У класичній теорії портфеля приймається гіпотеза щодо стаціонарності (тобто незмінності з плином часу) таких характеристик активів, як сподівана норма прибутку, дисперсія тощо. Але, як показують дослідження, це допущення часто порушується, тобто характеристики активів є функціями часу і при цьому залежність одних від часу є суттєвою, інших — про-являється дещо меншою мірою. Крім того, прийняття гіпотези щодо стаціонарності норм прибутків активів не дозволяє скорис-татись усією наявною інформацією, особливо у разі великої кіль-кості нестаціонарних станів ринку. У багатьох випадках отримані на основі достовірної інформації оцінки числових показників, обраних для інвестування активів (сподівані норми прибутку, ди-сперсії, коваріації норм прибутку тощо), неадекватно характери-зують відповідні випадкові величини та їх сукупність.
У подальших викладках пропонуються певні модифікації моделі Марковіца для різних інформаційних ситуацій. Для кожної з них визначається сутність такого поняття, як ефективні портфелі, розглядаються різні підходи до постановки задачі ви-бору портфеля з наперед заданими характеристиками та обґрун-товується можливість використання теоретико-ігрової концепції для розв’язання цієї задачі. Суттєвою перевагою теоретико-ігрових методів пошуку ефективного портфеля є їх конструктив-ність з погляду реалізації. Зазначимо, що базою для реалізації те-оретико-ігрових моделей є методи математичного програмуван-ня. Відповідні пакети прикладних програм входять у математичне забезпечення сучасної комп’ютерної техніки.
Одним з основних і найпридатніших для застосування підхо-дів до оцінювання параметрів імовірнісної моделі ринку і число-вих характеристик активів є використання ретроспективних да-них. Але при цьому потрібно пам’ятати, що отримані оцінки не є абсолютно надійними, що вони не є точним прогнозом майбутніх значень відповідних показників. Аналогічно не можна вважати, що оцінки, отримані на основі інших підходів (методів), є адеква-тним відображенням дійсності, тобто, що є істинними значення ймовірностей сценаріїв, можливі значення норм прибутків акти-вів для відповідних станів ринку, всіх числових характеристик активів і портфелів, що обчислюються на їх основі.
Запропоновані модифікації моделі Марковіца дозволяють ураховувати фінансові умови, що можуть задаватись в конкрет-них задачах, і тим самим обмежувати вибір типу портфеля.
Штучний нейрон та його складові.
Нервова система людини побудована з елементів (нейронів), має приголомшуючу складність. Близько 1011 нейронів беруть участь в приблизно 1015 передаючих зв'язках, що мають довжину метр і більше. Кожен нейрон володіє багатьма якостями, спільними з іншими елементами тіла, але його унікальною здатністю є прийом, обробка і передача електрохімічних сигналів по нервових шляхах, які утворюють комунікаційну систему мозку. Дендрити (входи нейрона) йдуть від тіла нервової клітини до інших нейронів, де вони приймають сигнали в точках з'єднання (синапсах). Прийняті синапсом вхідні сигнали підводяться до тіла нейрона. Тут вони підсумовуються, причому одні входи стимулюють активізацію нейрона, а інші – зниження його активності. Коли сумарна активність (збудження) нейрона перевищує деякий поріг, нейрон переходить в активний стан, посилаючи по аксону (виходу нейрона) сигнал іншим нейронам. В штучному нейроні сигнали передаються по зваженим зв’язкам (connection), з кожним з яких пов’язаний ваговий коефіцієнт (weighting coefficient) або вага. Штучний нейрон імітує в першому наближенні властивості біологічного нейрона. На вхід штучного нейрона поступає множина сигналів, які є виходами інших нейронів. Кожен вхід множиться на відповідну вагу, аналогічну його синаптичній силі, і всі виходи підсумовуються, визначаючи рівень активації нейрона.