Применение нейросетевых методов при прогнозировании динамики фондового рынка тема диссертации по экономике, полный текст автореферата

Диссертация: содержание автор диссертационного исследования: кандидата экономических наук, Бушуев, Константин Вадимович

ВВЕДЕНИЕ

1. СОВРЕМЕННЫЕ ПОДХОДЫ К ПРОГНОЗИРОВАНИЮ 12 ДИНАМИКИ ФОНДОВОГО РЫНКА

1.1. Характеристика особенностей развития российского фондового 12 рынка и возможности их учета в прогнозных моделях

1.2. Анализ методов прогнозирования динамики фондового рынка

2. ХАРАКТЕРИСТИКА НЕЙРОСЕТЕВЫХ МЕТОДОВ И 73 ВОЗМОЖНОСТИ ИХ ПРИМЕНЕНИЯ ДЛЯ АНАЛИЗА

• ДИНАМИКИ ФОНДОВОГО РЫНКА

2.1. Биологические основы и математический аппарат искусственных 73 нейронных сетей

2.2. Методы использования нейросетевых алгоритмов на финансовых 97 рынках и для прогнозирования динамики фондового рынка

3. РАЗРАБОТКА НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ 114 ПРОГНОЗИРОВАНИЯ ДИНАМИКИ РОССИЙСКОГО РЫНКА

АКЦИЙ

3.1. Двухфакторные модели

3.2. Многофакторная модель 135 ЗАКЛЮЧЕНИЕ 154 СПИСОК ЛИТЕРАТУРЫ 15 8 ПРИЛОЖЕНИЯ

Диссертация: введение по экономике, на тему "Применение нейросетевых методов при прогнозировании динамики фондового рынка"

Переход к рыночным отношениям в экономике и научно-технический прогресс чрезвычайно ускорили темпы внедрения во все сферы социально-экономической жизни российского общества последних научных разработок в области информационных технологий. Достижение Россией высоких результатов в экономике и завоевание места полноправного партнера в мировой экономической системе в значительной степени зависит от того, каковы будут масштабы использования современных информационных технологий во всех аспектах человеческой деятельности, а также от того, какую роль будут играть эти технологии в повышении эффективности экономических взаимоотношений.

В условиях сокращения централизованных государственных инвестиций решающее значение придается росту объема и эффективности негосударственных инвестиций, основными источниками которых должны служить собственные (внутренние) средства предприятий и привлеченные (внешние) источники, прежде всего средства банков, институциональных инвесторов и населения. При этом одним из наиболее эффективных способов привлечения инвестиций в процесс воспроизводства является эмиссия ценных бумаг.

Ценные бумаги, опосредующие инвестиционный процесс, являются неотъемлемым атрибутом рыночной экономики. С их помощью инвестиции автоматически направляются в наиболее эффективные отрасли и сферы экономики, развивая жизнеспособные рыночные структуры. Рынок ценных бумаг как механизм трансформации сбережений в инвестиции является сегодня той сферой, в которой формируются основные финансовые источники экономического роста, концентрируются и распределяются необходимые экономике инвестиционные ресурсы.

Значительный вклад в развитие инвестиционной теории, по вполне очевидным причинам, внесли зарубежные ученые, прежде всего: Д. Вильяме,

М. Гордон, Г. Маркович, Р. Мертон, М. Миллер, Ф. Модельяни, Дж. Мэрфи, Р. Риа, С. Росс, Дж. Тобин, Б. Фишер, У. Шарп и др. Среди отечественных ученых можно также выделить исследователей, вплотную занимающихся инвестиционной теорией и адаптацией ее к рынку ценных бумаг, таких как М. Алексеев, Л. Бабешко, И. Волошин, С. Зинковский, А. Иванов, А. Ильинский, М. Ломакин, В. Меладзе, Я. Миркин, Б. Рубцов, Б. Рязанов, Е. Четыркин и др.

Большинство проблем, возникающих перед инвесторами, и, в первую очередь, проблемы принятия эффективных решений на фондовых, денежных и товарных рынках, являются по самой своей природе плохо структурированными и, как следствие, для их использования не могут быть использованы стандартные методы. Одной из таких проблем является проблема определения момента и характера управленческого решения при осуществлении среднесрочных торговых операций с акциями. Ее решение является перманентной задачей каждой инвестиционной компании или коммерческого банка, работающего на рынке ценных бумаг не только со средствами клиентов, но и осуществляющего торговые операции с использованием собственных средств. В процессе решения этой задачи менеджеры вынуждены учитывать большое количество противоречивых и неоднозначных данных, важность которых невозможно оценить объективно. Во всех подобных случаях принимаемые решения носят весьма субъективный характер и, как все интуитивные решения, не могут быть корректно объяснены.

Необходимость анализа фондового рынка у профессиональных инвестиционных институтов рынка сегодня не вызывает сомнений. Практически в любой инвестиционной компании и коммерческом банке есть своя аналитическая служба. Но работники этих служб являются во многом первопроходцами. Финансовые рынки в России еще не завершили своего формирования, и аналитикам приходится работать в условиях, когда собственный опыт не всегда помогает. Большинство универсальных методик, особенно зарубежных, нуждается в адаптации к российским условиям и к требованиям конкретного субъекта рынка. Зачастую и уровень подготовленности аналитиков накладывает ограничения на выбор методики. Отечественные производители программного обеспечения в большей степени нацелены на автоматизацию бухгалтерского учета и операционной работы в инвестиционных компаниях и банках. При этом простейшие подсистемы анализа являются желательным, но необязательным придатком.

В таких условиях остро встает необходимость разработки методик применения наиболее эффективных технологий принятия управленческих решений по торговым операциям на российском рынке ценных бумаг.

Игнорирование проблем прогнозирования поведения фондового рынка и отсутствие систем, способных осуществлять подобное прогнозирование, приводят к ухудшению качества управления, что в конечном итоге отрицательно сказывается на финансовых результатах работы инвестиционного института.

Многообразие методов анализа фондового рынка позволяет аналитику использовать все их множество для более обоснованного прогнозирования, но при этом всегда ставит перед проблемой выбора правильного решения. Поэтому одним из путей дальнейшего совершенствования анализа рынка ценных бумаг является разработка методов, сочетающих в себе знания различных областей анализа.

Одновременно с развитием теоретических подходов для создания адекватных моделей поведения рынка, в западных странах и США происходило активное внедрение новых интеллектуальных компьютерных технологий в практику принятия финансовых и инвестиционных решений: вначале в виде экспертных систем и баз знаний, а затем с конца 80-х — нейросетевых технологий.

Начало исследования методов обработки информации, называемых сегодня нейросетевыми, было положено несколько десятилетий назад. С течением времени интерес к нейросетевым технологиям то ослабевал, то вновь возрождался. Такое непостоянство напрямую связано с практическими результатами проводимых исследований.

На российском финансовом рынке нейросетевые компьютерные технологии появились всего несколько лет назад. Изучение литературы за этот период показало, что ни в одном из источников не содержится подробного описания (с указанием достигнутых результатов) эффективного применения нейросетевых компьютерных технологий для прогнозирования динамики фондового рынка в среднесрочной перспективе. Большинство публикаций (подавляющее большинство из них — в периодической печати) сводится к описанию возможностей нейронных сетей и их потенциальных преимуществ перед другими компьютерными технологиями. Причем большая часть выводов в этих работах сделана на основе результатов применения нейросетей на западных рынках.

Основной вклад в развитие теории нейрокомпьютинга и его применения в финансовой сфере внесли ученые стран Запада и США. Это прежде всего: В.-М. ван ден Берг, Д.-Э. Бэстенс, П. Вербос, Л. Вилентурф, Д. Вуд, В. МакКаллох, В. Пите, М. Редмиллер, Ф. Розенблат, Дж. Хопфилд и др. Необходимо отметить также работы отечественных ученых, занимающихся разработкой и внедрением нейросетевых технологий в области экономики, таких как: А. Ежов, Б. Одинцов, А. Романов, С. Шумский и др.

На сегодняшний день возможности нейросетевых технологий используются во многих отраслях науки, начиная от медицины и астрономии, заканчивая информатикой и экономикой. Между тем далеко не все потенциальные возможности нейросетевых методов изучены, но одними из их свойств являются возможности распознавания и классификации образов, работы с большими массивами зашумленных данных, аппроксимация и выявление неочевидных зависимостей в данных финансовых временных рядов. На основе этих свойств нейросетевых архитектур можно сделать вывод о значительном преимуществе их использования для анализа и прогнозирования динамик финансовых рядов, в частности фондового рынка.

Актуальность отмеченных вопросов теории, их недостаточная разработанность, высокая практическая значимость обусловили выбор темы, предопределили объект, предмет, цель и задачи диссертационной работы. Объектом исследования выступает российский рынок акций. Предметом исследования являются нейрокомпьютерные технологии и их использование для прогнозирования динамики фондового рынка.

Цель исследования — разработка методик среднесрочного прогнозирования характера поведения цен закрытия акций в среднесрочной перспективе (1-6 календарных месяцев) на базе нейронных компьютерных технологий.

В соответствии с поставленной целью в работе решаются следующие задачи: исследование развития и современного состояния российского рынка ценных бумаг и определение возможностей прогнозирования его динамики; проведение сравнительного анализа использующихся методов оценки и прогнозирования рынка акций; классификация основных технологий интеллектуального анализа данных в бизнесе и финансах; определение особенностей нейросетевых структур и выбор наиболее эффективных алгоритмов их обучения; анализ применения существующих нейросетевых технологий в финансовой сфере как на зарубежных рынках, так и в российской практике; выделение основных подходов к применению нейросетевых технологий для прогнозирования динамики рынка акций; создание нейросетевых архитектур, способных эффективно прогнозировать среднесрочный характер поведения цен закрытия акций российских эмитентов; проведение оценки экономической эффективности внедрения или возможного использования созданных архитектур.

Общетеоретическую и методологическую основу исследования составляют категории, законы, закономерности экономической науки. В диссертации использованы как методы эмпирического исследования, такие как сравнение, эксперимент, так и традиционные методы научного исследования: анализ и синтез экономических систем, моделирование экономических процессов, системный подход к изучаемым явлениям.

В процессе исследования проанализированы и использованы разработки научных коллективов и отдельных ученых Финансовой академии при Правительстве Российской Федерации, Российской экономической академии им. Г.В. Плеханова, Государственного университета управления, Всероссийского заочного финансово-экономического института, Московского инженерно-физического института (государственный университет), Московского государственного университета им. М.В. Ломоносова, Университета Твенте (Нидераланды), Университета Карлсруе (Германия) и других организаций. Широко использованы ключевые положения трудов отечественных и зарубежных ученых по проблемам инвестиционной теории и нейрокомпьютингу.

При решении конкретных задач автор опирался и использовал основные положения инвестиционной теории, элементы математической статистики, логики, высшей алгебры, информатики и программирования.

Информационную базу исследования составили данные торгов в Российской Торговой Системе (РТС), данные, публикуемые Центральным Банком России, данные об итогах торгов на Нью-йоркской бирже товаров (NYMEX), данные торгов на Нью-йоркской фондовой бирже (NYSE); публикации в экономических, математических и компьютерных изданиях, в том числе зарубежных; материалы, размещаемые в сети Internet.

Диссертация по своему содержанию соответствует пункту 2.8. паспорта специальности научных работников 08.00.13 — Математические и инструментальные методы экономики.

Научная новизна исследования состоит в достижении следующих результатов: обоснована первоочередная необходимость среднесрочного прогнозирования динамики рынка акций для класса «любителей» фондового рынка; выявлены преимущества и недостатки известных методов оценки и прогнозирования фондового рынка в среднесрочной перспективе; определены характерные особенности группы эволюционных методов; в результате классификации подходов к использованию нейросетевых методов для прогнозирования динамики российского фондового рынка предложен новый, комбинированный подход; обосновано выравнивание значений финансового ряда по моменту времени для избежания искажений выходных образов; разработан метод неравномерного разделения окна нейросети, позволяющий учитывать как краткосрочные, так и более длительные тенденции в динамике финансового ряда без увеличения количества входов; разработаны варианты двухфакторных и многофакторной нейросетевых архитектур, способных прогнозировать уровни поддержки и сопротивления и моменты разворотов среднесрочного тренда на рынке ценной бумаги.

Практическая значимость работы заключается в том, что основные положения, выводы, рекомендации, методологические подходы диссертационного исследования могут быть использованы для выработки конкретных рекомендаций по совершенствованию инвестиционного процесса как институциональными, так и индивидуальными инвесторами, в частности, для принятия эффективных решений при осуществлении вышеуказанными субъектами торговых операций на фондовом рынке. Самостоятельное практическое значение имеют: метод прикрепления значений финансовых временных рядов, подаваемых в ИНС, к моменту времени; методика выравнивания значений финансового ряда по моменту времени для избежания искажений выходных образов; метод неравномерного разделения окна нейросети, позволяющий учитывать как краткосрочные, так и более длительные тенденции в динамике финансового ряда без увеличения количества входов.

Внедрение и апробация работы. Полученные теоретические и методологические результаты используются в рабочем процессе аналитического отдела ООО Брокерская Компания «НИКойл».

Разработанные в рамках диссертационного исследования нейросетевые архитектуры внедрены и используются в практической деятельности фонда Russia Growth Fund.

Публикации. Основные теоретические положения и выводы диссертации изложены в четырех публикациях автора общим объемом 2,1 п.л. (все авторские).

Структура работы. Диссертация состоит из введения, трех глав по два параграфа каждая, заключения, списка литературы, 8-ми приложений и содержит 157 страниц основного текста (общий объем — 170 страниц), 6 таблиц, 27 рисунков, 91 наименование библиографических источников.

Диссертация: заключение по теме "Математические и инструментальные методы экономики", Бушуев, Константин Вадимович

Основные результаты данной работы заключаются в следующем:

В диссертационной работе исследованы проблемы современного щ российского рынка ценных бумаг. На основе рассмотрения истории российского фондового рынка и в частности кризиса 97-98гг. показано, что развитие рынка было предсказуемым при использовании традиционных методов анализа рынка. На основе изучения проблемы прогнозирования на рынке ценных бумаг сделан вывод о принципиальной возможности получения прогноза динамики цен, вопреки положениям теории эффективного рынка.

Рассмотрено большинство традиционных школ и методов оценки финансовых инструментов и прогнозирования динамики фондового рынка. Выявлены направленности тех или иных методов в определении динамики по периодам прогнозирования. Определена необходимость среднесрочного прогнозирования и выявлены субъекты, в первую очередь заинтересованные в получении подобного рода прогнозной информации.

Обоснована возможность и условия использования нейросетевых технологий для моделирования поведения цен закрытия российских акций.

Показаны биологические основы и математический аппарат искусственных нейронных сетей, определен список задач, решаемых щ нейросетевыми методами. В результате проведения анализа основных существующих обучающих алгоритмов показаны преимущества алгоритма Rprop при обучении нейросети значениям финансовых рядов.

Проанализированы известные подходы к нейросетевому моделированию динамики фондового рынка. Данные подходы классифицированы и показан дополнительный, комбинированный подход к прогнозированию цен закрытия финансового инструмента с использованием нейросетевых архитектур.

Разработан принцип выбора окна нейросети и интервалов его разбиения, определено приемлемое количество входов и выходов, а также структура нейросети для среднесрочного прогнозирования цен закрытия акций российских эмитентов.

На примере эмулированной функции определены возможности нейросетевых архитектур обучаться и синтезировать правдоподобные прогнозные значения для рядов значений, имеющих кроме нелинейных также рекуррентные логические зависимости. Определена возможная глубина прогнозного периода, исходя из размера окна нейросети.

Применена возможность подачи на входы двухфакторной нейросетевой архитектуры кроме значений цен закрытия за предыдущие периоды также соответствующих им значений момента времени для последующей коррекции результатов прогнозирования по известным заранее будущим моментам времени. Показана методика построения торговой стратегии на основе скорректированных временем прогнозных значений.

Разработан и применен принцип неравномерного разделения окна нейросети для повышения значимости входов без увеличения их количества.

На примере результатов созданной вспомогательной программы показаны недостатки использования среднеквадратической ошибки в качестве критерия обучения нейросети. Показан механизм функционирования кросс-энтропии в качестве альтернативного критерия.

Выявлена возможность создания многофакторной нейросетевой архитектуры, сочетающей в себе как принципы межрыночного технического, так и фундаментального анализа. Определены требования к финансовому инструменту, являющемуся объектом такого прогнозирования. Выявлены факторы подобной нейросетевой модели. Реализованы методы, позволяющие привести входные данные в соответствии с ограничениями, накладываемыми нейросетевой архитектурой.

Проведен анализ финансовых результатов от использования среднесрочных торговых стратегий, основанных на прогнозных значениях двухфакторной и многофакторной нейросетевых архитектур в сравнении с неизвестной заранее «оптимальной» торговой стратегией и стратегией простого держания акций в прогнозный период.

Заключение

Повышение эффективности проведения торговых операций на российском фондовом рынке, безусловно, является перманентной задачей как для профессиональных участников рынка, так и для небольших инвестиционных компаний, коммерческих банков и индивидуальных инвесторов, стремящихся увеличить свой капитал на рынке акций. При этом основной проблемой при осуществлении торговых операций является получение качественного прогноза динамики финансовых инструментов. Сама возможность такого прогнозирования до сих пор подвергается сомнению (теория эффективного рынка). Однако, на основе проанализированных материалов можно предположить, что финансовый рынок в целом и рынок акций в частности не являются полностью эффективными и существует возможность прогнозирования их цен.

Если крупные инвестиционные компании и банки могут извлекать прибыль от ежедневных операций купли-продажи и получения вознаграждения от своих клиентов в виде комиссии, то для «любителей» рынка стратегии ежедневной игры на рынки зачастую оказываются разорительными из-за высоких накладных расходов и значительной разницы между ценой покупки и продажи на рынке. В связи с этим для небольших инвестиционных компаний, коммерческих банков и индивидуальных инвесторов знание информации о среднесрочных тенденциях в динамике цен финансового инструмента является приоритетным для повышения своих финансовых результатов. Как показано в работе такие тенденции могут быть выявлены с применением нейросетевых методов.

Одной из основных трудностей продвижения нейросетевых технологий на российском фондовом рынке, является отсутствие достаточно продолжительной, доступной и непрерывной истории финансовых инструментов. Так, по большинству «голубых фишек» история торгов доступна лишь с середины 1995-го года, в то время как развитие рынка государственного долга было на некоторый период приостановлено. • Тем не менее, короткая история рынка является, с одной стороны, недостатком, а, с другой, некоторым преимуществом при использовании нейросетевых методов, что позволяет обучать нейросетевые архитектуры всем известным значениям финансовых рядов российского финансового рынка, и можно с уверенностью сказать, что применение нейросетевых методов для прогнозирования динамики российского фондового рынка обосновано.