Вводя эти переменные, мы предполагаем, что они содержат произвольное
число оттеночных значений, ранжированных по силе (слабости) в определенном
порядке. Носителем этих переменных может выступать единичный интервал.
Тогда под нечетким знанием можно понимать следующий формализм:
ЕСЛИ (a11X1 1 a22X2 2... aNNXN) aN+1N+1XN+1, (П1.29)
где ai, Xi .значения своих лингвистических переменных, i .значение переменной
принадлежности из , 1 .значение переменной связи из AND/OR, - терм-
значение переменной следования из .
Характерным примером нечеткого знания является высказывание типа:
«Если ожидаемое в ближайшей перспективе отношение цены акции к доходам по
ней порядка 10, и (хотя и не обязательно) капитализация этой компании на уровне
10 млрд. долларов, то, скорее всего, эти акции следует покупать». Курсивом
обозначены все оценки, которые делают это знание нечетким.
Поскольку нечеткое знание определяется через лингвистические переменные,
то и операции нечеткого логического вывода можно количественно определить на
базе операций с соответствующими функциями принадлежности. Однако
детальное рассмотрение этого вопроса мы опускаем.
С некоторых пор нечеткие знания начали активно применяться для
выработки брокерских рекомендаций по приобретению (удержанию, продаже)
ценных бумаг. Например, монография [139] рассматривает вопрос о
целесообразности инвестирования в фондовые активы в зависимости от характера
экономического окружения, причем параметры этого окружения являются
нечеткими значениями. На сайте [140] автор вышеупомянутой монографии
поддерживает бюллетень макроэкономических индикаторов и соответствующих
условий инвестирования на тех или иных рынках.
На нечетких знаниях могут быть организованы специализированные
экспертные системы, реализующие механизм нечетко-логического вывода.
Простейший пример такого рода системы мы находим на сайте [138], где
выработка опционной стратегии сопровождается нечеткой предварительной
оценкой характера рынка. В этом смысле также представляет интерес и
заслуживает упоминания работа [151].
