Для понимания того, какие преимущества дают предлагаемые методы анализа данных и прогнозирования, необходимо указать на

три принципиальные проблемы, возникающие при прогнозирова-

нии.

Первая проблема – это определение необходимых и достаточных

параметров для оценки состояния исследуемой предметной области.

Вторая проблема заключается в так называемом «проклятье раз-

мерности». Желание учесть в модели как можно больше показателей

и критериев оценки может привести к тому, что требуемая для ее

решения компьютерная система вплотную приблизится к «пределу

Тьюринга» (ограничению на быстродействие и размеры вычисли-

тельного комплекса в зависимости от количества информации, об-

рабатываемой в единицу времени).

Третья проблема – наличие феномена «надсистемности». Взаи-

модействующие системы образуют систему более высокого уровня,

обладающую собственными свойствами, что делает принципиально

недостижимой возможность надсистемного отображения и целевых

функций с точки зрения систем, входящих в состав надсистемы.

Для преодоления перечисленных проблем делаются попытки

применения таких разделов современной фундаментальной и вы-

числительной математики, как нейрокомпьютеры, теория стохасти-

ческого моделирования (теория хаоса), теория рисков, теория ката-

строф, синергетика и теория самоорганизующихся систем (включая

генетические алгоритмы) [123, 134]. Считается, что эти методы по-

зволят увеличить глубину прогноза за счет выявления скрытых за-

кономерностей и взаимосвязей среди плохо формализуемых обыч-

ными методами макроэкономических, политических и глобальных

финансовых показателей.

Представленное учебное пособие может быть рекомендовано

для студентов, аспирантов и преподавателей, занимающихся про-

блемами совершенствования методов и моделей прогнозирования, а

также вопросами их практической реализации.

---

       

  

---

Введение