Инструменты искусственного интеллекта при оценке эффективности инвестиционного проекта

Кричевский М.Л.1, Мартынова Ю.А.1
1 Санкт-Петербургский государственный университет аэрокосмического приборостроения, Россия, Санкт-Петербург

 Скачать PDF | Загрузок: 68 | Цитирований: 12

Статья в журнале

Креативная экономика (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Том 12, Номер 8 (Август 2018)

Цитировать эту статью:

Кричевский, М. Л. Инструменты искусственного интеллекта при оценке эффективности инвестиционного проекта / М. Л. Кричевский, Ю. А. Мартынова // Креативная экономика. – 2018. – Т. 12, № 8. – С. 1105-1118. – DOI 10.18334/ce.12.8.39265
Krichevskiy, M. L., & Martynova, Y. A. (2018). Instruments of artificial intelligence in assessment of effectiveness of investment project. Creative Economy, 12(8), 1105-1118. https://doi.org/10.18334/ce.12.8.39265

Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=35384452
Цитирований: 12 по состоянию на 07.12.2023

Аннотация:
Приведены результаты оценки эффективности инвестиционного проекта, полученные с использованием нейронечеткой системы. В отличие от традиционных методов оценки эффективности проекта, которые плохо работают в условиях неполной информации, предложено использовать инструментарий, относящийся к "слабым" методам искусственного интеллекта. В качестве инструментов для решения задачи выбраны искусственная нейронная сеть и система нечеткой логики. Объединение этих технологий в гибридную нейронечеткую систему, сочетающую лучшие свойства указанных методов, позволило сформировать количественную оценку эффективности инвестиционных проектов. Продемонстрирована работа нейронечеткой системы типа ANFIS (adaptive neuro-fuzzy inference system), реализованная в программном комплексе MatLab R2012b. Выведено уравнение регрессии, связывающее входные параметры инвестиционного проекта с оценкой его эффективности, и проведено сравнение двух подходов к решению задачи.

Ключевые слова: оценка эффективности, инвестиционный проект, искусственный интеллект, нейронечеткая система

JEL-классификация: D81, С45, С65

Похожие статьи:

   Анализ инновационно-инвестиционной сбалансированности промышленной политики России в условиях цифровой трансформации с применением методов искусственного интеллекта (Фролов В.Г., Перова В.И.) // Вопросы инновационной экономики. № 1 / 2023

   Нейросетевые технологии и искусственный интеллект в методологии разработки национальных проектов высокотехнологических компаний Азиатского региона (Широковских С.А.) // Экономика Центральной Азии. № 3 / 2019

Источники:

1. Булгакова Л.Н., Литовка Г.Л. Методические аспекты оценки эффективности инвестиционных проектов // Управление экономическими системами. – 2014. – № 10(70). – С. 1. – url: https://cyberleninka.ru/journal/n/upravlenie-ekonomicheskimi-sistemami-elektronnnyy-nauchnyy-zhurnal.
Кричевский М.Л. Прикладные задачи менеджмента. / Монография. - Москва: Креативная экономика, 2018. – 210 с.
Методические рекомендации по оценке эффективности инвестиционных проектов. Niec.ru. [Электронный ресурс]. URL: http://www.niec.ru/Met/02redMR.pdf.
4. Орехова А.С.. Соколов М.А. Оценка эффективности инвестиционных проектов и выбор оптимального пути развития предприятия // Транспортное дело России. – 2012. – № 6. – С. 53-57. – url: https://cyberleninka.ru/article/n/otsenka-effektivnosti-investitsionnyh-proektov-i-vybor-optimalnogo-puti-razvitiya-predpriyatiya..
Грачева М.В., Секерин А.Б. Риск-менеджмент инвестиционного проекта. / учебник. - Москва: ЮНИТИ-ДАНА, 2009. – 544 с.
Рутковский Л. Методы и технологии искусственного интеллекта. Горячая линия - Телеком. [Электронный ресурс]. URL: http://www.techbook.ru/book.php?id_book=400.
Штовба С.Д. Проектирование нечетких систем средствами MATLAB. Горячая линия - Телеком. [Электронный ресурс]. URL: https://www.ozon.ru/context/detail/id/3179905.
Coppin B. Artificial intelligence illuminated. Sudbury. Jones & Bartlett Publishers. [Электронный ресурс]. URL: https://www.abebooks.com/9780763732301/Artificial-Intelligence-Illuminated-Jones-Bartlett-0763732303/plp.
9. Doskočil R. An evaluation of total project risk based on fuzzy logic. Verslas: Teorija ir praktika // Business: Theory and Practice. – 2016. – № 1. – С. 23-31. – doi: 10.3846/btp.2015.534.
10. Ingle M.M. // Imperial Journal of Interdisciplinary Research. – 2017. – № 6. – С. 107-111. – url: https://www.onlinejournal.in/IJIRV3I6/020.pdf.
11. Jang R. ANFIS :Adaptive-Network-Based Fuzzy Inference System // IEEE Transactions on Systems, MAN, and Cybernetics. – 193. – № 3. – С. 665-685.
Jang J-S. R., Sun C-T., Mizutani E. Neuro-Fuzzy and Soft Computing: A Computational Approach to Learning and Machine Intelligence. Prentice-Hall. [Электронный ресурс]. URL: https://www.dca.ufrn.br/~meneghet/FTP/anfis%2093.pdf.
Kecman V. Learning and Soft Computing - Support Vector Machines, Neural Networks, and Fuzzy Logic Models. [Электронный ресурс]. URL: https://mitpress.mit.edu/books/learning-and-soft-computing.
14. Mousavi J., Ponnambalam K., Karray F. // Fuzzy Sets and Systems. – 2007. – С. 1064–1082. – url: https://www.sciencedirect.com/science/article/pii/S0165011406004428.
15. Puryaev A., Puryaeva Zh., Mammaev R., Borisova L. Neural Networks in an Assessment of Investment Projects Efficiency // Ayer. – 2015. – № 4. – С. 6-10. – url: http://www.ayeronline.com.
Russell S., Norvig P. Artificial Intelligence: A Modern Approach. - Boston: Prentice Hall, 2010. – 1152 с.

Смотрите также:

  Будущее искусственного интеллекта и цифровых технологий в АПК (Шутьков А.А., Лясников Н.В.) // Экономика и социум: современные модели развития. № 4 / 2018

   Использование искусственного интеллекта для развития цифровой системы внутреннего аудита налоговых органов в России и регионе Центральной Азии (Деева Т.В.) // Экономика Центральной Азии. № 3 / 2019

   Глобальные тренды в развитии и регулировании технологий искусственного интеллекта (Асадуллина А.В., Белоусов В.С.) // Вопросы инновационной экономики. № 2 / 2023

   Экономико-правовые аспекты применения искусственного интеллекта в сфере социального обеспечения (Городнова Н.В., Жевняк О.В. и др.) // Экономика, предпринимательство и право. № 7 / 2025

   Интеграция инструментов искусственного интеллекта в систему стратегического менеджмента агробизнеса (Пантелеева Т.А.) // Продовольственная политика и безопасность. № 2 / 2021

Страница обновлена: 02.09.2025 в 15:38:09

 
 

 Download PDF | Downloads: 68 | Citations: 12

Instruments of artificial intelligence in assessment of effectiveness of investment project

Krichevskiy M.L., Martynova Yu.A.

Journal paper

Creative Economy (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Volume 12, Number 8 (August 2018)

Citation:

Krichevskiy, M. L., & Martynova, Y. A. (2018). Instruments of artificial intelligence in assessment of effectiveness of investment project. Creative Economy, 12(8), 1105-1118. https://doi.org/10.18334/ce.12.8.39265

Abstract:
The results of the analysis of the investment project with the help of a neuro-fuzzy system are presented. Unlike the traditional methods of evaluating the effectiveness of the project, which works poorly in conditions of incomplete information, it is proposed to use tools related to "weak" methods of artificial intelligence. As an instrument for solving the problem, an artificial neural network and a fuzzy logic system were chosen. Incorporation these technologies into a hybrid neuron-fuzzy system that combines the best properties of these methods has made it possible to form a quantitative assessment of the effectiveness of investment projects. The work of a neuron-fuzzy system of the type ANFIS (adaptive neuro-fuzzy inference system), implemented in the MatLab R2012b software package, is demonstrated. The regression equation connecting the input parameters of the investment project with the evaluation of its efficiency was derived and a comparison of the two approaches to the solution of the problem was made.

Keywords: investment project, efficiency evaluation, artificial intelligence, neuro-fuzzy system

JEL-classification: D81, С45, С65