Введение - Использование нейронных сетей для прогнозирования и принятия автоматизированных решений при инвестировании на фондовом рынке

В условиях глобализации мировой экономики развитие финансовой системы является важнейшей задачей, решение которой способно обеспечить стабильный рост экономики страны. Разрывы между темпами роста различных секторов и отраслей экономики требуют наличия гибкого механизма перераспределения средств между экономическими агентами - от компаний или физических лиц со свободной денежной массой к участникам рынка, нуждающихся в дополнительном привлечении финансирования. В качестве подобного механизма выступает общая финансовая система и отдельные ее инструменты: фондовый рынок и банковский сектор экономики. Проблема эффективного регулирования рынка ценных бумаг в России одной из первоочередных, так ее решение, в перспективе, способно оказывать существенное положительное влияние на многие сферы экономики: социальную, сектор малого и среднего бизнеса, инновационную деятельность и т. д.

Фондовый рынок является попыткой создать абсолютно "эффективный рынок", с той точки зрения, что массовые ожидания всех экономических агентов способны сформировать "справедливый" спрос и, как следствие, определить рамки предложения. И, если качественный анализ и попытки предсказывать ожидания участников рынка на основе доступной экономико-факторной информации уже давно применяются на практике, то теория формальных методов технического анализа находится в стадии становления и нуждается в дальнейших серьезных исследованиях.

В данной работе, в качестве метода технического анализа финансово-биржевых инструментов, исследуется класс математических моделей - искусственные нейронные сети. Подобный выбор связан с широкой популярностью нейросетевого моделирования для решения различных классов задач, а также интуитивная обоснованность данного подхода в рамках задачи анализа и прогнозирования финансовых временных рядов (так как искусственные нейронные сети являются имитационными моделями принципов работы головного мозга, а, как уже отмечалось ранее, анализ фондового рынка непосредственно связан с анализом совокупных ожиданий репрезентативных экономических агентов).

Главной задачей данного исследования является проведение собственного анализа эффективности применения моделей, основанных на нейронных сетях, для решения задач финансового прогнозирования. Но полученные результаты и выводы могут распространяться и на многие другие сферы применения нейронных сетей, в силу единообразия подхода. Следует также отметить, что проводимый анализ в данной работе не ограничивается лишь на выборе конкретной модели, типа архитектуры и основных характеристик сети и установлении взаимосвязи с величиной эффективности предсказаний. Важной этапом исследования является формирование релевантных данных из общего эмпирического массива для нейросетевого прогнозирования и анализ методов предварительной обработки.

Как уже отмечалось ранее, данная тематика является относительно новым направлением научных поисков. Но методологическая основа для данной работы, исследования искусственных нейронных сетей, уже сформирована как самодостаточная теория. Активные исследования искусственных нейронных сетей, как подкласса самоорганизующихся сложных динамических систем, начались в середине двадцатого века. Фундамент дальнейших научных поисков был заложен в знаменитой работе У. МакКаллока и У. Питтса [18], в которой впервые была формально описана модель искусственной нейронной сети. Работа Хебба[44] послужила теоретической основой для обоснования возможности имитационного моделирования процессов головного мозга на основе искусственных нейронных сетей. Ну и, конечно же, знаменитая работа Розенблатта[27], в которой ученый описал базовую (и на сегодняшний день) архитектуру нейросети.

Применение искусственных нейронных сетей непосредственно для финансово-биржевого анализа подробно освещено в базовых для данного исследования работах Головочева С. [8, 9] и Ежова А., Шумского С. [14]. Используя все вышеуказанные работы в качестве методологической основы, было проведено собственное исследование эффективности применения искусственных нейронных сетей и методов предварительной обработки данных для прогнозирования направления динамики изменения финансово-временных показателей биржевых инструментов - котировок.

Объектом исследования является класс нейросетевых математических моделей для решения задач анализа и прогнозирования финансовых временных рядов.

Предметом выступает анализ эффективности нейросетевой модели многослойного перцептрона для решения задач указанного класса.

Цель Исследования в рамках проекта - выявление оптимальной архитектуры, математических и эвристических характеристик сети, метода предварительной обработки входных данных и создание прототипа нейронной сети для дальнейшей оценки качества прогнозирования.

В соответствии с целью исследования, ставятся и решаются следующие задачи:

    - Выбор структуры модели искусственной нейронной сети прямого распространения для эффективного решения класса задач анализа и прогнозирования финансовых временных рядов. - Формирование нескольких архитектур сетей на основе выбранной структуры для дальнейшего анализа их эффективности. - Определение основных характеристик для сети, таких как функция активации нейронов, функция вычисления ошибки, алгоритм настройки синаптических весов, формат входных и выходных данных. - Анализ методов первичной обработки финансово-временных данных для формирования эмпирической базы. - Выбор метода предварительной обработки данных для повышения статистической значимости и качества "входов" нейронной сети. - Определение алгоритма формирования обучающей выборки на основе предварительно обработанных входных данных. Практическое обоснование подобного выбора. - Реализация вышеуказанного при помощи изученного инструментария (язык программирования C#, Visual Studio 2015) для анализа эффективности предложенного метода. - Анализ эффективности прогнозирования реализованной модели искусственной нейронной сети. Выявление зависимости (или установление ее отсутствия) между объектами анализа и величиной качества предсказания. Выбор "лучшей" архитектуры сети для каждого из исследуемых финансово-биржевых инструментов.

В качестве анализируемых финансово-биржевых инструментов, выбраны акции, эмитированные российскими компаниями из различных секторов экономики и входящие в индекс РТС. В работе использовались реальные данные о котировках акций, предоставляемые брокерской компанией "Финам" (www. finam. ru). Временные рамки исследования:

    - 01.01.2014 - 01.01.2016 гг. - интервал, данные об акциях на котором, использовались для обучения нейронной сети - 01.01.2016 - 15.05.2016 гг. - котировки из этого интервала подавались на вход сети в качестве тестовой выборки.

Практическая значимость данного исследования заключается в построении реальной модели искусственной нейронной сети, включающей в себя метод предварительной обработки данных, для прогнозирования динамики цен активов на российской рынке ценных бумаг. Полученные результаты могут представлять ценность, как с точки зрения сделанных качественных выводов, так и с точки зрения количественной оценки эффективности работы нейронной сети.

Похожие статьи




Введение - Использование нейронных сетей для прогнозирования и принятия автоматизированных решений при инвестировании на фондовом рынке

Предыдущая | Следующая