Экономико-математические модели и инструментальные средства для прогнозирования динамики фондовых активов тема диссертации по экономике, полный текст автореферата

Ученая степень
кандидата экономических наук
Автор
Тычкин, Вадим Николаевич
Место защиты
Ростов-на-Дону
Год
2003
Шифр ВАК РФ
08.00.13

Автореферат диссертации по теме "Экономико-математические модели и инструментальные средства для прогнозирования динамики фондовых активов"

На правах рукописи

Тычкин Вадим Николаевич

ЭКОНОМИКО-МАТЕМАТИЧЕСКИЕ МОДЕЛИ И ИНСТРУМЕНТАЛЬНЫЕ СРЕДСТВА ДЛЯ ПРОГНОЗИРОВАНИЯ ДИНАМИКИ ФОНДОВЫХ АКТИВОВ (НА ПРИМЕРЕ ГОСУДАРСТВЕННЫХ ОБЛИГАЦИЙ)

Специальность: 08.00.13 - математические и инструментальные методы экономики

АВТОРЕФЕРАТ

диссертации на соискание учёной степени кандидата экономических наук

Ростов-на-Дону 2003

Работа выполнена в Ростовском государственном экономическом университете «РИНХ» на кафедре экономической • информатики и автоматизации управления

Научный руководитель: доктор экономических наук, профессор Хубаев Георгий Николаевич

Официальные оппоненты: доктор экономических наук, профессор Емельянов Александр Анатольевич

Защита состоится 10 ноября 2003 в 1600 часов на заседании диссертационного совета ДМ 212.209.03 в Ростовском государственном экономическом университете «РИНХ» по адресу: г. Ростов-на-Дону, ул.Б.Садовая, 69, ауд. №_.

С диссертацией можно ознакомится в научной библиотеке университета. Автореферат разослан 10 октября 2003 г.

Ученый секретарь диссертационного совета

кандидат экономических наук, доцент Васильева Марина Евгеньевна

Ведущая организация: Ростовский Государственный Университет

доктор экономических наук, доцент

Ефимов Е.Н.

\64o4

з

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. За последние годы прошло несколько этапов становления и развития фондового рынка, были подъемы, спады, тяжелейший кризис. Но, тем не менее, рынок рос, развивался. В настоящее время прибыль от арбитражных операций с ценными бумаги стала играть заметную роль в доходах предприятий, кредитных организаций, а также частных инвесторов. Рациональное поведение инвестора на рынке ценных бумаг позволяет получать дополнительные прибыли от вложений в финансовые инструменты, важное место среди которых занимают акции и облигации. Использование государственных облигаций в качестве финансовых инструментов позволяет минимизировать риск и обеспечить большую стабильность инвестиций, что важно при формировании портфеля ценных бумаг кредитной организацией, стремящейся минимизировать собственные риски. Чтобы эффективно действовать на фондовом рынке, необходимо правильно оценивать его состояние и происходящие на нем процессы, и в первую очередь осуществлять прогнозирование динамики котировок финансовых инструментов. Данное обстоятельство обуславливает актуальность разработки экономико-математических моделей прогнозирования динамики финансовых инструментов. Инвесторы проявляют заинтересованность в эффективных методах анализа и системах поддержки принятия инвестиционных решений. Таким образом, остро встает вопрос об автоматизации деятельности аналитиков инвестиционных компаний (ИК), о повышении качества информационного обеспечения лица, принимающего решение в ИК. Это объясняется, во-первых, тем, что рассматриваемая предметная область предъявляет повышенные требования к оперативности обработки и выдачи информации по запросам пользователей, и, во-вторых, решение многих задач (в том числе прогнозирование динамики финансовых инструментов), связанных с информационным обеспечением деятельности ИК, вручную невозможно из-за исключительно высоких трудозатрат. В тоже время

использование систем поддержки принятия решений позволяет не только снизить себестоимость выполняемых работ за счет экономии затрат живого труда, но и, главное, повысить качество принимаемых решений за счет ускорения процессов обработки и поиска нужной пользователю информации, то есть за счет повышения качества информационного обеспечения деятельности объекта управления - ИК. В последнее время в связи с использованием сети Internet стала возможной работа на фондовом рынке частных инвесторов из дома либо офиса. Интерес потенциальных инвесторов к осуществлению спекулятивных операций на фондовом рынке требует разработки новых и совершенствования старых методик прогнозирования и программного обеспечения. В процессе построения прогнозов динамики финансовых инструментов часто возникает проблема выбора аналитиком альтернативных алгоритмов и методик прогнозирования. Стоит задача выбора наиболее подходящего алгоритма, обеспечивающего достаточную точность расчета прогнозных значений последовательности исходных данных. Это обусловило необходимость оценки потребительского качества экономико-математических моделей прогнозирования динамики финансовых инструментов.

Степень разработанности проблемы. Потребности субъектов фондового рынка в промышленно развитых странах способствовали возникновению и развитию финансовой теории, а также теории инвестиций. Так, в работах таких зарубежных и российских исследователей, как У. Шарп, Д. Бейли, С. Шривастава, А. Эрлих, Т. Шатгелес, К.И. Рей, Дж. Синки, М.Фридман, П.Кругман, Т.Агапов, JI.O. Бабешко рассматриваются различные аспекты проблемы управления финансовыми и валютными рисками, механизмы развития процессов формирования спроса и предложения на финансовых рынках, применение экономико-математических моделей прогнозирования динамики финансовых инструментов. Вопросы разработки экономико-математических моделей прогнозирования динамики финансовых инструментов исследуются в работах таких исследователей, как К.Д. Льюис,

B.B. Круглов, A.JI. Сырчин, Т.Дж. Уотшем, Е.М. Четыркин; М. Песаран, Дж. Бокс, Г. Дженкинс. Однако вышеперечисленные работы слабо ориентированы на использование при разработке экономико-математических моделей адаптивных алгоритмов оценивания случайных последовательностей. Данное обстоятельство обуславливает необходимость дальнейшего развития экономико-математических методов прогнозирования динамики финансовых инструментов посредством интеграции имеющихся разработок с теоретическими подходами в области построения сложных систем на основе адаптивных алгоритмов оценивания случайных последовательностей, которые исследованы в работах Ю.Н. Прохорова, А.Г. Ивахненко, Б. Уидроу, В.Н. Фомина, С. В. Первачева и др. отечественных и зарубежных авторов.

Проблемы выбора и использования информационных систем поддержки принятия решений в инвестиционных компаниях рассматривались в работах В.П. Боровикова, Г.И. Ивченко, И.С. Меньшикова, А.Д. Первозванского, A.A. Макарова, однако нам не известны работы, посвященные исследованию проблем рационального выбора экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов. Таким образом, актуальность исследования также обусловлена отсутствием информационного и методического обеспечения для корректной сравнительной оценки потребительского качества экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов при осуществлении торговых операций на фондовом рынке.

Объектом исследования являются инвестиционные компании и кредитные организации, осуществляющие торговые операции на рынке государственных ценных бумаг (государственных облигаций).

Предметом исследования являются экономико-математические модели, описывающие динамику котировок фондовых активов (на примере государственнглх облигаций).

Цель и задачи диссертационного исследования. Целью исследования является разработка экономико-математических моделей и инструментальных средств для прогнозирования динамики финансовых инструментов -государственных ценных бумаг (государственных облигаций). Для реализации цели потребовалось решить следующие задачи-.

определить целесообразность осуществления арбитражных операций на рынке государственных ценных бумаг на основе исследования динамики финансовых инструментов (гос. облигаций) за период 2002г., сформировать выборки исходных данных для прогнозирования динамки финансовых инструментов на примере государственных ценных бумаг (государственных облигаций);

обосновать необходимость разработки экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов;

формализовать задачу оценивания параметров при адаптивном прогнозировании динамики финансовых инструментов; разработать - экономико-математические модели адаптивного прогнозирования динамики финансовых инструментов, а также осуществить практическую апробацию экономико-математических моделей адаптивного прогнозирования на подготовленных данных о котировках финансовых инструментов;

спроектировать и осуществить программную реализацию системы поддержки принятия решений для прогнозирования динамики финансовых инструментов;

определить критерии и осуществить сравнительную оценку потребительского качества разработанных экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов.

Теоретические и методологические основы исследования. Теоретическую основу исследования составили труды отечественных и

зарубежных ученых по экономике, по экономико-математическим моделям и методам, по эконометрике, по теории вероятностей и математической статистике, по оценке качества программных средств. Исследование опиралось также на современные работы, посвященные прогнозированию динамики временных рядов, на материалы конференций, на статьи в сборниках научных трудов и в периодической печати, информационные, аналитические и статистические материалы интернет-серверов компаний - участников фондового рынка.

Инструментарий исследования составили методы математической статистики, регрессионного анализа, теории вероятностей, линейной алгебры, теории оптимизации, теории информационных систем и обработки данных, метод групповых экспертных оценок, разработанная СППР для прогнозирования динамики финансовых инструментов, СУРБД Oracle 8i.

Эмпирическую базу исследования составили данные о значениях динамики котировок финансовых инструментов (государственных облигаций) Московской межбанковской валютной биржи, оценки, полученные в ходе опроса экспертов.

Диссертационная работа выполнялась в рамках пунктов 1.6 «Математический анализ и моделирование процессов в финансовом секторе экономики, развитие метода финансовой математики и актуарных расчетов» и 2.4 оРазработка систем поддержки принятия решений для оптимизации управления экономикой на всех уровнях» паспорта специальности 08.00.13 - математические и инструментальные методы экономики.

Научная новизна результатов исследования заключается в следующем: обоснована целесообразность разработки и использования экономико-математических моделей для прогнозирования динамики финансовых инструментов на основе алгоритмов адаптивного оценивания параметров случайных последовательностей, осуществлена формализация задачи

оценивания параметров при адаптивном прогнозировании значений случайных последовательностей;

разработана система поддержки принятия решений для прогнозирования динамики финансовых инструментов, включающая экономико-математические модели адаптивного прогнозирования динамики финансовых инструментов, которые обеспечивают расчет прогнозных значений с достаточной точностью в реальном режиме времени; осуществлена сравнительная оценка разработанных экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов по критерию точности расчета прогнозных значений;

проведен отбор критериев и сравнительная оценка потребительского качества разработанных экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов. Практическая ценность определяется тем, что разработанная система поддержки принятия решений, включающая в свою структуру реализованные экономико-математические модели адаптивного прогнозирования динамики финансовых инструментов, позволяет повысить уровень и качество анализа и прогнозирования динамики финансовых инструментов при осуществлении торговых операций на фондовом рынке. Выполненная в работе формализация задачи оценивания параметров при адаптивном прогнозировании значений случайных последовательностей может быть использована для проектирования экономико-математических моделей прогнозирования и разработки систем поддержки принятия решений при осуществлении торговых операций на фондовом рынке. Практическую ценность представляет также методика оценки потребительского качества экономико-математических моделей адаптивного прогнозирования, которая позволяет осуществлять сравнительный анализ экономико-математических моделей прогнозирования динамики финансовых инструментов.

Основные положения и результаты, выносимые на защиту:

1. Разработанная система поддержки принятия решений при осуществлении торговых операций на фондовом рынке, включающая экономико-математические модели адаптивного прогнозирования динамики финансовых инструментов и обеспечивающая достаточную точность расчета прогнозных значений динамики котировок финансовых инструментов.

2. Разработанные экономико-математические модели адаптивного прогнозирования динамики финансовых инструментов, оригинальные по своей структуре и обеспечивающие достаточную точность расчета прогнозных значений.

3. Результаты сравнительной оценки потребительского качества экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов с использованием метода групповых экспертных оценок, которые могут быть использованы для рационального выбора СППР и экономико-математических моделей прогнозирования.

4. Результаты сравнительной оценки экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов по критерию точности расчета прогнозных значений, которые показывают, что лучшими прогнозными свойствами обладает экономико-математическая модель адаптивного прогнозирования динамики финансовых инструментов с интерполяцией.

Апробация и внедрение результатов исследования. Основные положения и выводы диссертационной работы обсуждались на 1ГГ Московском международном молодежном форуме «Образование, занятость, карьера» (Москва, 25-30 октября 2001 г.).

Разработанная система поддержки принятия решений для прогнозирования.динамики финансовых инструментов успешно используется в Казначействе филиала «Ростовский» ОАО Банк «Павелецкий» г. Ростов-на-

Дону, для краткосрочного прогнозирования котировок финансовых инструментов, а также в инвестиционной компании ООО «ПК РуС» г. Москва при проведении консультаций и обучении инвесторов. Акты внедрения и использования научных результатов прилагаются к диссертации.

Публикации. Основные результаты исследований, изложенные в диссертации, опубликованы в 8 печатных работах 2.25 п.л. (лично автора 2.15 пл.).

Структура и объем работы отражает цель и задачи исследования. Диссертационная работа состоит из введения, трех глав, заключения, библиографического списка используемой литературы и приложений. Работа содержит 21 рисунок и 24 таблицы. Библиографический список используемой литературы включает 157 наименований.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертационного исследования, сформулированы цель и задачи исследования, определены объект, предмет и методология исследования, сформулированы положения и результаты, выносимые на защиту.

В первой главе «Анализ задачи прогнозирования динамики финансовых инструментов» выполнен анализ задачи прогнозирования динамики финансовых инструментов, рассмотрены различные методы и экономико-математические модели прогнозирования динамики финансовых инструментов, осуществлена характеристика фондового рынка и анализ рынка облигаций.

В работе показано, что важным элементом российского фондового рынка являются государственные ценные бумаги. Государственные ценные бумаги являются финансовым инструментом, обслуживающим государственный внутренний долг, и представляют собой облигации и векселя Министерства финансов РФ. "Рынок государственных ценных бумаг является исключительно важным элементом экономической структуры страны с рыночной экономикой.

Для государства он представляет собой механизм привлечения инвестиционных ресурсов, а для инвесторов является выгодным направлением вложения денежных средств. Выполненный анализ динамики рынка облигаций на предмет возможного осуществления спекулятивных операций показывает, что в 2002 году рынок государственных облигаций впервые с 1997 года вернул себе статус ориентира по процентным ставкам на долговом рынке. Произошло это, с одной стороны, благодаря макроэкономической стабилизации и-избытку рублевой ликвидности в финансовой системе, а с другой стороны, благодаря усилиям Минфина и Центробанка, пересмотревшим в прошедшем году заемную политику на внутреннем рынке, а также методы регулирования денежного рынка. В то время как в 2001 году реальная доходность государственных облигаций была отрицательной, в 2002 снижение темпов инфляции с 18.6% до 15.1% годовых вернуло реальную доходность вложений в госбумаги на положительный уровень. Использование государственных облигаций в качестве финансовых инструментов позволяет минимизировать риск и обеспечить большую стабильность инвестиций. Это играет важную роль при формировании портфеля ценных бумаг инвесторами, стремящимися минимизировать собственные риски. Рациональное поведение инвестора на рынке государственных ценных бумаг позволяет получать дополнительные прибыли от вложений в финансовые инструменты. Чтобы эффективно действовать на фондовом рынке, необходимо правильно оценивать его состояние и происходящие на нем процессы, необходимо осуществлять прогнозирование динамики финансовых инструментов. Учитывая особенности осуществления торговых операций на рынке ценных бумаг и большую динамику изменений котировок финансовых инструментов, одним из подходов к решению задачи прогнозирования динамики финансовых инструментов является разработка системы поддержки принятия инвестиционных решений, обеспечивающей краткосрочное- и среднесрочное прогнозирование с достаточной точностью. В работе показано, что использование технического анализа при прогнозировании динамики котировок гособлигаций не всегда дает

приемлемые результаты. Сутью технического анализа вообще является неточечный прогноз цены, а выявление существенно значимых разворотов движения цен. Недостаточность этих методов в том, что они не позволяют отражать действительный ход событий и конкретные причинно-следственные связи. Поэтому целесообразно для прогнозирования динамики финансовых инструментов использовать экономико-математические методы прогнозирования. В диссертационной работе осуществлена характеристика экономико-математических моделей применительно к прогнозированию динамики финансовых инструментов, таких как регрессионные и авторегрессионные модели, методы экспоненциального сглаживания, моделей нестационарных и стационарных временных рядов, нейросетевые алгоритмы прогнозирования, экспертные методы и д.р. На практике априорные сведения о динамике изменений котировок финансовых инструментов недостаточно полные, чтобы возможно было явно задать их экономико-математические модели. К тому же сложность решения данной проблемы обусловлена тем, что потоки данных котировок финансовых инструментов носят случайный характер и имеют высокий уровень волотильности. Также необходимо учесть такую особенность биржевой среды, как быстрое изменение ее свойств. Аналитик не имеет возможности постоянно исследовать и анализировать внешнюю среду в связи с ее большой динамичностью. Отмеченные особенности предметной области, а также отмеченные недостатки в рассматриваемых экономико-математических моделях и методах прогнозирования обусловили необходимость разработки новых моделей решение задачи краткосрочного и среднесрочного прогнозирования динамики финансовых инструментов. В работе показана целесообразность решения задачи прогнозирования динамики финансовых инструментов с использованием адаптивных алгоритмов прогнозирования. Разрабатываемые экономико-математические модели должны обеспечивать приемлемую точность расчета прогнозных значений, а также обеспечивать решение задачи краткосрочного и среднесрочного прогнозирования в реальном масштабе времени.

В работе акцентировано внимание на том, что в процессе построения прогнозов динамики финансовых инструментов часто возникает проблема выбора аналитиком альтернативных алгоритмов и методик прогнозирования. Стоит задача выбора наиболее подходящего алгоритма, обеспечивающего достаточную точность прогнозирования последовательности исходных данных. Сложность заключается в том, что потоки данных котировок финансовых инструментов носят случайный характер и алгоритмы прогнозирования для различных последовательностей исходных данных показывают различные результаты прогнозирования. Также при изменении длины упреждающего периода точность прогноза сильно варьируются. Это обуславливает необходимость решения задачи выбора наиболее подходящего алгоритма, обеспечивающего достаточную точность расчета прогнозных значений последовательности исходных данных. Данное обстоятельство потребовало осуществление формализации методики и осуществления сравнительной оценки рассматриваемых экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов по критерию точности расчета прогнозных значений. При оценке качества разработанных экономико-математических моделей прогнозирования динамики финансовых инструментов помимо точности расчета прогнозных значений необходимо учитывать также и потребительские свойства моделей как информационных продуктов. Выбор свойств, составляющих содержание понятия потребительское качество, достаточно широк и разнообразен и зависит от вида продукции. Поэтому, учитывая все особенности оценивания программных продуктов оценку потребительского качества разработанных экономико-математических моделей прогнозирования динамки финансовых инструментов целесообразно осуществлять с использованием экспертных методов. Также необходимо учитывать экономические аспекты качества, требования пользователей, поскольку потребители и разработчики смотрят на программу с разных точек зрения.

Вторая глава «Разработка экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов» посвящена разработке экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов.

В работе осуществлена формализация задачи оценивания параметров при адаптивном прогнозировании значений динамики финансовых инструментов. Одним из подходов к изучению случайных последовательностей динамики финансовых инструментов является рассмотрение их в контексте теории случайных процессов. Случайный процесс (СП), как семейство случайных величин (СВ), определяется вероятностными характеристиками - функциями плотности вероятностей, интегральными функциями распределения, моментными функциями и т.д.. Эти характеристики, если они известны априори, составляют математическую модель процесса. На практике априорные сведения о случайном процессах изменений динамики финансовых инструментов недостаточно полные, чтобы возможно было явно задать их вероятностные модели. Это обуславливает в качестве основы экономико-математических моделей использовать адаптивные алгоритмы прогнозирования. При построении экономико-математических моделей адаптивного прогнозирования случайных последовательностей может быть использован подход1, применяемый для предсказания речевых сигналов и позволяющий при прогнозировании обойтись линейным соотношением. В диссертационной работе рассматривается следующая постановка задачи: наблюдается реализация последовательности значений котировок финансовых инструментов хь в каждый момент I известны т значений последовательности, образующие вектор х/'"*"1. Требуется оптимально предсказать будущее значение х1+|. Задача линейного предсказания в работе определяется следующим соотношением:

(1)

' Прохоров К> Н Статистические модели и рекуррентное предсказание речевых сигналов - М Радио и связь, 1984 -358с

где а = [аь а2)... ат]т — вектор параметров, хм''"1 = [Хм, х^,--, х(.т]т - вектор исходных данных, Т - символ операции транспонирования, Ь < от -коэффициент,!;, - случайная составляющая процесса. Подобное представление (1) означает описание СП в классе дискретных процессов линейной авторегрессии. Этот класс процессов обеспечивает множество как стационарных, так и нестационарных моделей, которые адекватно описывают многие встречающиеся на практике временные ряды. С использованием авторегрессионной модели достаточно высокого порядка возможно аппроксимировать случайный процесс. С вычислительной точки зрения целесообразно решать задачи прогнозирования по рекуррентным соотношениям, имеющим место при увеличении на один шаг величины интервала наблюдения. Это означает, что оценка х,+1 в момент времени 1+1 должна формироваться по оценке х( в предшествующий момент времени I и новому наблюдению г(. Можно говорить также о последовательном (шаг за шагом) вычислении оценки.

При обработке котировок финансовых инструментов задачи оценивания имеют обычно адаптивный характер, так как параметры модели неизвестны априори и должны быть оценены совместно с Хм- При этом суть процесса адаптации состоит в следующем. Пусть для текущего значения ряда в некотором исходном состоянии времени рассчитывается прогнозное значение. На следующем шаге сравниваем результат прогнозирования с фактически реализовавшимся значением. Ошибка прогнозирования через обратную связь поступает на вход системы и используется для корректировки (адаптации) модели с целью большего согласования своего поведения с динамикой ряда. При этом осуществляется корректировка коэффициентов адаптации модели. Затем рассчитываем прогнозное значение на следующий момент времени и т.д. Адаптивное предсказание хи[ по данным предполагает и оценивание параметров. В этом смысле можно отождествлять оценивание параметров авторегрессионой модели, идентификацию этой модели и адаптивное предсказание процесса авторегрессии Х(+|.

В диссертационной работе осуществлена разработка трех экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов, отличие которых состоит в методах оценивая коэффициентов адаптации. При разработке алгоритма оценивания параметров случайной последовательности на базе адаптивной линейной фильтрации в качестве метода оценивания коэффициентов использовался градиентный метод. Параметры модели неизвестны априори и должны быть оценены. Задача состоит в том, чтобы находить оптимальных вектор коэффициентов адаптации только по текущим данным и оценкам. Для этого использован метод градиентного поиска, при котором на каждом шаге итерации изменяются все компоненты вектора коэффициентов адаптации. При этом все изменения осуществляются в направлении минимума ошибки предсказания на предыдущем шаге итерации. В качестве алгоритмической базы построения математической модели расчёта прогнозных значений с использованием градиентного метода оценки коэффициентов адаптации может быть использована модель адаптивного линейного фильтра, базирующаяся на схеме адаптивного линейного сумматора. К положительным сторонам предложенной математической модели расчёта прогнозных значений Х[+, следует отнести её рекуррентную форму, обеспечивающую эффективную вычислимость Х|+]

В ходе исследования разработан алгоритм адаптивного прогнозирования динамики финансовых инструментов на базе линейной фильтрации. Алгоритм позволяет осуществлять расчет прогнозных значений динамики финансовых инструментов с достаточной точностью. Структура алгоритма: 1. расчет прогнозных значений динамики финансовых инструментов для моментов времени 1+1,1+2........Д+Ы-1

X (* + !)= ^/МхУ -1.ЛГ),

X (/+2)= -2,ЛГ), (2)

X (/+ЛГ -1)= Б „V '(\,ыу,

2. расчет значений векторов - коэффициентов адаптации W|+l(n) и формирование матрицы WN(t+l)

1У VI = 1Гп(п) + [Дту;]т;п = О,..., N -1; где И\(и)=[»г(л,0),И'(иД),..., *Г(л,ЛГ-1)]; (3)

= [Д »Г ДО), А *Д1)..... ДГДЛГ -1)];

3. процесс адаптации определятся расчетом значений матрицы необходимой для оценивания коэффициентов адаптации

е —

в,-Г

(4)

На основе алгоритма адаптивного прогнозирования динамики финансовых инструментов на базе линейной фильтрации в диссертационной работе построена экономико-математическая модель адаптивного прогнозирования динамики финансовых инструментов с использованием линейной фильтрации.

В связи с тем, что реальная последовательность данных описывается моделью приближенно, линейное адаптивное предсказание приводит к мгновенной ошибке предсказания, поэтому представляется возможньм использовать критерий минимума среднеквадратическое отклонение для построения алгоритмов адаптивного прогнозирования с экстраполяцией и интерполяцией.

В диссертационной работе спроектирован алгоритм адаптивного прогнозирования динамики финансовых инструментов с экстраполяцией. Алгоритм позволяет осуществлять расчет прогнозных значений динамики финансовых инструментов с достаточной точностью.

Структура алгоритма представлена следующим образом:

1. расчет прогнозных значений для моментов времени 1+1,1+2,.......Д+Ы-1

= М?; (5)

2. расчет значений векторов - коэффициентов адаптации М, и формирование матрицы Мм(0

м, = м,_, + г^ХЦяЛ*,., (6)

>20

3. расчет значений матрицы У,, необходимой для оценивания коэффициентов адаптации

у, - ¥,ах;:г [1+(£<?, )г )г,_,х;:Г Г1 * (£-?, ОС-7 )т)у^ ■ а)

г ¿А гео

На основе алгоритма адаптивного прогнозирования динамики финансовых инструментов с экстраполяцией построена экономико-математическая модель адаптивного прогнозирования динамики финансовых инструментов с экстраполяцией.

В ходе исследования осуществлена разработка алгоритма адаптивного прогнозирования динамики финансовых инструментов с интерполяцией. Алгоритм позволяет осуществлять расчет прогнозных значений динамики финансовых инструментов с достаточной точностью. Структура алгоритма:

1. расчет прогнозных значений для моментов времени 1+1,1+2,.......1

(8)

2. расчет значений векторов - коэффициентов адаптации М, и формирование матрицы Мм^)

М,=м,.х -М1,;V)

гЮ

3. расчет значений матрицы У,, необходимой для оценивания коэффициентов адаптации

у, = г,-.-г,.,(Ея,кг-Г М1 нкгуъЕяж::? ттп'Х,. т

г!й г£0

На основе алгоритма адаптивного прогнозирования динамики финансовых инструментов с интерполяцией построена экономико-математическая модель адаптивного прогнозирования динамики финансовых инструментов с интерполяцией.

Третья глава «Оценка качества и сравнительный анализ экономико-математических моделей прогнозирования динамики финансовых инструментов» посвящена оценке потребительского качества экономико-математических моделей прогнозирования динамики ' финансовых инструментов. В диссертационной работе проведена практическая апробация экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов на реальных значениях котировок гособлигаций. В качестве критерия при сравнении экономико-математических моделей используется ошибка, возникающая при расчете прогнозных значений (величина, равная разности фактического и прогнозного значений котировки финансового инструмента в некоторый момент времени t). В качестве исходных данных при проведении сравнительного анализа использовались ежедневные итоги торгов в течение 2002 года на Московской межбанковской валютной бирже (ММВБ), представленные в сети Internet, (сплошная основная и экзаменационная выборки, 214 наблюдений в каждой выборке, исключая выходные и праздничные дни). В качестве прогнозируемого значения выступала средневзвешенная цена финансового инструмента в течение одного торгового дня, при этом апробация экономико-математических моделей осуществлялась на основной и экзаменационной выборке. В работе введены следующие обозначения:

- алгоритм 1 соответствует экономико-математической модели адаптивного прогнозирования динамики финансовых инструментов на базе линейной фильтрации;

- алгоритм 2 соответствует экономико-математической модели адаптивного прогнозирования динамики финансовых инструментов с экстраполяцией;

алгоритм 3 соответствует экономико-математической модели адаптивного прогнозирования динамики финансовых инструментов с интерполяцией.

Выбор участка исходной последовательности для расчета прогнозных значений, а также длина периода упреждения осуществлялась случайным образом. Графическая интерпретация результатов прогнозирования представлена на рисунках 1,2,3. Результаты практической апробации на основной и экзаменационной выборке показали тенденцию возрастания величина ошибки по мере увеличения длины упреждающего периода прогнозирования. Это объясняется отсутствием более свежей информации для корректировки коэффициентов адаптации при увеличении длины периода упреждения. При этом средняя величина ошибки на всем интервале упреждения составляет не более 5 %. Для экзаменационной выборки средняя величина ошибки на всем интервале упреждения составляет не более 1 %. Данные результаты свидетельствуют о хороших прогнозных свойствах разработанных экономико-математических моделей. В работе отмечено, что наиболее лучшие результаты по данному критерию показал алгоритм 3, соответствующий экономико-математической модели адаптивного прогнозирования динамики финансовых инструментов с интерполяцией.

Результаты прогнозирования ОФЗ 27015 с использованием Алгоритма 1

М4ДМ0

1 2 3 4 В • 7 » • 10 11 12 13 14 10 Ю 17 » 1В 20 21 22 2Э 24 2*

Рисунок 1 - Графическая Дни интерпретация результатов

прогнозирования динамики облигации ОФЗ 27015

Результаты прогнозирования ОФЗ 27С15 с использованием Алгоритма 2

Дни

Рисунок 2 - Графическая интерпретация результатов протезирования динамики облигации ОФЗ 27015

—Дании* —В— Протса

Результаты прогнозирования ОФЗ 27016 с использованием Алгоритма 3

985,00000 984,00000 983,00000 982,00000 >981,00000 980,00000 979,00000 978,00000 977,00000 976,00000 975,00000

Л / ^ > /

/ V/ V/ —♦—данные -•- прогноз

и

-—1—1—|—I—I—1—1—г—1—:—1—1—I—|—|—I—г—1—|—|—|—г—т—|—

1 2 3 4 5 6 7 8 9 1011 12 13 14 15 16 17 18 19 20 21 22 23 24 25 Дни

Рисунок 3 - Графическая интерпретация результатов прогнозирования динамики облигации ОФЗ 27015

В диссертационной работе выполнена оценка качества разработанных экономико-математических моделей прогнозирования динамики финансовых инструментов с учетом потребительских свойств моделей как информационных продуктов. Применительно к исследуемому объекту набор потребительских характеристик определяется технологией проведения торговых операций на рынке ценных бумаг. Также огромное значение будет иметь удовлетворенность конечных пользователей информационного продукта. С учетом вышеизложенного, а также на основе результатов опроса экспертов и анализа литературных источников была определена совокупность критериев оценки потребительского качества экономико-математических моделей прогнозирования динамики финансовых инструментов. В связи с тем, что затруднительно осуществить количественную оценку некоторых критериев, в работе использовался метод групповых экспертных оценок, который занимают важное место при оценке качества программного обеспечения и используется для оценивания характеристик ИС, которые невозможно точно измерить или зарегистрировать. В качестве экспертов были привлечены специалисты, обладающие достаточным опытом, и чья деятельность непосредственно связана с торговыми операциями на рынке ценных бумаг. Граф взаимосвязи мнений экспертов представлен на рисунке 4.

В работе отражены результаты опроса экспертов, согласно которым наиболее значимым, по мнению экспертов, при выборе зкопомико-математических моделей прогнозирования является критерий «Затраты времени на обучение работы с экономико-математическими моделями и однозначной интерпретации результатов прогнозирования». Действительно, умение правильно и быстро оценивать результаты рассчитанных прогнозных значений и динамику движения рыночных цен позволяет получить дополнительное преимущество по отношению к другим участникам фондового рынка, и-как следствие - увеличить размеры спекулятивной прибыли от операций купли-продажи ценных бумаг. Наименее значимым, по мнению

экспертов, показал себя критерий «.Требования к комплексу технических средств».

В ходе исследования была разработана система поддержки принятия решений для прогнозирования динамики финансовых инструментов, предназначенная для краткосрочного и среднесрочного прогнозирования динамики финансовых инструментов, подготовки отчетности для поддержки принятия решений при осуществлении торговых операций на фондовом рынке. Основной целью при разработке системы было решение следующих задач:

программная реализация разработанных экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов;

создание базы данных настроечных параметров алгоритмов и исходных данных котировок финансовых инструментов;

разработка диалоговых панелей для экономико-математических моделей адаптивного прогнозирования;

проектирование экранных форм для аналитической обработки исходных данных с использованием экономико-математических моделей прогнозирования и методов технического анализа;

Рисунок 4 - Граф взаимосвязи мнений экспертов

создание эффективных и удобных в эксплуатации модулей импорта и экспорта исходных данных и параметров прогнозирования; разработка отчетных форм для поддержки принятия инвестиционных решений;

программная реализация методики сравнения разработанных экономико-математических моделей прогнозирования;

СГТПР разработана на основе двух уровневой архитектуры Клиент\Сервер. Серверная часть системы реализована на платформе Oracle Server 8i и включает в себя базу данных, триггеры, хранимые процедуры и функции. Клиентская часть разработана в среде Delphi5.

В заключении диссертации приведены основные выводы и практические результаты исследования.

Основные положения диссертационной работы нашли отражение в следующих публикациях:

1. Тычкин В.Н. Адаптивная модель расчета прогнозных значений денежных потоков // Информационные системы, экономика, управление трудом и производством: Ученые записки. Выпуск 6 - Ростов-на-Дону: РГЭУ, 2001. -С.36-43,- 0,34 п.л. 2.. Тычкин В.Н. Коньков B.C. Особенности методологии проектирования информационных систем с использованием промышленной СУРБД Oracle 8i. //Разработка экономико-математических моделей и инструментальных средств прогнозирования динамики фондовых активов: Сб. - Ростов-на-Дону: Изд-во ОАО «РОСТИЗДАТ», 2003. - С.25-28. - 0,2 пл. (лично автора 0,1 п.л.). 3. Тычкин В.Н. Градиентный решетчатый алгоритм прогнозирования динамики денежных потоков. //Информационные системы, экономика, управление трудом и производством: Ученые записки. Выпуск 7 - Ростов-на-Дону: РГЭУ, 2002. - С.14-16. - 0,14 пл.

4. Тычкин В.Н. Проектирование функциональной структуры системы поддержки принятия решений оценивания динамики финансовых инструментов. //Разработка экономико-математических моделей и инструментальных средств прогнозирования динамики фондовых активов: Сб. - Ростов-на-Дону: Изд-во ОАО «РОСТИЗДАТ», 2003. - С.22-24.-0,14 п. л.

5. Тычкин В.Н. Проектирование модели прогнозирования динамики финансовых инструментов. //Вопросы экономики и права: Сб. - Ростов-на-Дону: РГЭУ, 2003. - С 97-101. - 0,21 п.л.

6. Тычкин В.Н. Экономико-математические модели оптимизации налично-денежного обращения в кредитной организации с развитой филиальной сетью //Разработка экономико-математических моделей и инструментальных средств прогнозирования динамики фондовых активов: Сб. - Ростов-на-Дону: Изд-во ОАО «РОСТИЗДАТ», 2003. - С.1-17.-0,8 п.л.

7. Тычкин В.Н. Разработка адаптивной модели прогнозирования динамики финансовых инструментов. //Современные аспекты экономики, № 9. -СПб, 2003. - С 21-25. - 0,23 пл.

8. Тычкин В.Н. Прогнозирование динамики денежных потоков с использованием адаптивных решетчатых фильтров. //Разработка экономико-математических моделей и инструментальных средств прогнозирования динамики фондовых активов: Сб. - Ростов-на-Дону: Изд-во ОАО «РОСТИЗДАТ», 2003. - С.18-21. - 0,19 п.л.

Печать ризограф. Бумага офсетная. Гарнитура "Таймс". Формат 60x84/16. Объем 1,0 уч. - изд. л. Заказ № 250. Типаж 100 экз. Отпечатано в KMUKDnKUEHTP" 344006, г. Ростов-на-Дону, Суворова, 19. тел. 47-34-88

h

té4o4

»16404

Диссертация: содержание автор диссертационного исследования: кандидата экономических наук, Тычкин, Вадим Николаевич

Введение.

1. Анализ задачи прогнозирования динамики финансовых инструментов. ^

1.1 Характеристика фондового рынка и анализ государственных облигаций как финансовых инструментов. ^

1.2 Обзор методологии и инструментария прогнозирования динамики финансовых инструментов.

1.3 Характеристика экономико-математических моделей и методик прогнозирования динамики финансовых инструментов. ^q

1.4 Формализация методики оценки качества экономико-математических моделей прогнозирования динамики финансовых инструментов.

1.4.1 Формализация задачи оценки экономико-математических моделей прогнозирования динамики финансовых инструментов по критерию точности расчета прогнозных значений.

1.4.2 Оценка потребительских свойств экономико-математических моделей прогнозирования динамики финансовых инструментов как информационных продуктов.

2. Разработка экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов. ^

2.1 Формализация задачи оценивания параметров при адаптивном прогнозировании значений случайных последовательностей. ^

2.2 Разработка экономико-математической модели адаптивного прогнозирования динамики финансовых инструментов на базе ^ ^ линейной фильтрации.

2.3 Построение экономико-математической модели адаптивного прогнозирования динамики финансовых инструментов с экстраполяцией.

2.4 Разработка экономико-математической модели адаптивного прогнозирования динамики финансовых инструментов с интерполяцией.

3. Оценка качества и сравнительный анализ экономико-математических моделей прогнозирования динамики финансовых инструментов.

3.1 Оценка точности расчета прогнозных значений экономико-математических моделей прогнозирования динамики финансовых инструментов.

3.2 Оценка потребительских свойств экономико-математических моделей прогнозирования динамики финансовых инструментов как информационных продуктов.

3.3 Описание разработанной системы поддержки принятия решений для прогнозирования динамики финансовых инструментов. , ЛО

Диссертация: введение по экономике, на тему "Экономико-математические модели и инструментальные средства для прогнозирования динамики фондовых активов"

За последние годы прошло несколько этапов становления и развития фондового рынка, были подъемы, спады, тяжелейший кризис. Но, тем не менее, рынок рос, развивался. В настоящее время прибыль от арбитражных операций с ценными бумаги стала играть заметную роль в доходах предприятий, кредитных организаций, а также частных инвесторов. Рациональное поведение инвестора на рынке ценных бумаг позволяет получать дополнительные прибыли от вложений в финансовые инструменты, важное место среди которых занимают акции и облигации. Использование государственных облигаций в качестве финансовых инструментов позволяет минимизировать риск и обеспечить большую стабильность инвестиций, что важно при формировании портфеля ценных бумаг кредитной организацией, стремящейся минимизировать собственные риски. Чтобы эффективно действовать на фондовом рынке, необходимо правильно оценивать его состояние и происходящие на нем процессы, и в первую очередь осуществлять прогнозирование динамики котировок финансовых инструментов. Данное обстоятельство обуславливает актуальность разработки экономико-математических моделей прогнозирования динамики финансовых инструментов. Инвесторы проявляют заинтересованность в эффективных методах анализа и системах поддержки принятия инвестиционных решений. Таким образом, остро встает вопрос об автоматизации деятельности аналитиков инвестиционных компаний (ИК), о повышении качества информационного обеспечения лица, принимающего решение в ИК. Это объясняется, во-первых, тем, что рассматриваемая предметная область предъявляет повышенные требования к оперативности обработки и выдачи информации по запросам пользователей, и, во-вторых, решение многих задач (в том числе прогнозирование динамики финансовых инструментов), связанных с информационным обеспечением деятельности ИК, вручную невозможно из-за исключительно высоких трудозатрат. В тоже время использование систем поддержки принятия решений позволяет не только снизить себестоимость выполняемых работ за счет экономии затрат живого труда, но и, главное, повысить качество принимаемых решений за счет ускорения процессов обработки и поиска нужной пользователю информации, то есть за счет повышения качества информационного обеспечения деятельности объекта управления - ИК. В последнее время в связи с использованием сети Internet стала возможной работа на фондовом рынке частных инвесторов из дома либо офиса. Интерес потенциальных инвесторов к осуществлению спекулятивных операций на фондовом рынке требует разработки новых и совершенствования старых методик прогнозирования и программного обеспечения. В процессе построения прогнозов динамики финансовых инструментов часто возникает проблема выбора аналитиком альтернативных алгоритмов и методик прогнозирования. Стоит задача выбора наиболее подходящего алгоритма, обеспечивающего достаточную точность расчета прогнозных значений последовательности исходных данных. Это обусловило необходимость оценки потребительского качества экономико-математических моделей прогнозирования динамики финансовых инструментов.

Степень разработанности проблемы. Потребности субъектов фондового рынка в промышленно развитых странах способствовали возникновению и развитию финансовой теории, а также теории инвестиций. Так, в работах таких зарубежных и российских исследователей, как У. Шарп, Д. Бейли, С. Шривастава, А. Эрлих, Т. Шаттелес, К.И. Рей, Дж. Синки, М.Фридман, П.Кругман, Т.Агапов, JI.O. Бабешко рассматриваются различные аспекты проблемы управления финансовыми и валютными рисками, механизмы развития процессов формирования спроса и предложения на финансовых рынках, применение экономико-математических моделей прогнозирования динамики финансовых инструментов. Вопросы разработки экономико-математических моделей прогнозирования динамики финансовых инструментов исследуются в работах таких исследователей, как К.Д. Льюис,

В.В. Круглое, А.Л. Сырчин, Т.Дж. Уотшем, Е.М. Четыркин, М. Песаран, Дж. Бокс, Г. Дженкинс. Однако вышеперечисленные работы слабо ориентированы на использование при разработке экономико-математических моделей адаптивных алгоритмов оценивания случайных последовательностей. Данное обстоятельство обуславливает необходимость дальнейшего развития экономико-математических методов прогнозирования динамики финансовых инструментов посредством интеграции имеющихся разработок с теоретическими подходами в области построения сложных систем на основе адаптивных алгоритмов оценивания случайных последовательностей, которые исследованы в работах Ю.Н. Прохорова, А.Г. Ивахненко, Б. Уидроу, В.Н. Фомина, С. В. Первачева и др. отечественных и зарубежных авторов.

Проблемы выбора и использования информационных систем поддержки принятия решений в инвестиционных компаниях рассматривались в работах В.П. Боровикова, Г.И. Ивченко, И.С. Меньшикова, А.А. Первозванского, А.А. Макарова, однако нам не известны работы, посвященные исследованию проблем рационального выбора экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов. Таким образом, актуальность исследования также обусловлена отсутствием информационного и методического обеспечения для корректной сравнительной оценки потребительского качества экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов при осуществлении торговых операций на фондовом рынке.

Объектом исследования являются инвестиционные компании и кредитные организации, осуществляющие торговые операции на рынке государственных ценных бумаг (государственных облигаций).

Предметом исследования являются экономико-математические модели, описывающие динамику котировок фондовых активов (на примере государственных облигаций).

Цель и задачи диссертационного исследования. Целью исследования является разработка экономико-математических моделей и инструментальных средств для прогнозирования динамики стоимости финансовых инструментов -государственных ценных бумаг (государственных облигаций). Для реализации цели потребовалось решить следующие задачи: определить целесообразность осуществления арбитражных операций на рынке государственных ценных бумаг на основе исследования динамики финансовых инструментов (гос. облигаций) за период 2002г., сформировать выборки исходных данных для прогнозирования динамки финансовых инструментов на примере государственных ценных бумаг (государственных облигаций); обосновать необходимость разработки экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов; формализовать задачу оценивания параметров при адаптивном прогнозировании динамики финансовых инструментов; разработать экономико-математические модели адаптивного прогнозирования динамики финансовых инструментов, а также осуществить практическую апробацию экономико-математических моделей адаптивного прогнозирования на подготовленных данных о котировках финансовых инструментов; спроектировать и осуществить программную реализацию системы поддержки принятия решений для прогнозирования динамики финансовых инструментов; определить критерии и осуществить сравнительную оценку потребительского качества разработанных экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов.

Теоретические и методологические основы исследования.

Теоретическую основу исследования составили труды отечественных и зарубежных ученых по экономике, по экономико-математическим моделям и методам, по эконометрике, по теории вероятностей и математической статистике, по оценке качества программных средств. Исследование опиралось также на современные работы, посвященные прогнозированию динамики временных рядов, на материалы конференций, на статьи в сборниках научных трудов и в периодической печати, информационные, аналитические и статистические материалы интернет-серверов компаний - участников фондового рынка.

Инструментарий исследования составили методы математической статистики, регрессионного анализа, теории вероятностей, линейной алгебры, теории оптимизации, теории информационных систем и обработки данных, метод групповых экспертных оценок, разработанная СППР для прогнозирования динамики финансовых инструментов, СУРБД Oracle 8i.

Эмпирическую базу исследования составили данные о значениях динамики котировок финансовых инструментов (государственных облигаций) Московской межбанковской валютной биржи, оценки, полученные в ходе опроса экспертов.

Диссертационная работа выполнялась в рамках пунктов 1.6 «Математический анализ и моделирование процессов в финансовом секторе экономики, развитие метода финансовой математики и актуарных расчетов» и 2.4 «Разработка систем поддержки принятия решений для оптимизации управления экономикой на всех уровнях» паспорта специальности 08.00.13 - математические и инструментальные методы экономики.

Научная новизна результатов исследования заключается в следующем: обоснована целесообразность разработки и использования экономико-математических моделей для прогнозирования динамики финансовых инструментов на основе алгоритмов адаптивного оценивания параметров случайных последовательностей, осуществлена формализация задачи оценивания параметров при адаптивном прогнозировании значений случайных последовательностей; разработана система поддержки принятия решений для прогнозирования динамики финансовых инструментов, включающая экономико-математические модели адаптивного прогнозирования динамики финансовых инструментов, которые обеспечивают расчет прогнозных значений с достаточной точностью в реальном режиме времени; осуществлена сравнительная оценка разработанных экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов по критерию точности расчета прогнозных значений; проведен отбор критериев и сравнительная оценка потребительского качества разработанных экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов.

Практическая ценность определяется тем, что разработанная система поддержки принятия решений, включающая в свою структуру реализованные экономико-математические модели адаптивного прогнозирования динамики финансовых инструментов, позволяет повысить уровень и качество анализа и прогнозирования динамики финансовых инструментов при осуществлении торговых операций на фондовом рынке. Выполненная в работе формализация задачи оценивания параметров при адаптивном прогнозировании значений случайных последовательностей может быть использована для проектирования экономико-математических моделей прогнозирования и разработки систем поддержки принятия решений при осуществлении торговых операций на фондовом рынке. Практическую ценность представляет также методика оценки потребительского качества экономико-математических моделей адаптивного прогнозирования, которая позволяет осуществлять сравнительный анализ экономико-математических моделей прогнозирования динамики финансовых инструментов.

Основные положения и результаты, выносимые на защиту:

1. Разработанная система поддержки принятия решений при осуществлении торговых операций на фондовом рынке, включающая экономико-математические модели адаптивного прогнозирования динамики финансовых инструментов и обеспечивающая достаточную точность расчета прогнозных значений динамики котировок финансовых инструментов.

2. Разработанные экономико-математические модели адаптивного прогнозирования динамики финансовых инструментов, оригинальные по своей структуре и обеспечивающие достаточную точность расчета прогнозных значений.

3. Результаты сравнительной оценки потребительского качества экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов с использованием метода групповых экспертных оценок, которые могут быть использованы для рационального выбора СППР и экономико-математических моделей прогнозирования.

4. Результаты сравнительной оценки экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов по критерию точности расчета прогнозных значений, которые показывают, что лучшими прогнозными свойствами обладает экономико-математическая модель адаптивного прогнозирования динамики финансовых инструментов с интерполяцией.

Апробация и внедрение результатов исследования. Основные положения и выводы диссертационной работы обсуждались на III Московском международном молодежном форуме «Образование, занятость, карьера» (Москва, 25-30 октября 2001 г.).

Разработанная система поддержки принятия решений для прогнозирования динамики финансовых инструментов успешно используется в Казначействе филиала «Ростовский» ОАО Банк «Павелецкий» г. Ростов-на-Дону, для краткосрочного прогнозирования котировок финансовых инструментов, а также в инвестиционной компании ООО «ПК РуС» г. Москва при проведении консультаций и обучении инвесторов. Акты внедрения и использования научных результатов прилагаются к диссертации.

Публикации. Основные результаты исследований, изложенные в диссертации, опубликованы в 8 печатных работах 2.25 п.л. (лично автора 2.15 п.л.).

Структура и объем работы отражает цель и задачи исследования. Диссертационная работа состоит из введения, трех глав, заключения, библиографического списка используемой литературы и приложений. Работа содержит 21 рисунок и 24 таблицы. Библиографический список используемой литературы включает 157 наименований.

Диссертация: заключение по теме "Математические и инструментальные методы экономики", Тычкин, Вадим Николаевич

Заключение

Прогнозирование динамики стоимости финансовых инструментов является, безусловно, сложной и ответственной задачей, требующей от исследователя не только знания предметной области и умения ориентироваться в сложившихся экономических условиях, но и владения различными методами анализа и прогнозирования экономических процессов. Задача прогнозирования динамики финансовых инструментов является исследованием перспективного плана и является важной частью процесса управления денежными средствами инвесторов и кредитных организаций.

В диссертационном исследовании проведена разработка экономико-математических моделей и инструментальных средств для прогнозирования динамики финансовых инструментов - государственных ценных бумаг (государственных облигаций). Также в работе выполнен сравнительный анализ и оценка потребительского качества разработанных экономико-математических моделей адаптивного прогнозирования динамки финансовых инструментов. Основные положения и результаты, выносимые на защиту:

1. Разработанная система поддержки принятия решений при осуществлении торговых операций на фондовом рынке, включающая экономико-математические модели адаптивного прогнозирования динамики финансовых инструментов и обеспечивающая достаточную точность расчета прогнозных значений динамики котировок финансовых инструментов.

2. Разработанные экономико-математические модели адаптивного прогнозирования динамики финансовых инструментов, оригинальные по своей структуре и обеспечивающие достаточную точность расчета прогнозных значений.

3. Результаты сравнительной оценки потребительского качества экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов с использованием метода групповых экспертных оценок, которые могут быть использованы для рационального выбора СППР и экономико-математических моделей прогнозирования.

4. Результаты сравнительной оценки экономико-математических моделей адаптивного прогнозирования динамики финансовых инструментов по критерию точности расчета прогнозных значений, которые показывают, что лучшими прогнозными свойствами обладает экономико-математическая модель адаптивного прогнозирования динамики финансовых инструментов с интерполяцией.

Практическая ценность исследования определяется тем, что разработанная система поддержки принятия решений, включающая в свою структуру реализованные экономико-математические модели адаптивного прогнозирования динамики финансовых инструментов, позволяет повысить уровень и качество анализа и прогнозирования динамики финансовых инструментов при осуществлении торговых операций на фондовом рынке. Выполненная в работе формализация задачи оценивания параметров при адаптивном прогнозировании значений случайных последовательностей может быть использована для проектирования экономико-математических моделей прогнозирования и разработки систем поддержки принятия решений при осуществлении торговых операций на фондовом рынке. Практическую ценность представляет также методика оценки потребительского качества экономико-математических моделей адаптивного прогнозирования, которая позволяет осуществлять сравнительный анализ экономико-математических моделей прогнозирования динамики финансовых инструментов.

Диссертация: библиография по экономике, кандидата экономических наук, Тычкин, Вадим Николаевич, Ростов-на-Дону

1. Абламская Л.В., Бабешко Л.О. Основы финансового анализа рынка ценных бумаг. М.: ФА. Центр дистанционного обучения, 1998. -234 с.

2. Алексахин С.В., Балдин А.В., Криницин В.В. и др. Прикладной статистический анализ данных. Теория. Компьютерная обработка. Области применения: Учебно-практическое пособие для вузов/ Под ред. Криницина В.В. -М.: «Изд-во ПРИОР», 1998. -52 с.

3. Аллен Р. Математическая статистика. М.: ИЛ, 1968.

4. Бабешко Л.О. Коллокационные модели прогнозирования в финансовой сфере. М.: Экзамен, 2001. - 129с.

5. Бабешко Л.О. Коллокационные модели прогнозирования доходности ценных бумаг. М.: Экзамен, 2002. - 369 с.

6. Бабешко Л.О. Краткий обзор стохастических моделей прогноза характеристик фондового рынка. М.: ФА, Сборник: Актуальные проблемы математического моделирования в финансово-экономической области, 2000. -78с.

7. Бабешко Л.О. Параметрическая модель среднеквадратичной коллокации и равновесные модели формирования доходности финансовых активов. Сборник научных трудов: Информационный бизнес в России. Вып.2. Часть 1. Изд. ТГТУ, Тамбов, 1999.-123с.

8. Бабешко Л.О. Применение коллокации при прогнозировании количественных характеристик основных финансовых инструментов фондового рынка. М.: ФА, Вестник Финансовой Академии, 2000, №2, стр.77-86.

9. Бабешко Л.О., Вьет Т. Исследование некоторых методов восстановления скалярного поля с хаотичной сетки. Изв.вузов. Геодезия и аэрофотосъемка, 1988, 1, с.30-34.

10. Ю.Баканов М.И., Шеремет А.Д. Теория экономического анализа. М.: ЮНИТИ, 1999. -568с.

11. П.Беклемишев Д.В. Курс аналитической геометрии и линейной алгебры. -М.: Наука, 1980.-589с.

12. Бендат Дж. Основы теории случайных шумов и ее применения. М.: Наука, 1965.-364с.

13. Бендат Дж. Прикладной анализ случайных данных. М.: Наука, 1979.-234с.

14. Бендат Дж. С. Применение корреляционного и спектрального анализа. -М.: Наука, 1970.-67с.

15. Бендат Дж., Пирсон А. Измерение и анализ случайных процессов. М.: Наука, 1974.-5 87с.

16. Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. Выпуск 1.-М.: Мир, 1974.-369с.

17. Большев Л.Н., Смирнов Н.В. Таблицы математической статистики. М.: Наука, 1983-416с.

18. Боровиков В.П. Популярное введение в программу STATISTICA. М.: КомпьютерПресс, 1998.-289с.

19. Боровиков В.П., Боровиков И.П. STATISTICA. Статистический анализ и обработка данных в среде Windows. М.: Информационно-издательский дом Филинъ, 1998.-456с.

20. Боровиков В.П., Ивченко Г.И. Прогнозирование в системе STATISTICA в среде Windows. М.: Финансы и статистика, 1999.-302с.

21. Браун С. Дж., Крицмен М.П. Количественные методы финансового анализа.-М.: Инфра-М, 1996.-201с.

22. Бусленко Н.П., Калашников В.В., Коваленко И.Н. Лекции по теории сложных систем. М.: Сов. радио, 1975.-531с.

23. Бывшев В.А., Бабешко JI.O. Алгоритм прогнозирования финансовых индексов в рамках стационарной модели Колмогорова-Винера. М.: Статистика, 2002.-406с.

24. Бывшев В.А., Бабешко JI.O., Арсеньева JI.B. Алгоритм оценивания основных инвестиционных характеристик финансовых активов при помощи оптимальной статистической процедуры Эйткена. Управление риском. -М.: Экзамен, 2001.-89с.

25. Вайну Я. Коррекция рядов динамики. М.: Статистика, 1977.-563с.

26. Василенко В.А. Сплайн-функции: теория, алгоритмы, программы. -Новосибирск: Наука, 1983.-89с.

27. Вентцель Е.С., Овчаров JI.A. Теория случайных процессов и ее инженерные приложения. -М.: Наука, 1991.-698с.

28. Вентцель Е.С., Овчаров JI.A. Теория вероятностей и ее инженерные приложения. -М.: Наука, 1988.-467с.

29. Вентцель В.В. Интегральная регрессия и корреляция. Статистическое моделирование рядов динамики. М.: Финансы и статистика, 1982.-45 8с.

30. Вергасов В.А., Журкин И.Г., Красикова М.В., Нейман Ю.М., Смирнов С.А. Вычислительная математика. -М.: Недра, 1976.-567с.

31. Волкова В.Н., Денисов А.А. Основы теории систем и системного анализа.- СПб.: Издательство СПб ГТУ, 1997. 510 с.

32. Вучков И., Бояджиева JL, Солаков Е. Прикладной регрессионный анализ.- М.: Финансы и статистика, 1987-239с.

33. Гмурман В.Е. Теория вероятностей и математическая статистика. М.: Высшая школа, 1997.-895с.

34. Гоноровский И.С. Радиотехнические цепи и сигналы. -М.: Радио и связь, 1990.-652с.

35. Горчаков А.А., Орлова И.В. Компьютерные экономико-математические модели: Учебное пособие / ВЗФЭИ. М.: Экономическое образование, 1994.-238с.

36. Грибанов Ю.И. Спектральный анализ случайных процессов. М, Наука,1975.-669с.

37. Данилин В.И. Экономико-математические модели годового планирования на предприятиях. М.: Наука, 1975.-56с.

38. Демиденко Е.З. Линейная и нелинейная регрессия. Фортран-IV. М.: Изд. ИМЭМО, 1979.-188с.

39. Денисенко А.Н. Спектральный анализ сигналов. М.: Мир ЭА, 1991.-522с.

40. Доугерти К. Введение в эконометрику. М.: Инфра-М, 1997.-89с

41. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. Книга 2. М.: Финансы и статистика, 1987.-296с.

42. Дуброва Т.А. Статистические методы прогнозирования Учебно-практическое пособие М.: МЭСИ, 1998 - с.94

43. Ефимов А.Н. Предсказание случайных процессов. -М.: Высшая школа,1976.-632с.

44. Ефимов А.Н., Золотарев Ю.Г., Терпигорева В.М. Математический анализ (специальные разделы). Часть 2. Применение некоторых методов математического и функционального анализа. М.: Высшая школа, 1980.-259с.

45. Жидков Н.П. Линейные аппроксимации функционалов. М.: Изд. МГУ,1977.-78с.

46. Журкин И.Г., Нейман Ю.М. Методы вычислений в геодезии. М.: Недра, 1988.-63с.

47. Ивахненко А.Г. Долгосрочное прогнозирование и управление сложными системами. Киев, 1975.-369с.

48. Ивахненко А.Г. Моделирование сложных систем по экспериментальным данным. Киев, 1986.-456с.

49. Ивахненко А.Г. Моделирование сложных систем. Киев, 1987.-569с.

50. Ивахненко А.Г. Предсказание случайных процессов. Киев, 1971.-369с.51 .Ивахненко А.Г. Самоорганизация прогнозирующих моделей. Киев, 1984.-652с.

51. Кендалл М., Стюарт А. Многомерный статистический анализ и временные ряды. -М.: Наука, 1976.-99с.

52. Клиот-Дашинский. Алгебра векторов и матриц. С.-Пб.: Лань, 1998.-128с.

53. Кобелев Н.Б. Методы оптимального управления отраслью обслуживания населения. -М.: Изд-во лег.пищ.пром., 1981.-289с.

54. Кобелев Н.Б., Гармаш А.Н. Управление научно-техническим прогрессом в отрасли бытового обслуживания. -М.: Легпромбытиздат,1989.-96с.

55. Кобелев Н.Б., Шатаев И.М. Системное решение проблем управления в сфере обслуживания населения. М.: Легкая индустрия, 1979.-169с.

56. Колесников В.Н., Торнаковский B.C., Тарасевич Л.С., и др. Ценные бумаги. М.: Финансы и статистика, 1998.-267с.

57. Коллатц Л. Функциональный анализ и вычислительная математика. М.: Мир, 1969.-589с.

58. Коллатц Л. Численные методы решения дифференциальных уравнений. -М.: ИЛ, 1953.-169с.

59. Колмогоров А.Н. Интерполирование и экстраполирование стационарных случайных последовательностей, Изв.Акад.наук СССР, сер.матем., т.5, №1 (1941), стр.3-14.

60. Колмогоров А.Н. Основные понятия теории вероятности. 3-е изд. М.: Фазис, 1998.-268с.

61. Колмогоров А.Н. Стационарные последовательности в гильбертовом пространстве. Бюллетень МГУ, т.2, вып.6 (1941), стр. 1-40.

62. Колмогоров А.Н., Фомин С.В. Элементы теории функций и функционального анализа. М.: Наука, 1976.-301с.

63. Коршунов Ю.М. Математические основы кибернетики. -М.: Энергоатомиздат, 1987.-299с.

64. Круглов В.В. Искусственные нейронные сети: Теория и практика. М: Горячая линия - Телеком, 2001, - 382 с.

65. Круглов В.В. Нечеткая логика и искусственные нейронные сети. -М: Физматлит, 2001, -224 с.

66. Коуэл К.Ф., Грант П.М. Адаптивные фильтры, -М: Наука, 1981.-255с.

67. Лоэв М. Теория вероятностей. М.: ИЛ, 1962.-652с.

68. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования. М, Статистика, 1979.-542с.

69. Льюис К.Д. Методы прогнозирования экономических показателей. М.: 1986.-78с.

70. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. М.: Дело, 1997.-96с.

71. Макс Ж. Методы и техника обработки сигналов при физических измерениях. М.: Наука, 1972.-566с.

72. Марпл Стенли Лоренс. Цифровой спектральный анализ и его приложения. -М.: Мир, 1990.-479с.

73. Медич Дж. Статистические оптимальные линейные оценки и управление. -М.: Энергия, 1973.-263с.

74. Мельник М.М. Экономико-математические методы и модели в планировании и управлении материально-техническим снабжением. М.: Высшая школа, 1990.-266с.

75. Меныииков И.С. Финансовый анализ ценных бумаг. М.: Финансы и статистика, 1998.-65с.

76. Моисеев Н.Н. Математик задает вопросы. М.: Знание, 1974.-155с.

77. Мышкис А.Д. Элементы теории математических моделей. М.: Физико-математическая литература, 1994.-126с.

78. Нейман Ю.М. Вариационный метод физической геодезии. М.: Недра, 1979.-89с.

79. Нейман Ю.М., Лебедев С.В. Приближенное решение задач коллокации методом конечных элементов. Изв.вузов. Геодезия и аэрофотосъемка, 1986, вып. 1,2, с. 14-28.

80. Огарков М.А. Методы статистического оценивания параметров случайных сигналов. -М.: Энергоатомиздат, 1990.-326с.

81. Отчет о мировом развитии за 2002 год. Государство в меняющемся мире.- Прайм-ТАСС, 2002.-78с.83.0уэен Г. Теория игр. -М.: Мир, 1971.-420с.

82. Первачев С. В., Перов А.И. Адаптивная фильтрация сообщений. М.: Радио и связь, 1991.-3 67с.

83. Первозванский А.А. Математические модели управления производством.- М.: Инфра-М, 1975.-144с.

84. Первозванский А.А., Первозванская Т.Н. Финансовый рынок: расчет и риск. М.: Инфра-М, 1994.-236с.

85. Песаран М., Слейтер Л. Динамическая регрессия. М.: Финансы и статистика, 1984.-126с.

86. Петрович М.Л. Регрессионный анализ и его математическое обеспечение на ЕС ЭВМ: Практическое руководство. М.: Финансы и статистика, 1982.-623с.

87. Петрович М.Л., Давидович М.И. Статистическое оценивание и проверка гипотез на ЭВМ. М.: Финансы и статистика, 1989.-56с.

88. Половников В.А. Анализ и прогнозирование транспортной работы морского флота. М.: Транспорт, 1983.-234с.

89. Прохоров Ю.Н. Статистические модели и рекуррентное предсказание речевых сигналов. -М.: Радио и связь, 1984.-358с.

90. Пугачев B.C. Теория случайных функций и ее применение к задачам автоматического управления. М.: Гос.изд. технико-теоретической литры, 1957.-283с.

91. Рабочая книга по прогнозированию. -М, Мысль, 1982. 430с.

92. Рао С.Р. Линейные статистические методы и их применение. М.: Наука, 1968.-298с.

93. Рей К.И. Рынок облигаций: торговля и управление рисками. -М.: Финансы и статистика, 1999.-356с.

94. Розанов Ю.А. Введение в теорию случайных процессов. М.: Наука, 1982.-562с.

95. Розин Б.Б. Экономико-статистические модели с переменной структурой. -Новосибирск, 1984.-321с.

96. Розов А.К. Обнаружение, классификация и оценивание сигналов. М.: Высшая школа, 1999.-452с.

97. Ротарь В.И. Теория вероятностей. -М.: Высшая школа, 1992.-523с.

98. Ряузов Н.Н. Общая теория статистики. М.: Статистика, 1980.-434с.

99. Свешников А.А. Прикладные методы теории случайных функций. М.: Наука, 1968.-652с.

100. Сейдж Э., Меле Дж. Теория оценивания и ее применение в связи и управлении.-М.: Связь, 1976.-689с.

101. Семенов Н.А. Программы регрессионного анализа и прогнозирования временных рядов. М.: Высшая школа, 1990.-128с.

102. Солодовников В.В. Основы теории и методы спектральной обработки информации. М.: Связь, 1986.-561с.

103. Солодовников В.В. Спектральная теория нестационарных систем управления. -М.: Связь, 1971.-226с.

104. Солодовников В.В. Спектральные методы расчета и проектирования систем управления. -М.: Связь, 1986.-652с.

105. Столяров И.А. Математика и кибернетика в управлении: Библиотека хозяйственного руководителя. М.: Экономика, 1975.-357с.

106. Сырчин A.JI. Регрессионное моделирование и прогнозирование динамики экономических показателей. М.: Высшая школа, 1990.-59с.

107. Сычев И.В. Развитие фундаментального анализа валютного рынка (на примере дилинговых операций). Автореф. на канд. диссертацию Сычева И.В., -Ростов-на-Дону: РИНХ, 2000 27с.

108. Тихонов А.Н. О решении некорректно поставленных задач и методе регуляризации. Докл. АН СССР, 151, 1963, №3, с.501-504.

109. Тихонов А.Н. Об устойчивости обратных задач. Докл. АН СССР, 1943, 39, №5, с.195-198.

110. Тихонов А.Н., Арсенин В.Я. Методы решения некорректных задач. М.: Наука, 1986.-99с.

111. Толстов Г.П. Ряды Фурье. М.: Наука, 1980.-240с.

112. Треногин В.А. Функциональный анализ. М.: Наука, 1980.-521с.

113. Тычкин В.Н. Адаптивная модель расчета прогнозных значений денежных потоков. Ростов-на-Дону: Информационные системы, экономика, управление трудом и производством: Ученые записки. Выпуск 6 РГЭУ С.29-34.

114. Тычкин В.Н. Градиентный решетчатый алгоритм прогнозирования динамики денежных потоков. Ростов-на-Дону: Информационные системы, экономика, управление трудом и производством. Выпуск 7, РГЭУ, 2002-с. 14-16.

115. Тычкин В.Н. Проектирование функциональной структуры системы поддержки принятия решений прогнозирования динамики финансовых инструментов. Ростов-на-Дону: Информационные системы, экономика, управление трудом и производством. Выпуск 8, РГЭУ, 2003.

116. Тюрин Ю.Н., Макаров А.А. Статистический анализ данных на компьютере. -М.: ИНФРА-М, 1998.-106с.

117. Уидроу Б., Стирнз С. Адаптивная обработка сигналов. М.: Радио и связь, 1989.-3 69с.

118. Уотшем Т.Дж., Паррамоу К. Количественные методы в финансах. М.: Финансы, издательское объединение ЮНИТИ, 1999.-503с.

119. Федосеев В.В. Экономико-математические методы и модели в маркетинге. М.: Финстатинформ, 1996.-87с.

120. Фомин В.Н. Рекуррентное оценивание и адаптивная фильтрация. М.: Финансы и статистика, 1983.-321с.

121. Холлендер М., Вулф Д. Непараметрические методы статистики. М.: Финансы и статистика, 1983.-258с.

122. Хубаев Г.Н. Количественные методы принятия решений. Ростов-на-Дону, 1975.-32 с.

123. Хубаев Г.Н. Математико-статистические методы при сравнительной экспертной оценке качества сложных программных средств // Оценка качества программных средств: Тез. докл. Всесоюзн. науч.-техн. семинара. Калинин, 1990.

124. Хубаев Г.Н. Математико-статистические методы при сравнительной экспертной оценке качества сложных программных средств // Оценка качества программных средств: Тез. докл. Всесоюзн. науч.-техн. семинара. Калинин, 1990.

125. Хубаев Г.Н. Математические методы и вычислительная техника в задачах упорядочения объектов и при отборе значимых факторов. Ростов-на-Дону, 1975.

126. Хубаев Г.Н. Методика сравнительной экспертной оценки качества сложных программных средств // Анализ и проектирование систем управления производством: Межвуз. сб.- Н-Новгород: Изд-во Н-Новгор. ун-та, 1992.

127. Цисарь И.Ф., Чистов В.П., Лукьянов А.И. Оптимизация финансовых портфелей банков, страховых компаний, пенсионных фондов. М.: Дело, 1998.-89с.

128. Чернов Г., Мозес Л. Элементарная теория статистических решений. М.: Сов.радио, 1962.-е.

129. Черчмен У., Акоф Р., Арноф Л. Введение в исследование операций. М.: Наука, 1968.-3 82с.

130. Четыркин Е.М. Методы финансовых и коммерческих расчетов. М.: Дело, 1995.-367с.

131. Четыркин Е.М. Статистические методы прогнозирования. М.: Статистика, 1975.-208с.

132. Шарп У.Ф., Александер Г.Дж., Бейли Д.В. Инвестиции. М.: ИНФРА-М, 1997. -560с.

133. Шаттелес Т. Современные эконометрические методы. М.: Статистика, 1975.-45с.

134. Швырков В.В., Швыркова Т.С. Моделирование внутригодичных колебаний спроса. — М.: Статистика, 1973.-63с.

135. Ширяев. А.Н. Основы стохастический финансовой математики. М.: Фазис, 1998.-252с

136. Шривастава С., О'Брайен Дж. Финансовый анализ и торговля ценными бумагами. М.: Дело Лтд, 1995.-489с.

137. Эрлих А. Технический анализ товарных и финансовых рынков. М.: ИНФРА-М, 1996.-325с.

138. Яковлев В.И. Машинная имитация. М.: Наука, 1975.-258с.

139. Roberts H.V. Stock-market "patterns" and financial analysis Methodological suggestions. Journal of Finance. 1959. V. 14. p. 1-10.

140. Osborne M.F.M. Brownian motion in the stock market. Operation Research. 1959. V. 7. p 145-173.

141. Samuelson P. A. Rational theory of warrant pricing. Industrial Management Review. 1965. V. 6. p. 13-31.

142. MarkowitzH.M. Portfolio Selection. Journal of Finance, 7, № 1, 1952, pp. 7791.