Содержание к диссертации
Введение J
Глава 1. Модели анализа фондовых рынков 9
1.1 Инвестиционный анализ и модели рынка ?
Ї.2 Портфельный анализ (теория портфеля) 1.3 Анализ российского рынка ценных бумаг, и характеристики его
участников ^О
Глава 2. Технологии обработки статистической информации
фондового рынка. A3
-
Технический анализ
-
Нейронные сети 6-4 Глава 3 Построение моделей анализа и прогнозирования на фондовых рынках ^
-
Методы расчета фондовых индексов
-
Механические торговые системы
-
Построение нейросетевой модели 9?
Заключение ^2
Библиографический список использованной литературы 115
Поиложения 126
Введение к работе
Актуальность темы исследования. Становление отечественного рынка ценных бумаг дало в руки российских предпринимателей эффективные средства для развития своего дела. Прежде всего, с помощью выпуска ценных бумаг обеспечивается уникальная возможность быстрого создания крупных капиталов. Однако, появление в России с началом массовой приватизации реального рынка акций предприятий, а затем и долговых обязательств потребовало от его участников определенного уровня информированности и профессиональной подготовки. Сложная ситуация на фондовом рынке страны заставляет искать те модели развития, которые способны вывести российский рынок ценных бумаг из кризиса и обеспечить ему достойное место среди других рынков цивилизованных стран. Разработка теоретических и прикладных аспектов проблемы развития национального рынка ценных бумаг в современных политических, экономических и социальных условиях должна осуществляться в рамках глобальной стратегии общества и государства, на основе методов и принципов рыночного регулирования в сочетании с современными методами анализа. Большое значение в этом аспекте имеет научно-методическое обеспечение деятельности участников фондового рынка. Важнейшим инструментом такого обеспечения являются соврегиенные экономико-математические, включая статистические методы анализа и прогнозирования состояния фондового рынка.
Анализ зарубежной литературы по вопросам исследования финансовых инструментов бизнеса показывает, что наибольшее количество научных публикаций относится к экономико-статистическому анализу фондовых рынков и рынков долговых обязательств. Однако в отечественной практике статистическим методам анализа рынка ценных бумаг не уделяется должного внимания, о чем свидетельствует сравнительно небольшое число научных публикаций.
Повседневная практика финансовых рынков прибывает в некотором противоречии с академической точкой зрения, согласно которой изменение цен финансовых активов происходит мгновенно, эффективно отражая всю доступную информацию. В действительности же, само существование сотен маркетмэйкеров, трейдеров и фондовых менеджеров, работа которых состоит в том, чтобы делать прибыль, говорит о том, что участники рынка вносят определенный вклад в обитую информацию. Не секрет, что в своей работе участники рынка ценных бумаг не ограничиваются простыми линейными правилами принятия решений, а могут по-разному реагировать на сходную по содержанию информацию.
Один из возможных подходов многомерным и зачастую нелинейным информационным рядам финансового рынка заключается в том, чтобы по возможности использовать такие методы искусственного интеллекта как экспертные системы или нейронные сети.
На моделирование процессов принятия решений этими методами было потрачено много усилий. Оказалось, однако, что экспертные системы в сложных ситуациях хорошо работают лишь тогда, когда системе присуща внутренняя стационарность. Такое описание задач представляется совершенно неубедительной для финансовых рынков с их непрерывными структурными изменениями. В свою очередь нейронные сети предлагают новые многообещающие возможности для банков и других финансовых институтов, которым по роду своей деятельности приходится решать задачи в условиях небольших априорных знаний об исследуемом явлении.
В настоящее время ни один крупный банк США не обходится без использования нейронных сетей в своей аналитической деятельности. Так, например, одна из сфер применения нейросетевых алгоритмов для ряда ведущих банков стада проблема изменений позиции доллара США на валютном рынке при большом числе неизменных объективных факторов.
Все это обусловило выбор темы диссертационного исследования, ее актуальность в научном и практическом плане.
Цель и задачи исследования. Цель диссертационной работы состоит в разработке и апробировании методики статистического анализа и прогнозирования показателей рынка корпоративных ценных бумаг с применением нейросетевых алгоритмов.
В соответствии с поставленной целью в работе были поставлены я решены следующие задачи: технические стратегии анализа и прогноза курсов ценных бумаг на российском фондовом рынке; построение нейронносетевой модели прогнозирования динамики российского фондового индекса; построение многомерной регрессионной модели прогноза индекса РТС на основе входных данных, использованных для обучения вышеназванной нейронной сети и проведение сравнительного анализа качества результатов нейронносетевой и регрессионной моделей; проработка методики анализа влияния входных факторов на результаты нейронной сети;
Объект и предмет исследования
Объектом исследования в данной работе является российский фондовый рьшок, предметом исследования - совокупность показателей, характеризующих развитие рынка корпоративных ценных бумаг, в качестве количественного показателя которого был взят индекс российской торговой системы (РТС).
Информационной базой послужили официальные данные, публикуемые в компьютерной сети Internet российской торговой системой. Центральным Банком России, а также представленные информационным агентством АК& М.
Теоретической и методологической базой исследования явились труды отечественных и зарубежных ученых в области инвестиций, финансов и статистики, нейронных сетей, материалы научных конференций и совещаний по изучаемой теме. Для решения поставленных задач в работе наряду с традиционными статистическими методами использовались методы технического анализа Финансовых рынков, а также нейронносетевые технологии. При решении поставленных задач были использованы пакетьї прикладных программ STATISTICA, EXCEL, WORD, METASTOCK, NEUROSHELL.
Научная новизна диссертационного исследования состоит в разработке методики статистического анализа и прогнозирования фондового рьшка с применением методов технического анализа н математического аппарата нейронных сетей.
В диссертации сформулированы и обоснованы следующие положения, выносимые на защиту: классификация, подробное описание и методы применения технических индикаторов в качестве инструмента принятия решений на фондовом рынке. методика построения нейросетевых моделей прогнозирования на примере фондового индекса РТС от влияния экономических показателей России и мирового фондового рьшка. сравнительный анализ эффективности нейронных сетей с различной топологией в качестве инструмента прогнозирования временных рядов на основе многомерных данных. применение факторного анализа в качестве предобработки входных данных нейронной сети с целью уменьшения размерности входного вектора данных. сравнительный анализ качества прогноза полученного на моделях множественной регрессии и нейронной сети- методика анализа факторов оказавших наибольшее влияние на выход нейронной сети.
Практическая значимость работы заключается в возможности реального использования нейросетевых методов прогнозирования для работы на фондовых рынках. Предложенная модель нейронной сети была построена с учетом специфики российского фондового рынка и позволила получить значительное улучшение точности прогнозных оценок по сравнению с методами множественной регрессии. С другой стороны принципы, использованные при выборе входных параметров модели, содержат в своей основе обобщение опыта зарубежных специалистов по инвестиционному анализу и могут быть успешно применены на фондовых рынках других стран.
Полученные результаты позволили повысить эффективность управления капиталом, получить более высокий уровень прибыли, а также выявить некоторые зависимости между внутренними и внешними финансовыми показателями, определяющими динамику российского фондового рынка. Сделанные выводы могут представлять интерес для сотрудников и руководителей аналитических служб компаний работающих в сфере инвестиций.
Апробация работы
В основе данной работы лежат обобщенные результаты практической работы финансовой корпорации «С.А. и партнеры» на российском фондовом рынке.
Публикации
По основным положениям диссертаци опубликовано 4 статьи и одна монография.
Структура диссертации
Работа состоит из введения, трех основных глав, заключения списка использованной литературы и приложений, содержащих результаты компьютерной обработки исходных статистических данных.
Во введении обосновывается актуальность темы, определяется цель и задачи исследования, характеризуется научная новизна и практическая значимость работы.
В первой главе «Модели анализа фондовых рынков» отражены основные подходы и принципы анализа и прогнозирования событии на финансовых рынках. В частности, рассмотрены механизмы оценивания на основе рыночных циклов и циклов деловой активности, рассматриваются основы портфельной теории, дается анализ состояния российского фондового рынка и классификация его участников по уровню аналитического оснащения на 1996 год.
Во второй главе «Технологии обработки статистической информации фондового рынка» описаны методики прогнозирования курсов акций при помощи технического анализа, а также теоретические основы нейронных сетей и общим принципам построения нейросетевых моделей прогноза.
В третьей гиаве «Построение моделей анализа и прогнозирования на фондовых рынках» показываются методики применения средств технического анализа и нейросетевых технологий для прогнозирования на фондовых рынках. Проводится сравнительный анализ точности оценок полученных на нейросетевой и линейно-регрессионной моделях. Описывается методика анализа нейронной сети.
