DOI: https://doi.org/10.33917/es-5.185.2022.132-137

В статье дан анализ математического моделирования как методологии исследования финансов, которая на сегодня является довольно ограниченной и устаревшей. Изучены направления внедрения дополнительной методологии в области финансов — поведенческой науки. Раскрыта поведенческая методология для прогнозирования реакции инвесторов; рассмотрения общего вопроса о том, как финансовые рынки помогают стране в распределении ресурсов и обеспечении долгосрочной экономической стабильности; содействия улучшению процесса принятия финансовых и инвестиционных решений. Обоснована полезность внедрения поведенческих моделей в финансовую науку, что в сочетании с математическим моделированием позволит произвести существенные обновления в этой области.
Анализ, исследования, методология, математические модели, поведенческие модели, финансы.

Источники: 

1. Бухвалов А.В., Окулов В.Л. Классические модели ценообразования на капитальные активы и российский фондовый рынок. Часть 1. Эмпирическая проверка модели CAPM // Научные доклады. СПб.: НИИ менеджмента СПбГУ. 2006. № 36 (R).

2. Семенкова Е.В. Операции с ценными бумагами. М.: Поиск, 2005. С. 374.

3. Zaleznik A., Christensen S.R., Roethlisberger F.J. Motivation, Productivity and employee Satisfaction. Boston: Harvard University Graduate School of Business Administration, 1958.

4. Fama E., Miller M.H. Theory of Finance. Hinsdale: Dryden Press, 1972.

5. Simon H.A. Rationality as Process and as Product of Thought. Richard T. Ely Lecture // American Economic Review. May, 1978. Vol. 68. No. 2. P. 1–16. American Economic Association, 1978.

6. Herzberg F. Work and Human Nature. New York: World Publishing Co., 1966.

7. Maslow A. Motivation and Personality. New York: Harper & Bros, 1954; 1987.

8. Fourier J.B.J. The Analytical Theory of Heat, quoted in Herbert A. Simon’s book “Human Models”. New York, John Wiley & Sons, Inc., 1957.

9. Filer R., Maytal Sh., Simon J. “Risk Taking and Risk Aversion: A Stock Market Simulation Game”, unpublished paper read at the Eastern Financial Association Spring Meeting. April 21, 1979. Washington, DC.

DOI: 10.33917/es-5.171.2020.58-67

Современные математические модели экономики практически не учитывают человеческий фактор при принятии управленческих решений и проведении их в жизнь. Поэтому в настоящее время особую актуальность приобретает создание математической теории общей психологии человека, диалектического развития социума и макроэкономики. В работе описываются основные результаты математического моделирования психологического поведения так называемых цифровых двойников, являющихся психологическими аналогами человека, приводятся формулировки теорем, описывающих опасности искусственного интеллекта для человека с точки зрения психологии, предлагаются общие модели диалектического развития виртуального мира цифровых двойников, социума и макроэкономики

Источники:

1. Шарапов Ю.А. Математические модели эмоциональных роботов, способных забывать информацию: дис. … канд. физ.-мат. наук. Екатеринбург: УрФУ, 2019. 168 с.

2. Baxter P., Browne W. Memory as the substrate of cognition: A developmental cognitive robotics perspective. In: Johansson, B., Sahin, E., Balkenius, C. (eds.) // Proceedings of the International Conference on Epigenetic Robotics (EpiRob). 2010. P. 19–26.

3. Correia L., Abreu A. Forgetting and Fatigue in Mobile Robot Navigation // Advances in Artificial Intelligence — SBIA 2004 Lecture Notes in Computer Science. 2004. P. 434–443.

4. Kira Z., Arkin R. Forgetting bad behavior: memory for case-based navigation // 2004 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) (IEEE Cat. No.04CH37566).

5. Freedman S.T., Adams J.A. Filtering Data Based on Human-Inspired Forgetting // IEEE Transactions on Systems, Man, and Cybernetics, Part B (Cybernetics). 2011. N 6 (41). P. 1544–1555.

6. Anderson J.R., Lebiere C. The atomic components of thought // Psychology Press, Taylor et Francis Group, 2012.

7. Brown G.D.A., Chater N., Neath I. A temporal ratio model of memory // Psychol. Rev. 2007. July. Vol. 114. N 3. P. 539–576.

8. Alnajjar F., Zin I.B.M., Murase K.A Hierarchical Autonomous

Robot Controller for Learning and Memory: Adaptation in a Dynamic Environment // Adaptive Behavior. 2009. N 3 (17). P. 179–196.

9. Freitas A.A., De Carvalho A.A. Tutorial on Hierarchical Classification with Applications in Bioinformatics // In: D. Taniar (Ed.) Research and Trends in Data Mining Technologies and Applications, 2007. P. 175–208.

Статья посвящена памяти Мстислава Всеволодовича Келдыша, вся жизнь которого – доброе поучение для потомков, граждан России в новом веке, пример творческого отношения к каждому мгновению этой жизни, каждому помыслу и поступку. Это наследие для возрождения Родины.