Диссертация (1138079), страница 4
Текст из файла (страница 4)
Чаще всего речь идёт одецентрализованной системе, т.е. системе, в которой отсутствует единый центрпринятия решений (или обработки поступающих входных сигналов), а еёотдельные агенты наделены определённой степенью автономности – видимаяпараллель с искусственными нейронными сетями.Подавтономностьюпредпочтениями,атакжепонимаетсяспособностьнаделениеагентовреализовыватьэтиопределённымипредпочтения18(добиваться целей) во взаимодействии с другими агентами [212]. С точки зрениянахождения оптимальных решений определённых проблем (problem solving)немаловажным для многоагентной системы становится наличие ограничений,заданных извне, которые задают область поиска [156].Взаимодействие агентов на микроуровне, наряду с децентрализацией,являетсякрайневажнойхарактеристикоймногоагентныхсистем.Рядэкономических исследований предписывают агентам базовые характеристики,заимствованные из микроэкономики и теории игр, и с помощью агрегированныхрезультатов их взаимодействия пытаются объяснить явления на макроуровне.Однако, как справедливо отмечают некоторые авторы, простое агрегированиеповедения микроагентов способно описать реальные экономические процессылишь на качественном уровне, потому что они оказываются чрезвычайно сложныи не дают адекватного прогноза по эмпирическим данным [95].В этой связи нам также представляется крайне важным выделять поведениемногоагентной системы на макроуровне.
Дело в том, что результатомвзаимодействия агентов на микроуровне часто становится новое, комплексноеповедениевсейсистемынамакроуровне,обнаруживающееявленияихарактеристики, которые не были присущи её отдельным элементам – то есть мывновь сталкиваемся с самоорганизацией и эмерджентностью [90, 165]. Такиеэффекты имеют место и при искусственном моделировании финансовых рынков спомощьюмногоагентныхсистем,преждевсеговформестадного,самоорганизующегося поведения (herd behavior) [28, 38, 62].Но если взаимодействие агентов в имитационных моделях финансовыхрынков приводит к самоорганизации, то было бы вполне логично вменятьподобныехарактеристикиисамимагентам,например,заставлятьихобрабатывать информацию и реагировать по принципу искусственной нейроннойсети.
Такой подход к исследованию многоагентных систем достаточно частовстречается в современных научных исследованиях [32, 57, 95, 118, 159, 219].Поэтому в данной работе мы будем уделять особое внимание определению такихсвойств искусственных нейронных сетей, которые могут быть впоследствии19приписаны взаимодействующим агентам в рамках экспериментов по построениюимитационных моделей фондового, валютного и других финансовых рынков.1.2.
Принятие решений репрезентативным агентом на основе ограниченнойрациональности и самоорганизации: имитация с помощью искусственныхнейронных сетейМодели искусственных нейронных сетейявляются вычислительнойпопыткой имитировать работу биологических нейронных сетей головного мозгачеловека. Подобные модели широко используются в различных областях науки,однако в фокусе данного исследования является прогнозирование финансовыхрынков, поэтому нам важно получить надёжное теоретическое обоснование того,что искусственные нейронные сети могут быть эффективным инструментом длярешения этой задачи.Наша основная задача состоит в том, чтобы с помощью искусственныхнейронных сетей, использующих предварительную обработку входных данных,сконструировать такой инструмент, имитирующий механизм принятия решенийрепрезентативнымагентом,которыйпозволитосуществлятьуспешноепрогнозирование финансовых рынков.
Критерий, по которому мы будемотслеживать степень решения этой задачи–динамика виртуальногоинвестиционного портфеля, сформированного в соответствии с прогнозами сети,и её сопоставление с реальными рыночными данными, а также другимимоделями.Однако в этой точке мы сталкивается с очевидной теоретическойсложностью.
Дело в том, что в соответствии с классическим подходом кмеханизму ценообразования и распределению доходностей на финансовом рынкемы имеем дело с информационно эффективной системой. Выдвинутая взнаменитой статье Фамы [78] теория информационно эффективного рынкапостулирует, что цена финансового инструмента (например, акции) учитываетвсю доступную информацию на данный момент времени, в то время как прошлаяинформация совершенно нерелевантна для процесса ценообразования. Иными20словами, ценообразование на информационно эффективном рынке – этомарковский процесс первого порядка.Таким образом, колебания приростов цены на информационно эффективномрынке – это классический белый шум, некоррелированный случайный процесс,подчинённый нормальному распределению.
По сути, мы имеем дело сброуновским движением, потому что броуновское движение – это случайныйпроцесс с нормальным гауссовским распределением, который получается –согласно центральной предельной теореме – как предельный переход придостаточно большом количестве взаимно независимых случайных процессов(ожиданий).Заметим при этом, что в соответствии с законом Больших чисел, имеябольшую эмпирическую выборку, исследователь теоретически в состояниипредсказать, например, математическое ожидание случайного процесса.
Однакоодна из главных трудностей работы с финансовыми рынками состоит как раз втом, что эмпирическая выборка (в сравнении, например, с естественныминауками) достаточно ограничена. Более того, изменения на финансовом рынкепроисходят чрезвычайно быстро и порой носят весьма резкий характер, что вкорне меняет ключевые характеристики всей системы.Из этого можно сделать вывод, в условиях информационно эффективногорынка, ограниченность временной выборки делает принципиально невозможнымсделать прогноз хотя бы на один период наблюдения вперёд и любые попыткизаработать на колебании курсовой стоимости финансового инструмента на скольнибудь длительном промежутке времени – это игра с нулевой средней.2В тоже время есть ряд аргументов за то, что информационно эффективныйрынок (даже для развитых стран) – это определённое идеальное состояние, редкодостижимое на практике.
Согласно Гроссману и Стиглицу [94], рынок постоянноколеблется вокруг точки информационной эффективности, потому что стимулы2На реальном рынке это и вовсе игра с отрицательной суммой, потому что практически все участники торговвынуждены платить комиссию финансовым посредникам.21участников рынка к получению и обработке информации непостоянны вовремени.Более того, целый научный пласт – поведенческие финансы (behavioralfinance) – выдвигает на передний план именно фигуру, принимающую решения нарынке.
Так в, работе Канемана и Тверски [115] проводится важное разделениемежду объективной и субъективной вероятностью отдельного индивидуума, чтоведётксущественномуотклонениюрыночногораспределенияотпредсказываемого теорией информационной эффективности. В работе [39]рассматриваютсяэффекты(underreaction/overreaction)недостаточнойрынканаипроисходящиеизбыточнойсобытия,реакциичтотакжепротиворечит теории информационной эффективности.Если мы будем анализировать сам финансовый рынок и его структуру, тотоже получим свидетельства того, что распределения доходностей на нём далекиот нормального. Так, исследования американского рынка акций методамифрактального анализа позволяют говорить о том, что на практике колебанияприростов цены на длительном временном интервале – это комбинацияслучайногопроцесса,диссипативногохаосаидажеболеестрогихдетерминистических концепций – например, состояния имманентных катастрофво время резких обвалов рынка или периодов эйфорического роста [71].
Болеетого, состояния, когда собственные предыдущие флуктуации определённымобразом влияют на прирост цены финансового инструмента в будущем, являютсядоминирующими в общем временном распределении различных состоянийрынка, а состояния информационно эффективного рынка относительно редки.Отсюда следует важный вывод относительно того, что информация, касающаясяпрошлых состояний рынка релевантна для прогнозирования будущего.В исследованиях Сорнетте [185,187] фиксируется наличие сильныхвыбросов (dragon-kings) на фондовом рынке, которые не могут быть предсказанына основе нормального закона.
Отсюда делается вывод о том, что рынок вдействительности подчиняется не нормальному, а степенным законам, чтообуславливает его поведение как сложной самоорганизующейся системы и22приводит к катастрофическим ситуациям (кризисам).3 Это крайне важноенаблюдение, которое говорит о том, что попытки моделировать финансовыерынки с помощью многоагентных систем, которые также обнаруживают явлениесамоорганизации, а отдельным агентам вменять механизм принятия решений попринципуискусственнойнейроннойсети,являетсяправильнымисследовательским шагом.В качестве собственной проверки характера распределений на финансовыхрынках автор данного исследования провёл тестирование американскогофондового рынка на предмет соответствия распределения доходностей на нёмнормальному закону.Для этого был использован статистический критерий согласия Ястремского,который позволяет определить, подчиняется ли выбранное эмпирическоераспределениеопределённомутеоретическомузакону.Внашемслучаепроверялось соответствие распределения доходностей на фондовом рынкенормальномузакону–какпредсказываеттеорияинформационнойэффективности.Обратим внимание, что здесь и далее в работе мы будем использоватьлогарифмические приросты цен (доходности) финансовых инструментов.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
