Приводится пример блистательного применения самоорганизующихся карт Кохонена (SOM — SelfOrganizing Map) для исследования банковской системы России в 1999 — 2000 гг. В основе мониторинга лежит рейтинговая оценка на основе автоматического выполнения одной процедуры: по многомерному вектору параметров банков1 на экране компьютера высвечивает
1) Обращается внимание на то, что нейросетевые технологии позволяют строить наглядные функции многих переменных, как бы преобразуя многомерное пространство в одно, двух или трехмерное.
Результат кластеризации — отнесение банка к различным категориям преуспевания. Для каждого отдельно взятого исследования различных факторов необходимо строить свои SOM. Прогноз возможен лишь на основе анализа временного ряда оценок SOM. Новые SOM необходимы и для продления цепочки выводов, с подключением данных извне, например политического характера.
Такой подход, несомненно, эффективен и результативен. Но представляется, что по сравнению с потенциалом мозговых нейроструктур он сдерживает размах и смелость мысли, не позволяет «тянуть» длинные цепочки «посылка следствие», совмещать анализ с прогнозом, оперативно учитывать складывающуюся ситуацию и вводить в рассмотрение новые факторы и опыт экспертов. Следует согласиться с тем, что мозгу все это подвластно, и мы вновь обращаемся к его структурам, предлагая проект программных средств системы мониторинга.
Структура нейросети и способы обучения. Логические функции, лежащие в основе мониторинга, преимущественно основаны на конъюнкции логических значений переменных, отображающих диапазоны изменения параметров или показателей банков. В общем виде такая логическая функция имеет вид:
Представлены следующие показатели:
собственный капитал;
сальдированные активы;
ликвидные активы;
обязательства до востребования;
вклады населения;
коэффициент ликвидности;
бюджетные средства.
