АЛГОРИТМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ПРОГНОЗИРОВАНИЯ ПОКАЗАТЕЛЕЙ В ИНКАССАТОРСКОЙ ДЕЯТЕЛЬНОСТИ
Аннотация
Статья посвящена исследованию проблемы оптимизации работы банкоматов коммерческого банка на основе выявления спроса на наличные денежные средства. Обосновывается необходимость анализа и прогнозирования потока клиентов и сумм снятия наличных денежных средств в контексте повышения эффективности работы инкассаторской службы и повышения рентабельности банковского бизнеса. Изучаются методы прогнозирования оптимальных сумм загрузки банкоматов наличными денежными средствами. Анализируются существующие на рынке программные продукты. Рассматриваются временные ряды и методы их анализа. Отмечается, что полученные результаты могут иметь неточность из-за плохой адаптивности к изменениям, при случайном, а не циклическом характере колебаний. Обосновывается применение нейронных сетей для прогнозирования оборота наличных денежных средств в банкомате коммерческого банка. Исследуется и апробируется методика прогнозирования на основе многослойного персептрона и рекуррентной нейронной сети, выявляются достоинства и недостатки методов. Сделан вывод о том, что нейронные сети характеризуются неточным предсказанием оптимальных сумм загрузок в дни непредсказуемого потока клиентов. Применен метод прогнозирования с минимизацией функции потерь. Отмечено, что он дает наиболее точный прогноз и возможность определять оптимальные суммы даже в дни повышенной активности пользователей банкоматов.
Литература
Open machine learning course. Time series analysis using Python. https://habr.com/ru/companies/ods/articles/327242/. (in Russian).
Diederik Kingma, Jimmy Ba. Adam. A method for stochastic optimization. http://arxiv.org/licenses/nonexclusive-distrib/1.0/.
Astrakhantseva I.A., Kutuzova A.S., Morozov E.N., Astrakhantsev R.G. Crypto-assets functioning algorithms to determine the optimal taxation regime. Ivecofin. 2022. N01(51). P.131-137. DOI: 10.6060/ivecofin.2022511.593. (in Russian).
Astrakhantseva I.A., Kutuzova A.S., Astrakhantsev R.G., Artificial intelligence methods in commercial banks ATM cash turnover forecast. Scientific Works of the Free Economic Society of Russia.2019. Vol.218. N 4. Р. 481-488. (in Russian).
Astrakhantseva I.A., Kutuzova A.S., Astrakhantsev R.G., Forecast of regional inflation on the basis of machine learning methods. Scientific Works of the Free Economic Soci-ety of Russia. 2020. Vol. 223. N 3. Р.420-431. DOI: 10.38197/2072-2060-2020-223-3-420-431. EDN QAHOYN. (in Russian).
Astrakhantseva I.A., Kutuzova A.S., Khomyakova A.A., Akhmatov Kh.A. Realization and the methodology of internal control in higher educational institutions. Ivecofin. 2021. N 03(49). P.49-58. (in Russian).
Astrakhantseva I., Kutuzova A., Astrakhantsev R. Artificial Neural Networks in Inflation Forecasting at the Meso-Level.SHS Web of Conferences: III Internationalon New Industrialization and Digitalization (NID 2020). Ekaterinburg: EDP Sciences. 2021. P. 02005. DOI: 10.1051/shsconf/20219302005.
Astrakhantseva I., Ermolaev M., Kutuzova A. Sustainable Region Development Based on Inflation Forecasting: Adaptive Models Application. International scientific forum on sustainable development of socio-economic systems. (WFSDS 2022). P.313-319.
Wang Zh., Oates T. Time Warping Symbolic Aggregation Approximation with Bag-of-Patterns Representation for Time Series Classification. https://www.researchgate.net/publication/275970558_Time_Warping_Symbolic_Aggrega-tion_Approximation_with_Bag-of-Patterns_Represen-tation_for_Time_Series_Classification.
NCR Global. Cash optimization management. https://www.ncr.com/financial-services/cash-optimization-management.
Astrakhantseva I.A., Gerasimov A.S., Astrakhantsev R.G. Forecasting regional inflation by machine learning algorithms. Ivecofin. 2022. N 04(54). Р.6-13. DOI: 10.6060/ivecofin.2022544.620. (in Russian).
Gorev S.V. Methods and algorithms of artificial intelligence in the art work valuation. Ivecofin. 2022. N 04(54). Р.21-28. DOI: 10.6060/ivecofin.2022544.622. (in Russian).
Kushnirenko M.R. Algorithm development for assessing the creditworthiness of corporate borrowers in consideration factors of sustainable development. Ivecofin. 2022. N 03(53). Р.22-33. DOI: 10.6060/ivecofin.2022533.611. (in Russian).
Ermolaev M.B., Khomyakova A.A., Belova A.D., Serkova Ju.A. Development of an algorithm for intelligent decision support based on a systematic approach. Ivecofin. 2022. N 01(51). Р.138-146. DOI: 10.6060/ivecofin.2022511.594. (in Russian).
Lochan S.A., Zolotareva E.L., Korovin D.I., Fedyunin D.V. Study of experience in forecasting tourist flows using machine learning algorithms. Ivecofin. 2021. N 04(50). С.145-155. DOI: 10.6060/ivecofin.2021504.577 (in Russian).
Bobkov S.P. Approaches to simulation of queuing systems. Ivecofin. 2021. N 03(49). Р.130-134. DOI: 10.6060/ivecofin.2021493.559. (in Russian).
Kukukina I.G., Morozova A.A. Philosophy of controlling and semantics of financial management. Ivecofin. 2021. N 03(49). Р.69-77. DOI: 10.6060/ivecofin.2021493.552. (in Russian).
Makarenko E.A. Modeling tools to predict the bankruptcy of insurance companies. Ivecofin. 2021. N 02(48). Р.43-50. DOI: 10.6060/ivecofin.2021482.533. (in Russian).
Sizova O.V.,Makhalkina E.S. Increasing the efficiency of industrial enterprise management in the context of digitalization of the Russian economy. Ivecofin. 2021. N 01(47). Р. 140-151. DOI: 10.6060/ivecofin.20214701.527. (in Russian).
Kozlov A.V., Teslya A.B., Ivashchenko A.A. Creating an indicator system to survey the digitalization process of a nationaleconomy. Ivecofin. 2021. N 01(47). Р. 97-107. DOI: 10.6060/ivecofin.20214701.522. (in Russian).
