Розгляд можливості використання нейронних мереж для визначення зв’язку між політикою фінансування виробничих оборотних запасів і показниками, які відображають ефективність їх фінансування на підприємствах транспорту. Прогнозування значень цих показників.
При низкой оригинальности работы "Використання нейронних мереж для моделювання та прогнозування фінансової діяльності транспортного підприємства", Вы можете повысить уникальность этой работы до 80-100%
Про можливість використання нейронних сітей в фінансовій сфері та безпосереднє їх використання для управління запасами йдеться мова в працях Голоскокової А., Бабич Т., Бабенко И. та інші. Довести можливість використання нейронних мереж для визначення наявності звязку між політикою фінансування виробничих оборотних запасів та показниками, які відображають ефективність фінансування виробничих запасів, та прогнозування значень цих показників. Існування звязків між показниками може бути не виявлено за рахунок того, що вони мають дуже складний характер, а нейронним мережам під силу це виявити. На даний момент нейронні мережі використовуються при вирішенні різних задач та застосовують там, де звичайні алгометричні методи не ефективні або їх неможливо використати. В основному нейронні мережі застосовуються для таких задач: прогнозування (на сьогодні дуже активно використовуються при прогнозуванні курсів валют, цінних паперів та ін.), розпізнання визначених ситуацій, регресійний аналіз, кластерний аналіз та класифікації.
Список литературы
Ostryie uglyi kruglogo stola ili neyronnaya set v arsenale bankira, Andrey Masalovich. http://www.fx-trader.narod.ru/Expert.htm
Neyronnyie seti: na poroge buduschogo. Daniil Kalchenko ("KOMPYUTERPRESS", N 1, 2005 g.; http://www.compress.ru)
Ispolzovanie apparata neyronnyih setey dlya sozdaniya modeli otsenki i upravleniya riskami predpriyatiya, Korneev D.S., http://www.volsu.ru/s_conf/tez_htm/020.htm
Сєдая А.В. Використання нейронних мереж для моделювання та прогнозування фінансової діяльності транспортного підприємства / А.В. Сєдая // Економіка та управління на транспорті. - К.: НТУ, 2015. - Вип. 2.
В статті доводиться доцільність та ефективність використання нейронних мереж для встановлення існування звязків між фінансовими показниками та для покращення точності прогнозування фінансових показників.
Обєкт дослідження - модель нейронної мережі та її алгоритми.
Мета роботи - визначити переваги використання нейронної мережі при прогнозуванні значень фінансових показників та визначення звязків між ними.
На сьогоднішній час на автотранспортних підприємствах України, які займаються вантажними перевезеннями, використання нейронних мереж для прийняття управлінських рішень та проведення прогнозування основних фінансових показників не набуло розповсюдження.
Впровадження використання нейрон моделювання надає можливість підприємствам скоротити час на прийняття управлінських рішень , наприклад , за допомогою використання прогнозування в нейронній мережі. Однією її (нейронної мережі) перевагою, являється те, що вона проходить навчання, в ній можна використовувати різні типи даних (числові, текстові та ін..).
Нейронні мережі прискорюють процес знаходження залежності за рахунок одночасного опрацювання даних всіма нейронами.
Отже, за допомогою нейронних мереж можна скоротити час прийняття управлінських рішень, зменшити кількість експертів компанії , які раніше були задіяні під час прийняття рішень, та найголовніше прогнозування в порівнянні з традиційними методами являється більш точнішими.
Sedaya A.V. Using neural networks for modeling and forecasting financial activities of the transport enterprise. Economics and management on transport. Kyiv. National Transport University. 2015. Vol. 2.
This article has expediency and efficiency of neural networks to establish the existence of links between financial indicators and to improve the accuracy of forecasting financial performance.
Research object - neural network model and its algorithms.
Purpose - determine advantages of using a neural network in predicting values of financial indicators and the definition of relations between them.
At present time in Ukraine transport enterprises engaged in freight transportation, using neural networks for management decisions and forecasting of key financial indicators not acquired distribution.
The introduction of the use of neuron modeling allows enterprises to reduce time for management decisions, such as by using a neural network forecasting. One of (neural network) advantage is that it is trained, it can use different types of data (numeric, text, etc.).
Neural networks accelerate the process of dependency due to the simultaneous processing of all these neurons.
So, using neural networks can reduce time management decisions to reduce the number of experts who were previously involved in decision-making, and most importantly forecasting compared to traditional methods is more accurate.
KEYWORDS: NEURAL NETWORKS, FORECASTING, COMMUNICATION, NEURONS, TRANSPORT ENTERPRISES, FINANCIAL INDICATORS.
РЕФЕРАТ
Седая А.В. Использование нейронных сетей для моделирования и прогнозирования финансовой деятельности транспортного предприятия / А.В. Седая // Экономика и управление на транспорте. - К.: НТУ, 2015. - Вып. 2.
В статье доказывается целесообразность и эффективность использования нейронных сетей для установления существования связей между финансовыми показателями и для улучшения точности прогнозирования финансовых показателей.
Объект исследования - модель нейронной сети и ее алгоритмы.
Цель работы - определить преимущества использования нейронной сети при прогнозировании значений финансовых показателей и определения связей между ними.
На сегодняшнее время на автотранспортных предприятиях Украины, которые занимаются грузовыми перевозками, использования нейронных сетей для принятия управленческих решений и проведения прогнозирования основных финансовых показателей не получило распространения.
Внедрение использования нейрон моделирования позволяет предприятиям сократить время на принятие управленческих решений, например, посредством использования прогнозирования в нейронной сети. Одним ее (нейронной сети) преимуществом, является то, что она проходит обучение, в ней можно использовать различные типы данных (числовые, текстовые и др.).
Нейронные сети ускоряют процесс нахождения зависимости за счет одновременного обработки данных всеми нейронами.
Итак, с помощью нейронных сетей можно сократить время принятия управленческих решений, уменьшить количество экспертов компании, которые ранее были задействованы при принятии решений, и самое главное прогнозирования по сравнению с традиционными методами является более точными.
