Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.
Предоплата всего
Подписываем
|
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Московский государственный индустриальный университет» (ФГБОУ ВПО «МГИУ») |
|
Институт дистанционного образования Кафедра естественно-научных и инженерно-технических дисциплин |
|
РЕФЕРАТ |
||
|
по дисциплине: «Интеллектуальные информационные системы» |
||
|
на тему «Применение экспертных систем в банковской деятельности» |
||
|
Группа |
ПК09И21 |
|
|
Студент |
_______________ |
М.В. Губай |
|
Руководитель работы, |
_______________ |
А. Е. Рабинович |
МОСКВА 2014
Оглавление
|
[1] [2] Принципы функционирования экспертных систем [3] Применение экспертных систем в банках [4] Заключение [5] Список использованной литературы: |
Система является интеллектуальной, если она обладает знаниями и умеет использовать их для достижения сформулированной цели. Знания – это то, без чего нет интеллектуальной системы. Экспертные системы явились первыми действительно интеллектуальными системами и, в конечном счете, интеллектуальность определила их коммерческий успех.
Разработки универсальных программ, использующих общие методы решения широкого класса задач, существенных практических результатов не принесли, но появилось понимание крайней ограниченности применения формально-математических методов в этой области. В 70-е годы была разработана и принята принципиально новая концепция: чтобы сделать систему интеллектуальной, ее нужно снабдить множеством высококачественных специальных знаний о некоторой предметной области. Процесс создания экспертных систем заключается в специфическом взаимодействии эксперта (экспертов) и инженера по знаниям с целью «извлечения» из эксперта и встраивания в систему процедур, стратегий эмпирических правил, которые он использует для решения задач.
Эксперт – это человек, который благодаря обучению и опыту может делать то, что мы все, остальные люди делать не умеем; эксперты работают не просто профессионально, но быстро и эффективно. Они хорошо умеют распознавать в проблемах, с которыми сталкиваются, примеры тех типовых проблем, с которыми они уже знакомы. Очень важно подчеркнуть, что эксперт должен не только знать, но и уметь. Именно этим свойством отличаются базы данных от баз знаний – базы знаний активны.
Экспертное знание – это сочетание теоретического понимания проблемы и практических навыков ее решения, эффективность которых доказана в результате практической деятельности экспертов в данной области.
Экспертные системы как отдельное направление выделилось из общего русла исследований по искусственному интеллекту в начале 80-х г.г. Основным предметом исследований нового направления являются знания – их приобретение, представление и использование. Специалисты, работающие в этой области все чаще используют для ее наименования термин «инженерия знаний».
Основные отличия классических систем обработки данных от экспертных систем следующие:
Существует ещё одна важная особенность экспертных систем. Если обычные программы разрабатываются так, чтобы каждый раз порождать правильный результат, то экспертные системы разработаны с тем, чтобы вести себя как эксперты. Они, как правило, дают правильные ответы, но иногда, как и люди, способны ошибаться. Причина ошибок лежит в том, что знания специалистов, как и знания, заложенные в экспертные системы, не точны. Важно, по крайней мере, чтобы экспертные системы ошибались не чаще, чем ошибается человек-эксперт.
Экспертные системы имеют одно большое отличие от других систем искусственного интеллекта: они предназначены не для решения каких-то универсальных задач, как например нейронные сети или генетические алгоритмы. Экспертные системы предназначены для качественного решения задач в определенной разработчиками области (работа, производство, социальная защита и т.п.), в редких случаях – областях.
Идея автоматизированных экспертных систем основывается на расчленении знаний экспертов в отдельной – относительно узкой предметной области, обработке их непосредственно в компьютере и дальнейшем использовании в процессе формирования выводов во время решения проблем в данной области. Особое внимание нужно обратить на две основные характеристики экспертных систем: человеческий фактор, то есть экспертные системы как компьютерные системы, которые содержат знание эксперта и подсказывают образ действий во время решения сложных проблем и технологический аспект, то есть экспертные системы как продукт информатики, реализованный в технологии переработки знаний.
Таким образом, можно сформулировать следующее определение экспертной системы. Экспертная система – это вычислительная система, в которую включены знания специалистов о некоторой узкой предметной области в форме базы знаний. Экспертные системы должны уметь принимать решения вместо специалиста в заданной предметной области.
Особенности экспертных систем, отличающие их от других программ, заключаются в том, что они должны обладать следующими качествами:
Итак, экспертные системы должны характеризоваться следующими основными свойствами:
В основу экспертных систем положены принципы функционирования систем, основанных на знаниях. К системам, основанных на знаниях относятся системы, процесс работы которых основан на применении правил отношений к символическому представления знаний. Принципы работы экспертной системы, основанной на знаниях, иллюстрирует следующая схема:
Согласно этой схеме пользователь передает в экспертную систему факты или иную информацию и получает, в итоге, советы в виде экспертных знаний.
По своей структуре экспертная система делится на два основных компонента: базу знаний и машину логического вывода. База знаний содержит знания, на основании которых машина логического вывода формирует выводы. Эти выводы являются ответами экспертной системы на запросы пользователя, желающего получить экспертные знания.
Знания в экспертной системе могут быть представлены множеством способов. Одним из широко применяемых методов представления знаний являются правила в форме IF THEN. Его сущность заключается в том, что в случае выявления факта, соответствующим шаблону правила, должно быть выполнено обусловлена правилом действие. Например, о банковской деятельности по кредитованию частных лиц, можно создать следующее правило:
IF человек не имеет постоянного дохода
THEN кредит не выдавать
В данном примере шаблоном есть фраза «человек не имеет постоянной работы». В случае, когда факт соответствует шаблону – рекомендуется выполнить действие «кредит не выдавать».
Применяя подход к представлению знаний экспертов в виде правил, было разработано несколько успешных экспертных систем. К ним можно отнести систему XCON/R1, созданную в компании Digital Equipment Corporation (DEC), которая способна проецировать конфигурации компьютерных систем, не уступая отдельным экспертам-людям.
Данный подход оказался также приемлемым для создания значительного количества сравнительно небольших систем, с целью решения специализированных задач на основе нескольких сотен правил. Такие системы не могут функционировать на уровне эксперта, однако позволяют применять интеллектуальные технологии для решения задач, не требующих больших объемов знаний. Знания, необходимые для подобных небольших систем, могут быть получены из книг, журналов или из другого источника общедоступной информации.
Экспертная система воплощает в себе знания, которые должны быть получены от эксперта с помощью расширенных интервью, проводимых инженером по знаниям на протяжении длительного периода времени. Такой процесс называется инженерией знаний. Инженерия знаний – это получение знаний от эксперта-человека или из других источников с целью последующего их представления в экспертной системе.
Сначала инженер по знаниям инициирует диалог с экспертом-человеком, чтобы выявить знания эксперта. Этот этап аналогичный этапу работы, который выполняет разработчик традиционной программной системы в ходе обсуждения требований к системе с клиентом, для которого создается система. Затем инженер по знаниям представляет знания в явном виде для внесения в базу знаний. После этого эксперт проводит оценку экспертной системы и передает критические замечания инженеру по знаниям. Такой процесс повторяется снова и снова, до тех пор, пока эксперт не оценит результаты работы системы, как приемлемые.
Рассмотренный процесс создания экспертной системы считается, на сегодняшний день, общеупотребительным. Наиболее трудоемким его аспектом является циклическая задача переноса знаний эксперта-человека в базу знаний экспертной системы. На самом деле, эта проблема является настолько важной, получившая название «узкого места» в процессе приобретения знаний. Этот термин используется как описательный, поскольку «узкое место» в процессе приобретения знаний влияет на процесс создания экспертной системы и подчеркивает важность роли инженера по знаниям.
Еще одна проблема, с которой сталкиваются экспертные системы, заключается в том, что представленные в них экспертные знания ограничиваются областью знаний. Областью знаний считаются знания эксперта, касающиеся решения конкретных задач. Например, банковская экспертная система, которая предназначена для предоставления рекомендаций по выдаче кредитов, должна обладать большим объемом знаний о физических и юридических лиц, желающих получить кредит. В этом случае областью знаний является банковская деятельность, а сами знания состоят из сведений о клиентах и методах оценки их лояльности.
Несмотря на указанные ограничения, экспертные системы показали свою способность успешно решать практические задачи, которые невозможно было решить с помощью традиционного программирования, особенно в тех условиях, когда приходится пользоваться неопределенной или неполной информацией. Это означает, что для эффективного использования любой технологии, очень важно знать, какие именно преимущества можно получить в результате.
В настоящее время технология экспертных систем используется для решения различных типов задач (интерпретация, предсказание, диагностика, планирование, конструирование, контроль, отладка, инструктаж, управление) в самых разнообразных проблемных областях, таких, как финансы, нефтяная и газовая промышленность, энергетика, транспорт, фармацевтическое производство, космос, металлургия, горное дело, химия, образование, целлюлозно-бумажная промышленность, телекоммуникации и связь и др.
Можно выделить три направления применения экспертных систем в банках это:
Одной из первых областей банковской деятельности, в которых применение экспертных систем дало заметный эффект, стала оценка платежеспособности клиентов, обращавшихся в банк за денежными ссудами. На входе такой экспертной системы будут показатели клиента, а на выходе – прогнозируемая степень его платежеспособности.
Другой задачей, для решения которой банковские структуры прибегают к помощи экспертных систем – предсказание банкротства. Фактическое банкротство может наступить задолго до того, как бедственная ситуация станет очевидной. Сегодня самой модной экономической теорией является теория антикризисного управления, говорящая о необходимости быстрой диагностики грядущего банкротства тех или иных учреждений (и себя в том числе). Как известно, банкротство обычно предсказывают по ряду показателей. Но лучше делать это не на основе формальных математических выражений, а на основе предыдущего опыта и статистики. И здесь экспертные системы могут оказать поистине неоценимую услугу – выявить признаки надвигающегося банкротства.
Рейтингование – еще одна задача, традиционно поручаемая экспертным системам. Она немного отличается от предыдущих задач. Рейтингование – это ранжирование объектов в порядке их значимости по тем или иным критериям.
Помимо указанных выше, существует еще одна задача классификации, типовая для банковской деятельности - оценка и прогнозирование остатков на корреспондентских счетах.
Ниже приводиться несколько экспертных систем, используемых в банковской деятельности.
Система Intelligent Hedger – основанный на знаниях подход в задачах страхования от риска. Разработчик: Information System Department, New York University. Проблема огромного количества постоянно растущих альтернатив стра хования от рисков, быстрое принятие решений менеджерами по рискам в ускоряющемся потоке информации, а также недостаток соответствующей машинной поддержки на ранних стадиях процесса разработки систем страхования от рисков предполагает обширную сферу различных опти мальных решений для менеджеров по риску. В данной системе разработка страхования от риска сформулирована как многоцелевая оптимизационная задача. Данная задача оптимизации включает несколько сложностей, с которыми существующие технические решения не справляются. Система использует объектное представление, охватывающее глубокие знания по управлению риском и облегчает эмуляцию первичных рассуждений, управляющих риском, полезных для выводов и их объяснений.
Система рассуждений в прогнозировании обмена валют. Разработчик: Department of Computer Science City Polytechnic University of Hong Kong. Система представляет собой новый подход в прогнозировании обмена валют, основанный на аккумуляции и рассуждениях с поддержкой признаков, присутствующих для фокусирования на наборе гипотез о движении обменных курсов. Представленный в прогнозирующей системе набор признаков – это заданный набор экономических значений и различные наборы изменяющихся во времени параметров, используемых в модели прогнозирования.
Nereid – система поддержки принятия решений для оптимизации работы с валютными опционами. Разработчик: NTT Data, The Tokai Bank, Science University of Tokyo. Система облегчает дилерскую поддержку для оптимального ответа как один из возможных представленных вариантов; более практична и дает лучшие решения, чем обычные системы принятия решений. Система разработана с использованием фреймовой системы CLP, которая легко интегрирует финансовую область в приложение системы. Предложен смешанный тип оптимизации, сочетающий эвристические знания с тех никой линейного программирования. Система работает на Sun-станциях.
PMIDSS – система поддержки принятия решений при управлении портфелем. Разработчики: Финансовая группа Нью-Йоркского универ ситета. Решаемые задачи: выбор портфеля ценных бумаг; долгосрочное планирование инвестиций. Является смешанной системой представления знаний, использующая разнообразные механизмы выво да: логика, направленные семантические сети, фреймы, правила.
Nikko Portfolio Consultation Management System, разработана для внутреннего использования фирмой Nikko Securities, Ltd. Помогает управляющим фондами выбрать оптимальный портфель для своих клиентов. Данная система основана на базе данных с информацией за пять лет продаж акций и на системе с новой теорией управления портфелем, которая вычисляет и оптимизирует портфель ценных бумаг для страховки от различных рисков. Управляющие фондами освобождаются от рутинных вычислений и, таким образом, имеют возможность более быстро составить оптимальный портфель ценных бумаг.
FLiPSiDE – система логического программирования финансовой экспертизы. Разработчик: Case Western Reserve University. Решаемые задачи: мониторинг состояния рынка ценных бумаг, мониторинг состояния текущего портфеля ценных бумаг, поддержка обзора будущих условий рынка, планирование и выполнение продаж. В системе применена оригинальная парадигма «Классной доски», описанной Ньюэллом. Использован язык Пролог в качестве платформы программирования. Данные представлены на «Классной доске» в качестве исходных данных для различных знаний.
Le Courtier – система ассистент-эксперт для менеджера портфеля. Разработчик: Cognitive System Inc. Оказывает помощь инвесторам в определении своих инвестиционных целей, управление портфелем. Основана на использовании правил. Обладает мощным естественно-языковым интерфейсом.
ArBoR – вычислительная модель рейтинга облигаций. Разработчик: College of Business Administration Univercity of Nebraska. Данная система создана для конструирования вычислительной модели в области рейтинга облигаций и для применения модели в качестве экспертной системы. Основана на применение качественного и количественного анализа. Использует стандартную оболочку экспертной системы.
Существуют, так же, и отечественные экспертные системы, ориентированные на применение в банковской деятельности. Ниже будут перечислены некоторые из них.
Audit Expert – аналитическая система диагностики, оценки и мониторинга финансового состояния одного или группы предприятий на основе данных финансовой и управленческой, в том числе консолидированной отчетности. Разработчик: фирма «Про-Инвест-ИТ». Система ориентирована на финансово-экономические службы крупных компаний, банки и аудиторские фирмы, госорганы, контролирующие финансовое состояние подведомственных организаций. Audit Expert выпускается в версиях Standard и Professional.
Система автоматически формирует экспертные заключения о финансовом состоянии предприятия, обновляя их при выполнении новых расчетов.
Наряду с ручным вводом исходных данных Audit Expert позволяет автоматически импортировать информацию из большинства бухгалтерских программ, а аналитический баланс, полученный в процессе его работы, может экспортироваться в качестве стартового баланса компании в систему разработки бизнес-планов и анализа инвестиционных проектов.
Благодаря возможностям динамического обмена данными с Excel и передачи автоматически обновляемых отчетов с произвольной структурой в Word и HTML, Audit Expert может использоваться и как самостоятельная аналитическая система, и в качестве составной части информационно-аналитической системы предприятия.
Пользователями системы Audit Expert являются: Сбербанк РФ, Внешэкономбанк, Внешторгбанк, Россельхозбанк, "Русский Банкирский дом и др.
Экспертная аналитическая система «Анализ Банковской и Финансовой Информации» (ЭАС «АБФИ») – универсальный инструмент для решения прикладных задач финансового анализа, прогнозирования и моделирования деятельности предприятий, банков, страховых организаций. Разработчик: фирма «Вестона».
Использование в качестве исходных данных любой формализованной информации c возможностью реализации всех необходимых аналитических алгоритмов превратили ЭАС «АБФИ» в мощный комплекс, способный решить любые аналитические задачи с учетом изменяющихся внешних условий. ЭАС «АБФИ» позволяет финансовому аналитику автоматизировать весь процесс финансовового анализа от сбора данных и их первичной обработки до создания методик анализа и представления результатов в удобном виде. ЭАС «АБФИ» адресована: специалистам Центрального банка РФ и его территориальных учреждений, аналитикам банков и предприятий для внутреннего анализа, риск-менеджерам банков и инвестиционных компаний, аналитикам фондового рынка, специалистам аудиторских, консалтинговых и страховых фирм, финансовым менеджерам и аналитикам коммерческих и государственных структур.
ЭАС «АБФИ» выполнена в двухуровневой архитектуре и является открытой системой: первый уровень – базовая программная платформа, выполняющая универсальные действия и второй уровень – прикладной, в виде методических приложений, образующих библиотеку готовых решений.
Программа "ИНЭК-АФСП" предназначена для проведения анализа финансового состояния предприятий всех видов деятельности на основе данных внешней бухгалтерской отчетности: (баланс, отчет о прибылях и убытках). Разработчик: фирма «ИНЭК».
Программа "ИНЭК-АФСП" готовит краткое Резюме о финансовом состоянии предприятий. Данное резюме состоит из текста и графиков (3 страницы) и часто используется для предоставления информации о предприятии руководителям этого предприятия, города, специалистам министерств и ведомств.
Из всего многообразия показателей и коэффициентов программа отбирает ключевые, характеризующие все стороны хозяйственной деятельности предприятия - эффективность деятельности, рискованность бизнеса и финансовая устойчивость предприятия, долгосрочные и краткосрочные перспективы платежеспособности, качество управления предприятием. На основе отобранных показателей рассчитывается комплексная оценка финансового состояния предприятия с отнесением его к одной из четырех групп (первая – высокорентабельные предприятия, имеющие отличные шансы для дальнейшего развития; вторая предприятия с удовлетворительным уровнем доходности, третья – предприятия, находящиеся на грани финансовой устойчивости, четвертая - предприятия, находящиеся в глубоком кризисе). Использование данного комплексного показателя позволяет не только проследить изменения финансового положения предприятия в динамике, но и определить его рейтинг по отношению к другим предприятиям и организациям.
При оценке эффективности деятельности предприятий предусмотрена возможность сравнения достигнутых предприятием финансовых показателей с отраслевыми нормативными (рекомендуемыми) значениями. Для осуществления данной цели в программе "ИНЭК-АФСП" заложен расчет среднеотраслевых показателей (рекомендуемых показателей), настроенных для различных видов деятельности.
Используемый в программе "ИНЭК-АФСП" "графический пакет", дает возможность: строить графики по любым показателям, показывать (прятать) метки значений показателей, выводить (убирать) диапазон рекомендуемых значений, представлять графики для печати на черно-белом или цветном принтере, задавать верхние и нижние заголовки графиков, поворачивать метки, сохранять в базе и затем постоянно использовать отобранные графики. Кроме этого, программа предоставляет возможность передавать графики в MS Word и Excel.
При оценке финансового состояния заемщика пользователи могут использовать, как рассчитываемыми в программе финансовыми показателями и коэффициентами, так и субъективными качественными показателями. При работе с программой можно воспользоваться предлагаемыми методиками ИНЭК (для определения класса кредитоспособности) или создавать собственные. В программе внедрен также расчет финансовых показателей, в соответствии с Положением Банка России N 218-П от 19 марта 2004 года «О порядке и критериях оценки финансового положения юридических лиц - учредителей (участников) кредитных организаций».
Программа "ИНЭК-АФСП" предназначена не только для анализа деятельности конкретного предприятия, но и незаменима для органов государственного управления при проведении мониторинга финансово-экономического состояния хозяйствующих субъектов городов, областей, республик.
Экспертные системы – одно из наиболее значительных практических достижений в деле создания искусственного интеллекта. Возрастающая актуальность ЭС связана с тем, что эффективное использование ЭВМ стало возможным в тех областях знаний и сферах деятельности, которые очень мало подвергаются математической формализации или и совсем не могут быть формализованы. Поскольку при использовании ЭВМ не обойти традиционной цепочки МОДЕЛЬ-АЛГОРИТМ-ПРОГРАММА, то успех автоматизированных экспертных систем (как и их возникновение в конце 70-х лет) предопределялся разработкой специальных формализмов для представления знаний: семантических сетей, фреймов, производительных систем. Заинтересованность в экспертных системах объясняется тремя причинами:
Основа успешной работы экспертной системы – объединенные в систему знания о конкретной предметной области, которые дают возможность строить заключения на основании некоторых данных или предположений. Переход к конструированию компьютерных систем, направленных на использование знаний, заменяет классическую конструкцию архитектуры системы ДАННЫЕ + АЛГОРИТМ = ПРОГРАММА (СИСТЕМА) на новую (ее образовывают база знаний и «машина логических выводов»): ЗНАНИЕ + ВЫВОД = СИСТЕМА.