Саркисов_резюме_RUS (1138723)

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла

Федеральное государственное автономное образовательноеучреждение высшего образования«Национальный исследовательский университет«Высшая школа экономики»»Саркисов Артур РачиковичФормирование портфеля акций на фондовом рынке сиспользованием непараметрических методовРЕЗЮМЕдиссертации на соискание ученой степеникандидата экономических наук НИУ ВШЭНаучный руководитель:кандидат физико-математических наук,доцент Буянова Елена АлександровнаJEL: G10, G11, G17Москва – 2018Актуальность исследованияФормирование инвестиционного портфеля является одним изосновных вопросов современной теории финансов, и в экономическойлитературе существует большой блок работ, посвященных построениюинвестиционногопортфеля,фундаментальныхивкоторыхтехническихпроводитсяхарактеристиканализэмитентовприпомощи параметрических методов.

Однако зачастую применениепараметрических методов анализа приводит к неэффективности исмещениям финальных оценок. Связано это с тем, что в большинствеслучаеванализируемыерядыданныхявлялисьлибослишкомкороткими, либо имели неустойчивую внутреннею структуру. Такимобразом, на данный момент важным вопросом является разработкаалгоритмов работы с короткими временными рядами и рядами сбольшим количеством выбросов. Именно попыткой решения даннойзадачи и обусловлен переход от методов анализа, основанных напараметрах распределения наблюдаемых величин, к методам, которыенепредъявляюттребованийкраспределениюрегрессоров,т.е.непараметрическим методам анализа.

Поэтому актуальность темыдиссертационногоисследованиясовершенствованияподходовпортфелейнаосновекобусловленаформированиюанализафакторовнеобходимостьюинвестиционныхтехническогоифундаментального анализа.Научная новизна работы заключается в следующем:1. Впервые разработаны алгоритмы построения инвестиционногопортфеля, состоящего из акций российских компаний, торгуемыхна ММВБ, при помощи трех непараметрических методов: CART,ANN и метода ядерного сглаживания2. Эмпирически доказана эффективность данных методов путемсравнения полученной доходности по портфелям, построеннымна их основе, с рыночной доходностью и доходностью портфеля,составленногоприпомощипараметрическогометода,нагоризонте стабильного рынка (январь 2016 - декабрь 2016) и нагоризонте кризисного рынка ( январь 2008 – декабрь 2008)3.

Выделен уникальный набор факторов, определяющих динамикуроссийского фондового индекса и, следовательно, его доходность,которые подтверждают спекулятивную природу российскогофондового рынка4. Впервые проведен сравнительный анализ эффективностииспользованиянароссийскомфондовомрынкенепараметрических методов между собойСтепень разработки научной проблемы в литературеВ области построения оптимального портфеля при помощинепараметрическихметодовследуетвыделитьследующиедванаправления исследований. Первое: на ранних этапах развития данногонаправленияиспользованияисследователипыталисьнепараметрическихпоказатьметодов,эффективностьиспользуялишьстандартные показатели фундаментального анализа. Второе: в болеепозднихисследованияхоптимальнуюкомбинациюосуществлялисьфакторовкакпопыткитехнического,получитьтакифундаментального анализа, которая бы максимально подходила дляконкретного рынка.

Ниже представлен перечень основных работ поиспользованию непараметрических методов в финансах.В своей работе Бриман (Breiman, 1987) сформулировал основныепреимущества непараметрических методов: Не требуют предварительного отбора параметров; нет проблемыошибочной спецификации Нечувствительны к монотонным преобразованиям независимыхпеременных Результаты робастны к выбросам в выборкеАндреяшин, Хардли и Тимофеев (Andriyashin,Haerdle,Timofeev,2008), Бримен (Breiman, 1984), Чаварнакул и Инке (Chavarnakul and Enke,2009) описали теоретические основы использования метода деревьевклассификаций для построения оптимального портфеля на фондовыхрынках развитых стран.Метод ядерного сглаживания, был использован в работе Шираишии Танигучи (Shiraishi & Taniguchi, 2007) для оценки дисперсиидоходностей акций на Токийской фондовой бирже.

Исследованиеавторов показало, что при помощи данного непараметрического методаможно эффективно прогнозировать поведение акций и строитьоптимальныйпортфель.Приэтом,авторыотмечают,чтоэффективность того или иного непараметрического метода может бытьразлична в зависимости от структуры данных.Так называемый I(d) processes (Bierens, 1997) был использован вработе Ауе и Минг (Aue & Ming, 2014), в которой авторы строили модельоптимальной диверсификации при отборе бумаг в портфель. В ходесвоего исследования авторы выяснили, что фондовые рынки США (DowJones 30 и S&P 500) являются попарно коинтегрированы с фондовымирынками стран БРИКС.Крижановски с соавторами (Kryzanowski et al., 1992) , Джанг и Лэй(Jang and Lai, 1994) ,Фрейтас ( Freitas, 2001) ,Элис и Уилсон (Ellis andWilson, 2005) ,Ванстоун (Vanstone et al., 2010) , Фернандеса и Гомеса(Fernandez and Gomez, 2012) в своих работах использовали методискусственныхнейронныхсетейдляпостроенияоптимальногопортфеля.

В рамках данных работ был сформирован теоретическийфундамент для осуществления отбора бумаг при помощи метода ANN,были описаны основные алгоритмы определения оптимального размеранейронной сети. Строились не только прогнозы стоимости финансовыхинструментовприпомощиметодаANN,ноитестироваласьэффективность данного метода при подгонке под уже имеющиесяданные.Агулар и Вест (Aguilar and West, 2000), Аврамов (Avramov, 2002),Барберис (Barberis, 2000), Браун (Brown, 1976), Кремерс (Cremers, 2002),Фрост и Саварино (Frost and Savarino, 1986), Кроуфорд и Вуд (Crawfordand Wood, 2016) использовали различные вариации Байесовскихметодов для построения эффективных торговых стратегий на фондовыхрынках.

При этом, в данных работах отмечалась высокая степеньустойчивости результатов при наличии структурных сдвигов в данных,а также при наличии кротких рядов данных.Цель и задачи исследованияЦель исследования – оценить эффективность использованиянепараметрических методов как инструмента отбора бумаг в портфельнароссийскомформированияфондовомпортфелейрынкеиихипредложитьуправленияалгоритмынаосновенепараметрических методов.Для достижения указанной цели сформулированы следующиезадачи:1.

Упорядочитьпосвященныетеоретическиевопросуиэмпирическиеотборуактивовисследования,припомощипараметрических и непараметрических методов2. Сформироватьсистемуфундаментальных,техническихимакроэкономических факторов, при помощи которых будутпостроеныпортфелисиспользованиемнепараметрическихметодов3. Разработатьалгоритмпостроенияиребалансировкиинвестиционного портфеля при помощи методов CART, ANN иметода ядерного сглаживания4. Построить инвестиционные портфели на основе разработанныхалгоритмов, и сравнить полученные результаты доходности срыночными показателями, а также с показателями портфеля,составленногоприпомощипараметрическогометода.Осуществить данную проверку на периоде стабильного рынка ина кризисном периоде5.

Осуществитьвыявлениеосновныхдетерминантизмененийроссийского фондового индекса. Проверить отобранные факторына наличие экономической интерпретации6. Сравнить эффективность непараметрических методов междусобой. Решить задачу максимизации полезности инвестора дляразличных уровней степени несклонности к риску7. Протестировать разработанные алгоритмы на ложную значимостьна рядах случайного блужданияОписание методологии исследованияПри использовании непараметрических методов важнымэтапомявляетсявыборкорректныхвходныхпараметров(например, для нейронных сетей – количество слоев и нейронов вкаждом).

В рамках данного исследования для каждого из трехпредставленных в работе методов (CART, ANN и метода ядерногосглаживания)былиподобраныархитектуры,которыеоптимальныепозволилипостроитьпараметрыэффективныеалгоритмы формирования инвестиционного портфеля акций.Для метода деревьев классификаций использовалась SERuleпроцедурапроверкинаобучающейвыборкидляопределения оптимального размера дерева.

Путем решенияоптимизационнойзадачибылполученразмертестовойвыборки на уровне 35% от общего числа наблюдений.Длярезультатеметодаискусственныхвыбораоптимальнойнейронныхсетейархитектурывбылисформированы сети с 3 скрытыми слоями по 9 нейронов вкаждом.Использовалсяметодпостроения«обучениесучителем» с обратным распространением ошибки.ДляфункцияметодаоценкитестированияядерногосглаживанияНадарайя-Уотсона,результатылучшеиспользоваласьпоказавшаяметодоввходеПристли-КаоиГассера-МюлелраВ целом следует отметить, что несмотря на наличие процедур,позволяющихподбиратьпараметрыархитектурыдлянепараметрических методов, основной метод подбора – метод проб иошибок.

Эффективность того или иного набора входных параметровможно достоверно изучить лишь эмпирически на тестовых выборках.Длядвухметодов(деревьевклассификацийиметодаискусственных нейронных сетей) для построения торговой стратегиибыло необходимо при формировании исходной выборки присвоитькаждому наблюдению некий класс из конечного множества классовС = {1,2, … , }. Для финансовых активов удобно распределять классы взависимости от показателя их доходности ( ) на 3 класса: {покупкаактива}, {продажа актива}, { сохранение актива}.

В качестве критерияприсвоения одного из трех классов было использовано пороговоезначение ̅ для каждого актива, которое основывалось на среднемзначении доходности актива за определенный период в прошлом: > ̅, = {покупка актива}[ < −̅, = {продажа актива}−̅ ≤ ≤ ̅, = {сохранение актива},где пороговые значения −̅ и ̅ выбирались на основе среднегопоказателя доходности целевого рынка за рассматриваемый период.В данной работе анализировались акции компаний, входящие вбазу расчета индекса ММВБ, т.к.

они являются наиболее ликвиднымиинструментаминедельнаянароссийскомдоходностьакций,рынкекотораяакций.Анализироваласьопределяласьследующимобразом: =где: (+1 ) − ,(1) −доходность акции в период , − цена акции в период ,+1 − цена акции в период + 1, (+1 ) − ожидаемая в периоде цена акции в периоде + 1.Такимпостроенныхобразом,припервичноепомощиформированиеметодовдеревьевпортфелей,классификацийиискусственных нейронных сетей, выглядело следующим образом (напримере алгоритма, использованного для тестового периода 2016г.):1. Для каждой компании, входящей в базу расчета индексаММВБ, формировалась матрица входных параметров ,включающая в себя данные за период с января 2008 г.

Характеристики

Тип файла PDF

PDF-формат наиболее широко используется для просмотра любого типа файлов на любом устройстве. В него можно сохранить документ, таблицы, презентацию, текст, чертежи, вычисления, графики и всё остальное, что можно показать на экране любого устройства. Именно его лучше всего использовать для печати.

Например, если Вам нужно распечатать чертёж из автокада, Вы сохраните чертёж на флешку, но будет ли автокад в пункте печати? А если будет, то нужная версия с нужными библиотеками? Именно для этого и нужен формат PDF - в нём точно будет показано верно вне зависимости от того, в какой программе создали PDF-файл и есть ли нужная программа для его просмотра.

Список файлов диссертации