Primeira rede neural já dá conselhos a investidores

Cientistas da Universidade Federal da Sibéria (SibFU) apresentaram uma versão aprimorada da rede neural primal-dual de desigualdade linear-variacional (LVI-PDNN), que é usada para otimizar modelos matemáticos em vários campos. Segundo os pesquisadores do SibFU, a nova rede neural será o primeiro “assistente do investidor” capaz de tomar decisões nas condições da dinâmica real do mercado. Seu trabalho foi publicado na revista “Applied Mathematics and Computation”.

A programação linear é uma ferramenta de otimização para modelos matemáticos usados ​​em uma variedade de campos. Em finanças, por exemplo, o objetivo da otimização é o lucro máximo ou o custo mínimo, explicaram os cientistas.

Por mais de uma década, as redes neurais têm sido usadas ativamente para resolver problemas de programação linear em tempo real com condições variáveis, os chamados problemas dinâmicos. Ao mesmo tempo, o interesse pela otimização financeira com a ajuda de redes neurais também está ganhando força no mundo, mas nenhuma ferramenta para resolver problemas dinâmicos foi criada para essa esfera, observaram os especialistas.

Cientistas da Universidade Federal da Sibéria (SibFU) melhoraram os algoritmos de programação quadrática e linear com base em uma abordagem de rede neural e sistemas de lógica fuzzy para resolver problemas dinâmicos, incluindo gerenciamento financeiro.

“Propusemos uma versão aprimorada do conhecido método de rede neural LVI-PDNN e, especificamente, pela primeira vez no mundo, sua aplicação em problemas financeiros dinâmicos. Com nosso desenvolvimento, os investidores poderão tomar decisões mais precisas . Começamos com o problema do seguro de portfólio de custo mínimo (MPI)”, disse o diretor científico da SibFU, Predrag Stanimirovic.

Segundo os criadores, a principal característica do novo sistema é um controlador de lógica difusa implementado na estrutura LVI-PDNN, que opera com graus de verdade em vez do clássico dilema real. Isso supostamente aumenta a adaptabilidade do sistema na resolução de problemas dinâmicos.

“Para que uma rede neural seja capaz de reconhecer objetos ou situações do mundo real, ela deve ser treinada usando vários algoritmos de otimização. Agora estamos desenvolvendo uma nova classe de redes neurais de zeramento (ZNN) que são capazes de resolver problemas de otimização em Esses otimizadores de redes neurais podem ser implementados em hardware, na forma de chips, o que os tornará extremamente rápidos no futuro”, explicou a professora Alena Stupina, chefe do Departamento de Economia e Gestão de Tecnologia da Informação do SibFU.

O estudo envolveu especialistas da National and Kapodistrian University of Athens (Grécia), University of Nis (Sérvia), Swansea University (Reino Unido) e Jiangnan University (PRC). O próximo objetivo da equipe de pesquisa é treinar redes neurais para resolver outros problemas financeiros, para que possam prever totalmente o comportamento das carteiras de investimento.