Информационные системы и технологии УДК 378.1+311 М.О. ГУБИН ПРОГНОЗИРОВАНИЕ ФРАКТАЛЬНЫХ ФИНАНСОВЫХ ВРЕМЕННЫХ РЯДОВ ГИБРИДНОЙ НЕЙРО-НЕЧЕТКОЙ СИСТЕМОЙ Рассматривается автоматизированная информационная система прогнозирования фрактальных финансовых временных рядов (АИС «НАДЕЖДА»), написанная на встроенном языке Matlab 2010a, прошедшая тестовые испытания и обеспечившая высокие показатели в прогнозировании финансового временного ряда (котировки ОАО «Газпром»). <...> Ключевые слова: гибридная нейро-нечёткая сеть; финансовые временные ряды; технический анализ; фундаментальный анализ; нейросетевой анализ; фрактальный анализ. <...> ВВЕДЕНИЕ Гибридные системы (ГС) применяются в решении большей части прикладных задач, чем все остальные методы синтеза нечетких множеств и нейронных сетей (НС) [2]. <...> Первая ступень гибридизации при решении задач прогнозирования финансовых временных рядов (ФВР) связана с объединением нечётких продукционных систем (НПС) и искусственных нейронных сетей (ИНС). <...> Цель объединения НПС и ИНС состоит в объединении их достоинств и взаимной компенсации недостатков на основе интегрированных нейро-нечётких систем: преимущество НПС по сравнению с ИНС – в наглядности представления знаний о предметной области в виде нечётких правил, достоинство ИНС в сравнении с НПС – в их способности к обучению. <...> Основные недостатки нечётких продукционных моделей и систем прогнозирования ФВР: § исходное множество нечётких правил задаётся экспертом, в силу чего оно может быть неполным и/или противоречивым; § вид и параметры функций принадлежности (ФП) нечётких высказываний в нечётких правилах устанавливаются субъективно; § автоматическое приобретение знаний или пополнение знаний невозможно. <...> Первый слой нейронов служит для фаззификации чётких значений ФВР; 2. <...> Скрытые слои представляют нечёткие правила и реализуют алгоритмы вывода; 3. <...> Выходной слой осуществляет дефаззификацию выходной переменной (определяет <...>