Инструментальные средства распределения банковского продукта по филиальной сети банка Текст научной статьи по специальности «Компьютерные и информационные науки»

Н{ э) называют [4] многомерными передаточными функциями) (2) точно так же, как передаточная функция является исчерпывающей характеристикой линейной стационарной системы в нулевом начальном состоянии. Перейдя к одной переменной, мы получим компактную формулу (12), где каждое из слагаемых соответствует конкретному ядру Вольтерра во временной области. Применив обратное преобразование Лапласа, мы получим оригинал одномерной весовой функции во временной области к * (г).

Окончательно:

у (г) =| к * (т) х(Г - т)с1т . (13)

Таким образом, для вычисления реакции системы необходимо предварительно рассчитать многомерные весовые функции во временной области, провести преобразования (4) - (12) и использовать для дальнейших расчетов формулу (13).

Объем памяти, необходимой для хранения данных, линейно зависит от количества точек отсчета. Выигрыш составит

¿^ • с

р-1

i=1

K = = ZN раз- (14)

N • C i=0

Например, при расчете функционала четвертого порядка в 128 точках, при использовании значений в 8 байт (double - вещественное с двойной точностью) получим выигрыш в » 221 раз.

Список использованных источников

1. Волков Н.В. Функциональные ряды в задачах динамики автоматизированных систем. М.: Янус-К., 2001. - 100 с.

2. Мармарелис П., Мармарелис В. Анализ физиологических систем. Метод белого шума. М: Мир, 1982. - 480 с.

3. Пугачев В.С. Основы автоматического управления. М.: Наука, 1974. - 720 с.

4. Пупков К.А., Капалин В.И., Ющенко А.С. Функциональные ряды в теории нелинейных систем. М.: Наука, 1976. - 448 с.

Ивлева Н.А., Кравец О.Я.

ИНСТРУМЕНТАЛЬНЫЕ СРЕДСТВА РАСПРЕДЕЛЕНИЯ БАНКОВСКОГО ПРОДУКТА ПО ФИЛИАЛЬНОЙ СЕТИ БАНКА

Воронежский экономико-правовой институт Воронежский государственный технический университет

Введение

На сегодняшний день существует множество готовых нейросетевых пакетов и программных комплексов, включающих в свой состав элементы для разработки нейронных сетей. Они значительно различаются как по цене, так и по своим функциональным возможностям, однако недорогие решения не обладают достаточной функциональностью, а все полнофункциональные приложения для реализации мощных и эффективных нейронных сетей для

коммерческого использования стоят весьма дорого. В таблице 1 приведены стоимости наиболее распространенных систем для разработки нейронных сетей.

_Таблица 1 - Коммерческие пакеты нейросетевого моделирования.

Название пакета Версия Стоимость, $

BrainMaker v3.7 Proffessional for Windows 795

Statistica Neural Networks v.7 for Windows 1 640

NeuralWorks Professional II/PLUS for Windows 2 495

Neural Network Toolbox for Windows 1 437,51

Ввиду высокой стоимости готовых нейросетевых пакетов и необходимости получить полнофункциональное приложение для коммерческого использования было принято решение - не расширять возможности уже существующих нейросетевых пакетов, а разработать программное средство, обладающее нужной функциональностью и реализующее предложенную модель нейронной сети, но при этом не такое дорогое для коммерческого использования.

Алгоритмическая структура элементов нейронной сети.

Предложенная модель состоит из следующих основных элементов:

- входы сети;

- нейронная сеть;

- выходы сети.

Входы могут быть двух типов - четкие и нечеткие. Четкие входы могут быть представлены в форме вектора действительных чисел. Нечеткие входы имеют более сложную структуру (см. рис. 1).

Лингвистическая переменая

Наименование

Тер м-множество Терм

Область определения Наименование

Функция

принадлежности ц

Рис. 1. Структура нечеткого входа

Терм-множество представляет собой ссылку на объект «терм», содержащий информацию о конкретном терме лингвистической переменной.

Нейронная сеть представляет собой объект, описываемый набором классов, структура нейросетевого модуля представлена на рис. 2.

1 для его работы требуется Matlab v7.3 стоимостью $7 812,50.

Рис. 2. Структура нейросетевого модуля

Нейросетевой модуль включает в себя все данные и методы, необходимые для обучения и работы нейронной сети.

Выход сети представляют собой вектор вещественных чисел, а также масштабирующие коэффициенты (если есть необходимость получить результат в диапазоне, отличном от [0, 1]).

Работа всех алгоритмических модулей объединяется в рамках одного проекта, структура проекта приведена на рис. 3.

выходного слоя

Рис. 3 - Структура проекта

Структура и внешний вид инструментального средства

Разработанная программа предназначена для автоматизации процесса распределения ограниченного банковского продукта по филиальной сети банка. Работа системы предполагается в форме периодического вычисления распределения банковского продукта по филиальной сети, с тем чтобы основываясь на этом распределении ответственные специалисты принимали окончательное решение о выделении того или иного объема ресурсов под данный вид банковского продукта для каждого филиала. К программе предъ-

являются следующие основные требования:

- система должна обеспечивать решение задачи распределения ограниченного банковского продукта по филиальной сети банка, то есть результатом работы системы становится количество ресурсов, которые необходимо выделить для каждого филиала банка под определенный вид продукта;

- создание удобного интерфейса пользователя, обеспечивающего пользователя с системой и предусматривающего систему меню и подсказок на каждом этапе распределения;

- накопление информации, полученной от пользователя

- ведение баз данных и знаний в предметной области и работа с ними

- конечные результаты должны быть представлены в виде, допускающем их однозначную интерпретацию;

В соответствии с предъявляемыми требованиями в ходе разработки программы преследовалась цель: обеспечение удобства работы с программой пользователя, обладающего малым объемом знаний и навыков в использовании компьютерной техники, а также достижение высокого быстродействия и эффективности программы.

Программа написана на языке Object Pascal с использованием интегрированной среды разработки Borland Delphi v7.0. Выбор этих средств обусловлен следующими факторами:

- язык Object Pascal обладает удобным и простым синтаксисом, легок в изучении, в то же время реализуя все возможности как процедурного так и объектно-ориентированного программирования;

- к числу преимуществ Delphi следует отнести простоту и легкость разработки визуальных элементов программы, широкие возможности по работе с базами данных (при этом реализована как поддержка стратегии Microsoft UDA, включающей в себя ADO, OLE DB и ODBC так и собственный процессор баз данных BDE);

- благодаря поддержке технологии компонент Delphi позволяют легко включать в свой проект готовые полнофункциональные блоки кода, реализующие самые разнообразные функции и предлагаемые как на платной так и на бесплатной основе.

Основой интерфейса программы являются формы. Иерархия форм программы представлена на рис. 4.

В разработанном программном средстве при реализации и алгоритмической части и интерфейса используется объектно-ориентированный подход в программировании. С позиции ООП все элементы управления интерфейсом и все вычислительные классы программы представляют собой объекты с определенными свойствами и методами управления.

Программное средство состоит из независимых модулей, функционально взаимодействующих между собой. Модульная структура программы приведены на рис. 5. Она включает в себя:

- обучающие выборки и рабочие данные - таблицы базы данных формата MS-SQL;

Рис. 4 - Иерархия форм программы

ооу чающая рабочая

_----- ВЬЮ OpKI Г -—._-----

_±_I_!__

Подсистема доступа к корпоративной БД

4-

8Р

о

'а

1—1 g

а

I

и4

Блок обучения

Блок распределения банковского продукта

Блок нейросетвеого моделирования

Блок оораоот-кн параметров филиала

Подсистема

отображения

результатов

11нгер ф ейс польз о вате ля

СГГоп

ользовател!

Рис. 5. Модульная структура программы

- подсистема взаимодействия и доступа к БД - совокупность драйверов БД, алгоритмических средств доступа к ним;

- блок нейросетевого моделирования, реализующий полнофункциональную нейронную сеть со смешанным типом входных переменных, а также все необходимые методы для управления ею;

- блок обучения нейросети и уточнения значений функции принад-

лежнсоти нечетких параметров;

- подсистема интерфейса пользователя - набор визуальных компонент и функций формирования информации для них.

Все настройки нейронной сети (такие как: число слоев, количество и тип нейронов в слое, весовые коэффициенты сети и т.п.), а также все данные (включая обучающую и контрольную выборку) хранятся в рамках одной базы данных. Структура базы данных приведена на рис. 6.

[рггйх]№ | I Ва'геТаЫе

[prefcjWeights

LayerNum NeuronNum InputNunn i'Veight

[prefixjTerms

Inputlndex

Term

Mu

LayerNum NeuronCount ActivationRjncUon Seta

ThresholdLevel

[pre&t'Jlnputs

Name Type

Inputlndex

prefix : Name

LayerCount jnputCcunt OufcpufcCount

[prefix] FilialData Filial

DateOfAdd

Inpui:[nj

Ouhpuh[n]

UselnLearn

ELalonOutput[n]

HaveEtalonOutput

Рис. 6. Структура базы данных

li-1 Распределение банковского продунта

Проект Правка Вид Данные Визуализация Настройки Окно Справка

□ & у

I уй

LJ Банк: ЦЧБ СБ РФ

Банк

Центрально-Черноземный банк Сбербанка России

ФЧ

Параметры

Воронежские

+

+ Аннинские

+ Бобровские

+ Богучарские

+ Борисоглебские

+ Бугурлиновские

+ Верхнемамонские

+ Верхнекавские

+ Воробьевские

+ Грибановские

+ Калачеевские

+ Каменские

+ Кантемировские

+ Каширские

+ Лискинокие

+ Нововоронежские

А

Êâ

Персонал

Информационно-техническая база Рынок Филиал

Квалификация Общая

Э (Очень высокая)

Специальная

Э (Очень высокая)

Ни одного филиала не выбрано!

Рис. 7. Главное окно программы

На рис. 7 приведено главное окно программы с созданным проектом вычислений.

Список использованных источников

1. Аллен Р. Математическая экономика. М.:Изд-во иностранной литературы, 1963.

2. Баталов А.Г., Самойлов Г.О. Банковская конкуренция. — М.: Экзамен, 2002. —

256 с.

3. Конюховский П.В. Математические методы исследования операций в экономике. — СПб.: Питер, 2002. — 208 с.

4. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. — М.: Горячая линия-Телеком, 2002. — 382 с.

5. Carlin, W., Fries, S., Schaffer, M., and Seabright, P. Competition, and Enterprise Performance in Transition Economies: Evidence from a Cross-country Survey. - CEPR/WDI Annual International Conference on Transition Economics, Moscow 2/5 July 2000.

Тубольцев М.Ф.

СИСТЕМНАЯ МЕТОДИКА РЕСТРУКТУРИЗАЦИИ КРАТКОСРОЧНЫХ КРЕДИТНЫХ ОПЕРАЦИЙ

Белгородский государственный университет

Краткосрочные кредитные операции имеют долгую историю, но продолжают оставаться одним из наиболее востребованных финансовых инструментов. При неизменных значениях процентной ставки (что бывает в условиях макроэкономической стабильности), краткосрочная кредитная операция характеризуется пятью параметрами: датой начала операции - 1;, размером кредита - К, продолжительностью кредита - Т, размером возвращаемой по кредиту суммы - Б и процентной ставкой - г. В условиях стабильной макроэкономической ситуации дата начала операции - 1 существенна только при рассмотрении совокупностей кредитных операций, а для одной операции ее роль не существенна, поскольку остальные параметры от нее не зависят. Между собой остальные четыре параметра связаны функциональной зависимостью:

SVT - K = 0, (1)

где V есть множитель дисконтирования [1, с.11; 2, с.25]. В зависимости от вида используемой процентной ставки (простой или сложной) множитель дисконтирования как величина обратная к множителю наращения имеет следующий вид:

<~ 1

(1 + ^) , для простой процентной ставки, (2)

(1 + г)~Т, для сложной процентной ставки.

С методической точки зрения правильно использовать для дисконтирования только сложные процентные ставки, поскольку в этом случае множитель дисконтирования является, говоря языком статистиков, цепным индексом. Однако кредиторы (как правило, это коммерческие банки) часто используют при расчете наращенной суммы кредита простые процентные ставки, т.к. наращенная сумма в этом случае несколько больше.

V