Автореферат (Прогнозирование доходности на фондовом и валютном рынках на основе моделей искусственных нейронных сетей)
Описание файла
Файл "Автореферат" внутри архива находится в папке "Прогнозирование доходности на фондовом и валютном рынках на основе моделей искусственных нейронных сетей". PDF-файл из архива "Прогнозирование доходности на фондовом и валютном рынках на основе моделей искусственных нейронных сетей", который расположен в категории "". Всё это находится в предмете "экономика" из Аспирантура и докторантура, которые можно найти в файловом архиве НИУ ВШЭ. Не смотря на прямую связь этого архива с НИУ ВШЭ, его также можно найти и в других разделах. , а ещё этот архив представляет собой кандидатскую диссертацию, поэтому ещё представлен в разделе всех диссертаций на соискание учёной степени кандидата экономических наук.
Просмотр PDF-файла онлайн
Текст из PDF
Работа выполнена на кафедре чеилуйародйых аалнлйо-финансовых опкпйенйй фейералвйо~о Гоеуларетвенйо~о автоной йово образоватенвното учреФдеййа йрофееюйойалвйото обрааоваййа "Наййойалвйв~й нееледоватенвехйй унйверсйтет "Вывшая школа экономйкй" Научный руховодйтейв нохтор айойомйчеехйх на~а Антуальность диссертанноннОГО нсследонанни име~т как Теоретические, тзк и практические Основания. В услоВиях Глобализации ззВнсимОсть резльнОГО Сектор~ экономики и бла~осос~ояния физических лнн От процессов, пронсходягннх на финансовых рынках, очень велика.
Особенно сильно это мккно было ощутить в ходе мировоГО финансового Кризи~а 2008 года, когда обвал финансово~ о сектора повлек за СОЕЙ рецессик~ Во Мно~их мировьгх экономика. '1'еоретическое Описание массовых Ожиданий участников финансового рынка и прогнозирование ца этой основе котировок позволяют обогатить инструментарий финансового анализа ВысОкО эффективными формальнымн методами. В финансовом анализе искусственнь|е нейронные сети рассматриваются кзк механизм реконструкггии репрезентативного агента, принимаюгпего регцения, и благодаря Свои~ Оглнчительньгм характеристикам мокнут быть использованы для прогнозирования доходности на фондОВОм и Валютном рынке, 8 диссертации рассматриваются наиболее ликвидные фондовые и Валютные рынки рязанях стран, поскольку именно рынки с нзнболыией ликвидностью бьгвают наиболее олизкн к состоянию Информационной эффективности.
Это СОСТОЯНИС ЗЗЯВЛЕНО В КЗЧЕСТВЕ ЦЕЛИ ДЛЯ СУВЕРЕННЫХ РЕГУЛЯТОРОВ финаНСОВЫХ рынков и гэтрзэксно, в частности, В документах МегкдунзроднОЙ организации комиссий по Пенным Оумагзм (10:"эСО~, что делает именно развитые рынки наиб~лее интересным, «чистым» обьектом исследования. От дельная Вахгная проблема В рамках исследований искусд тасиных нейронных ССАЙ и повыцгення зффектнвности нх прогнозных ~пособностеЙ различные способы обработки Входных данных. Это объясняется тем, что В последние Годы массивы данных, доступньге финансОВым аналитикам, сушественнО Возросли, 3 Взаимосвязи между ними, В том числе прнчинно- ~~~дственные, усложнилнсь.
Поэтому в рамка~ д~~ной работы ~си~иное внимани~ будет уделено исследованию и применению различных инструментов обработки эмпирических данных перед их предъявлением искусственным нейронным сетям и сраВнительнОму анализу их возможностей для прогнозирования дохОднОсти на фондовом и валютном рынках развитых стран. В час*ности, будут подробно рассмотрены метод ГлаВных и метод независимых компонент, кОторые используются ВО мнОГих научно-исследовательских раоотах, В частности„ по кОличествен ным финансам.
Следует добавить, что полезность исследований с помощью искусственных нейронных сетеЙ нельз~ связывать только с финансово-экономической сферой, ПОлученные исследОВательские результаты мОГут дать важный синер1етический эффект длЯ других отраслей науки, В числе наиболее перспективных можно Выделить когиитивиую психологию, теории принятия рензений индивидуумами и Группами лиц, а также поведеииЯ больших социальных систем, Степень разработанности Темы в научной литературе.
На протяжении нейронных сетей, на изучении которых сделан акцент в данной работе. Разброс пуоликаций по ДанноЙ тематике Д~~таточно н1нрок. Первыми стали труды У. Мак-Каллокка и В. Питтса, Ф.Розенблатта, Д.Хебба. К попыткам систематизировать информацию (прежде всего, типологикз) в Д~ИИ~Й Области можн~ Отнести работьк К.Бишопа, В,Кру~з1ОВВ„П. Макнелиса, К.Файфа, С,Хайкина.
Используемые в работе методы предварительной обработки Существует обширная литература, где описывается построение полноценных мОделеи нскхсственнОГО интеллекта с помошью искусственных нейронных сетей и экспериментального взаимодействия агентов в больших имитационных системах. Отметим публикацин С.Альфарано и др., А. Баравиера и др., Р.
Конта и Ж.-Ф, Боше, Б. Лебейрона, Б. Макмуллина, М,Митчелл, Р. Да Силва и др. Кроме ~тог~ мол,"но выдели~ь широкий спектр публикаций, связанных именно финансовь$ми рынками, а именно с прогнозированием ЛОходности на ф~ндовом н вапк»тном рынках с помогцьк» искусственных нейронных се~еЙ исследуемоЙ инвестиционного портфеля), но при этом не проводнтся достаточно глубокий разбор теоретических выводов.
Ва»хной ~»соб»енностьк» данной работы является синтез практического применения построенных моделей и теоретического анализа полученных результатОВ, Основнап научнап гипотеза состоит в том, что модели искусственных нейронных сетей могут имитировать формирование о»киданий репрезентативного а~~и~а (инв~".гора) на финансовых рынках. Основными характеристиками процесса формирования этих Ол~иданий счптан»тся ограниченная рациональность, самооб~чеййе, а ~акже возййкйовеййе с»оъектйвйо полйых хартий буд» щеГО (яе1ГВПГ1Ьибоп) на основе сценарной интерпретации прошлой информации. Эти Особеййостй спосооа прййятйя ййвестйцйоййых решеййй вффектйвйО нмнтнр»ются с помошьк1 койк»рентных мехаййамов предварительной обработкй входйых Данных (по сравнению с др» Гймй методами обработки, а также ~~~~д~~и, йе использ»ющймй предварйтельн~ю Обработк» входйых данных) В самоорГайиз»чОшнхся иск»сстВенных нейрОнных сетях Кохонена — Хакейа н роевой архйтект»ры.
В рез»льтате мо®ет быть существенно повьцпейо каче~та~ проГйоайрованйя доходйостй йа фййансовых рыйках раавйтых страй по крйтерйю рОста внртуальнОГО ННВестиционйОГО портфеля. В рамках исследования предполаГается, что распределения лОГарнфмйческих доходйостей на финансовых рыйках поро®даются механйтмом, систематически отклоняюшймся от центральной предельной теоремы, что соответствует состоянию неполной информационной аффектйвности. под сОстояиием 'неполнОЙ ийформацноннОЙ эффектиВИОстй подразумевается рынках и соответств~ющая отложеййая реакцйя цей йа пост» пающ»'ю ййформацйю. В свою Очередь. лто сл»'кит сстествеййой предпосылкой для проГнозирования динамики финансовых рынков с помощью аналитических моделей, обрашающйхся к прошлым зйаченйям времеййых рядов ~в том чйсле МОделей иск»"сственных нейронных сетей ).
Принятый В диссертаций пОдхОд ПОЯВОляст придать стрОГ»'ю колйчественй~ю форм» рез~льтатам, пол» ченнь~м в Области поведенческйх финансов, для которых крнтнчески ва~кен механизм принятия решений репретентатнвнь~~ ВГейтом. 'Этн реа»льтаты татем йспольт»ются лля проснозйровання финансОвых рынкоВ. Опъеит нес.ледоВайии — рыночные ИО«)тфели (фондовые индексы) «)азВитых стран и Ваяв)тные па«)ы, П«)едмет исследовании — прогнозирование доходностн на фондовых «)ынках развитых ст«)ан и Валк)тном «)ынке с помо)пьк) МОДСЛ~Й нс)ГГсственных нейронных сетеи с предварнтельной Об«)аооткои ВХОДИЫХ ДВИИЫХ. Цель диссертайййййого исследойанйи — предло)кить Спо~обЫ прогнозирования Д~~одно~~и на фонд~~~~ и Валк)тном «)ынках развитых стран с ))Омон)ыо Мод~~еЙ иск) сственных нейронных сетеЙ с предварительноЙ об«)аооткой ВХОДИЫХ данных„кото«)ые соответств~к)т тнпияныы реакпиям лип, п«)инимак)гдих «)ешения, по критерик) «)Оста Ви~уР'ального инвестипиОИИОГО портфеля, построенного на основе прогнозов сети.
В Соотв~тствии с зтой пелыо в раооте ~тавятс~ и решак)гся следу)опи)е задачи: я показать возмо)кность прогнозирования доходности на финансовых «)ынках с пом00)ьи) моделей иск~сственных ней«)онных сетей как механизма, сопзропеп«апа«уя«ь) и метода н~зави~и~~~ ~~мп~нент ««пдерейп«е))1 соп)ропеп) апа«уя)я) в каиестве различнЫХ форм предварнтельноЙ обр~бот~~ Входных ланных для искусственных нейронных сетей при прогнозировании доходности на финансОВых «)ынках; ° ПОКазать, иго предва«)ительная обработка ВХОДИЫХ ДаннЫХ с помон«ыо методоВ Главных и независимых кОмпонент, которая сВОдится тОлькО к сокрашению «)азме«)ности Вхолн01О пространства или заданий) кОнтекстной памяти, недостаточна для получения эффективного результата при щ)ОГНОзи«)овании доходности на финансовых рынках„ предлоясить нов~1О спепификаник) иск) сственнои нейронноЙ сети для п«)огнозировани я доходности на финансовых рынках, В кото«)ОЙ предварительйал обрзооткз Входных даййых осупзествлзетса на осйовс конкурентных механизмов взаимодействия — как Внутри одной сети, так и между несколькимй незаВисимыми сетзми,' реьпйть тйпйчйые *ехййческйе проблемы В построений йскусствеййых йейроййьгх сетей, такйе как йнтерпретаниа результатов Обраооткй входйых даййых с помопзыо Метода йезавйсймых компойейт й подбор начальных значении сети при прОГнозирОВании доходнОсти на финансовых рынках; ° на ОсиОВе полученных результатов получить строГие формальные ВЫВОДЫ О ПРИМЕНИМОСТИ ОПРЕДЕЛЕННЫХ ВИДОВ ИСКУЕСТВЕННЫХ нейронных сетей на фййзйсовых рыйках разлйчйого тйпа.
$ еоретичеезГОЙ и методолокйчеснои Основой исследования служат труды известиых уче*ньГх в Оолзсти зкОИОмнки й финансОВОН математикй, средй которых К,Бишоп, 'Г. Кохонен. Б. Кразе и П. Смагг, К.Файф, С.Хайкин. )".Хакен, а также другйе значимые йсследованиз, посвзпзенйые искусственным йейроййым сетзм, Больгпоа значенйе длЯ Выбора ЗВТОром методов йсследовайил и формйровзййз подходов к айалйзу искусственных йейроййых сетей ймелй работы области поведенческих финансов.