В астрологической системе знаний принято две категории аспектов : мажорные и минорные.

К мажорным аспектам относятся такие угловые положения двух МЭАП , которые образуются путем деления круга (360 градусов) на числа равные 1, 2, 3, 4 и 6. Т.е это угловые положения кратные соответственно в 0, 180, 120, 90 и 60 градусов.

К минорным аспектам относят угловые положения двух МЭАП , которые образуются путем деления круга (360 градусов) на числа равные 5, 7, 8, 12, а также производных аспектов от этих секторов - 2/5, 3/5, 4/5 и т.д 2/7, 3/7, 5/7, 6/7, 3/8, 5/8, 7/8, 3/12, 5/12, 7/12, 11/12 . Т.е это угловые положения кратные соответственно в 72, 51.43 , 45, 30, 144, 216, 288, 102.8571, 154.2857 градусов и т.д.

Следует отметить, что здесь речь идет о долготных аспектах, образующихся при проекции положения МЭАП на плоскость эклиптики.

Дальнейшее изучение материала в предметной области, привело автора к пониманию того факта, что одними только широтными аспектами перечень списка астролометрических факторов влияния не исчерпывается.

Кроме того ручная обработка данных и построение моделей рынков, проводимых автором в программе Microsoft Excell, также оказалась громозкой и малоэффективной.

По этой причине в 2001 году, после посещения семинаров факультативного курса «Нейронные сети и генетические алгоритмы в инженерных и научных расчетах», проводимых в стенах НИИ ЯФ (МГУ г.Москва) для студентов 5-го курса Механико-Математического факультета МГУ, сотрудниками компании «Нейропроект» г.Москва, автор пришел к выводу о необходимости применения элементов искуственного интеллекта (нейронных сетей) для обобщения закономерностей и построения моделей рынков на основании использования астролометрической информации.

С этой целью автором была приобретена лицензированная копия программы NeuroShell 2, у компании «Нейропроект».

Надо отметить, что указанная программа реализует 19 архитектур нейронных сетей. После опробывания каждой из этих архитектур, автор пришел к выводу о наибольшей эффективности архитектуры нейронной сети, реализованной на базе алгоритма МГУА (метод группового учета аргументов).

Для подготовки астролометрических данных, подаваемых на вход нейронной сети, использовались эфемериды МЭАП, полученные с серверов NASA, которые являются общедоступной информацией.

В последствии, благодаря прочтению «Краткого введения в науку о Звездах» известного средневекового ученого астронома Абу

Машара (Абу Машар

Джафар ибн Мухаммад ибн Умар аль-Балкхи (Ja'far ibn Muḥammad Abū Ma'shar al-Balkhī, араб. أبو معشر جعفر بن محمد بن عمر البلخي ‎‎, 10 августа 787, Балх — 9 марта 886, Васит) — персидский математик, астроном и астролог), автор пришел к выводу о необходимости использования не только долготных аспектов для построения моделей рынков, но также и широтных аспектов, которые образуются между планетами, при их равном по амплитуде, и либо равном, либо противоположном по знаку, угловом отклонении от плоскости эклиптики. Такие аспекты называются параллель, либо контрпараллель соответственно.

Дополнение входных данных, используемых при построении моделей рынков еще и информацией об этих (широтных) аспектах привело к качественному скачку в точности прогнозирования, о чем автор неоднократно заявлял, преимущественно на форумах трейдеров в интернете.

Применение вышеописанной информации, наряду с информацией о положением МЭАП в равновеликих секторах пространства как по долготе (азимуту), так и по широте (углу места), позволило автору открыть очень интересный феномен.

Суть феномена состояла в том, что модели рынков, построенные с применением вышеописанной информации, «работали» таким образом, что уровень ошибки между данными, полученными при применении ранее построенной модели к новым данным эфемерид и данными торгов, которые имели место быть уже после создания вышеописанных моделей имели четко выраженные длительные (по 3-9 месяцев) участки стабилизации, т.е. такие участки, на которых ошибка (среднеквадратическое отклонение) между временным рядом прогноза (применение модели рынка) и самим рынком длительное время находилась внутри довольно узкого горизонтального корридора. Иными словами, словами, в первом приближении можно было констатировать, что производная ошибки на достаточно длительных временных участках была равна нулю.