Введение к работе
Актуальность темы исследования. В условиях мирового финансового кризиса и увеличения требований к масштабам и темпам роста экономики для выхода из него, а также достижения прибыльности на российском рынке (в частности на рынке ценных бумаг) становятся актуальными вопросы планирования и принятия оперативных управленческих решений на основе прогнозирования.
Исследования обусловлены необходимостью развития нейросетевого прогнозирования волатилыюсти курсов акций, как нового инструментального метода, позволяющего повысить точность предсказания и воспроизводить чрезвычайно сложные зависимости. Кроме того, нейронные сети справляются с «проклятием размерности», которое не позволяет моделировать линейные зависимости в случае большого числа переменных, что обуславливается необходимостью использования на практике новых технологий. Существенными составными частями, которых являются нейронные сети и генетические алгоритмы, позволяющие прогнозировать структуру неоднородных временных рядов.
Предсказание финансовых временных рядов - необходимый элемент любой инвестиционной деятельности. Сама идея инвестиций - вложения денег сейчас с целью получения дохода в будущем - основывается на идее прогнозирования будущего. Соответственно, предсказание финансовых временных рядов лежит в основе деятельности всей индустрии инвестиций, в том числе биржевых и небиржевых систем торговли ценными бумагами.
Использование нейронных сетей в прогнозировании требует большого объема математических расчетов, выполнение которых невозможно без эффективных способов организации и проведения вычислений. Анализ известных подходов, используемых при разработке высокоскоростных вычислительных средств, показал, что все они построены на применении тех или иных форм параллельной обработки данных. 1 Іозтому для решения проблемы быстродействия и точности вычислений в нейронных сетях предлагается использование высокопроизводительных инструментальных средств, основанных на аппарате модулярной арифметики.
Таким образом, в связи с тем, что в рамках классического подхода не удается получить существенного улучшения качества прогнозирования курсов акций на фондовом рынке, актуальным является совершенствование методик прогноза волатильности курсов акций, применение и адаптация инструментальных средств нейросетевого прогнозирования, что и явилось предметом нашего диссертационного исследования
Степень изученности проблемы. Большой вклад в развитие методологии прогнозирования внесли такие ученые, как Д. М. Гвишиани и В. А. Лисичкин. Некоторые авторы, например Э. Яныч, X. Тейль, А. Апполов и другие пытались классифицировать известные прогнозы.
Теоретические основы нейроматематики были заложены в 1943 году У. Маккалохом и У. Питтсом, которые сформулировали основные положения нейротеории и разработали модель нейрона. Серьезное развитие нейрокибернети-ка получила в работах Ф. Розенблата, который в 1958 году он предложил свою модель нейронной сети. Новый виток быстрого развития моделей нейронных се-
тей связан с работами Амари, Андерсона, Карпентера, Кохена и особенно Хопфил-да, положившего начало совремеїшому математическому моделированию нейронных вычислений в 1982 год}', в которых была сформулирована математическая модель ассоциативной памяти на нейронной сети с использованием правила Хеббиана для программирования сети. Развитием модели Хопфилда для решения комбинаторных оптимизационных задач и задач искусственного интеллекта является машина Болыгмана, предложенная и исследованная Джефери Е. Хинтоном и Р. Земелом.
Среди отечественных ученых можно выделить Барцева С. И., Охони-на В. А., Гольцева А. Д., Иванченко А. Г., Картавцева В. В., Куссуль В. М, Ма-саловича А. И., Минского М, Червякова Н.И. и др.
Существует потребность в дальнейшем изучении данной проблемы, необходимость совершенствования инструментария оценки прогнозных расчетов и разработки нового программного обеспечения, что обусловило выбор темы исследования, его объект, предмет, цель и задачи.
Соответствие темы диссертации требованиям паспорта специальностей ВАК. Диссертация выполнена в рамках специальности 08.00.13 - Математические и инструментальные методы экономики, в соответствии с паспортом специальности п. 2.1. «Развитие теории, методологии и практики компьютерного эксперимента в социально-экономических исследованиях и задачах управления» и п. 2.8. «Развитие методов и средств аккумуляции знаний о развитии экономической системы и использование искусственного интеллекта при выработке управленческих решений».
Объектом исследования явились закономерности формирования, трансформации и динамики курсов акций на фондовых рынках.
Предметом исследования выступили в совокупности фундаментальный и технический анализ, как инструмент для принятия управленческих решений на основе прогнозирования курсов акций.
Цель диссертационного исследования заключается в выявлении фундаментальных факторов, влияющих на цен}' акций, а также повышении эффективности, надежности и практичности методов прогнозирования в результате использования нейронных сетей, как мощного самообучающегося инструмента для принятия инвестиционного решения.
Основные задачи исследования.
- описать природу, различные стороны и аспекты технического и фундамен
тального анализа;
- изучить теоретические особенности фундаментального и технического
анализа;
проанализировать фундаментальные факторы, влияющие на цену акций;
изучить разнообразие методов технического анализа;
провести обзор методов прогнозирования, выявить их достоинства и недостатки;
исследовать финансово-экономическую структуру рынка ценных бумаг;
адаптировать инструментальные средства и программные алгоритмы для прогнозирования волатильности курсов акций на фондовых рынках;
определить, типы и структуры нейронных сетей, используемых для прогнозирования динамики курсов акций. Оценить точность и качество прогнозов;
- сделать сравнительную оценку качества прогнозирования классических методов и основанных на нейронных сетях.
Теоретнко-мстодолопріеская основа исследования. Теоретической и методологической основой являются принципы научного познания, научные достижения, отражённые в публикациях отечественных и зарубежных учёных в области экономики, оценки и анализа управления рынком ценных бумаг, а также прогнозирования неоднородных финансовых временных рядов.
В работе использованы методы логического, статистического, сравнительного анализа. Кроме общетеоретических методов исследования, в работе, для построения экономико-математических моделей, использованы методы оценки прогнозных расчетов, сценарного моделирования, факторного и графического анализа.
Информационно-эмпирическая база исследования включает данные динамики курсов акций российских компаний на ММВБ (Московской межбанковской валютной бирже), РТС. Нормативно-правовую базу диссертации составили Указы Президента РФ, постановления Правительства РФ, законодательные и нормативные документы и положения ФСФР (Федеральной службы по финансовым рынкам), регулирующие сферу финансовой деятельности на фондовом рынке, информационные ресурсы INTERNET, оригинальные материалы автора.
Концептуальная логика исследования заключается в том, что у инвестора есть два инструмента прогнозирования рынка ценных бумаг: технический и фундаментальный анализ, которые в совокупности являются мощным инструментарием для принятия инвестиционного решения. Фундаментальный анализ позволяет прогнозировать, когда рынок или отдельная акция переоценена или недооценена, а технический анализ, в свою очередь, позволяет предсказать рост, падение отдельной акции или всего индекса, вне его связи с остальными инструментами. Однако современные финансовые рынки меняются очень быстро, и технический анализ уже не позволяет в полной мере охватить основные характеристики рынка, что порождает необходимость поиска других, более современных подходов к анализу финансового рынка, способны находить оптимальные для данного инструмента индикаторы и строить по ним эффективную стратегию предсказания.
Рабочая гипотеза диссертационного исследования базируется на системе следующих взаимоувязанных теоретических положений, согласно которым рынки цепных бумаг непрерывно развиваются и представляют собой не окончательно сформированные и застывшие структуры, а постоянно развивающиеся организмы. Существующие методы прогнозирования курсов акций в недостаточной степени учитывают их волатильность, что позволило применить нейросетевую методологию, в основе которой заложена теория нелинейных адаптивных систем и нейронно-модулярный аппарат для решения задач предсказания финансовых временных рядов. На основании этого автор выносит на защиту ряд положений диссертации.
Основные положения диссертации, выносимые на защиту.
1. В диссертации исследованы методы фундаментального и технического анализа экономических параметров рынка ценных бумаг. Выявлено, что фундаментальный анализ изучает движение цен на макроэкономическом уровне и мо-
жег способствовать определению главного рыночного тренда, что зачастую бывает недостаточно. В этой области применяется технический анализ, основанный на следующей гипотезе — рыночные цены являются отражением желаний и действий всех участников рынка, в результате чего, цена и объём отражают каждую сделку на рынке.
-
Суть противоречий между сторонниками технического и фундаментального анализа состоит в эффективности применения методов той или иной теории, что не совсем корректно, так как причины реакции рынка, изучаемые данными теориями, имеют разную природу и использование методов фундаментального анализа более целесообразно для определения долгосрочной тенденции движения рынка и изучения внешних причин воздействия на него, а технического - для кратко и среднесрочных тенденций.
-
Для построения эффективной стратегии на финансовом рынке, необходимо учитывать его подчиненность определенным закономерностям. Если не известны статистические законы функционирования рынка, то невозможно получить достоверные прогнозы и, соответственно, заранее включать наиболее перспективные акции в инвестиционный портфель. Следовательно, необходимо разработать инструмент для получения достоверных прогнозов и использования их для выработки инвестиционных стратегий.
-
Использование нейронных сетей в прогнозировании требует большого объема математических расчетов, выполнение которых невозможно без эффективных способов организации и проведения вычислений. Анализ известных подходов, используемых при разработке высокоскоростных вычислительных средств, показал, что все они построены на применении тех или иных форм параллельной обработки данных. Поэтому для решения проблемы быстродействия и точности вычислений в нейронных сетях предлагается использование инструментальных средств, основанных на аппарате модулярной арифметики.
-
Применительно к области финансов на основе теории хаоса впервые был разработан принципиально новый подход к анализу рынка, отличный от «портфельной теории», которая скомпрометировала себя в финансовом кризисе 2008 года. Данный подход базируется на положении о том, что рынок предста&тяет собой сложную нелинейную систему с обратной связью, а характер группового взаимодействия участников рынка порождает хаотическую динамик}' цеп вследствие спорадического использования инвесторами информационного потока и, как следствие, возникновение квазистохастических временных интервалов их действия на рынках.
Научная новиша исследования состоит в том, что были выявлены основные фундаментальные факторы, влияющие на цену акций и систематизированы методы технического анализа по критерию используемых индикаторов, а также усовершенствованна методика прогнозирования волатильности курсов акций на базе нейронных сетей и включает в себя следующие элементы приращения научного знания:
- исследована практика работы профессиональных участников рынка, на базе чего адаптирована методика управления активами, основанная на строгой формализации процедур принятия инвестиционных решений. Существенными составными частями таких технологий являются нейронные сети, позволяющие
прогнозировать поведение показателей финансовых рынков, как нелинейных динамических систем;
предложена классификация методов прогнозировашія для существенного улучшения качества прогнозирования и совершенствования методик прогноза курсов акций на фондовом рынке, сочетающая достоинства теории хаоса, нейронных сетей и модулярной арифметики;
проведен анализ динамики курсов акций российских компаний, позволивший выявить факторы, влияющие на их волатилыгость и установить нецелесообразность применения процедуры перемешивания данных при обучении нейронных сетей;
разработана и обучена многослойная нейронная сеть, входными данными для прогнозирования неоднородных временных рядов в которой, явились сигналы индикаторов технического анализа, что позволило повысить точность прогнозирования до 98%;
выявлены недостатки нейросетевого прогнозирования, заключающиеся в невозможности оптимизации входного (обучающего и тестового) множества и архитектуры искусственной нейронной сети (ИНС), преодоление которых, позволило получить более точные прогнозы и готовые для практического применения финансовые стратегии;
построена структурная модульная схема программного комплекса, использующего нейросетевые методы прогнозирования финансовых рынков. Технологическая цепочка предложенной системы состоит из: создания проекта (торговой системы, стратегии) и описания ее ключевых параметров - настраивания параметров модулей, связанных с процессом обучения нейроэкспертов и получения результатов - запуска процессов оптимизации торговой системы (проекта) -поиска оптимальной архитектуры нейронных сетей - генерирования сигналов-приказов на вход/выход (торговлю).
Теоретическая значимость исследования состоит в демонстрации необходимости пересмотра некоторых допущений, используемых в стандартных моделях зарубежной финансовой экономики при разработке технологий поддержки принятия решений по управлению портфелем ценных бумаг на нестабильных развивающихся финансовых рынках. Основные положения и выводы, содержащиеся в диссертации, могут быть использованы для дальнейшего развития методологии прогнозирования временных рядов в условиях резких изменений основных параметров внешней среды.
Практическая значимость исследования заключается в возможности применения выявленных фундаментальных факторов и методов аналитиками, непосредственно на российском рынке акций и состоит в том, что полученные результаты могут быть применены в процессе управления фондовыми портфелями операторов российского рынка. Целесообразность практического использования полученных решений подтверждена при помощи тестов, доказавших их эффективность, а в ряде случаев - превосходство над имеющимися аналогами.
Апробация работы. Основные положения диссертационного исследования докладывались и обсуждались на международных, всероссийских и межрегиональных научно-практических конференциях «Проблемы развития мировых информационных ресурсов электронного бизнеса и инфотелекоммуникационных
систем и технологий» (Ставрополь, СГУ, 2006 г.), «Информационные системы, технологии и модели управления производством» (Ставрополь, СГАУ, 2007 г.), «Ломоносов - 2007» (Москва, МГУ, 2007 г.), «Устойчивое развитие региона в условиях экономической интеграции России в мировое хозяйство» (Ставрополь, СГУ , 2007 г.), «Экономика России в условиях глобализации и вступления в ВТО» (Краснодар, 2007 г.). «Проблемы управления экономикой в трансформируемом обществе» (Пенза, 2007), «Проблемы формирования и развития инновационного потенциала региона: опыт и перспективы» (Ставрополь, СГУ, 2007 г.), «Ломоносов - 2008» (Москва, МГУ, 2008 г.), «Актуальные проблемы экономического развития Ставрополья» (Ставрополь, СГУ, 2009 г.) и опубликованы в форме докладов и научных статей.
Публикации. По теме диссертации опубликовано 17 печатных работ общим объемом 3,2 п. л., в том числе автором: 2,1 п.л.
Объем и структура диссертационной работы. Работа состоит из введения, трех глав, списка используемых источников, заключения и приложений. Диссертация выполнена на 162 страницах основного текста, содержит 28 рисунков и 18 таблиц. Список использованных источников содержит 173 наименования отечественных и зарубежных авторов.
-
Основные принципы функционирования биржевых и внебиржевых торговых систем в России
-
Понятия и определения проблемы предсказания курсов акций 1.2. Классификация методов прогнозирования финансовых рынков
1.4. Использование систем с искусственной «памятью» для решения задач
прогнозирования
2.1 Предмет и методы фундаментального анализа
-
Технический анализ макроэкономической ситуации на рынке ценных бумаг
-
Моделирование и прогнозирование инвестиционной стратегии
-
Исследование динамики курсов акций «Ростелеком», «Лукойл» и «Сбербанк» в модуле STATISTICA Neural Networks
-
Адаптация программных нейросетевых пакетов
-
Обучение систем с искусственной «памятью» для решения задач прогнозирования волатильности курсов акций
3.4 Анализ результатов и методов повышения качества предсказаний
ЗАКЛЮЧЕНИЕ
Структура диссертационной работы:
