішення дозволяє зробити найкращий вибір, який в іншому випадку міг бути не таким вдалим. Але прийняття рішення особою, що приймає рішення дуже ускладнюється великим потоком даних. Аналізувати данні можливо передоручити засобам комп'ютерної техніки.
    Одним з напрямків використання новітніх технологій є створення систем підтримки прийняття рішень. Дуже важливо використання таких систем при проведенні фінансового аналізу у зв'язку з необхідністю прийняття найбільш адекватного рішення, яке може вплинути на прибутковість проекту. Дуже часто необхідно приймати рішення, маючи протиречиві данні, які мають високий рівень так званого "шуму". Це потрібно враховувати при створенні систем підтримки прийняття рішень фінансового аналізу. Одним з виходів з подібної складної ситуації є використання апарату нечіткої логіки.
    Нечітка логіка є розширенням класичної (булевої) логіки і заснована на концепції часткової правди - правди, що знаходиться десь посередині між "є" і "немає".
    Що найбільш важливо при проведенні фінансового аналізу на фондовому ринку? Це по-перше складання найбільш вірогідного прогнозу поведінки цінних паперів. Прогнозування - це ключовий момент при прийнятті рішень в управлінні. Можливість передбачити некеровані аспекти подій перед прийняттям кінцевого рішення дозволяє зробити найкращий вибір, який, в іншому випадку міг бути невдалим.
    Окрім традиційних статистичних методів в системах підтримки прийняття рішень для фінансового аналізу на фондовому ринку використовують розвинутий алгоритм застосування нечіткої логіки - нейронні мережі. Але е ще один цікавий метод - це генетичні алгоритми. Спробуємо розробити систему підтримки прийняття рішень, яка б була побудована на генетичних алгоритмах.
    Нехай є деяка складна функція, яка залежить від деяких змінних, і необхідно знайти таке значення змінних, при яких значення функції максимально.
    В нашому випадку, в задачі пошуку прийняття оптимального рішення на фондовому ринку стосовно розподілу інвестицій в цінні папери багатьох емітентів. В цієї задачі змінними будуть обсяги коштів, які вкладаються в ті чи інші цінні папери, а функцією, яку треба максимізувати - сумарний обсяг доходів особи, яка приймає рішення щодо розподілу інвестицій. Також в базі знань системи повинні міститись значення максимального та мінімального обсягу вкладень в кожний вид цінного паперу, які задають область зміни значень кожної з змінних.
    Використовуючи методи генетичних алгоритмів в системі підтримки прийняття рішень фінансового аналізу необхідно передбачати в ній природні способи оптимізації. Кожний варіант вкладення в цінні папери розглядається системою як індивідуум, а прибутковість варіанту, як пристосованість даного індивідуума. ............