Search

Проблематика. Невизначеності різної природи спричиняють появу фінансових ризиків, які необхідно оцінювати в реальному часі, враховуючи велику сукупність явних і неявних факторів, адаптуючи модель до дії випадкових збурень та змін зовнішнього середовища. Інколи зміни зовнішнього середовища можуть бути настільки значними, що вибрана модель виявиться неприйнятною до оцінювання, і для такого випадку необхідно розробити чітку схему дій, сукупності методів для формування моделей-кандидаток, критеріїв якості та вибору кращої, і надати можливість уточнення типу, структури та параметрів моделі в динаміці. Мета дослідження. Створити метод структурно-параметричної адаптації на основі ймовірнісно-статистичних моделей, який дасть змогу оцінювати фінансові ризики через ймовірність та можливі втрати, а також враховувати обмеження, що виникли у процесі моделювання. Методи реалізації. Комплексно застосовано: оптимальний фільтр для попередньої обробки даних та їх підготовки до побудови моделей, регресійне моделювання для формального опису і прогнозування умовної дисперсії та ймовірнісну модель у формі байєсівської мережі для оцінювання ймовірності можливих втрат. Результати. Запропонована структурно-параметрична адаптація була використана для моделювання різних видів фінансових ризиків у банківській, телекомунікаційній та інвестиційній сферах і дала змогу врахувати зміну зовнішнього середовища завдяки адаптації математичних моделей, зміні їх структури та переоцінюванню їх параметрів відповідно до нових вимог щодо якості прийнятих рішень. У результаті виконання обчислювальних експериментів встановлено, що адаптація моделі як реакція на зміни порога відсікання при обробці кредитних заявок дала змогу отримати на 17 % менше помилок неправильної класифікації і таким чином зменшити втрати від недобросовісних позичальників у середньому на 12 %. Висновки. Застосування структурно-параметричної адаптації при прогнозуванні ризиків різної природи дає можливість не лише вибирати кращу математичну модель на початковому етапі оцінювання ризиків, а й адаптувати її з урахуванням попереднього досвіду та реальної роботи системи підтримки прийняття рішень (СППР), уточнювати структуру моделі у зв’язку з дією зовнішніх збурень та нестаціонарністю досліджуваних процесів, настроювати параметри відповідно до зміни обмежень. Background. Uncertainties of various nature cause the emergence of financial risks that need to be evaluated in real time, taking into account a large set of explicit and implicit factors, adapting the model to the effect of random perturbations and changes in the environment. Sometimes the changes in the external environment can be so significant that the chosen model will be unacceptable for evaluation, and for this case it is necessary to develop a clear scheme of actions, a set of methods for the formation of candidate models, criteria for quality and the choice of the best, and to get the possibility of clarifying the type, structure and parameters of the model in dynamics. Objective. Propose a method of structural and parametric adaptation based on probabilistic-statistical models, which will allow to evaluate financial risks through probability and possible losses, and take into account the limitations that arose already in the process of modeling. Methods. Comprehensive application: optimal filter for pre-processing data and their preparation for model construction, regression model for formal description and prediction of conditional dispersion and probabilistic model in the form of Bayesian network for estimating the probability of possible losses. Results. The proposed structural and parametric adaptation was used during modeling of various types of financial risks in the banking, telecommunication, investment and allowed to take into account the change of the environment by adapting mathematical models, reconfiguring their structure and changing their parameters in accordance with the imposed new requirements regarding the quality of the decisions made. As a result of computational experiments, it was found that the adaptation of the model as a reaction to changes in the cut-off threshold in processing loan applications allowed 17 % less errors in the wrong classification and thus reduced losses from unscrupulous borrowers by an average of 12 %. Conclusions. The application of structural and parametric adaptation to predict the risks of different nature allows not only to choose the best mathematical model at the initial stage of risk assessment, but also to adapt it taking into account previous experience and the real work of decision support system, to specify the structure of the model according to the external disturbances, to adjust the parameters accordingly before changing the restrictions or imposing the new ones. Проблематика. Неопределенности различной природы приводят к появлению финансовых рисков, которые необходимо оценивать в реальном времени, учитывая большую совокупность явных и неявных факторов, адаптируя модель к действию случайных возмущений и изменений внешней среды. Иногда изменения внешней среды могут быть настолько значительными, что выбранная модель окажется неприемлемой для оценки, и для такого случая необходимо разработать четкую схему действий, совокупности методов для формирования моделей-кандидаток, критериев качества и выбора лучшей, и получить возможность уточнения типа, структуры и параметров модели в динамике. Цель исследования. Предложить метод структурно-параметрической адаптации на основе вероятностно-статистических моделей, который позволит оценивать финансовые риски через вероятность и возможные потери и учитывать возникшие ограничения в процессе моделирования. Методика реализации. Комплексно применены: оптимальный фильтр для предварительной обработки данных и их подготовки к построению моделей, регрессионная модель для формального описания и прогнозирования условной дисперсии и вероятностная модель в форме байесовской сети для оценки вероятности возможных потерь. Результаты. Предложенная структурно-параметрическая адаптация была использована при моделировании различных видов финансовых рисков в банковской, телекоммуникационной, инвестиционной сферах и позволила учесть изменение внешней среды путем адаптации математических моделей, изменения их структуры и перенастройки их параметров в соответствии с выдвинутыми новыми требованиями к качеству принимаемых решений. В результате выполнения вычислительных экспериментов было установлено, что адаптация модели как реакция на изменения порога отсечения при обработке кредитных заявок позволила получить на 17 % меньше ошибок неправильной классификации и таким образом уменьшить потери от недобросовестных заемщиков в среднем на 12 %. Выводы. Применение структурно-параметрической адаптации для прогнозирования рисков различной природы позволяет не только выбирать лучшую математическую модель на начальном этапе оценки рисков, но и адаптировать ее с учетом предыдущего опыта и реальной работы системы поддержки принятия решений, уточнять структуру модели в связи с действием внешних возмущений, настраивать параметры в соответствии с изменением ограничений или наложением новых.

Проблематика. Належним чином спроектовані системи підтримки прийняття рішень для моделювання і прогнозування поведінки динамічних систем надають можливість врахування невизначеностей ймовірнісного, статистичного і структурного типів. Це сприяє підвищенню якості розроблюваних моделей та оцінок прогнозів. Мета дослідження. Розглянути загальні причини втрати даних при розв’язанні задач їх статистичного аналізу; виконати категоризацію пропусків даних на кілька груп та виявити причини появи пропусків; запропонувати системну методологію аналізу невизначеностей та вибору методів заповнення пропусків; розглянути деякі популярні методи заповнення пропусків та можливості їх застосування. Методика реалізації. Для розв’язання поставлених задач використано такі методи: підхід до категоризації пропусків даних з практичної та ділової точок зору з метою виявлення причин появи систематичних або випадкових втрат даних; сучасна методологія системного аналізу для встановлення причин появи невизначеностей та розв’язання задачі заповнення пропусків; процедури заповнення пропусків даних за допомогою дерев рішень; алгоритм ЕМ та підхід до заповнення пропусків за допомогою функцій прогнозування, що будуються на основі регресійних моделей. Результати дослідження. Основними результатами дослідження є такі: категоризація пропущених даних на групи; розробка системної методології аналізу причини появи невизначеностей та розв’язання задачі заповнення пропусків; аналіз процедур заповнення пропусків за допомогою дерев рішень, алгоритму ЕМ та регресійних моделей. Наведено ілюстрацію застосування деяких перспективних методів заповнення пропусків. Висновки. Запропоновано методику заповнення пропусків даних із шести кроків, яка підкреслює, що вибір коректного методу заповнення тісно пов’язаний із докладним аналізом причин появи пропусків. Результати заповнення пропусків іноді істотно відрізняються від фактичних даних, а тому їх необхідно згладжувати або навіть видаляти з вибірки внаслідок їх некоректності. У таких випадках необхідно використовувати ймовірнісно-регресійні процедури, які надають можливість визначати параметри ймовірнісних інтервалів регресії при генеруванні кандидатів на заповнення. Обчислювальні експерименти, виконані із застосуванням алгоритму ЕМ, оцінок прогнозів, отриманих на основі регресійних моделей та деяких інших методів, свідчать про те, що існують можливості для одержання високоякісних результатів обробки даних з пропусками. Background. Properly constructed decision support systems (DSS) for modelling and forecasting behaviour of dynamic systems provide a possibility for taking into consideration uncertainties of probabilistic, statistical and structural types what results in higher quality of developed models and estimated forecasts. Objective. To consider general reasons for loosing (missing) data in statistical data analysis; to provide categorization of missing data into several groups, and identify the reasons for missing measurements; to provide stepwise system methodology for uncertainty analysis and selection of data imputation techniques; to give an insight into some popular missing values imputation techniques regarding their possible applications. Methods. To solve the problems mentioned the following methods have been used: data categorization approach from business or practical point of view that is necessary for discovering the reasons for availability of systemic and/or random missing values; the modern systemic methodology was hired for analysis of uncertainty causes and missing values imputation; the decision tree based imputation procedures; EM algorithm and regression model approach to forecasting missing data using forecasting functions. Results. The main results of the study are in categorization of the missing data into groups; development of systemic methodology for analysis of uncertainty causes and missing values imputation; providing an analysis for possibilities of missing values imputation with decision trees, EM algorithm and regression models; development of multistep forecasting functions on the basis of autoregression models; illustration of application of some selected perspective methods for missing data imputation. Conclusions. We proposed the six steps system methodology for data imputation which stresses that selection of correct method for imputation is tightly connected with the step-by-step analysis of the gaps causes and finding an appropriate technique for their imputation. The results of imputation sometimes are rather far from the existing data and should be smoothed or even broken from the sample due to their incorrectness. For such cases it should be proposed a new probabilistic-regression method which allows define parameters of the probability interval for the regression aiming missing data imputation. A series of computing experiments performed with EM algorithm, forecast regression based imputation technique and some other approaches shows that it is possible to reach high quality results regarding correct processing of data with missing values. Проблематика. Системы поддержки принятия решений, спроектированные в соответствии с современными требованиями для решения задач моделирования и прогнозирования поведения динамических систем, дают возможность учета неопределенностей вероятностного, статистического и структурного типов. Это приводит к повышению качества разрабатываемых моделей и оценок прогнозов. Цель исследования. Рассмотреть общие причины потери данных при решении задач их статистического анализа; выполнить категоризацию пропусков данных на несколько групп и определить причины появления пропусков; предложить системную методологию анализа неопределенностей и выбора методов заполнения пропусков; рассмотреть некоторые популярные методы заполнения пропусков, а также возможности их применения. Методика реализации. Для решения поставленных задач использованы такие методы: подход к категоризации пропусков данных с практической и деловой точек зрения с целью выявления причин появления систематических или случайных потерь данных; современная методология системного анализа для установления причин появления неопределенностей и решения задачи заполнения пропусков; процедуры заполнения пропусков данных с помощью деревьев решений; алгоритм ЕМ и подход к заполнению пропусков с помощью функций прогнозирования, которые строятся на основе регрессионных моделей. Результаты исследования. Основными результатами исследования являются такие: категоризация пропущенных данных на группы; разработка системной методологии анализа причин появления неопределенностей и решение задачи заполнения пропусков; анализ процедур заполнения пропусков с помощью деревьев решений, алгоритма ЕМ и регрессионных моделей. Приведена иллюстрация применения некоторых перспективных методов заполнения пропусков. Выводы. Предложена методика заполнения пропусков данных с шести шагов, в которой подчеркивается, что выбор корректного метода заполнения тесно связан с углубленным анализом причин появления пропусков. Результаты заполнения пропусков иногда существенно отличаются от фактических данных, а потому их необходимо сглаживать или даже удалять с выборки из-за их некорректности. В таких случаях необходимо использовать вероятностно-регрессионные процедуры, которые дают возможность определять параметры вероятностных интервалов регрессии в процессе генерирования кандидатов на заполнение. Вычислительные эксперименты, выполненные с использованием алгоритма ЕМ, а также оценок прогнозов, полученных на основе регрессионных моделей и некоторых других методов, свидетельствуют о том, что существуют возможности для получения высококачественных результатов обработки данных с пропусками.

В статье исследуются проблемы и перспективы развития Интернет-маркетинга в украинском секторе Всемирной Сети, обнаружена специфика и параметры осуществляемых онлайн маркетинговых коммуникаций.

The theoretical and practical aspects of Іnternet business under the product markets globalization, internationalization and standardization of marketing management activities are researched, the essence, specificity and major performances of ebusiness’ tools and effective promotion of internet projects in virtual marketplace are analyzed.