Выделяют следующие ключевые отличия интеллектуальных систем: возможность обучения; гибкая адаптация; возможность работы с неполной или нечеткой информацией; умение объяснять полученные решения; способность извлекать новые знания из "сырых" данных и др.
В настоящее время существуют различные технологии ИИ. В финансовом менеджменте практически используются: нейронные сети (прогнозирование, распознавание ситуаций, извлечение знаний), генетические алгоритмы (оптимизация инвестиционных портфелей), нечёткая логика (анализ рисков), экспертные системы (планирование, анализ, аудит).
Нейронные сети (НС) получили широкое применение в тех областях финансового и инвестиционного менеджмента, где требуется получение оценок и прогнозов, связанных с обработкой больших объёмов информации и принятие решений в минимально короткие интервалы времени (спекулятивные операции на фондовых рынках, краткосрочное прогнозирование курсов, технический анализ и т. д.). Выделяют следующие достоинства НС: возможность моделирования и прогнозирования нелинейных процессов; способность работать с зашумлёнными данными; быстрое обучение и гибкость адаптации к изменениям внешней среды.
НС удобно рассматривать как черный ящик с некоторым количеством входов и выходов. При этом значения входных переменных обрабатываются внутри сети, и результат отображается на выходах. Ключевое отличие подобной системы состоит в том, что в процессе обработки входной информации происходит изменение внутренней структуры сети, т. е. - алгоритма преобразования. Этот процесс называется обучением и кардинально отличает НС от жестких программных систем. В процессе обучения сети предъявляются примеры входных данных, а полученные выходные данные сравниваются с эталонными. Если ответы не совпадают, структура сети меняется так, чтобы уменьшить ошибку. Процесс обучения заканчивается при достижении некоторого приемлемого результата (уровня ошибки). Подобный механизм получил название "алгоритм обратного распространения" (back-propagation algorithm).
Из всего спектра нейросетевых пакетов, предназначенных для решения задач в финансово-кредитной сфере и представленных на отечественном рынках, наиболее популярными являются программы Brain Mакег Pro (California Scientific Software, США) и семейство Al Trilogy фирмы Ward Systems (США), Neuro Solution (США).
Помимо выполнения своей основной функции - финансового прогнозирования, пакет Brain Mакег Pro позволяет проводить разностороннюю аналитическую обработку информации: находить зависимости между входными и выходными параметрами, оценивать полноту и непротиворечивость данных, анализировать цикличность и т. д.
Пакет имеет интерфейс со многими популярными программами, такими как EXCEL, LOTUS, DBASE, а также уже упомянутой системой технического анализа MetaStock.
Более дорогостоящим и мощным нейросетевым средством является семейство программных продуктов Al Trilogy. Пакет состоит из трех самостоятельных компонентов: инструментальной системы для разработки нейронных сетей NeuroShell. библиотеки для разработки приложений NeuroWmdows, программы оптимизации с использованием генетических алгоритмов GeneHunter.
Перспективным подходом к применению НС в сфере бизнеса является их реализация в виде надстроек для табличных процессоров EXCEL и LOTUS. На сегодняшний день имеется несколько таких реализаций, например Bramcel (Palisade Co., США), Neuralyst (Cheshire Engineering, США), семейство продуктов EXCEL Neural Package (NeurOk. Россия) и др.
Следует отметить и ряд недостатков, присущих НС. Наиболее существенный из них -неспособность объяснять свои действия. Далеко не всегда удается правильно выбрать и архитектуру НС, необходимую для эффективного решения поставленных задач. К проблеме реализации НС для анализа российских рынков следует отнести отсутствие больших объёмов исторических данных, необходимых для обучения и настройки. Наконец, нельзя обойти вниманием и проблему недобросовестной рекламы НС в России, по сути представляющую данную технологию как панацею от всех бед. тогда как нейросетевая парадигма в целом является разновидностью статистических методов классификации и прогноза, ориентированных на решение строго ограниченного круга задач.
Генетические алгоритмы представляют собой сравнительно новое направление ИИ, использующее механизм биологической эволюции для поиска оптимальных решений. В отличие от традиционных методов оптимизации, генетические алгоритмы позволяют найти не точное, а приемлемое решение для сложных, в том числе и нелинейных задач большой размерности.
В настоящее время существует несколько программных продуктов, достаточно эффективно реализующих генетические алгоритмы. Наиболее популярными из них с точки зрения применения в финансово-кредитной сфере являются продукты Evolver (Palisade Corp. США), GeneHunter (Ward Systems, США), Omega (KiQ and CAP, США).
Интересным является тот факт, что первые два реализованы в виде надстроек к MS EXCEL и написаны на языке Visual Basic for applications (VBA). Оба продукта в целом схожи по своим функциональным возможностям.
Одним из перспективных направлений практического применения генетических алгоритмов в финансовом менеджменте, является оптимизация портфеля ценных бумаг, в особенности содержащего производные инструменты (опционы, фьючерсы и т. д.).
Вместе с тем необходимо отметить, что использование генетических алгоритмов в финансово-кредитной сфере - новое и малоизученное направление, требующее дальнейших исследований.
Нечеткая логика (fuzzy logic) возникла в середине 60-х годов как средство формализации качественных знаний и понятий, выраженных на естественном языке.
Основным понятием нечеткой логики является лингвистическая (нечеткая) переменная, значениями которой могут быть не только числа, но и слова или предложения естественного либо искусственного языка.
Системы ИИ, базирующиеся на нечеткой логике, обладают лучшей адаптируемостью к условиям реального мира и более доступны специалистам, которые при решении задач оперируют качественными понятиями. Другое достоинство подобных систем - возможность работы с нечеткими критериями и неполными данными, часто встречающимися при решении задач в финансовой сфере. Нечеткая логика применяется при оценке рисков, прогнозировании рынков на краткосрочном интервале, в биржевых спекуляциях и т. д.
Наиболее известным программным продуктом, реализующим методы нечеткой логики в виде экспертной системы с нечеткими правилами, является пакет CubiCalc (Hyper Logic, США), который применяется для ситуационного моделирования в политике, экономике и финансах.
Однако наибольшей популярностью в финансово-кредитной сфере пользуется другая разработка - продукт FuziCalc (Fuzi Ware, США). Этот пакет представляет собой табличный процессор, который позволяет производить вычисления с неточно известными числами.
Среди других разработок в этой области необходимо отметить инструментальные системы для разработки продуктов на базе нечеткой логики: FuzzyTECH (Inform Software, США) и SieFuzzy (Siemens. Германия).
Экспертные системы (ЭС) представляют собой компьютерные программы, использующие формализованные знания специалистов для решения задач в некоторой предметной области. В общем случае, ЭС включает следующие основные компоненты: базу знаний (БЗ), механизм логического вывода и пользовательский интерфейс. БЗ содержит информацию о предметной области в виде фактов, наблюдений, различных данных и набор правил использующих эту информацию в процессе принятия решений.
Механизм логического вывода является интерпретатором правил, который использует имеющиеся факты для решения проблем.
Основными преимуществами ЭС принято считать возможность пополнения БЗ новыми правилами и фактами, а также способность объяснять полученные решения. В настоящее время ЭС широко применяются при решении задач в финансово-кредитной сфере: планировании, анализе рисков, страховании, консультировании и т. д.
В заключение отметим, что основной тенденцией развития программных средств для поддержки финансовых решений, как в России, так и за рубежом, является стремление ведущих разработчиков предоставить потребителю комплекс совместимых и взаимодействующих между собой продуктов различных классов в целях наиболее полного удовлетворения его запросов. Некоторые комплексы популярных продуктов ведущих отечественных разработчиков представлены в таблице.
В этой связи при решении проблемы автоматизации труда финансовых менеджеров и аналитиков целесообразно использовать линию продуктов одного производителя, в наибольшей степени удовлетворяющей требованиям и специфике конкретного предприятия.