neironne_seti_i_neirokompjuter (1085713), страница 7
Текст из файла (страница 7)
Вторая –«Нейронные сети для финансовых услуг» создана TBS Bank Technologyсовместно с UCL и Центром прогнозирования Henley. Среди финансовыхинститутов, использующих технологию нейронных сетей – Chemical Bank,Citibank, JP Morgan и др.Специалисты программы «Нейропрогнозирование» разработалимодель для выработки тактики распределения фондов на глобальных рынкахоблигаций.Модельохватываетсемьгеографических регионов:Великобританию, Францию, Германию, Японию, США, Канаду, Австралию,каждый из которых моделируется с помощью нейронных сетей с различнойструктурой.
Для получения краткосрочных прогнозов обучение нейроннойсети производилось с использованием статистической информации,характеризующей ситуацию на этом рынке за каждый месяц. Далее,полученные локальные прогнозы объединяются в центре управленияединым портфелем ценных бумаг. С ноября 1992 года данная программнаясистема использовалась Североамериканской страховой компанией (г.Бостон, США).
В результате использования капитал компании увеличился с25,0 до 50,0 млн долларов, а портфель ценных бумаг повысил доходность на25,0 % в первый год внедрения системы.В качестве инструмента для оптимизации параметров нейронных сетейчасто используются генетические алгоритмы. В частности, компанией HillSamuel Investment Management разработана программная система дляпрогнозирования результатов контрактов по долгосрочным ценным бумагамповышенной надежности. При моделировании нескольких стратегий торговв задаче прогнозирования направлений движения рынка она достиглаточности 57,0 %.В страховой компании TSB General Insurance (г. Ньюпорт, США)используется сходная методика для прогноза уровня риска при страхованиичастных кредитов.
Эта нейронная сеть самообучается на статистическихданных о состоянии безработицы в стране.Прогнозирования краткосрочных и долгосрочных тенденцийфинансовых рынковЗадачейавтоматизированнойсистемыпрогнозированиякраткосрочных и долгосрочных тенденций финансовых рынков является35PDF created with pdfFactory trial version www.pdffactory.comанализ некоторого набора влияющих факторов с последующим выводом одальнейшем краткосрочном или долгосрочном поведении прогнозируемойвеличины.Возможными прогнозируемыми величинами для подобных системявляются доходность и ценовые показатели: средневзвешенная цена, ценызакрытия и открытия, максимальная и минимальная цены.
Причемпрогнозироваться могут как показатели, определенные для целой группыинструментов или некоторого рынка в целом, так и показатели,определенные только для одного инструмента финансового рынка. Как длясовокупности инструментов, так и для каждого индивидуально можетопределяться доходность; ценовые показатели определяются для каждогоконкретного инструмента. Целями прогноза (прогнозируемой величиной) вобласти финансовых рынков могут являться, например, средневзвешеннаядоходность бескупонных облигаций (для группы инструментов),средневзвешенная цена акции РАО «ЕЭС России», курс американскогодоллара к рублю и др.В качестве исходных данных (влияющих факторов) для такогопрогноза могут использоваться различные макро- и микроэкономическиепоказатели, информация с торговых площадок, данные, предоставляемыеинформационно-торговыми агентствами, экспертные оценки специалистов.Количество влияющих на прогноз факторов зависит от рассматриваемогорыночного инструмента и конкретной рыночной ситуации (временногомомента).
То есть одни факторы оказывают влияние на все финансовыерынки, другие – только на определенные. Кроме того, влияние факторов нарынки может меняться с течением времени (меняются рыночныетенденции). Так как в определенные моменты времени прослеживаетсяявная взаимосвязь между финансовыми рынками и инструментами рынков,целесообразно в качестве исходных данных для прогнозирования одногорынка или его инструментов использовать информацию о тенденцияхдругих рынков. Например, при прогнозировании цены открытия «сегодня»для любых инструментов всех финансовых рынков, этот прогноз сильнозависит от цены закрытия «вчера» и обе эти величины могут выступать какпрогнозируемые.Прогнозирование краткосрочных и долгосрочных тенденцийфинансовых рынков включает следующие этапы.1. Сбор и хранение статистических данных – возможной исходнойинформации для прогноза (либо в качестве исходных данных, либов качестве прогнозируемой величины, либо как и то и другое);2.
Определение для рассматриваемого рынка или инструментапрогнозируемой величины и набора влияющих факторов (причемне всегда могут быть использованы данные, непосредственнохранящиеся в базе данных, зачастую требуется произвести36PDF created with pdfFactory trial version www.pdffactory.comнекоторые преобразования данных: например, часто в качестветаких факторов используются относительные изменения величин);3. Выявление зависимости между прогнозируемой величиной инабором влияющих факторов в виде некоторой функции;4. Вычисление интересующей величины в соответствии сопределенной функцией, значениями влияющих факторов напрогнозируемый момент и видом прогноза (краткосрочный илидолгосрочный).Процедура выполнения краткосрочного прогноза отличается отпроцедуры долгосрочного на первом и четвертом этапах. В случаекраткосрочного прогноза считается, что все участвующие в нем значимыевлияющие факторы на прогнозируемую дату известны и хранятся в базеданных.
Горизонт краткосрочного прогноза не превышает 3–4 дня. В случаедолгосрочного прогноза считается, что значимые влияющие факторы напрогнозируемую дату неизвестны и должны быть указаны ожидаемыезначения и погрешности. Соответственно погрешность определенияпрогнозируемой величины существенно увеличивается (чем дальшегоризонт прогноза, тем больше погрешность определения влияющихфакторов и вероятность ошибки аналитика). Горизонт долгосрочногопрогноза, как правило, превышает 3–4 дня.КредитованиеХарактерный пример успешного применения нейронных сетей вфинансовой сфере – управление кредитными рисками. Перед выдачейкредита для оценки вероятности собственных убытков от несвоевременноговозврата финансовых средств крупные банки, как правило, предпринимаютсложные статистические расчеты по определению финансовой надежностизаемщика.
Такие расчеты обычно базируются на оценке кредитной истории,динамики развития компании, стабильности ее основных финансовыхпоказателей и многих других факторов. Так, Bank of New York, СШАопробовав метод нейронных вычислений и применив его для оценки 100тыс. банковских счетов, выявил свыше 90,0 % потенциальныхнеплательщиков.Прогнозирование тенденций фондового рынка (рынка акций)Важная область применения нейронных сетей в сфере финансов –прогнозирование ситуации на фондовом рынке. Стандартный подход крешению этой задачи (не использующий нейронные сети) базируется нажестко фиксированном наборе «правил игры», который со временем теряетсвою актуальность из-за изменения условий торгов на фондовой бирже.Помимо того, системы, построенные на основе такого стандартного подхода,оказываются слишком медленными для ситуаций, требующих от трейдера(участника торгов) мгновенного принятия решений.37PDF created with pdfFactory trial version www.pdffactory.comРассмотрим, некоторые особенности действий на фондовом рынке.Трейдер, принимающий решения о купле–продаже акций, имеетдоступ к одному или нескольким электронным источникам информации(Reuters, Dow Jones Telerate, Bloomberg, Tenfore).
Он наблюдает текущиезначения и графики интересующих его индексов на мировых фондовыхбиржах, основные кросс-курсы валют и другие показатели валютного,фондового и кредитного рынков в многооконной среде с различнойстепенью детализации.На принятие его решения о купле–продаже акций, естественно, влияютмакроэкономические и общественно-политические события, сообщения окоторых через каждые 5–10 минут появляются в текстовом окне монитора исопровождаются комментариями экспертов, озвучивающих разнообразныеслухи и прогнозы.
Трейдеру также доступна дополнительная информация,такая как сообщения из Центрального банка России и от других значащихисточников об основных показателях рынков.Обязательно учитывается психология конкурирующих трейдеров, длякоторых важную роль играют ожидания ряда влияющих событий. Например,в 16:00 многие московские трейдеры внутренне готовы к изменениямтенденции поведения индекса Доу-Джонса на Нью-Йоркской фондовойбирже, которая с учетом сдвига по часовым поясам открывается лишь в17:30 по московскому времени.Фондовый рынок характеризуется также следующими особенностями:§ рыночные процессы весьма неоднородны во времени: например,состояние рынка осенью существенно отличается от его состояниялетом того же года; поэтому не всегда имеет смысл формироватьобучающие выборки большого объема;§ «загрязнениями» данных и их неоднородностью;§ наличием малоинформативных показателей при относительно маломобъеме статистики.В целом, задача краткосрочного прогноза котировок акций пусть и сиспользованием нейронных сетей представляется достаточно сложной,особенно на стремительно изменяющемся российском фондовом рынке.Примером прогнозирования тенденций фондового рынка можетслужить нейросетевая система (компания Alela Corp.), предназначенная дляпрогноза изменения биржевых индексов Dow Jones, S&P500 и Merval.
Насайте компании можно бесплатно воспользоваться прогнозом измененияданных индексов и, используя его в качестве дополнительной информации,убедиться, что доля верных прогнозов составляет не менее 80,0 %.Японские компании, оперирующие на рынке ценных бумаг, такжешироко применяют нейронные сети (компания Mitsubishi). Для входанейронной сети использовалась информация о деловой активностинескольких организаций, полученная за 33 года, включая также оборот,предыдущую стоимость акций, уровни дохода и т.д. Данная нейронная сеть38PDF created with pdfFactory trial version www.pdffactory.comсамообучалась на реальных примерах и показала высокую точностьпрогнозирования, а также быстродействие.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
