Павел Игоревич Толкунов
Руководитель отдела сопровождения экспортных продаж премиальных продуктов
Компания Уралхим
Москва, Россия
paschatol@mail.ru
Поступила в редакцию 12.10.2023
Принята 07.11.2023
Аннотация
Современный мировой экономический контекст обусловливает повышение значимости эффективных инвестиционных стратегий в пищевых комплексах, особенно в России, где данный сектор является краеугольным камнем экономики. В эпоху цифровизации ключевую роль в оптимизации инвестиционных процессов начинают играть нейронные сети и машинное обучение, обеспечивая качественный анализ больших данных и принятие обоснованных решений. Исследование основывается на применении искусственных нейронных сетей (ИНС) и методов машинного обучения, таких как сверточные нейронные сети (CNN) и алгоритмы обучения с подкреплением, для анализа и прогнозирования рыночных тенденций. Применялись следующие алгоритмы: линейная регрессия (Y = α + βX + ε), где Y – прогнозируемая переменная (например, рентабельность инвестиций), X – независимая переменная (например, объем инвестиций), а α, β – параметры модели. Для улучшения точности моделей использовались методы глубокого обучения с использованием слоев LSTM (Long Short-Term Memory) для анализа временных рядов. Применение ИНС и машинного обучения в экспертных системах принятия решений позволило достичь значительного улучшения точности прогнозов в инвестиционной деятельности пищевых комплексов России. Например, внедрение моделей на основе LSTM в одном из крупных молочных холдингов привело к повышению точности прогнозов рентабельности инвестиций на 17,3%. Кроме того, использование CNN для анализа потребительского спроса способствовало оптимизации ассортимента продукции и увеличению оборота на 22%.
Ключевые слова
нейронные сети, машинное обучение, экспертные системы, инвестиционные стратегии, пищевые комплексы, глубокое обучение, прогнозирование, рыночные тенденции, анализ больших данных, рентабельность.
Application of neural networks and machine learning in expert decision-making systems to optimize investment strategies of food complexes
Pavel I. Tolkunov
Head of Export Sales Support Department for Premium Products
Uralchem company
Moscow, Russia
paschatol@mail.ru
Received 12.10.2023
Accepted 07.11.2023
Abstract
The current global economic context determines the increasing importance of effective investment strategies in food complexes, especially in Russia, where this sector is the cornerstone of the economy. In the era of digitalization, neural networks and machine learning are beginning to play a key role in optimizing investment processes, providing high-quality analysis of big data and making informed decisions. The research is based on the use of artificial neural networks (ANN) and machine learning methods such as convolutional neural networks (CNN) and reinforcement learning algorithms to analyze and predict market trends. The following algorithms were used: linear regression (Y = α + βX + ε), where Y is a predicted variable (for example, return on investment), X is an independent variable (for example, investment volume), and α, β are model parameters. To improve the accuracy of the models, deep learning methods using LSTM (Long Short-Term Memory) layers for time series analysis were used. The use of INS and machine learning in expert decision-making systems has made it possible to achieve a significant improvement in the accuracy of forecasts in the investment activities of food complexes in Russia. For example, the introduction of LSTM-based models in one of the large dairy holdings led to an increase in the accuracy of ROI forecasts by 17.3%. In addition, the use of CNN to analyze consumer demand contributed to the optimization of the product range and an increase in turnover by 22%.
Keywords
neural networks, machine learning, expert systems, investment strategies, food complexes, deep learning, forecasting, market trends, big data analysis, profitability.
Читать статью
