Система поддержки принятия инвестиционных решений в хедж-фонде на основе логико-лингвистического моделирования и цифрового двойника

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Доступ платный или только для подписчиков

Аннотация

В статье представлено методическое обеспечение в виде разработанного алгоритма принятия решений для формализации системы поддержки принятия решений на основе логико-лингвистического моделирования знаний и ситуационного подхода к управлению. Методическое обеспечение адаптировано для принятия инвестиционных решений в хедж-фондах с учетом параметров и ограничений специфики финансового рынка с применением кросс-секторального и кросс-функционального риск-менеджмента. Алгоритм создан на основе цифрового двойника хедж-фонда посредством выбора и оцифровки основных параметров и индикаторов для решения проблемных ситуаций в управлении инвестициями для хедж-фондов и других участников финансового рынка. Разработанные рекомендации в виде альтернативного сетевого графика были апробированы в процессе принятия инвестиционных решений хедж-фонда с уточненной характеристикой информационных потоков между элементарными объектами системы, описанием взаимодействия элементарных объектов в цифровом двойнике и представлением фреймовом представлении знаний для принятия решений для принятия решений.

Об авторах

Наталья Степановна Воронова

Санкт-Петербургский государственный университет

Email: n.voronova@spbu.ru
проф., д.э.н., проф.

Елена Анатольевна Яковлева

Санкт-Петербургский государственный экономический университет

Email: helen7199@gmail.com
проф., д.э.н., доцент

Эрмин Эмирович Шарич

Санкт-Петербургский государственный университет

Email: st062696@student.spbu.ru
магистрант

Дарья Дмитриевна Яковлева

Санкт-Петербургский государственный университет

Email: st062671@student.spbu.ru
магистрант

Список литературы

  1. 1. Поспелов Д.А. Десять «горячих точек» в исследованиях по искусственному интеллекту // Интеллектуальные системы. – 1996. – c. 47-56.
  2. 2. Хрусталёв Е.Ю. Когнитивная модель развития банковской системы РФ // Экономика и математические методы. – 2011. – № 2. – c. 117-127.
  3. 3. Воронова Н.С., Яковлева Е.А., Шарич Э.Э., Яковлева Д.Д. Системы поддержки принятия решений в составе интеграционных механизмов финансового рынка ЕАЭС в контексте устойчивого развития // Экономика, предпринимательство и право. – 2021. – № 12. – c. 3105-3120. – doi: 10.18334/epp.11.12.113950.
  4. 4. Яковлева Е.А., Гаджиев М.М., Шарич Э.Э., Яковлева Д.Д. Когнитивное усиление системы принятия и поддержки решений // Лидерство и менеджмент. – 2021. – № 1. – c. 127-144. – doi: 10.18334/lim.8.1.111421.
  5. 5. Кукор Б.Л., Клименков Г.В. Адаптивное управление промышленным комплексом региона: теория, методология, практика. / Монография. - Екатеринбург: ФГБУН Институт экономики Уральского отделения РАН, 2017. – 306 c.
  6. 6. Емельянова Ю.Г., Фраленко В.П. Методы когнитивно-графического представления информации для эффективного мониторинга сложных технических систем // Программные системы: теория и приложения. – 2018. – № 4(39). – c. 117-158. – doi: 10.25209/2079-3316-2018-9-4-3-117-158.
  7. 7. Sharpe W.F. The Sharpe ratio // The Journal of Portfolio Management. – 1994. – p. 49-58.
  8. 8. Акимов С.А. Гармоничность и практицизм; хедж- фонды: реалии и перспективы // Российское предпринимательство. – 2011. – № 9-2. – c. 22-28.
  9. 9. Voronova N.S., Iakovleva D.D., Vinogradov A.N., Sharich E.E. Designing a Decision Support System for Capital Markets // Lecture Notes in Networks and Systems. – 2022. – p. 473-486. – doi: 10.1007/978-3-030-98832-6_42.
  10. 10. Бирев Л.Э., Белкин И.О. Цифровой двойник // Инновации. Наука. Образование. – 2021. – № 26. – c. 1375-1380.
  11. 11. Юрин А.А., Емельяненко А.С. Применение нечеткого когнитивного моделирования в рамках парадигмы «цифровой двойник» // Скиф. Вопросы студенческой науки. – 2019. – № 12-2(40). – c. 254-271.
  12. 12. Горелова Г.В. Когнитивный подход к имитационному моделированию сложных систем // Известия ЮФУ. Технические науки. – 2013. – № 3(140). – c. 239-250.
  13. 13. Кукор Б.Л., Куршев Е.П., Виноградов А.Н. Разработка динамического когнитивного сценария функционирования предприятия и производственных комплексов в процессе управления экономикой // Теоретические проблемы стратегического планирования на микроэкономическом уровне: Сборник докладов участников секционных заседаний XXI Всероссийского симпозиума. Москва, 2020. – c. 98-101.– doi: 10.34706/978-5-8211-0783-1-s1-27.
  14. 14. Никульников Н.В., Иваев М.И., Шевырева А.Д. Использование систем поддержки принятия решений в торговой компании // Экономика, предпринимательство и право. – 2022. – № 11. – c. 3173-3184. – doi: 10.18334/epp.12.11.116665.
  15. 15. Чурсин Р.А., Каплун Е.С. Основы управления проектами по созданию радикально новой продукции в современных экономических условиях // Финансовая экономика. – 2021. – № 5. – c. 345-351.
  16. 16. Glaessgen E., Stargel D. The digital twin paradigm for future NASA and US Air Force vehicles // 53rd AIAA/ASME/ASCE/AHS/ASC Structures, Structural Dynamics and Materials Conference 20th AIAA/ASME/AHS Adaptive Structures Conference 14th AIAA. Honolulu, 2012. – p. 1818.– doi: 10.2514/6.2012-1818.
  17. 17. Кулинич А.А. Систематизация когнитивных карт и методов их анализа // Независимое экспертное обозрение. – 2012. – c. 38-48.
  18. 18. Stylios C. D. et al. Mathematical formulation of fuzzy cognitive maps // Proceedings of the 7th Mediterranean Conference on Control and Automation. 1999. – p. 2251-2261.
  19. 19. Rosen R., Wichert G., Lo G., Bettenhausen K. About The Importance of Autonomy and Digital Twins for the Future of Manufacturing // IFAC-PapersOnLine. – 2015. – № 3. – p. 567-572. – doi: 10.1016/j.ifacol.2015.06.141.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Воронова Н.С., Яковлева Е.А., Шарич Э.Э., Яковлева Д.Д., 2023