Труды института системного программирования РАН
RUS  ENG    ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB  
Общая информация
Последний выпуск
Архив

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS



Труды ИСП РАН:
Год:
Том:
Выпуск:
Страница:
Найти






Персональный вход:
Логин:
Пароль:
Запомнить пароль
Войти
Забыли пароль?
Регистрация


Труды института системного программирования РАН, 2017, том 29, выпуск 4, страницы 269–282
DOI: https://doi.org/10.15514/ISPRAS-2017-29(4)-18
(Mi tisp249)
 

Эта публикация цитируется в 1 научной статье (всего в 1 статье)

Creating test data for market surveillance systems with embedded machine learning algorithms
[Создание тестовых данных для систем контроля и мониторинга рынка, содержащих встроенные алгоритмы машинного обучения]

O. Moskaleva, A. Gromova

Exactpro, LSEG
Список литературы:
Аннотация: Для правильной обработки информации о возможных сделках, проходящих через торговые платформы, выявления и предупреждения финансовых манипуляций, биржи устанавливают системы контроля и мониторинга данных. Эти системы получили широкое распространение за последние годы. Объемы и темпы торговли постоянно возрастают, увеличивается число разновидностей ценных бумаг. Финансовые регуляторы предъявляют все новые требования к торговым платформам. Из вышесказанного следует, что современные финансовые информационные системы в ближайшие годы будут продолжать совершенствоваться и активно использовать средства машинного обучения. Поэтому в последние несколько лет системы контроля и мониторинга рынка начинают внедрять модули интеллектуального анализа транзакций. Таким образом, интеллектуальные системы контроля и мониторинга рынка требуют усовершенствования подходов к их тестированию. Это связано с тем, что методы интеллектуального анализа данных формируют свои собственные зависимости между переменными. Тестовые сценарии должны разрабатываться таким образом, чтобы ожидаемый результат был понятен и предсказуем. Очевидно, что стандартные методы тестирования требуют модернизации. В представленной статье рассмотрены особенности современных интеллектуальных информационных систем, а также особенности их тестирования. В данном исследовании был разработан прототип модуля классификации финансовых манипуляций. Также предложены тестовые сценарии, позволяющие тестировать разработанный прототип. Данные сценарии состоят из нескольких типов, основанных на методологии классов эквивалентности. Разделение на классы эквивалентности было выполнено после анализа реальных данных. Прототип был протестирован с помощью выше обозначенных сценариев. Предложенный метод позволил выявить недостатки модуля классификации финансовых манипуляций.
Ключевые слова: тестовые данные, классы эквивалентности, системы контроля и мониторинга рынка, машинное обучение.
Реферативные базы данных:
Тип публикации: Статья
Язык публикации: английский
Образец цитирования: O. Moskaleva, A. Gromova, “Creating test data for market surveillance systems with embedded machine learning algorithms”, Труды ИСП РАН, 29:4 (2017), 269–282
Цитирование в формате AMSBIB
\RBibitem{MosGro17}
\by O.~Moskaleva, A.~Gromova
\paper Creating test data for market surveillance systems with embedded machine learning algorithms
\jour Труды ИСП РАН
\yr 2017
\vol 29
\issue 4
\pages 269--282
\mathnet{http://mi.mathnet.ru/tisp249}
\crossref{https://doi.org/10.15514/ISPRAS-2017-29(4)-18}
\elib{https://elibrary.ru/item.asp?id=29968658}
Образцы ссылок на эту страницу:
  • https://www.mathnet.ru/rus/tisp249
  • https://www.mathnet.ru/rus/tisp/v29/i4/p269
  • Эта публикация цитируется в следующих 1 статьяx:
    Citing articles in Google Scholar: Russian citations, English citations
    Related articles in Google Scholar: Russian articles, English articles
    Труды института системного программирования РАН
    Статистика просмотров:
    Страница аннотации:151
    PDF полного текста:121
    Список литературы:34
     
      Обратная связь:
     Пользовательское соглашение  Регистрация посетителей портала  Логотипы © Математический институт им. В. А. Стеклова РАН, 2024