Статті КМ (ІПБТ)
Permanent URI for this collection
Browse
Browsing Статті КМ (ІПБТ) by Subject "expert valuation methods"
Now showing 1 - 1 of 1
Results Per Page
Sort Options
Item Використання нейро-нечітких технологій в оцінці ризиків інвестиційних проектів в умовах невизначеності(ТОВ «Юридична компанія «Юрсервіс», Дніпро, 2022) Бушуєв, Кирило Максимович; Петренко, Віталій Олександрович; Савчук, Лариса Миколаївна; Фонарьова, Тетяна АнатоліївнаUKR: Мета. Вирішення завдання оцінки альтернатив інвестування, їх селекція та добір найбільш ефективних. Для цього необхідно здійснити проектно-інвестиційний аналіз, у якому об’єктом аналізу виступає як сам проект, так й пов'язані з ним грошові потоки, ризики та фактори зовнішнього середовища, які утворюють умови невизначеності. Методика. Умови невизначеності аналізуються та прогнозуються за допомогою поєднання інтерактивних методів, таких як, експертні методи та методи на основі штучного інтелекту, а саме, нейронних мереж. Можливість широко використовувати експертні знання дає нечітка логіка, що дозволяє забезпечити формалізацію якісних, розмитих в смисловому плані, понять та зав’язків. Результати. Авторами розроблена схема етапів процесу оцінки й обґрунтування добору інвестиційного проекту. Для вирішення задачі оцінки привабливості та ризиків фінансування (впровадження) інвестиційних проектів автори пропонують модель оцінки й селекції̈ добору інвестиційних рішень. Ця модель використовує класичні методи оцінювання. А задля вирішення завдання синтезу об'єктів, що погано формалізуються використовує нейронну мережу. Підкреслено значення побудови функції належності, як основної в нечіткій логіці. Проаналізовано прямі та непрямі експертні методи побудови функції належності. Наукова новизна. В моделі, що пропонується авторами, навчання нейронної мережі буде як з вчителем, тобто на основі історичних даних та певного обсягу навчальної вибірки, так й без вчителя, тобто на основі обробки інформації завдяки кластеризації. Таким чином вдасться уникнути суттєвого недоліку нейронної мережі необхідності мати великий обсяг експериментальних даних для навчання. Практична значимість. Удосконалення нейронної мережі, з можливістю навчання без вчителя на основі нечіткої кластерізації; побудова системи підтримки прийняття рішень для інтерпретації результатів; апробація розробленої моделі для різних інвестиційних проектів, що підвищить ефективність прийняття інвестиційних рішень.