Для понимания того, какие преимущества дают предлагаемые методы анализа данных и прогнозирования, необходимо указать на
три принципиальные проблемы, возникающие при прогнозирова-
нии.
Первая проблема – это определение необходимых и достаточных
параметров для оценки состояния исследуемой предметной области.
Вторая проблема заключается в так называемом «проклятье раз-
мерности». Желание учесть в модели как можно больше показателей
и критериев оценки может привести к тому, что требуемая для ее
решения компьютерная система вплотную приблизится к «пределу
Тьюринга» (ограничению на быстродействие и размеры вычисли-
тельного комплекса в зависимости от количества информации, об-
рабатываемой в единицу времени).
Третья проблема – наличие феномена «надсистемности». Взаи-
модействующие системы образуют систему более высокого уровня,
обладающую собственными свойствами, что делает принципиально
недостижимой возможность надсистемного отображения и целевых
функций с точки зрения систем, входящих в состав надсистемы.
Для преодоления перечисленных проблем делаются попытки
применения таких разделов современной фундаментальной и вы-
числительной математики, как нейрокомпьютеры, теория стохасти-
ческого моделирования (теория хаоса), теория рисков, теория ката-
строф, синергетика и теория самоорганизующихся систем (включая
генетические алгоритмы) [123, 134]. Считается, что эти методы по-
зволят увеличить глубину прогноза за счет выявления скрытых за-
кономерностей и взаимосвязей среди плохо формализуемых обыч-
ными методами макроэкономических, политических и глобальных
финансовых показателей.
Представленное учебное пособие может быть рекомендовано
для студентов, аспирантов и преподавателей, занимающихся про-
блемами совершенствования методов и моделей прогнозирования, а
также вопросами их практической реализации.

---