Применение современных информационных технологий и систем в задачах анализа и прогнозирования финансовых рынков

Говоря о финансовых рынках, чаще всего задается вопрос: «Можно ли с достаточной долей вероятности спрогнозировать динамику финансовых рынков?». Совершенно очевидно, что каждого, кто вкладывает и инвестирует свои деньги, или в валютный рынок, или в фондовый, интересует, сколько он сможет при этом заработать. Однако, не смотря на кажущуюся простоту этого вопроса, то есть «купил дешево – продал дорого», инвесторы и вкладчики все продолжают терять деньги. В чем причина? Для объяснения этого вопроса потребуется много времени, что выходит за рамки данной статьи. Однако все более становиться понятным даже простому обывателю, чтобы заработать и не потерять свои деньги на финансовых рынках должны применяться современные информационные технологии и системы.

Для преодоления проблем, с которыми приходится сталкиваться при анализе финансовой ситуации и прогнозировании динамики финансовых рынков, делаются попытки применения таких разделов современной фундаментальной и вычислительной математики, как нейрокомпьютеры, теория хаоса, теория катастроф, теория фракталов, нечеткие множества и другие. Считается, что эти методы позволят увеличить глубину прогноза на финансовых рынках за счет выявления скрытых закономерностей и взаимосвязей среди плохо формализуемых обычными методами макроэкономических, политических и глобальных финансовых показателей [1].

Проанализировав состояние методологии прогнозирования, мы пришли к выводу, что применяемые на практике классические методы прогнозирования, принятия решений и анализа экономической информации являются все более не эффективными. Существующие методы не учитывают субъективный характер принимаемых решений, не моделируют активность лица принимающего финансовые решения, его не полную осведомленность и возникающую в связи с этим неуверенность в ходе классификации уровней анализируемых факторов и показателей. В этом и состоит содержание проблемы, которую необходимо решать. Применяемые для учета неопределенности субъективно-вероятностные схемы являются неудовлетворительными, так как, потеряв связь с классической основой теории вероятности не нашли новой фундаментальной основы для существования. Вероятность не учитывает субъективные предпочтения лица, который выдвигает эту вероятностную оценку. Существует актуальная научная потребность в выработки новых принципов учета информационной неопределенности, связанной с объектом научного исследования. Поэтому, предлагается в качестве основы для моделирования неопределенности использовать формализмы теории нечетких множеств [2]. Научные исследования по совершенствованию методов прогнозирования и анализа финансовых рынков ведутся на основе интеграции нечетких множеств, теории хаоса и, как инструмента реализации прогнозов, нейронных сетей, так как именно интеграция перечисленных методов и информационных технологий должна позволить улучшить результаты торговой практики.

Все более широкое распространение получают Нейросетевые технологии прогнозирования и анализа финансовых рынков. По сравнению с традиционными методами математической статистики, классификации и аппроксимации, эти технологии обеспечивают достаточно высокое качество решений при меньших затратах. Они позволяют выявлять нелинейные закономерности в сильно зашумленных неоднородных данных, дают хорошие результаты при большом числе входных параметров и обеспечивают адекватные решения при относительно небольших объемах данных. Сейчас уже накоплен богатый опыт успешного использования нейронных сетей в практических приложениях. По количеству реальных приложений лидируют системы интеллектуального анализа данных в бизнесе и в управлении процессами. Интеллектуальный анализ данных (ИАД) или data mining – это процесс выявления значимых корреляций, образцов и тенденций в больших объемах данных. Учитывая высокие темпы роста объемов накопленной в современных хранилищах данных информации, роль ИАД трудно переоценить. Прогнозирование – одна из самых распространенных задач ИАД.

Для применения методов нейронных сетей в процессе информационного анализа данных в бизнес-приложениях разработан ряд инструментальных средств высокого уровня. К ним относятся в первую очередь системы 4Thought (Cognos) и SENN Sales (Siemens Nixdorf).

Система 4Thought. Данный продукт входит в семейство средств Business Intelligence, предлагаемых одним из ведущих разработчиков инструментальных средств для создания аналитических приложений в бизнесе, канадско-американской компанией Cognos. Средства анализа результатов, предусмотренные в данной системе делают ее удобным инструментом как для конечного пользователя-аналитика/ менеджера, так и для специалиста-математика. Интеграция со средствами OLAP (система PowerPlay) позволяет применять нейросетевые методы анализа и прогнозирования непосредственно к гиперкубам PowerPlay.

Используя технологию нейронных сетей, 4Thought позволяет анализировать эффективность работы предприятий и их подразделений и таким образом, оценивать инвестиционную привлекательность предприятия.

Система SENN Sales. Данный продукт представляет собой специализированное средство для интеллектуального анализа данных в финансовой и коммерческой сферах. Данная система может быть успешно применима и для прогнозирования финансовых рядов.

Использование нейронных сетей позволяет строить интегрированные самосогласованные модели для нескольких различных валют, причем система дает при этом более точный результат, чем пакеты, построенные на основе традиционных методов. Таким образом можно минимизировать риск потерь при валютных операциях в ходе заключения международных сделок.

Данная система позволяет прогнозировать различные типы индексов например РТС, ММВБ и др. Моделирование индекса РТС фондовой биржи представляет интерес для инвестиционных компаний, которые могут использовать модельные прогнозы для оптимального размещения финансовых средств.

Система NeuralWare Predict. Специалистов по нейронным сетям, наверняка заинтересуют инструментальные средства фирмы NeuralWare, которая с 1997 г. входит в состав компании Aspen Technology (США). NeuralWare предлагает ряд программных продуктов, позволяющих решать задачи конструирования новых видов нейронных сетей, их применения для оперативного управления различными процессами и для интеллектуального анализа данных. Эти продукты обеспечивают гибкость как при построении сетей, так и при их интеграции в другие приложения. Проводить ИАД в бизнес-приложениях удобнее всего с помощью пакета NeuralWorks Predict, интегрированный с MS Excel. По сравнению с 4Thought и SENN Sales этот пакет предоставляет более широкие возможности выбора и настройки архитектуры сети, правда, работа с ним требует от пользователя более глубокого знания теории нейронных сетей.

В итоге обзора современных информационных систем очевидным фактом является, что для реализации предложенных идей необходимо использование новых информационных технологий. В этой связи становиться актуальными вопросы создания новых комплексов программ или использование имеющихся разработок для реализации предметной области. Такими программными инструментами могут стать системы реализующие технологию Data Mining, Fuzzy Logic и Neural Networks. Особый интерес представляет система Data mining PolyAnalyst компании «Мегапьютер Интеллидженс». Сегодня во всем мире используются сотни, если не тысячи, разнообразных интеллектуальных систем поддержки принятия решений по управлению портфелем ценных бумаг — Portfolio management decision support systems (PMDSS). Их работа основана на комбинации изощренных статистических методов с правилами, заданными на основании информации, полученной от опытных трэйдеров, и в ряде других подходов. Множество систем базируется на нейронных сетях [3]. Для построения оптимальной стратегии торговли на фондовом рынке не обойтись без применения нейросетевых технологий. Нейронные сети будут составлять общую с Data Mining систему искусственного интеллекта, которая должна быть дополнена агрегацией методов нелинейной динамики для анализа и прогнозирования временных рядов котировки акций.

За последние несколько лет методы нейроаналитики доказали свою способность успешно решать сложные практические задачи. Сегодня происходит интеграция этих средств в сложные системы управления и анализа. В бизнес-приложениях наибольший интерес представляет интеграция методов интеллектуального анализа данных с технологией OLAP (как, например, это сделано в семействе BI фирмы Cognos). OLAP использует многомерное представление агрегированных данных для быстрого доступа к важной информации и дальнейшего ее анализа. Системы OLAP обеспечивают аналитикам и руководителям быстрый последовательный интерактивный доступ к внутренней структуре данных и возможность преобразования исходных данных с тем, чтобы они позволяли отразить структуру системы нужным для пользователя способом. Кроме того, OLAP-системы позволяют просматривать данные и выявлять имеющиеся в них закономерности либо визуально, либо простейшими методами (такими как линейная регрессия), а включение в их арсенал нейросетевых методов обеспечивает существенное расширение аналитических возможностей.

 

 

Литература

  1. Тихонов Э.Е. Методы и алгоритмы прогнозирования экономических показателей на базе нейронных сетей и модулярной арифметики. Дисс. …канд. тех. наук. – Ставрополь, 2003. – 139 с.
  2. Недосекин А.О. Фондовый менеджмент в расплывчатых условиях – Санкт-Петербург, 2003. -201 с.
  3.  Киселев М. Data Mining в управлении портфелем ГКО/ОФЗ [режим доступа http://www.tora-centre.ru].

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *