Найти

Результаты поиска

• СТОХАСТИЧЕСКАЯ МОДЕЛЬ КОГНИТИВНОГО РИСКА ТРЕЙДЕРОВ В УСЛОВИЯХ ВОЛАТИЛЬНОСТИ ДЕЦЕНТРАЛИЗОВАННЫХ РЫНКОВ

  Д. Г. Веселова , Н. Е. Сергеев

  189-199

  2025-12-30

  Аннотация ▼

  Настоящее исследование посвящено разработке стохастической модели когнитивного риска трейдеров как ключевого компонента интеллектуальной системы поддержки принятия решений (СППР) для децентрализованных криптовалютных рынков. Актуальность работы обусловлена спецификой DeFi-среды, характеризующейся высокой и нестационарной волатильностью, отсутствием централизованных механизмов стабилизации, асимметрией информации и значительным влиянием поведенческих факторов на принятие торговых решений. В данных условиях традиционные детерминированные и статические СППР демонстрируют ограниченную эффективность, поскольку не учитывают динамическое восприятие риска участниками рынка и связанные с ним когнитивные искажения. Целью исследования является формализация когнитивного риска трейдеров в виде стохастического процесса с эффектом памяти и интеграция соответствующей модели в архитектуру СППР, ориентированной на адаптивное управление риском. Для достижения поставленной цели разработано стохастическое дифференциальное уравнение, описывающее динамику когнитивного риска в зависимости от рыночной волатильности и текущих режимов рынка, а также вероятностное ядро переходов между рыночными состояниями, связывающее объективные рыночные характеристики с субъективным восприятием риска. Для оценки параметров модели предложен идентификационный каркас, основанный на алгоритме Expectation–Maximization в сочетании с фильтром частиц, что обеспечивает возможность работы с нелинейными и скрытыми состояниями системы. Методика исследования включает численное моделирование на синтетических данных, оценку параметров модели на реальных временных рядах криптоактивов, а также валидацию результатов с использованием схем walk-forward и purged
  K-fold. Качество вероятностных прогнозов оценивалось с применением метрик отрицательного логарифмического правдоподобия (NLL), Brier Score и ожидаемой ошибки калибровки (ECE). Экспериментальные результаты показали, что включение когнитивного стохастического слоя позволяет улучшить качество вероятностных прогнозов в среднем на 10–15%, снизить NLL на 8%, Brier Score на 11% и ECE на 35%, а также повысить точность предсказания ключевых переходов между рыночными режимами на 5–7 процентных пунктов. Полученные результаты подтверждают эффективность предложенной стохастической модели когнитивного риска и демонстрируют её применимость для построения адаптивных СППР в DeFi-сегменте. Разработанный подход может служить основой для дальнейшего развития предиктивных моделей поведения трейдеров и интеллектуальных систем управления риском в децентрализованных финансовых экосистемах.

• СТОХАСТИЧЕСКАЯ ДИНАМИЧЕСКАЯ МОДЕЛЬ ПОДВОДНОЙ БЕСПРОВОДНОЙ СЕНСОРНОЙ СЕТИ, ОСНОВАННАЯ НА ЛУВЕНСКОМ АЛГОРИТМЕ КЛАСТЕРИЗАЦИИ

  А.М. Маевский , В.А. Рыжов , Т. А. Федорова , И. В. Кожемякин , Н.М. Буров

  62-81

  2025-07-24

  Аннотация ▼

  Подводные беспроводные сенсорные сети (ПБСС) играют важную роль в мониторинге океанических процессов, подводной навигации, экологическом контроле и обеспечении безопасности. Однако особенности подводной среды, такие как высокая затухаемость сигналов, ограниченные ресурсы энергии и изменяющаяся топология сети, создают значительные сложности в организации эффективной передачи данных. Для оптимизации работы сети и продления ее срока службы используется метод кластеризации, позволяющий группировать узлы, снижать нагрузку на коммуникационные каналы и повышать энергоэффективность. Однако в условиях выхода из строя узлов сети статическая кластеризация становится неэффективной, что требует внедрения динамической рекластеризации. Процедура перераспределения ролей узлов и перестройки топологии сети позволяет сохранять устойчивость связи и минимизировать потери данных, учитывая энергетически баланс всей сети в целом. В данной работе исследуются современные подходы к кластеризации и рекластеризации в ПБСС с учетом энергетического баланса, вероятности отказов узлов и помех в среде передачи. Развитие адаптивных методов управления ПБСС является актуальной задачей, направленной на повышение надежности, энергоэффективности и долговечности подводных сетей связи. В статье представлена стохастическая кроссуровневая модель для динамических трехмерных ПБСС произвольной топологии. Модель использует: новую технику кластеризации/рекластеризации базирующуюся на лувенском алгоритме, протокол маршрутизации, построенный на методе Дейкстра и метод управления доступом к среде на основе расписания передач (TDMA). Предложенная модель функционирования ПБСС положена в основу разработанного имитационного комплекса, позволяющего проводить оценку эффективности и надежности сети с учетом нарушения связности и уязвимостей для ПБСС различного масштаба и назначения. В рамках исследований выполнен параметрический анализ систематических расчетов функциональных характеристик ПБСС. Результаты анализа показали, что предложенная имитационная модель обеспечивает увеличение времени автономной работы сети и снижение числа потерянных сообщений по сравнению с моделями других авторов.