В последнее время для исследования сложных систем управления стали широко использоваться структурно-классификационные методы интеллектуального анализа данных, базирующиеся на алгоритмах классификационного анализа [1]. Это объясняется тем, что многие крупномасштабные системы управления, в первую очередь организационно-административные, функционируют в условиях большой информационной размытости и неопределённости. В работе рассматриваются задачи анализа функционирования крупномасштабных систем управления. Считается, что такая система состоит из достаточно большого числа объектов, каждый из которых характеризуется многочисленным набором разнородных параметров. Основная идея предлагаемого метода решения подобных задач состоит в следующем. В отличие от большинства приложений, которые анализируют точные значения параметров, описывающих состояние каждого объекта системы, в данной работе предлагается исследовать лишь структуру взаиморасположения этих объектов в пространстве параметров. Такое интегральное описание объектов, входящих в крупномасштабную систему, позволяет существенно повысить эффективность анализа поведения системы, а также устойчивость и робастность процедур принятия управленческих решений. Для формализации такой задачи используется методология классификационного анализа данных.

В рыночной экономике постоянно идут процессы совершенствования и повышения эффективности процедур принятия решений. Примером такой тенденции могут служить процессы принятия решений в страховых компаниях. Новые организационные формы минимизации экономических рисков вызвали необходимость системных преобразований механизмов и процедур принятия решений, разработки механизма выработки компромиссных управленческих решений при проведении переговоров с корпоративными клиентами страховой компании. В работе предлагается механизм организации принятия решений в страховых компаниях, работающих, в основном, с корпоративными клиентами. В таких компаниях условия страхования не являются стандартными, а вырабатываются в ходе переговоров между компанией и клиентом. Для этой цели в работе используются методы структурной экспертизы, а также классификационные методы анализа сложноорганизованных данных.

В работе предложена методика сравнения параметров долевого типа, позволяющая строить группировку такого рода параметров. Для реализации методики была разработана специальная мера зависимости признаков долевого типа и на её основе разработан алгоритм структуризации такого типа параметров. Проведено компьютерное моделирование разработанного алгоритма, результаты моделирования подтвердили эффективность разработанного алгоритма, базирующегося на предложенной в работе мере зависимости признаков долевого типа.

Профессиональные участники рынка используют в техническом анализе (ТА) целый ряд различных индикаторов для прогнозирования цен. Поскольку принципы ТА достаточно подробно изложены в литературе, то обратим внимание лишь на тот факт, который сформулирован в одной из «аксиом» ТА, а именно, что в цене актива в данный момент времени отражены все возможные ситуации, которые известны участникам фондового рынка относительно данного актива. Это в свою очередь предполагает, что при одних и тех же внешних условиях (ситуациях) участники рынка будут вести себя одинаково. Заметим, что участники при работе на фондовом рынке располагают данными в виде ценовых графиков или временных рядов (ВР-Ц), отражающих цену торгуемого на бирже актива. При работе на фондовом рынке очень часто требуется производить анализ входных данных не только в их «исторической» последовательности, но и иметь возможность группировать их и сравнивать между собой согласно выбранным критериям. Для решения таких задач целесообразно использовать процедуру хеширования, в результате которой будут получены хэш-коды, с целью использования их в дальнейшем при поиске и группировке данных. В настоящей работе предлагается каждому анализируемому ВР-Ц поставить в соответствие ряд хэш-кодов (РХ-К), которые для каждого члена ряда ВР-Ц будут показывать рост или падение цены. Поскольку сами хэш-коды в данном случае представляют собой целые числа, то их последовательность позволяет выделить в динамике изменения цены биржевого актива одинаковые (типовые) группы членов ряда ВР-Ц. Под типовой группой будем понимать группу, в которой рост или падение котировочной цены осуществляется в одной и той же последовательности по времени. Другими словами, хэш-коды позволяют разделить исходный ряд ВР-Ц на сегменты одинаковой длины (с равным числом членов ряда в каждом сегменте) и разделить всё множество сегментов на типовые группы.

В последнее время для исследования крупномасштабных систем управления широко используются методы, алгоритмы и процедуры интеллектуального анализа. Описана методика формирования тестовых массивов данных для компьютерного моделирования алгоритмов ИОИ, прежде всего для алгоритмов многомерного классификационного анализа. Ряд алгоритмов интеллектуального анализа данных, в частности, существенно использует метод потенциальных функций. Специально для таких алгоритмов в работе даны рекомендации по выбору свободных параметров алгоритмов потенциальных функций.