Discrete and Continuous Models and Applied Computational ScienceDiscrete and Continuous Models and Applied Computational ScienceDiscrete and Continuous Models and Applied Computational Science2658-46702658-7149Peoples' Friendship University of Russia named after Patrice Lumumba (RUDN University)8505ArticlesСтатьиHybrid Information System for Estimation of Risks in Financial MarketsТехнологии создания распределённой информационной системы для оценки рисков на финансовых рынкахBogdanovA VБогдановАлександр ВладимировичInstitute for High Performance Computing and Information SystemsИнститут высокопроизводительных вычислений и информационных системbogdanov@csa.ruDegtyarevA BДегтярёвАлександр БорисовичКафедра компьютерного моделирования и многопроцессорных систем; Санкт-Петербургский государственный университет; Saint-Petersburg State UniversityКафедра компьютерного моделирования и многопроцессорных систем; Санкт-Петербургский государственный университетdeg@csa.ruGaraevI AГараевИгорь АлександровичКафедра компьютерного моделирования и многопроцессорных систем; Санкт-Петербургский государственный университетtigersp@mail.ruInstitute for High Performance Computing and Information SystemsИнститут высокопроизводительных вычислений и информационных системSaint-Petersburg State UniversityСанкт-Петербургский государственный университетСанкт-Петербургский государственный университет020320103.2NO3.2 (2010)№3.2 (2010)515708092016Copyright ©; 2010, Богданов А.В., Дегтярёв А.Б., Гараев И.А.2010Богданов А.В., Дегтярёв А.Б., Гараев И.А.http://creativecommons.org/licenses/by/4.0https://journals.rudn.ru/miph/article/view/8505Nowadays there exists a large variety of forecasting methods based on neural networks technologies which allow to adequately simulate the nonlinear processes with noisy data in slowly varying markets. However, in the conditions of strong turbulence they are not capable to promptly response to swiftly changing environment, and, hence, to market conjuncture changes. It has grown in a very serious problem, as the decisions accepted on the basis of these technologies can be resulted in movement of hundreds billion dollars in the financial markets, and any incorrectly revealed tendency can lead to large losses.We will notice that this problem has recently arisen due to joining of new world players to the common economics, and due to, as a consequence, decrease in controllability of the international system. In the presented work the dynamic approach will be considered which properly operates in swiftly changing markets. It is based on a combination of neural networks technologies with algorithms of quantum mechanics calculations.Сегодня существует множество методов прогнозирования, основанных на нейросетевых технологиях, которые хорошо позволяют моделировать нелинейные процессы с зашумленными данными на медленно меняющихся рынках. Однако в условиях сильной турбулентности они не способны быстро реагировать на изменяющиеся условия и, следовательно, на конъюнктурные изменения рынка. Это выросло в очень серьёзную проблему поскольку решения, принимаемые на основе этих систем, связаны с движением сотен миллиардов долларов, и любая неправильно выявленная тенденция ведёт к крупным потерям. Заметим, что эта проблема возникла совсем недавно, вследствие присоединения к мировой экономике новых мировых игроков и, как следствие, снижения управляемости международной системы. В данной работе будет рассмотрен метод (динамический подход), который работает на сильно изменяющихся рынках и основан на комбинировании нейросетевых технологии с алгоритмами квантовой механики (квантовых вычислений).forecasting methodsneural networks technologiesdynamicapproachquantum mechanics calculationsметоды прогнозированиянейросетевые технологиидинамический подходквантовые вычисления1.Voit J. The Statistical Mechanics of Financial Markets (Texts and Monographs in Physics). - Springer-Verlag, Berlin, 2001.2.Huang Z.-F. The First 20 Min in the Hong Kong Stock Market // Physica A. - 2000. - Vol. 287. - Pp. 405-411.3.Vaquero L. M. et al. A Break in the Clouds: Toward a Cloud Definition // ACM SIGCOMM Computer Communication Review. - 2009. - Vol. 39, No 1.4.Non-Stationary and Stationary Prediction of Financial Time Series using Dynamic Ridge Polynomial Neural Network / R. Ghazali, A. J. Hussain, N. M. Nawi, B. Mohamad // Neurocomputing. - 2009. - Vol. 72. - Pp. 2359-2367.5.Y.uml.u S., G.urgen F. S., Okay N. A Comparison of Global, Recurrent and Smoothed-Piecewise Neural Models for Istanbul Stock Exchange (ISE) Prediction // Pattern Recognition Letters. - 2005. - Vol. 26, No 13. - Pp. 2093-2103.6.Chiarella C., El-Hassan N., Kucera A. Evaluation of American Option Prices in a Path Integral Framework using Fourier-Hermite Series Expansions // Journal of Economic Dynamics & Control. - 1999. - Vol. 23. - Pp. 1387-1424.7.Гудман Ф. Г., Вахман Т. Динамика рассеяния газа поверхностью. - М.: Мир, 1980.8.Bogdanov A., Gevorkyan A. Quantum Chaos in the Framework of Complex Probability Processes. Thermodynamics of Nonrelativistic Vacuum. - Los Alamos National Laboratory e-print archive No. quantph/ 9810079.9.Nechaev Y. I. Principle of Competition at Neural Network Technologies Realization in On-Board Real-Time Intelligence Systems // Proceedings of First International Congress on Mechanical and Electrical Engineering and Technology "MEET-2002" and Fourth International Conference on Marine Industry "MARIND-2002". - Vol. 3. - 2002. - Pp. 51-57.