Ключевым инструментом анализа и моделирования экономического развития является мониторинг социально-экономических показателей в разрезе субъектов РФ (далее – регионов) Основным поставщиком таких данных являются органы государственной статистики. Главная проблема, с которой сталкиваются статистики развитых стран, – это проблема коррекции статистических данных для малых (нерепрезентативных) выборок, которые обычно возникают из-за недостаточного финансирования выборочных обследований. В настоящей работе предложен новый метод анализа малых выборок, позволяющий получать достаточно точные оценки без уменьшения оперативности мониторинга. Он основан на современной методологии интеллектуального анализа данных, в том числе на алгоритмах структурно-классификационного анализа. Постановка задачи и описание метода даётся на примере данных мониторинга уровня безработицы в регионах.

Рассматриваются методы и алгоритмы классификационного анализа применительно к задачам, в решении которых значительная роль принадлежит экспертам. В некоторых прикладных задачах эксперты задают так называемую «содержательную» классификацию: названия и содержательные описания классов. Объекты тоже задаются только своим названием и/или содержательным описанием, т.е. не задано ни пространство признаков X, ни матрица близости между объектами. Требуется по этой информации провести классификацию множества объектов. В работе описывается алгоритм содержательно-экспертной классификации, решающий эту задачу.

В работе формально постановлена задача обработки информации с помощью агрегирования больших эмпирических графов; исследованы возможности точного и приближённого представления графа через его описание. Оптимизационный подход к построению размытой классификации распространён на задачу агрегирования. В рамках структурно-классификационной методологии анализа данных разработаны оригинальные алгоритмы решения задачи обработки информации с помощью агрегирования графов.

Методы классификационного анализа широко используются для решения разнообразных задач распознавания образов, автоматической классификации, экстремальной группировки параметров, анализа графов и др. Наиболее интересные как в теоретическом, так и в прикладном аспекте результаты были получены в рамках постановки задачи размытой автоматической классификации. Разработка методов решения задачи обработки экспертных оценок, особенно в ранговых и номинальных признаках, явилась стимулом для исследований по методам упорядоченной автоматической классификации, в том числе – размытой упорядоченной автоматической классификации. Работа посвящена исследованию задачи оценивания множества альтернатив в некоторой ранговой шкале как одной из задач классификационного анализа данных – построения упорядоченной размытой классификации. Рассмотрено два специальных класса таких классификаций – унимодальная и k-интервальная размытая упорядоченная классификация. Доказана важная теорема о том, что для произвольного частичного порядка размерности m всегда существует эквивалентная размытая упорядоченная классификация с числом уровней m+1. Разработаны алгоритмы размытой упорядоченной классификации, базирующиеся на общем алгоритме классификационного анализа данных. Эти алгоритмы использовались при решении ряда прикладных задач анализа и совершенствования социально-экономических и организационных систем управления, в том числе при обработке экспертных оценок и анализе ориентированных графовых структур.

Сегодня роль алгоритмических систем, которые постепенно вытесняют обычных трейдеров, совершающих сделки вручную, все более возрастает. И всё чаще возникают разговоры о том, что торговые роботы (ТР), используемые при высокочастотной торговле (ВЧТ), угрожают остальным участникам рынка. При использовании ВЧТ часто применяют различные манипуляционные схемы торговли, основанные на использовании опережающих информационных каналов, а также быстродействующих каналов передачи данных с целью необоснованного повышения котировок, с последующим их падением. Возникают элементы недобросовестной конкуренции. Работа высокочастотных трейдеров в миллисекундных диапазонах выставления ордеров значительно повышает риски возникновения технических сбоев В США кампания против роботов с особенной силой развернулась после резкого падения цен на фондовых рынках 6 мая 2010 года, которое, согласно основной версии, произошло из-за проблем, возникших в работе автоматизированных торговых систем. Тема получила развитие и в России. Следует отметить, что алгоритмическая торговля – это объективное требование сегодняшнего дня, которое расширяет возможности финансового рынка, однако в этом явлении есть множество недостатков, мешающих его развитию и способных создавать сложности для других участников рынка.