Применение аппарата нейронных сетей для анализа финансовых рынков тема диссертации по экономике, полный текст автореферата

Диссертация: содержание автор диссертационного исследования: кандидата экономических наук, Самарин, Сергей Владимирович

Введение

Глава 1. Исследование развития теории финансового инвестирования.

1.1. Эволюция мировой экономической мысли и ее влияние на современные теории управления финансами.

1.2. Анализ адекватности описания финансовых рынков средствами ^ неоклассических теорий и концепций.

1.3. Нелинейные технологии моделирования финансовых рынков

1.4. Исследование информационных массивов 48 Выводы по 1 главе.

Глава 2. Разработка методологических подходов к использованию нейронных сетей дд для анализа финансовых рынков

2.1. Нейросетевые модели в финансовой деятельности.

2.2. Разработка нейросетевого подхода к восстановлению пропущенных и выявлению неточных данных в финансовых рядах динамики.

2.3. Разработка алгоритмов создания сетей переменной структуры.

2.4. Разработка подхода к применению нейронных сетей для синтеза прогнозов, осуществляемых различными технологиями

Выводы по 2 главе.

Глава 3. Прикладные аспекты анализа финансовых рынков с помощью аппарата нейросетей

3.1. Применение методики нейросетевой классификации экономических субъектов для анализа коммерческих банков

3.2. Применение нейронных сетей для анализа операций на международном валютном рынке Форекс

Выводы по 3 главе. 139 Заключение

Диссертация: введение по экономике, на тему "Применение аппарата нейронных сетей для анализа финансовых рынков"

Актуальность темы. Эффективная деятельность на современных рынках капитала во многом определяется своевременностью и качеством управленческих решений, принимаемых в условиях постоянно растущей конкуренции, жестких временных ограничений, неполноты информации. В этой связи неслучаен огромный интерес к новым информационным технологиям, способствующим повышению качества, сокращению времени и снижению трудоемкости принятия управленческих решений.

Одним из актуальных направлений применения современных информационных технологий в финансово-кредитной сфере является автоматизация процессов анализа и прогнозирования поведения финансовых рынков, а также их участников. Решение подобных задач - сложный и трудоемкий процесс, результаты которого имеют приближенный, вероятностный характер. Несмотря на свою развитость, классические методы и модели (в основном статистические и эконометрические), используемые для прогнозирования курсовой динамики ценных бумаг и валют, анализа рисков, управления портфелем, классификации данных и т.п., все менее эффективно работают в условиях глобализации мирового финансового пространстса, расширения рынков, появления новых финансовых инструментов.

Число факторов на финансовых рынках измеряется десятками и сотнями тысяч; взаимосвязей же между факторами неизмеримо больше. Регрессионные уравнения позволяют эффективно использовать не более нескольких десятков переменных. При применении большего числа переменных их зашумленность, взаимная ковариация и т.п. делают практически невозможной корректную параметризацию модели, что приводит к неадекватным результатам моделирования. К важным особенностям задач анализа финансовых рынков следует также отнести наличие и существенное влияние на экономические процессы качественных факторов, что обусловливает трудность математической формализации модели. Сложность воспроизведения множества перекрестных связей между факторами на финансовых рынках, которые необходимо учесть и смоделировать, требует использования описательного аппарата, который не зависит от указанных количественных и качественных ограничений. Все это приводит к необходимости разработки специальных подходов моделирования к автоматизации решения подобных задач.

Одним из перспективных научных направлений автоматизации решения трудноформализуемых задач является применение технологий искусственного интеллекта (ИИ). Среди важнейших направлений в области ИИ следует особо выделить нейронные сети. Они обладают рядом уникальных качеств, позволяющих преодолеть трудности, возникающие при практическом использовании классических методов. К этим качествам относятся:

• приспособленность к работе с зашумленными и нерелевантными данными;

• возможность к обучению и адаптации в автоматическом режиме;

• учет качественных данных, плохо поддающихся формализации;

• способность учитывать произвольно большое количество факторов;

• универсальность (широкий класс задач решается с использованием, в большинстве случаев, 5-7 стандартных архитектур).

Несмотря на то, что нейронные сети хорошо зарекомендовали себя в решении задач во многих областях человеческой деятельности, вопросы их эффективного применения для обработки и анализа финансовой информации, создания нейросетевых моделей финансовых процессов, решения задач прогнозирования и классификации недостаточно изучены как у нас в стране, так и за рубежом.

Актуальность обозначенных проблем, их недостаточная теоретическая и практическая разработанность, обусловили выбор темы, цель и задачи диссертационного исследования.

Цель и задачи диссертационной работы. Целью диссертационной работы является совершенствование и развитие методологического аппарата теории искусственных нейронных сетей и разработка методик применения нейросетей в решении задач прогнозирования финансовых показателей, классификации и обработки данных.

Для реализации цели исследования в работе были поставлены следующие задачи:

• исследовать эволюцию концепций управления финансами на финансовых рынках; обосновать методологический аппарат нейросетевой классификации экономических субъектов и выявить возможности применения нейросетевого моделирования в решении задач финансового анализа провести сравнительный анализ возможностей использования различных методов и технологий нелинейного моделирования финансово-экономических процессов; сформулировать подходы к оптимизации размера нейронных сетей; выявить специфику функционирования различных типов нейронных сетей (многослойных перцептронов, ассоциативных сетей, сетей Кохонена, сетей радиально-базисных функций) с целью выявления наибольшей эффективности их использования для конкретных финансовых задач; разработать методику использования нейросетей для восстановления пропущенных и выявления неточных данных я рядах финансовых показателей; сформулировать подходы к применению нейронных сетей для прогнозирования рядов финансовых показателей.

Предмет и объект исследования. В качестве объекта исследования в диссертации избраны процессы анализа и прогнозирования финансовых рынков. Предметом исследования являются методы построения и обучения нейронных сетей как универсального аппарата нелинейного моделирования финансовых процессов и решения прикладных задач прогнозирования, классификации и восстановления данных.

Методология исследования. Методологическую основу исследования составили современная теория финансовых рынков, а также последние достижения в области искусственного интеллекта и экономической информатики. В процессе работы над диссертацией использовались труды российских и зарубежных ученых в области математического моделирования, искусственного интеллекта, теории вероятностей и математической статистики, финансового и инвестиционного менеджмента, материалы научных периодических изданий.

При проведении исследования широко использовались методы нейросетевого моделирования, эконометрического и статистического анализа.

Нейросетевое моделирование проводилось в программных пакетах Statisctica Neural Network (StatSoft), а также NeuroPro 1.0. и 2.5. (Институт вычислительного моделирования СО РАН).

Научная новизна настоящего диссертационного исследования состоит в следующем:

• выявлены недостатки существующих методов моделирования финансовых процессов и обоснован выбор методологического аппарата нейросетей в результате исследования эволюции концепций управления финансами на финансовых рынках;

• раскрыты особенности функционирования различных типов нейронных сетей в контексте их применения для решения поставленных в исследовании прикладных задач;

• разработан метод восстановления пропущенных и выявления неточных данных в рядах финансовых показателей на основе нейросетевых моделей нелинейной авторегрессии;

• предложены алгоритмы построения нейронных сетей переменной структуры на основе информации о ходе обучения;

• сформулированы рекомендации по применению сетей Кохонена для классификации экономических субъектов;

• разработана методика применения сетей Кохонена и многослойных перцептронов для краткосрочного прогнозирования котировок финансовых активов;

• реализован методический подход к нейросетевому объединению прогнозов, полученных с помощью разнообразных технологий анализа.

Практическая значимость исследования заключается в том, что реализация разработанных методических положений для решения широкого круга прикладных финансовых задач позволит:

S оптимизировать процедуры первичной обработки информации в массивах данных; повысить точность прогнозирования финансовых показателей, в том числе котировок ценных бумаг и валютных курсов;

S улучшить качество решения задач классификации в финансовой сфере с учетом возможности использования нечисловой информации; S снизить трудовые и временные затраты на создание конечных нейросетевых моделей для решения прикладных задач путем использования разработанных алгоритмов наращения нейронных сетей в ходе их обучения.

Апробация и внедрение результатов работы. Основные результаты исследования докладывались на конференциях профессорско-преподавательского состава Московского Университета Потребительской Кооперации в течение 1998 - 2000 гг.

Практическую апробацию в КБ «Соцгорбанк», ОАО «Мытищинская Инвестиционная Компания» прошли: методика применения сетей Кохонена и многослойных перцептронов для краткосрочного прогнозирования валютных курсов на рынке FOREX, методика нейросетевой классификации экономических субъектов, методика нейросетевого восстановления пропущенных и выявления неточных данных в финансовых рядах динамики (подтверждено справками о внедрении). Результаты диссертационного исследования находят применение во Всероссийском заочном финансово-экономическом институте (ВЗФЭИ) при разработке госбюджетной НИР по подтеме «Информационные системы в экономической деятельности России». Некоторые теоретические положения и рекомендации исследования используются в учебном процессе ряда экономических вузов в преподавании таких дисциплин, как «Автоматизированная обработка финансовой информации», «Интеллектуальные информационные системы».

Публикации. По теме диссертационного исследования опубликовано 5 работ, общим объемом 1,62 п.л.

Объем и структура работы. Диссертация состоит из введения, трех глав, выводов и предложений, списка использованной литературы, приложений.

Диссертация: заключение по теме "Математические и инструментальные методы экономики", Самарин, Сергей Владимирович

ВЫВОДЫ ПО 3 ГЛАВЕ.

1. Классической задачей, играющей важное теоретическое и прикладное значение, является разработка и апробация методик классификации субъектов финансовых рынков по их надежности. Поскольку для России характерно доминирование на финансовых рынках банковских институтов, последние были выбраны в качестве объектов для исследования.

Показано, что на сегодняшний день классификация банков по степени надежности осуществляется целым рядом агентств. Вместе с тем, анализ свидетельствует, что основу их классификации зачастую представляет собой ранжирование банков по нескольким абсолютным показателям, таким как размер активов, собственного капитала, прибыли и т.п. Однако полезность этих рейтингов весьма сомнительна, т.к. они не дают возможности оценить финансовое положение банка и его динамику, сравнить его с другими банками.

Большое практическое значение задач классификации привело к возникновению множества эконометрических методик, базирующихся на составлении интегральных показателей. Среди распространенных в России рейтинговых систем оценки устойчивости банков наибольшее распространении получили методики АБИ «Экономика и жизнь», газеты «Коммерсантъ-Daily» и B.C. Кромонова, МБО «Оргбанк», ИЦ «Рейтинг», «Интерфакс-100». а также зарубежная система КЭМЕЛ.

2. Проведенные исследования выявили, что математическая база существующих методик основывается, чаще всего, на вычислении отдельных разноплановых показателей, характеризующих различные аспекты деятельности банка, и свертке этих показателей в итоговый, путем взвешивания на определенные коэффициенты и суммирование. Весовые коэффициенты, как правило, задаются на основе эмпирического подхода и часто не имеют строгого научного обоснования. Кроме того, возникают проблемы с включением в формулы экспертных оценок. Выходом из проблемы несопоставимости в отдельных методиках признается назначение баллов по каждому показателю или их системе и дальнейшее суммирование этих баллов. По нашему мнению, недостатком данного подхода является оценка разнородных банков, характеризуемых многомерной размерностью своих характеристик, методами, вычисляющими «среднюю температуру по больнице». При этом близкими могут оказаться банки, очень разные по своим характеристикам. Вследствие этого, большинство методик, за исключением использующих пороговые значения, не могут отследить «нестандартные» банки, которые должны анализироваться отдельно.

3. В рамках исследования нейросетевого подхода к классификации экономических субъектов была разработана методика применения самоорганизующихся карт Кохонена для классификации банков. Показано, что анализ кластеров нейросетевой классификации позволяет выявить содержательные аспекты финансового состояния банков. Приведены параметры архитектуры карт Кохонена и методов их обучения, реализующих обработку многомерных массивов информации, характеризующей деятельность банков. Проведено сравнение нейросетевой классификации с результатами одной из стандартных методик (методикой В.С.Кромонова). В качестве тестовой выборки при разработке и апробации методики нейросетевой классификации экономических субъектов по надежности была взята выборка 22 самых надежных банков России по состоянию на 01.01.2000 г.

Нейросетевая классификация составляется не в виде рейтинга, а посредством объединения сходных экономических субъектов в отдельные группы банков, близких в многомерном пространстве выбранных характеристик. При этом нейронная сеть естественным образом кластеризует банки в 1ч1-мерном пространстве по всей совокупности признаков, без их свертки, что позволяет использовать всю представленную в цифрах информацию. Богатство выбранных конфигураций сети позволяет не расширять кластеры искусственно, а выделять «непохожие» примеры в единичные кластеры. Анализ содержания различных кластеров позволил выявить скрытые структурные закономерности, обуславливающие сходство и различия банков.

4. Показано, что дополнительными экономическими эффектами внедрения методики является уменьшение времени моделирования при необходимости изменения состава переменных, используемых для классификации, а также выявление НС-методикой «нестандартных» банков на раннем этапе, что также приводит к экономию времени, затрачиваемого на анализ.

5. На базе разработанного подхода нейросетевой классификации решалась задача прогнозирования валютных курсов на рынке FOREX с использованием сетей Кохонена. Постановка этой задачи формулировалась следующим образом: необходимо для конкретного ряда котировок найти характерные для него области «определенности», уметь отделить их от областей «неопределенности», неэффективных для прогнозирования, и выдать качественный прогноз относительно направления и силы изменения котировок.

Для этого в диссертации разработана и апробирована методика применения сетей Кохонена и многослойных перцептронов для прогнозирования валютных курсов на рынке FOREX. Показано, что данная методика может применяться как для классификации рыночной ситуации с прогнозированием тенденции, так и непосредственного прогнозирования котировок валютных курсов. Настройка и обучение сети осуществлялась на тестовой выборки валютного курса евро/доллар.

Экспериментальные расчеты показали высокую эффективность использования данной методики, и целесообразность ее внедрения в деятельность участников фондового рынка.

ЗАКЛЮЧЕНИЕ.

В диссертации исследованы теоретические и прикладные вопросы нейросетевого моделирования и разработки нейросетевых приложений для автоматизации решения задач финансово-экономического анализа. Основное содержание исследования составляют разработанные автором методы и модели, позволяющие формализовать и автоматизировать на базе предложенного подхода процессы проведения предобработки финансовых данных, характеризующихся наличием пробелов, сомнительных и ошибочных значений, нелинейной структурой.

Предпринята попытка дать систематизированное изложение методов нейросетевой классификации экономических субъектов и рыночных ситуаций, предназначенных для решения конкретных практических задач, повседневно возникающих в условиях рыночных отношений: от постановки и анализа проблемы до реализации исследовательского алгоритма нейросетевой системы.

В соответствии с поставленными целями в процессе работы над диссертацией были решены следующие задачи: проведено исследование эволюции концепций управления финансами на финансовых рынках, которое выявило недостатки существующих технологий анализа и позволило обосновать необходимость применения методов нелинейного моделирования в решении задач финансового анализа: осуществлен сравнительный анализ возможностей использования различных методов и технологий нелинейного моделирования финансово-экономических процессов, исследованы предпосылки и прикладные аспекты использования аппарата нейросетей, нечеткой логики, генетических алгоритмов и др.; изучена отечественная и зарубежная практика применения нейросетевого моделирования для решения задач финансового анализа; выявлена специфика функционирования различных типов нейронных сетей (многослойных перцептронов, ассоциативных сетей, сетей Кохонена. сетей радиально-базисных функций) с целью определения наибольшей эффективности их использования для конкретных финансовых задач: сформулированы подходы к оптимизации размера нейронных сетей; разработана методика использования нейросетей для восстановления пропущенных и выявления неточных данных в рядах финансовых показателей; предложен методический подход к нейросетевой классификации экономических субъектов; сформулированы подходы к применению нейронных сетей для прогнозирования рядов финансовых показателей.

Изложенные в диссертационном исследовании подходы к нейросетевому проектированию рекомендуется использовать при автоматизации решения задач финансово-экономического анализа. Их применение позволит значительно сократить сроки проведения анализа, снизить трудоемкость предварительной обработки информации и ее дальнейшего анализа для принятия обоснованных и эффективных управленческих решений.