ISSN: 1896-382X | www.wnus.edu.pl/pl/epu/ DOI: 10.18276/epu.2016.123-07 | strony: 69-78
MARCIN HERNES, ANDRZEJ BYTNIEWSKI 8QLZHUV\WHW(NRQRPLF]Q\ZH:URFáDZLX1
INTEGRACJA WIEDZY W WIELOAGENTOWYM SYSTEMIE WSPOMAGANIA DECYZJI Z ZAKRESU E-FINANSÓW
Streszczenie
:LHG]D DJHQWyZ Z ZLHORDJHQWRZ\P V\VWHPLH ZVSRPDJDQLD GHF\]ML FHFKXMH VLĊ SHZQ\P SR]LRPHP KHWHURJHQLF]QRĞFL ]H Z]JOĊGX QD UyĪQRURGQRĞü ĨUyGHá GDQ\FK i metod wspomagania decyzji wykorzystywanych przez te agenty. .RQLHF]QD VWDMH VLĊ ZLĊF LQWHJUDFMD WHM ZLHG]y. &HOHP QLQLHMV]HJR DUW\NXáX MHVW RSUDFRZDQLH PHWRG\ LQWe-gracji wiedzy w wieloagentowym systemie wspomagania decyzji z zakresu e-finansów. :SLHUZV]HMF]ĊĞFLDUW\NXáXVFKDUDNWHU\]RZDQD]RVWDáDVWUXNWXUD UHSUH]HQWDFML ZLHG]\ Z V\VWHPLH 1DVWĊSQLH SU]HGVWDZLRQR RSUDFRZDQą PHWRGĊ LQWHJUDFML ZLHG]\ : RVWDt-QLHM F]ĊĞFL SU]HGVWDZLRQR Z\QLNL HNVSHU\PHQWX EDGDZF]HJR PDMąFHJR QD FHOX RFHQĊ HIHNW\ZQRĞFLV\VWHPXLRSUDFRZDQHMPHWRG\LQWHJUDFMLZLHG]\
6áRZDNOXF]RZH e-finanse, systemy wieloagentowe, integracja wiedzy.
Wprowadzenie
7XUEXOHQWQRĞüRWRF]HQLDJRVSRGDUF]HJRZ\PXV]DFRUD]F]ĊĞFLHMSRGHMPRZa-QLHGHF\]MLZF]DVLH]EOLĪRQ\PGRU]HF]\ZLVWHJRUyZQLHĪW\FKNWyUHRGQRV]ąVLĊ do e-ILQDQVyZ 'HF\]MD SRGHMPRZDQD Z WDN NUyWNLP F]DVLH ZLąĪH VLĊ ]DZV]H z pewnym U\]\NLHP:VSyáF]HĞQLHIXQNFMRQXMHZLHOHV\VWHPyZLQIRUPDW\F]Q\FK Z W\P V\VWHPyZ ZLHORDJHQWRZ\FK ZVSRPDJDMąF\FK SRGHMPRZDQLH tego rodzaju GHF\]ML MHGQDNĪH SU]HZDĪQLH RGQRV]ą VLĊ RQH GR MHGQHJR ] REV]DUyZ H-finansów (np. tylko do inwestycji lub tylko do EDQNRZRĞFL 'RGDWNRZR Z V\VWHPDFK W\FK DJHQW\ Z\NRU]\VWXMą UyĪQH ĨUyGáD GDQ\FK L UyĪQH PHWRG\ ZVSRPDJDQLD GHF\]ML W konsekwencji warianty decyzji przedstawiane przez poszczególne agenty PRJą
1
VLĊUyĪQLü:LHG]Dagentów FHFKXMHVLĊZLĊFSHZQ\PSR]LRPHPKHWHURJHQLF]QRĞFL 3RQLHZDĪMHGQDNZSURFHVLHGHF\]\MQ\PZ\PDJDQDMHVWMHGQDRVWDWHF]QDGHF\]MD to wiedza ta SRZLQQD E\ü DXWRPDW\F]QLH LQWHJURZDQD ,QWHJUDFMD SRZLQQD E\ü Ue- DOL]RZDQDZRGQLHVLHQLXGRGDQHJRREV]DUXDOHUyZQLHĪZRGQLHVLHQLXGRZV]\Vt-kich obszarów e-ILQDQVyZ 3U]\NáDGRZR MHĪHOL QD SRGVWDZLH SRVLDGDQHM ZLHG]\ DJHQW\ IXQNFMRQXMąFH Z RGQLHVLHQLX GR REV]DUX LQZHVW\FML Z\JHQHUXMą GHF\]MĊ VSU]HGDĪ\SDSLHUyZZDUWRĞFLRZ\FKWRDXWRPDW\F]QLHDJHQW\IXQNFMRQXMąFHZRd-QLHVLHQLXGRREV]DUXEDQNRZRĞFLPRJąSRGMąüGHF\]MĊo umieszczeniu posiadanego NDSLWDáXQDORNDFLH
,QWHJUDFMDZLHG]\PRĪHE\üGRNRQDna QDSU]\NáDG]XĪ\FLHPSHZQ\FKNU\We-riów lub funkcji oceny wiedzy poszczególnych agentów -HGQDNĪH Z SU]\SDGNX QLHZáDĞFLZHJROXEPDáRSUHF\]\MQHJRRNUHĞOHQLDW\FKNU\WHULyZOXEIXQNFML]ZLĊk- V]DVLĊSR]LRPU\]\NDZ\ERUXZDULDQWXNWyU\QLHJZDUDQWXMHRGSRZLHGQLHJRSo-ziomu satysfakcji ]SRGMĊWHMGHF\]ML/HSV]\PUR]ZLą]DQLHPPRĪHE\ü]DVWRVRZa-nie metod consensusu (Nguyen 2008) NWyUH UyZQLHĪ XPRĪOLZLDMą LQWHJUDFMĊ ZLe-G]\ 3U]\ F]\P Z PHWRGDFK FRQVHQVXVX ]DNáDGD VLĊ ĪH NDĪGD ]H VWURQ MHVW EUDQD SRG XZDJĊ NDĪGD ]H VWURQ NRQIOLNWX ÄWUDFL´ QDMPQLHM MDN W\ONR WR MHVW PRĪOLZH NDĪGD ]H VWURQ ZQRVL VZyM ZNáDG w consensus i wszystkie strony go DNFHSWXMą Decyzja Z\]QDF]RQD ]D SRPRFą W\FK PHWRG QLH PXVL E\ü ZLĊF GHF\]Mą VIRUPXáo-ZDQąSU]H]którykolwiek z agentówPRĪHE\üGRQLHMEDUG]R]EOLĪRQD&RQVHQVXV XPRĪOLZLD]DWHPLQWHJUDFMĊZLHG]\ZF]DVLHU]HF]\ZLVW\PLJZDUDQWXMHRVLąJQLĊFLH GREUHJR NRPSURPLVX SU]\ QLĪV]\P SR]LRPLH U\]\ND FR Z NRQVHNZHQFML PRĪH SURZDG]Lü GR Z\]QDF]HQLD GHF\]ML SU]\QRV]ąFHM GHF\GHQWRZL VDW\VIDNFMRQXMąFH NRU]\ĞFL
&HOHP QLQLHMV]HJR DUW\NXáX MHVW RSUDFRZDQLH PHWRG\ LQWHJUDFML ZLHG]\ w wieloagentowym systemie wspomagania decyzji z zakresu e-finansów. W pierw-V]HM F]ĊĞFL DUW\NXáX VFKDUDNWHU\]RZDQD ]RVWDáD VWUXNWXUD UHSUH]HQWDFML ZLHG]\ Z V\VWHPLH 1DVWĊSQLH SU]HGVWDZLRQR RSUDFRZDQą PHWRGĊ LQWHJUDFML ZLHG]\ : RVWDWQLHM F]ĊĞFL SU]HGVWDZLRQR Z\QLNL HNVSHU\PHQWX EDGDZF]HJR PDMąFHJR QD celu ocHQĊHIHNW\ZQRĞFLV\VWHPXLRSUDFRZDQHMPHWRG\LQWHJUDFMLZLHG]\
1. Reprezentacja wiedzy w systemie
Wieloagentowy system wspomagania decyzji z zakresu e-finansów zbudowa-Q\MHVW]QDVWĊSXMąF\FKHOHPHQWyZSRUU\V. 1):
1. .ROHNW\ZyZ ]HVSRáyZ DJHQWyZ VNáDGDMąF\FK VLĊ ] NLONX NRgnitywnych agentów programowych;
2. 0RGXáXLQWHJUDFMLZLHG]\Z\NRU]\VWXMąFHJR algorytmy consensusu; 3. 8Ī\WNRZQLNyZ
6\VWHPWHQ]RVWDáV]F]HJyáRZRVFKDUDNWHU\]RZDQ\ZDUW\NXOHÄ:LHORDJHQWo-wy system wspomagania decyzji z zakresu e-finansów”. .DĪG\ agent w ramach
danego kolektywu SU]HGVWDZLD VZRMą GHF\]MĊ Z SRVWDFL RNUHĞORQHM struktury wie-dzy. W rozpatrywanym systemie wykorzystano VWUXNWXUĊ RSUDFRZDQą Z DUW\NXOH (Hernes i Sobieska-.DUSLĔVNDNWyUDGHILQLRZDQDMHVWQDVWĊSXMąFR
Definicja 1
6WUXNWXUą ZLHG]\UHSUH]HQWXMąFąGHF\]MĊD VNRĔF]RQHJR]ELRUXDNW\ZyZ finanso-wych2
E
{
e
1,
e
2,
,
e
N}
QD]\ZDP\GRZROQ\FLąJWDNLĪH DT SP Z EW EW EW D { },{ r},{ }, , , , gdzie: 1. EW eo,peo , eq,peq ,, ep,pep . Dwójka e ,x pex , gdzie: exE oraz pex[0,1], oznacza VNáDGQLNDNW\ZyZ finansowych RUD]MHJRXG]LDá w zbiorze EW. Aktywa finansowee
x EW
EĊG]LHP\R]QDF]Düx
e .
Zbiór EW nazywamy zbiorem pozytywnym decyzji, tzn. jest to zbiór ak-tywów ILQDQVRZ\FKNWyUHQDOHĪ\Z\NRU]\VWDü
2. EWr er,per , es,pes ,, et,pet . Dwójka e ,x pex , gdzie: exE oraz pex[0,1], oznacza VNáDGQLNDNW\ZyZ finansowych RUD]MHJRXG]LDá w zbiorze EWr. Aktywa finansowe ex EWr EĊG]LHP\R]QDF]Düe .xr
Zbiór EWr nazywamy zbiorem neutralnym decyzji, tzn. jest to zbiór ak-tywów ILQDQVRZ\FK GOD NWyU\FK QLH PRĪQD RNUHĞOLü, F]\ MH Z\NRU]\VWDü, F]\WHĪQLHZ\NRU]\VWDü
3. EW eu,peu , ev,pev ,, ew,pew
. Dwójka e ,x pex , gdzie: exE oraz pex[0,1], oznacza VNáDGQLNDNW\ZyZ finansowych RUD]MHJRXG]LDá
w zbiorze EW. Aktywa finansowe ex EW EĊG]LHP\R]QDF]Düex. Zbiór EW nazywamy zbiorem negatywnym decyzji, tzn. jest to zbiór ak-tywów finansowych, których nie naleĪ\Z\NRU]\VWDü
4. Z[0,1] – R]QDF]DSURFHQWRZ\]\VN]SRGMĊWHMGHF\]ML 5. SP[0,1] – R]QDF]DVWRSLHĔSHZQRĞFL]\VNXZ. 6. DT – GDWDSRGMĊWHMGHF\]ML
8G]LDáHOHPHQWXGHF\]MLZGDQ\P]ELRU]HMHVWWRZDUWRĞü]]DNUHVX : GDOV]HM F]ĊĞFL UR]ZDĪDĔSU]HGVWDZLRQD ]RVWDQLH metoda integracji wiedzy reprezentowanej z wykorzystaniem struktury przedstawionej w niniejszym punkcie.
2 $NW\ZDREHMPXMąFHDNW\ZDSLHQLĊĪQHZ\QLNDMąFH]NRQWUDNWXSUDZR do otrzymania ak- W\ZyZSLHQLĊĪQ\FKSUDZRGRZ\PLDQ\LQVWUXPHQWyZILQDQVRZ\FK]LQQąMHGQRVWNąQDNRU]\Vt-Q\FK ZDUXQNDFK RUD] LQVWUXPHQW\ NDSLWDáRZH Z\HPLWRZDQH SU]H] LQQH MHGQRVWNL ĝZLGHUVND i :LĊFáDZ, s. 780).
2. Metoda integracji wiedzy
6FKHPDWSURFHVXLQWHJUDFMLZLHG]\SU]HNV]WDáFDQHMZGHF\]MH]RVWDáSU]HGVWa-wiony na rysunku 1.
Rys. 1. Schemat procesu integracji wLHG]\SU]HNV]WDáFDQHMZGHF\]MH ħUyGáR RSUDFRZDQLHZáDVQH
W celu realizacji integracji wiedzy w systemie wykorzystano metody consen-susu i opracowano DOJRU\WPG]LDáDMąF\ ZQDVWĊSXMąF\VSRVyE
1. :\]QDF]DQ\ MHVW FRQVHQVXV ZHGáXJ NU\WHULXP C1 oraz obliczany jest
NZDGUDW RGOHJáRĞFL PLĊG]\ FRQVHQVXVHP D SURILOHP L SU]\MPRZDQ\ MDNR minimum.
2. 'ODNDĪGHJRHOHPHntu zbioru E VSUDZG]DP\F]\Z\VWĊSXMHRQZGDQ\P ]ELRU]HZFRQVHQVXVLH-HĞOLZ\VWĊSXMHWRXVXZDP\JR]WHJR]ELRUXLOi- F]\P\NZDGUDWRGOHJáRĞFL-HĞOLMHVWZLĊNV]\WRSU]HFKRG]LP\GRQDVWĊp-QHJR]ELRUXMHĞOLMHVWPQLHMV]\WRSU]\MPXMHP\JRMDNRFRQVHQsus, a od-OHJáRĞüGRSURILOXMDNR PLQLPDOQą
3. -HĞOLHOHPHQWQLHZ\VWĊSXMH ZGDQ\P]ELRU]HZFRQVHQVXVLHWRREOLF]a-my, LOH UD]\ Z\VWĊSXMH Z W\P ]ELRU]H ZH ZV]\VWNLFK GHF\]MDFK SURILOX
. . . =HVSRá\NROHNW\Z\DJHQWyZ Stan wiedzy kolektywu 1 Stan wiedzy kolektywu 2 Stan wiedzy kolektywu n Decyzje wyznaczone w wyniku integracji wiedzy
8Ī\WNRZQLF\ Kolektyw 1 . . . . . . 0RGXáLQWHJUDFML wiedzy Kolektyw 2 Kolektyw n . . .
Komponent integracji wiedzy agentów poszczególnych kolektywów
-HĞOLQLHZ\VWąSLDQLUD]XWRSU]HFKRG]LP\GRQDVWĊSQHJR]ELRUXMHĞOLna- WRPLDVWZ\VWąSLFKRFLDĪUD]WRXPLHV]F]DP\JRZW\P]ELRU]HZFRQVHn-susie (w razie potrzeby eliminujemy z innego zbioru consensusu) oraz sprawdzamy, F]\RGOHJáRĞüRWU]\PDQHJRFRQVHQVXVXMHVWPQLHMV]DRGSo-SU]HGQLHJR-HĞOLQLHWR]RVWDZLDP\SRSU]HGQLFonsensus jako najlepszy, MHĞOLWDNWRSU]\MPXMHP\QRZ\FRQVHQVXVMDNRQDMOHSV]\, DRGOHJáRĞüGR profilu jako PLQLPDOQą
4. Po sprawdzeniu wszystkich zbiorów przechodzimy do kolejnego elementu zbioru E.
5. *G\ VSUDZG]RQH ]RVWDQą ZV]\VWNLH HOHPHQW\ ]ELRUX E, to przyjmujemy, ĪHFRQVHQVXV]ELRUyZ r
EW EW
EW , , ]RVWDáZ\]QDF]RQ\LZ\]QDF]a-P\FRQVHQVXVZDUWRĞFLZ, SP i DT.
6. 1DVWĊSQLH Z\]QDF]DQ\ MHVW REV]DU z którego GHF\]MD PRĪH SU]\QLHĞü QDMZLĊNV]\SR]LRPNRU]\ĞFLQDMOHSV]ąUHODFMĊVWRSD]ZURWXVWRSLHĔ pew-QRĞFL 'HF\]MD WD SU]\MPRZDQD MHVW MDNR RVWDWHF]QD L QD W\P DOJRU\WP NRĔF]\G]LDáDQLH
)RUPDOQDGHILQLFMDDOJRU\WPXSU]HGVWDZLDVLĊQDVWĊSXMąFR Algorytm 1.
Dane: Profil (zbiór) A= {A(1), A(2),.... A (M)
`VNáDGDMąF\VLĊ]M struktur wiedzy.
Wynik: Consensus CON CON,CONr,CON,CONZ,CONSP,CONDT
we-GáXJNU\WHULXPC2Z]JOĊGHPA.
START
Krok 1: 3U]\MPXMHVLĊ CON MDNRFRQVHQVXVZHGáXJNU\WHULXPC1.
Krok 2: ¦M i i Z Z M CON 1 1 . Krok 3: ¦M i i SP SP M CON 1 1 . Krok 4: ¦M i i DT DT M CON 1 1 niech
>
@
2 1 ) ( , : ¦ <M i i A CON d oraz j:=1.Krok 5: -HĪHOLej CON+ to CON’:=
^ `
ej CON CON CONZ CONSP CONDTCON\ , r, , , ,
PrzeMGĨ do: Krok 8, -HĪHOLej CON+to SU]HMGĨ do: Krok 6. Krok 6: -HĪHOLt+(j) = 0 to przeMGĨGR.URN
Krok 7: -HĪHOLej CON z oraz ej CONrlub ej CONrto
CON’:= CON
^ `
ej ,CONr\^ `
ej ,CON\^ `
ej ,CONZ,CONSP,CONDT , -HĪHOLej CON = toCON’:= CON
^ `
ej ,CONr,CON,CONZ,CONSP,CONDTKrok 8: -HĪHOL
>
@
2 1 ) ( , ' ¦ <M i i A CON < d to d:=>
@
2 1 ) ( , ' ¦ <M i i AKrok 9: -HĪHOLej CONr to CON’:=
^ `
ej CON CONZ CONSP CONDTCON
CON, r \ , , , , .
PrzeMGĨ do: Krok 12, -HĪHOLej CONrto przeMGĨ do: Krok 10. Krok 10: -HĪHOLtr(j) WRSU]HMGĨGR.URN
Krok 11: -HĪHOLej CON z oraz ej CON+ lub ej CON-to
CON’:= CON\
^ `
ej ,CONr^ `
ej ,CON\^ `
ej ,CONZ,CONSP,CONDT , -HĪHOLej CON = toCON’:= CON,CONr
^ `
ej ,CON,CONZ,CONSP,CONDT .Krok 12: -HĪHOL
>
@
2 1 ) ( , ' ¦ <M i i A CON < d to d:=>
@
2 1 ) ( , ' ¦ <M i i ACON oraz CON:=CON’
i przeMGĨ do: Krok 13. :SU]HFLZQ\PUD]LHSU]HMGĨGR.URN
Krok 13: -HĪHOLej CON- to CON’:=
^ `
ej CONZ CONSP CONDTCON CON
CON, r, \ , , , i przeMGĨ do:
Krok 16.
Krok 14: -HĪHOLt-(j) = 0 to przeMGĨ do: Krok 17.
Krok 15: -HĪHOLej CON z oraz ej CON+ lub ej CONrto
CON’:= CON\
^ `
ej ,CONr \^ `
ej ,CON^ `
ej ,CONZ,CONSP,CONDT . -HĪHOLej CON = toCON’:= CON,CONr,CON
^ `
ej ,CONZ,CONSP,CONDT .Krok 16: -HĪHOL
>
@
2 1 ) ( , ' ¦ <M i i A CON < d to d:=>
@
2 1 ) ( , ' ¦ <M i i ACON oraz CON:=CON’.
Krok 17: -HĪHOL j<N to j:=j+1. Przechodzimy do: Krok 2, w przeciwnym razie:
STOP.
STOP.
3. Eksperyment badawczy
&HOHP SU]HSURZDG]HQLD HNVSHU\PHQWX E\áR ]EDGDQLH HIHNW\ZQRĞFL opraco-wanego systemu 2FHQLRQD ]RVWDáD ZLHG]D NROHNW\ZX DJHQWyZ GRW\F]ąFD REV]DUX inwestycji oraz PRGXáXLQWHJUDFMLZLHG]\QD]ZDQHJRDJHQWHP6XSHUYLVRU. Wyko-U]\VWDQR GDQH ] QRWRZDĔ Z\EUDQHM VSyáNL JLHáGRZHM – Sygnity. Przeprowadzono WHVWZNWyU\PSU]\MĊWRQDVWĊSXMąFH]DáRĪHQLD
1. Wykorzystano notowania z trzech losowo wybranych okresów: – 08-12-2015 godz. 9.30 do 16-12-2015 godz. 17.00, – 17-12-2015 godz. 9.30 do 30-12-2015 godz. 17.00, – 04-01-2016 godz. 9.30 do 08-12-2015 godz. 17.00.
2. 2FHQLDQHVąQDVWĊSXMąFHDJHQW\ – Williams3,
– Bollinger4, – Fundamental5, – Supervisor.
3. 3U]\ ZHU\ILNDFML Z\NRU]\VWXMH VLĊ GHF\]MH V\JQDá\ NXS – ZDUWRĞü sprzedaj – ZDUWRĞü-1, pozostaw bez zmian – ZDUWRĞüwygenerowane przez agenty.
4. 3U]\MĊWR ĪH NDSLWDá SRF]ąWNRZ\ MDNL SRVLDGD LQZHVWRU Z\QRVL 3/1DMDNRVWRSĊ]ZURWX]LQZHVW\FMLSU]\MPXMHVLĊUyĪQLFĊSRPLĊG]\Wą NZRWą D NZRWą MDNą LQZHVWRU EĊG]LH SRVLDGDá SR RVWDWQLHM WUDQVDNFML VSU]HGDĪ\ZGDQ\PRNUHVLH6WRSD]ZURWXZ\UDĪRQDMHVWZMHdnostkach nominalnych (PLN). 5. 1LHXZ]JOĊGQLDVLĊNRV]WyZWUDQVDNFML 6. =DU]ąG]DQLHNDSLWDáHP– ]DáRĪRQRĪHZNDĪGHMWUDQVDNFMLLQZHVWRUDQJa-ĪXMHSRVLDGDQHJRNDSLWDáX6WUDWHJLD]DU]ąG]DQLDNDSLWDáHPPRĪH E\üXVWDORQDSU]H]XĪ\WNRZQLND
7. $QDOL]D MDNRĞFL ZLHG]\ NROHNW\ZyZ DJHQWyZ SU]HSURZDG]RQD ]RVWDáD ]Z\NRU]\VWDQLHPQDVWĊSXMąF\FKPLDUZVNDĨQLNyZ – VWRSD]ZURWXZVNDĨQLNx1), – OLF]EDWUDQVDNFML]\VNRZQ\FKZVNDĨQLN x2), – OLF]EDWUDQVDNFMLVWUDWQ\FKZVNDĨQLN x3), – VWRSD]ZURWXZSU]HOLF]HQLXQDWUDQVDNFMĊZVNDĨQLNx4), – ZVNDĨQLN6KDUSH¶DZVNDĨQLN x5) – SU]HFLĊWQ\ZVSyáF]\QQLN]PLHQQRĞFLUDWLRx6). :FHOXSRUyZQDQLDMDNRĞFLZLHG]\NROHNW\ZyZDJHQWyZwykorzystano na-VWĊSXMąFąIXQNFMĊ(Korczak, Hernes i Bac 2013):
))
1
(
)
1
(
(
a
1x
1a
2x
2a
3x
3a
4x
4a
5x
5a
6x
6y
.gdzie xiR]QDF]D ZDUWRĞFL ]QRUPDOL]RZDQH ZVNDĨQLNyZ Z\PLHQLRQ\FK
w pkt 6 od x1 do x6:EDGDQLXSU]\MĊWRĪHZVSyáF]\QQLNLa1do a6= 1/6.
3
Agent Williams funkcjonuje na podstDZLHZVNDĨQLND5:LOOLDPVDVáXĪąFHJRGRPo-QLWRURZDQLD L Z\FKZ\W\ZDQLD PRPHQWyZ SU]HZDUWRĞFLRZDQLDQLHGRZDUWRĞFLRZDQLD DNFML 3o-]LRP Z\NXSLHQLD QDMF]ĊĞFLHM Z\]QDF]D VLĊ QD Z\VRNRĞFL –90%, a poziom wyprzedania na Z\VRNRĞFL –20%. Decyzja kupna zostaje wygenerowana SU]\ Z]URĞFLH ZDUWRĞFL ZVNDĨQLND SRQDG SR]LRP Z\SU]HGDQLD 'HF\]MD VSU]HGDĪ\ ]RVWDMH Z\JHQHURZDQa SU]\ VSDGNX ZDUWRĞFL ZVNDĨQLNDSRQLĪHMSR]LRPXZ\NXSLHQLD(Kirkpatrick i Dahlquist 2006). 4 $JHQW%ROOLQJHUIXQNFMRQXMHQDSRGVWDZLHZVNDĨQLND%ROOLQJHU%DQGVZ\]QDF]DMąFHJR REV]DUZNWyU\PSRZLQQDXWU]\P\ZDüVLĊFHQDLQVWUXPHQWX=DNáDGDVLĊĪHZSU]\SDGNXNXUVX SR]RVWDMąFHJRZWUHQG]LHKRU\]RQWDOQ\PZ\NUHVSRZLQLHQRVF\ORZDüSRPLĊG]\GZRPDZVWĊJa-PL%ROOLQJHUDJyUQąLGROQą:\MĞFLHOLQLLNXUVX SR]DWHQREV]DUHZHQWXDOQLH]EOLĪHQLHVLĊGR UDPLHQLDZVWĊJLR]QDF]DV\JQDáNUyWNRWUZDáHJRRGZUyFHQLDWHQGHQFMLZGáXĪV]\PWUHQG]LHKRUy-zontalnym (Bollinger 2001). 5 $JHQW)XQGDPHQWDOSU]HSURZDG]DDQDOL]ĊIXQGDPHQWDOQąUR]SDWU\ZDQHJRSDSLHUXZDr-WRĞFLRZHJRQDSRGVWDZLHDQDOL]\RSLQLLHNVSHUWyZ]QDMGXMąF\FKVLĊQDSRUWDODFKILQDQVRZ\FK
8. :\QLNL X]\VNDQH SU]H] EDGDQH DJHQW\ SRUyZQDQH ]RVWDá\ ] Z\QLNDPL benchmarku6Buy-and-Hold (B & H) – tabela 1.
3RGVXPRZXMąF wyniki oceny wiedzy kolektywu agentów i agenta Supervisor, PRĪQD]DXZDĪ\üĪHZUR]SDWU\ZDQ\FKRNUHVDFKLFKGHF\]MHJHQHURZDá\]DUyZQR zyski, jak i straty. W ocenie HIHNW\ZQRĞFLV\VWHPX QDOHĪ\ZLĊFEUDüSRGXZDJĊQLH tylko stRSĊ]ZURWXOHF]WDNĪHLQQHZVNDĨQLNLXZ]JOĊGQLDMąFUyZQLHĪSR]LRPU\]y-ND]ZLą]DQHJR]LQZHVW\FMąFRXPRĪOLZLD]DVWRVRZDQDZDUW\NXOHIXQNFMDRFHQ\
Tabela 1 =HVWDZLHQLHZDUWRĞFLZVNDĨQLNyZRFHQ\DJHQWyZZ\QLNLHNVSHU\PHQWX
Nazwa agenta Okres Stopa zwrotu Liczba transak-cji Stopa zwrotu w przelicze-niu na trans-DNFMĊ :VNDĨQLN Sharpa 3U]HFLĊWQ\ ZVSyáF]\QQLN ]PLHQQRĞFL Funkcja oceny zyskow-nych stratnych Williams 1 4,25 5 3 0,53 0,46 23,72 0,25 2 -93,68 4 7 -8,52 -1,03 14,18 0,18 3 45,17 4 1 9,03 0,57 6,44 0,50 Bollinger 1 11,10 5 2 1,59 0,64 18,29 0,51 2 -18,14 3 5 -2,27 -0,43 7,83 0,34 3 35,48 5 2 5,07 0,29 11,87 0,42 Fundamental 1 2,41 4 2 0,40 0,78 8,21 0,26 2 -30,75 1 3 -7,69 0,64 6,45 0,53 3 35,33 2 1 11,78 0,71 2,34 0,48 Supervisor 1 3,26 3 1 0,82 0,82 2,47 0,48 2 -2,97 2 1 -0,99 0,73 1,98 0,56 3 29,66 3 0 9,89 0,94 2,90 0,59 B & H 1 -35,41 0 1 -35,41 0 0 0,11 2 -83,78 0 1 -83,78 0 0 0,08 3 23,63 1 0 23,63 0 0 0,22 ħUyGáR RSUDFRZDQLHZáDVQH
W pierwszym RNUHVLH QDMOHSV]\P DJHQWHP RND]Dá VLĊ DJHQW %ROOLQJHU QDWo-PLDVW SR]RVWDáH DJHQW\ X]\VNDá\ Z\ĪV]ą RFHQĊ QLĪ RFHQD EHQFKPDUNu B & H. : GUXJLP RNUHVLH DJHQW 6XSHUYLVRU RWU]\PDá RFHQĊ Z\ĪV]ą QLĪ SR]RVWDáH DJHQW\ oraz benchmark % +5R]SDWUXMąFWU]HFLRNUHV, PRĪQD]DXZDĪ\üĪHUDQNLQJRFHQ NV]WDáWXMHVLĊSRGREQLHMDNZRNUHVLHGUXJLP
%LRUąFSRGXZDJĊZV]\VWNLHUR]SDWU\ZDQHRNUHV\, PRĪQDVWZLHUG]LüĪHQDj- F]ĊĞFLHM]RNUHVyZQDMZ\ĪHMRFHQLDQ\E\áDJHQW6XSHUYLVRUPLPRĪHQLH]Dw-sze stopa zwrotu uzyskDQD SU]H] WHJR DJHQWD E\áD QDMZ\ĪV]D 2FHQD WD Z\QLND MHGQDNĪH ] QLVNLHJR SR]LRPX U\]\ND ]ZLą]DQHJR ] LQZHVWRZDQLHP QD SRGVWDZLH
decyzji wygenerowanych w wyniku integracji wiedzy. Z kolei we wszystkich okre- VDFKQLVNRRFHQLDQ\E\áDJHQWWilliamsSRQLHZDĪSU]\VWRVXQNRZRGXĪ\PSR]Lo-PLHU\]\NDJHQHURZDáQLHZLHONLHVWRS\]ZURWX$JHQW)XQGDPHQWDORFHQLDQ\E\áQD ĞUHGQLPSR]LRPLHZHZV]\VWNLFKRNUHVDFK. 0RĪHWRZ\QLNDü]IDNWXJHQHURZDQLD niewielkiej liczby decyzji przez tego agenta.
Na podstawie wyników ekspeU\PHQWXEDGDZF]HJRPRĪQDZ\VXQąüZQLRVHN ĪH LQWHJUDFMD ZLHG]\ DJHQWyZ XPRĪOLZLD Z\]QDF]DQLH GHF\]ML SU]\QRV]ąFHM XĪ\t-NRZQLNRZLVDW\VIDNFMRQXMąFHNRU]\ĞFL
Podsumowanie
Funkcjonowanie wieloagentowego systemu wspomagania decyzji z zakresu e-finansów wymaga FLąJáHM, automatycznej integracji wiedzy agentów. Proces ten SR]ZDODQDZ\HOLPLQRZDQLHGHF\]MLZ\JHQHURZDQ\FKSU]H]F]áRQNyZkolektywu, NWyU\FKVWDQZLHG]\]RVWDáQLVNRRFHQLRQ\DZLĊFQDMF]ĊĞFLHMLFKGHF\]MHPRJąQLH SU]\QRVLü VDW\VIDNFMRQXMąF\FKNRU]\ĞFL']LĊNLWHPXZ\HOLPLQRZDQ\]RVWDQLHLFK ZSá\Z QD RVWDWHF]Qą GHF\]MĊ Z\]QDF]RQą ] Z\NRU]\VWDQLHP PRGXáX LQWHJUDFML wiedzy L SU]HGVWDZLRQą QDVWĊSQLH XĪ\WNRZQLNRZL 'RGDWNRZR RSUDFRZDQ\ DOJo-U\WPXPRĪOLZLDXZ]JOĊGQLHQLHZLHG]\GRGDQHMNROHNW\ZXSRQLHZDĪUR]SDWU\ZDQH VąVWDQ\ZLHG]\ZV]\VWNLFKF]áRQNyZNROHNW\ZX
'DOV]HSUDFHEDGDZF]HPRJąGRW\F]\üQDSU]\NáDGLPSOHPHQWDFMLDJHQWyZ SU]HSURZDG]DMąF\FK DQDOL]Ċ EHKDZLRUDOQą RUD] RSUDFRZDQLD ZLHORVWRSQLRZHM Pe-WRG\LQWHJUDFMLXZ]JOĊGQLDMąFHMGRVNRQDOHQLH wiedzy agentów.
Literatura
1. Bollinger J. (2001), Bollinger on Bollinger Bands, McGraw-Hill.
2. Bytniewski A., Chojnacka-Komorowska A., Hernes M., Matouk K. (2014),
Za- U]ąG]DQLHZLHG]ąZ]LQWHJURZDQ\FKV\VWHPDFKLQIRUPDW\F]Q\FK]DU]ąG]DQLD]Zy-korzystaniem agentów kognitywnych, „e-mentor”, 4 (56), s. 54–60.
3. Hernes M., Sobieska-.DUSLĔVND-, Application of the consensus method in
a multiagent financial decision support system, „Information Systems and
e-Business Management”, Springer, Berlin – Heidelberg.
4. Kirkpatrick C.D., Dahlquist J. (2006), Technical Analysis: The Complete Resource
for Financial Market Technicians, Financial Times Press.
5. Korczak J., Hernes M., Bac M. (2014), Performance evaluation of
decision-making agents in the multi-agent system, w: Proceedings of Federated Conference
6. Nguyen N.T. (2008), Advanced Methods for Inconsistent Knowledge Management, Springer-Verlag, London.
7. ĝZLGHUVND *.:LĊFáDZ:(red.) (2012).
6SUDZR]GDQLHILQDQVRZHZHGáXJSRl-VNLFK L PLĊG]\QDURGRZ\FK VWDQGDUGyZ UDFKXQNRZRĞFL, Difin/MAC sp. z o.o.,
Warszawa.
KNOWLEDGE INTEGRATION
IN A MULTI-AGENT E-FINANCE DECISION SUPPORT SYSTEM
Summary
A knowledge of agents in multi-agent decision support system is characterized by a certain degree of heterogeneity due to the variety of data sources and decision support methods used by these agents. Integration of this knowledge is therefore required. The aim of this paper is to develop a method for knowledge integration in multi-agent deci-sion support system for e-finance. A structure of knowledge has been characterized in the first part of paper. Next a developed method for knowledge integration has been presented. The research experiment aimed to evaluation of system and integration method efficiency has been described.
Keywords: e-finance, multi-agent systems, knowledge integration.
Translated by Marcin Hernes