Засоби фінансового моделювання та підтримки прийняття рішень на фондовому ринку

Розробка методики впровадження нейронних мереж та генетичних алгоритмів в системі підтримки прийняття рішень. Розробка методики аналізу критеріїв оцінювання інвестиційних проектів. Аналіз проблеми моделювання прийняття рішень в умовах невизначеності.

Рубрика Экономико-математическое моделирование
Вид автореферат
Язык украинский
Дата добавления 07.03.2014
Размер файла 38,1 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

КИЇВСЬКИЙ НАЦІОНАЛЬНИЙ ЕКОНОМІЧНИЙ УНІВЕРСИТЕТ

УДК (021) 519.866:336

Автореферат

дисертації на здобуття наукового ступеня кандидата економічних наук

Засоби фінансового моделювання та підтримки прийняття рішень на фондовому ринку

Спеціальність 08.03.02 економіко-математичне моделювання

Курков Максим Семенович

КИЇВ - 2001

Дисертацією є рукопис.

Робота виконана на кафедрі інформаційних систем в економіці Київського національного економічного університету Міністерства освіти і науки України.

Науковий керівник: доктор економічних наук, професор,

Ситник Віктор Федорович,

Київський національний економічний університет, завідувач кафедрою інформаційних систем в економіці

Офіційні опоненти: доктор економічних наук, професор

Ткаченко Іван Семенович

Тернопільська академія народного господарства Міністерства освіти і науки України, завідувач кафедрою економіко-математичних методів і моделей

кандидат економічних наук, доцент

Лук'яненко Ірина Григорівна

Національний університет “Києво-Могилянська академія” Кабінету Міністрів України, завідувач кафедрою фінансів

Провідна установа: Львівський державний університет ім. Івана Франка Міністерства освіти і науки України, м. Львів.

Захист відбудеться “11” січня 2002 р. о 16-00 годині на засіданні спеціалізованої вченої ради Д.26.006.01 у Київському національному економічному університеті за адресою: 03680, м. Київ, просп. Перемоги, 54/1, ауд.317.

З дисертацією можна ознайомитись в бібліотеці Київського національного економічного університету, 03680, м. Київ, просп. Перемоги, 54/1.

Автореферат розісланий “11” грудня 2001 р.

Вчений секретар

спеціалізованої ради

кандидат технічних наук, професор ______ Шарапов О.Д.

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

нейронний інвестиційний моделювання невизначеність

Актуальність теми. Оцінка ефективності фінансових інвестицій дуже важлива для організації ефективної роботи організацій, які займаються саме інвестиційною діяльністю на ринку цінних паперів. До таких організацій можливо віднести інвестиційні компанії, довірчі товариства, інвестиційних керуючих, фірми торговці цінними паперами, комерційні банки та ін. Найбільш ризиковими є моменти щодо прийняття рішень з операцій, тобто рішення фронт-офісу компанії. На жаль зараз дуже рідко застосовуються СППР в роботі фронт- офісу, всі рішення приймаються на основі простого аналізу ринку за допомогою електронних таблиць. Але загальні індекси фондового ринку не дають нам повної інформації щодо окремих емітентів. Існує потреба в більш детальній оцінці, і це, як правило, робиться в більшому числі інтуїтивно, на основі даних балансу при довгострокових інвестиціях та на основі порівняння курсів при спекулятивних операціях.

Головна ціль, яка переслідується при створенні систем підтримки прийняття рішень, - допомогти інвестору зберегти, а не загубити кошти, які владуються в цінні папери. Якщо за допомогою інформаційної системи інвестор мінімізує збитки, то стабільна висока дохідність гарантована.

Для допомоги інвесторам в їх вкладеннях необхідно, щоб система працювала як в довгостроковому, так і короткостроковому періоді, тобто робила фундаментальний та технічний аналізи. Створення подібної системи стане новим етапом в інвестиційній діяльності на ринку цінних паперів. Невелика кількість подібних систем на вітчизняному ринку вимагає потребу створити нескладну та дешеву систему підтримки прийняття рішень, яка б відповідала вимогам вітчизняних інвесторів. Проблемам створення подібних інформаційних систем та систем підтримки прийняття рішень інвесторами на фондовому ринку і присвячується дана робота.

На даний час існуючі системи підтримки прийняття рішень дуже погано пристосовані до фондового ринку України. Тому відповідно в галузі фінансового аналізу подібні системи практично не використовуються. Створювана система зможе суттєво допомогти фінансовим аналітикам вирішувати свої задачі та приймати рішення щодо інвестування. Серед розглянутих систем немає жодної, яка б проводила фундаментальний аналіз ринку цінних паперів та емітентів. Це робить виконання досліджень неповноцінним і звужує спектр використання обчислювальної техніки тільки для технічного аналізу. Також розглянуті системи досить багато коштують, більшість їх не пристосована до українського фондового ринку. Зручність роботи з розглянутими системами залишає бажати кращого, тому що вони розроблялись під застарілу операційну систему і мають не досить зручний інтерфейс. Системи під Windows 98 практично відсутні. В цих системах мало використовуються засоби локальної мережі, вони не є частиною загальної системи відділів фірми, яка займається інвестиційною діяльністю на фондовому ринку. Для роботи треба враховувати не тільки конкретно діяльність аналітика, а і узгоджувати результати праці фінансових аналітиків, які користуються системою з керівництвом, бек-офісом, трейдерами та брокерами. Результати аналізу повинні надаватись у формі, зручній для використання всіма працівниками фірми, та особами, які є клієнтами та які замовляють проведення фінансового аналізу.

На основі зарубіжних джерел з фінансового менеджменту можна зробити висновок, що фундаментальний аналіз ринку є важливою складовою частиною загального аналізу. Саме він дозволяє робити висновки щодо довгострокових інвестицій в цінні папери промислових емітентів. В теперішній час всі емітенти повинні щопівріччя звітувати перед Державною комісією з цінних паперів та фондового ринку по стандартним звітам. Для представлення звітів в електронній формі вони будуть надсилати їх на спеціальний сервер. Ці данні можна використовувати для фундаментального аналізу по емітентам. Але жодна з систем не може цього робити. Тому створення універсальної дешевої системи підтримки прийняття рішень, яка допоможе ефективно працювати інвесторам на фінансових ринках є питанням досить актуальним і необхідним.

Зв'язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконана у відповідності з планом виконання теми науково-дослідних робіт КНЕУ “Дослідження систем і засобів моделювання підтримки інвестиційної діяльності в Україні” 1998-1999рр. ( номер державної реєстрації 0196V023342 ), особисто автором проведений аналіз існуючих засобів фінансового моделювання, та запропоновано оригінальну схему системи підтримки прийняття рішень на базі алгоритмів нечіткої логіки та теми “Дослідження інформаційних систем та засобів моделювання реальних інвестицій в економіку України” 1999-2000 рр. ( номер державної реєстрації 0199V004326), особисто автором досліджена класифікація існуючих інформаційних систем для проведення реальних інвестицій.

Мета і завдання дослідження. Метою даної дисертації є розробка теоретичних основ системи підтримки прийняття рішень фінансового аналізу на фондовому ринку із застосуванням елементів нечіткої логіки, нейронних мереж та генетичних алгоритмів. Також метою дисертації є розробка моделі СППР, на основі якої розроблятиметься програмне забезпечення системи, яка буде безпосередньо використовуватись в фондових компаніях.

Мета роботи зумовила необхідність вирішення таких задач:

обґрунтування та розробка методики впровадження нейронних мереж та генетичних алгоритмів в системі підтримки прийняття рішень та застосування її в фінансовому аналізі;

класифікація й аналіз проблематики прийняття фінансових рішень на мікрорівні та визначення сутності і місця СППР в управлінні портфелем цінних паперів фірми;

класифікація і аналіз моделюючих засобів СППР;

розробка методики моделювання та аналізу критеріїв оцінювання інвестиційних проектів;

дослідження проблеми моделювання прийняття фінансових рішень в умовах невизначеності;

визначення шляхів подальшого вдосконалення управління інвестиціями на основі нечітких множин;

розробка інформаційного, математичного та програмного забезпечення СППР;

розробка моделі системи підтримки прийняття рішень фінансового аналізу із застосуванням нейромережевих технологій та генетичних алгоритмів;

створення концепції застосування нечіткої логіки при проведенні фінансового аналізу та прийнятті рішень;

розробка алгоритму та програмна реалізація пропонованої системи підтримки прийняття рішень.

Об'єктом дослідження є фондовий ринок та цінні папери що обертаються на ринку. Також об'єктом дослідження є основні соціально-економічні фактори, які впливають на події на фондовому ринку, а також на ціноутворення.

Предметом дослідження є економіко-математичні моделі та методи, а також існуюча та найбільш прийнята концепція їх застосування для дослідження закономірностей розподілу бюджету робочого часу.

Методи дослідження. Для створення системи підтримки прийняття рішень використовувалась теорія нечіткої логіки. Методологічною основою наукового дослідження, результати якого подано в дисертаційній роботі є методи генетичних алгоритмів та нейронних мереж, які є складовими частинами апарату нечіткої логіки. Також використовувались табличний та графічний методи для надання результатів роботи системи підтримки прийняття рішень.

Наукова новизна одержаних результатів. Система підтримки прийняття рішень направлена на зменшення ризику у сфері діяльності на фондовому ринку.

На даному етапі розвитку систем підтримки прийняття рішень на Україні немає повноцінної системи, яка б дозволяла робити загальний фінансовий аналіз фондового ринку та допомагати приймати правильне рішення щодо інвестування. В процесі розробки системи підтримки прийняття рішень фінансового аналізу були досягнені принципово позитивні результати щодо застосування подібних систем на ринку. Серед суттєвих рис новизни отриманих результатів слід відзначити:

отримана науково-обгрунтована методика, що дозволяє оцінити ефективність заходів щодо інвестування в ті чи інші цінні папери та прийняти адекватне управлінське рішення. Запропоновано використовувати методику як для фундаментального, так і технічного аналізу в одній системі. Це дозволяє всебічно та ефективно аналізувати цінні папери;

вперше запропоновано використання апарату нейронних мереж та генетичних алгоритмів в одній системі. Пристосований апарат нечіткої логіки для використання в фінансовому аналізі;

сформульовані основні принципи фінансового аналізу на фондовому ринку, розроблена методика проведення розрахунків, здійснений опис основних процедур фінансового аналізу;

вперше розроблена модель системи підтримки прийняття рішень фінансового аналізу на базі апарату нечіткої логіки;

розроблений технологічний процес збору та обробки інформації, а також алгоритм задачі фінансового аналізу;

запропоновано інформаційне забезпечення системи підтримки прийняття рішень фінансового аналізу;

запропоновано програмне забезпечення, яке використовуватиметься при створенні системи;

побудовано модель оптимального портфелю цінних паперів для отримання максимального прибутку на ринку цінних паперів;

запропоновано технологічні підходи щодо проектування, розробки та впровадження СППР в інвестиційних підрозділах, побудовано структурну модель СППР;

розроблено концептуально-методологічні основи побудови СППР на мікрорівні в умовах формування ринкової системи країни.

Практичне значення одержаних результатів. Практична цінність дисертаційного дослідження полягає в розробці і впровадженні системи підтримки прийняття рішень, яка дозволяє проводити ефективний фінансовий аналіз з використанням апарату нечіткої логіки та приймати рішення щодо інвестування в ті чи інші цінні папери.

Використовуються принципи технічного та фундаментального аналізу відповідно для обраних цінних паперів, що робить систему унікальною з точки зору всебічності проведення фінансового аналізу.

Практичне використання результатів дослідження було проведене в фінансовій компанії “Трансат-брок” (Довідка №115 від 13.09.2001 р.). Система дозволила зробити ряд досліджень фондового ринку. Також система впроваджувалось в ДП “Розрахунковий борговий центр” ВБФ “Професіонал” (Акт №127 від 13.09.2001). За допомогою системи було прийнято ряд рішень щодо інвестування в цінні папери та отримано певний прибуток. Також система впроваджувалась в ТОВ “ДДК Лтд” (Довідка №56 від 14.09.2001 ) як система фінансового аналізу.

Результати досліджень були включені в курс лекцій по дисципліні “Системи підтримки прийняття рішень” кафедри ІСЕ КНЕУ (Довідка від 14.09.2001).

Апробація результатів дослідження. Результати дослідження доповідались на Першій міжнародній науково-практичній конференції “Проблеми впровадження інформаційних технологій в економіці та бізнесі” (Ірпінь, травень 2000 р.), міжнародній науково-практичній конференції “Ризикологія в економіці і підприємництві” (Київ, березень 2001 р.), другій міжнародній науково-практичній конференції “Проблеми впровадження інформаційних технологій в економіці та бізнесі” (Ірпінь, травень 2001 р.).

Публікації. По темі дисертації опубліковано 5 робіт, всі статті друкувались у наукових фахових виданнях. Загальний обсяг 1,67 друк. арк., з яких 1,43 друк. арк. належать особисто автору.

Cтруктура і обсяг дисертації Дисертація складається з вступу, трьох розділів, загальних висновків та додатків. Загальний обсяг дисертації складає 183 сторінки друкованого тексту. Дисертація включає 17 рисунків на 10 сторінках, 1 таблицю на 1 сторінці, 11 додатків на 14 сторінках, список використаної літератури із 113 найменувань на 8 сторінках.

ОСНОВНИЙ ЗМІСТ РОБОТИ

У вступі обґрунтовано актуальність теми дисертації, сформульовано мету і задачі дослідження, показано наукову новизну та практичне значення отриманих результатів.

В розділі 1 : “Засоби фінансового аналізу на фондовому ринку та проблеми їх створення” наведено аналіз сучасного стану досліджень з питань створення систем підтримки прийняття рішень, які дозволяють ефективно працювати з таким прибутковим інструментом, як цінні папери, на фондовому ринку.

В сучасних умовах обчислювальна техніка застосовується практично у всіх галузях народного господарства. Відомо, що обчислювальну техніку доцільно використовувати також і на невеликих підприємствах з метою зменшення витрат на персонал, який веде розрахунки, а також для підвищення якості розрахунків. Зараз обчислювальна техніка застосовується і на багатьох невеликих підприємствах.

Оцінка ефективності фінансових інвестицій дуже важлива для організації ефективної роботи організацій, які займаються саме інвестиційною діяльністю на ринку цінних паперів. До таких організацій можливо віднести інвестиційні компанії, довірчі товариства, інвестиційних управляючих, фірми торговці цінними паперами, комерційні банки та ін. Найбільш ризиковими є моменти щодо прийняття рішень по операціях, тобто рішення фронт- офісу компанії. На жаль зараз дуже рідко застосовуються СППР в роботі фронт- офісу, всі рішення приймаються на основі простого аналізу ринку за допомогою електронних таблиць. Але загальні індекси фондового ринку не дають повної інформації про окремих емітентів. Існує потреба в більш детальній оцінці, і це на жаль робиться в більшому числі інтуїтивно, на основі даних балансу при довгострокових інвестиціях та на основі порівняння курсів при спекулятивних операціях.

В першому розділі дисертаційної роботи систематизовано основні засоби фінансового аналізу на фондовому ринку, виділені найбільш характерні операції, які виконують дані системи, розглянуті основні недоліки існуючих систем підтримки прийняття рішень та запропоновано їх усунення в системі, яка розробляється. Докладно вивчивши ці системи, приходимо до висновку, що існуючі системи не задовольняють повністю потреби аналітика. Ніяка з систем не реалізує універсально фундаментальний та технічний аналіз, що важливо в умовах невизначеності ринку. Також недоліками існуючих систем є відсутність конкретики при наданні рекомендації. На основі розглянутих систем розроблена концепція створення принципово нової системи підтримки прийняття рішень.

Розглянуті існуючи методи та технології створення систем підтримки прийняття рішень. Докладно вивчені їх характерні риси та визначені недоліки. Зроблена спроба звернути увагу на методи нечіткої логіки, яки можуть використовуватись при створенні систем підтримки прийняття рішень фінансового аналізу. Було доведено, що алгоритми нечіткої логіки якнайкраще підходять для створення систем, які будуть допомагати робити фінансовий аналіз в умовах невизначеності ринку та підвищеної ризиковості.

Було розглянуто спроби реалізації методів та технологій побудови систем підтримки прийняття рішень різними компаніями. Досліджено переваги та недоліки кожного з існуючих продуктів та зроблена спроба перенести існуючи методології в задачі фінансового аналізу. Нейроні мережі та генетичні алгоритми дуже добре підходять для роботи в умовах невизначеності та інформаційного “шуму”.

Виконаний аналіз сучасного стану комп'ютеризації фінансових установ показав, що незважаючи на велику кількість розроблених та впроваджених автоматизованих систем фінансового аналізу, автоматизація фінансових функцій зводилась до вирішення лише рутинних задач в умовах закритих ситуацій, для яких характерними є чітка визначеність вхідної інформації і наслідків дій, а методи обчислень зводяться до елементарних математичних операцій.

Серед розглянутих систем немає жодної, яка б робила фундаментальний аналіз ринку цінних паперів та емітентів. Це робить проведення досліджень неповноцінним і звужує спектр використання обчислювальної техніки тільки для технічного аналізу. Також розглянуті системи досить багато коштують, більшість їх не пристосована до українського фондового ринку. Зручність роботи з розглянутими системами залишає бажати кращого, тому що вони розроблялись під застарілу операційну систему і мають не досить зручний інтерфейс. В розглянутих системах мало використовуються засоби локальної мережі, вони не є частиною загальної системи відділів фірми, яка займається інвестиційною діяльністю на фондовому ринку. Для роботи треба враховувати не тільки конкретно діяльність аналітика, а і узгоджувати результати праці фінансових аналітиків, які користуються системою з керівництвом, бек-офісом, трейдерами та брокерами. Результати аналізу повинні надаватись у формі, зручній для використання всіма працівниками фірми, та особами, які є клієнтами та які замовляють проведення фінансового аналізу.

Така обставина зумовлює необхідність проведення серйозних теоретичних досліджень для створення системи підтримки прийняття рішень фінансового аналізу.

На основі зарубіжних джерел по фінансовому менеджменту можна зробити висновок, що фундаментальний аналіз ринку є важливою складовою частиною загального аналізу. Саме він дозволяє робити висновки щодо довгострокових інвестицій в цінні папери промислових емітентів. В теперішній час всі емітенти повинні що півріччя звітувати перед Державною комісією з цінних паперів та фондового ринку по стандартним звітам. Для представлення звітів в електронній формі вони будуть надсилати їх на спеціальний сервер. Ці данні можна використовувати для фундаментального аналізу по емітентам. Але жодна з систем не може цього робити. У зв'язку з практичною відсутністю подібних універсальних систем на українському ринку постає питання про їх створення.

Зараз на українському спостерігається тенденція недооцінки акцій багатьох емітентів у зв'язку з особливостями проведення приватизації. Це ставить питання про проведення фундаментального аналізу для довгострокових інвестицій. По деяким акціям постійно йдуть торги в ПФТС, що дає можливість робити технічний аналіз. Існує можливість одержувати інформацію про будь які курсу у будь-який момент часу у вигляді електронних таблиць, які досить легко конвертуються. Це дозволяє досить зручно проводити технічний аналіз при наявності системи обробки інформації. На це і направлені сучасні МТС та створювана СППР.

В розділі 2 : “Моделювання фінансового аналізу на фондовому ринку” було розглянуто більш детально використання нейромережевих технологій та генетичних алгоритмів в системах підтримки прийняття рішень. Була викладена стисло теорія нейромереж та генетичних алгоритмів. Розглянуто математичний апарат навчання нейромереж, побудовано модель системи на базі нейромережевих технологій. Створена модель генетичного алгоритму, розглянуті способи використання генетичних алгоритмів в системах підтримки прийняття рішень. Розглянуто математичний апарат прогнозування на базі апарату нечіткої логіки. На основі проведених досліджень було побудовано модель системи підтримки прийняття рішень на базі нейронних мереж та генетичних алгоритмів та розроблена схема системи.

Розглянуто більш детально існуючі методи, яки використовуються при створені СППР фінансового аналізу, а також приведено аналіз моделі систем. Фінансовий аналіз розглядається як основна задача, яку буде вирішувати система, і приводяться можливі проблеми, які виникають при розв'язанні задачі.

Описано теорію нечіткої логіки та розглянуто можливість її використання її в фінансовому аналізі. Дане поняття нечітких чисел, та описано їх використання в алгоритмах нечіткої логіки. Розроблено модель системи підтримки прийняття рішень, яка використовує алгоритми нечіткої логіки та конкретизовано використання визначених алгоритмів. Наведено приклади використання алгоритмів нечіткої логіки при проведені фінансових розрахунків.

На нейронних мережах задача прогнозування формалізується через задачу розпізнавання образів. Дані про змінну, що прогнозується, за деякий проміжок часу створюють образ, клас якого визначається значенням змінної, що прогнозується, в деякий момент часу поза межами даного проміжку, тобто значенням змінної через інтервал прогнозування.

Дана теорія навчання нейронних мереж та доведена необхідність їх навчання з метою подальшого ефективного використання. Приведено низку алгоритмів навчання, описано їх характеристики, приведено позитивні риси та недоліки кожного з них. Було проведено дослідження описаних алгоритмів та приведена рекомендація щодо використання найкращого з них, на думку автора, в системі підтримки прийняття рішень.

Перший крок в проектуванні мережі постає в її навчанні бажаній поведінці. Оскільки у випадку проведення фінансового аналізу немає доброї математичної моделі, то навчання проводиться за допомогою навчаючої вибірки, тобто еталонних пар “входи - виходи”.

Після завершення навчання нейрона мережа готова до використання. Це є робоча фаза. В результаті навчання нейрона мережа буде обчислювати вихідні сигнали , які близькі до еталонних даних при відповідних вхідних сигналах. При проміжних вхідних сигналах мережа апроксимує необхідні вихідні величини. Поведінка нейронної мережі в робочій фазі детермінована, тобто для кожної комбінації вхідних сигналів на виході завжди будуть ті ж самі сигнали. На протязі робочої фази нейрона мережа не навчається. Це дуже важливо оскільки система не буде прагнути до екстремальної поведінки.

Для СППР фінансового аналізу використовувався алгоритм оберненого розповсюдження помилки. Це є метод навчання багатовимірної нейронної мережі називається ще дельта правилом або правилом back-propagation.

Навчання мережі починається з пред'явлення образу та обчислення відповідної реакції. Порівняння з бажаною реакцією дає можливість зміняти ваги зв'язків таким чином, щоб мережа на наступному кроці могла видавати більш точний результат. Коли ми пред'являємо ненастроєній мережі вхідний образ, вона буде видавати деякий випадковий вихід. Функція помилки представляє собою різність між поточним виходом та ідеальним виходом, який необхідно отримати. Кожний нейрон в мережі має свої ваги, які настроюються, щоб зменшити величину функції помилки. Для нейронів вихідного слою відомі їх фактичні та бажані значення виходів.

Основні співвідношення методу оберненого розповсюдження при наступних позначеннях:

Ep - величина функції помилки для образу р;

tpj - бажаний вихід нейрону j для образу р;

opj - дійсний вихід нейрону j для образу р;

wij - вага зв'язку між і-м та j-м нейронами.

Spj - помилка j нейрону для образу р.

netpj - j нейрон з образу.

Нехай функція помилки прямо пропорційна квадрату різності між дійсним та бажаним виходами для всієї навчаючої вибірки:

Множник 0.5 вводиться для спрощення операції диференціювання.

Активація кожного нейрону j для образу р записується у вигляді зваженої суми:

Вихід кожного нейрону j є значенням порогової функції fj, яка активізується зваженою сумою. В багатошаровій мережі це як правило сигмоїдна функція, хоч може використовуватись будь-яка неперервно диференцьована монотонна функція:

Викладена теорія фінансового менеджменту та описані різноманітні фінансові показники, які використовуються в процесі фінансового аналізу. Всі існуючи фінансові показники розбиті на смислові групи, наведено методику їх розрахунків та варіанти застосування. Описана доцільність використання тих чи інших показників в системі підтримки прийняття рішень фінансового аналізу.

Розроблено та приведено модель СППР фінансового аналізу на фондовому ринку на базі нейронних мереж та генетичних алгоритмів. Розглянуті переваги та недоліки створюваної системи, описаний механізм її роботи та приведено області застосування системи. Детально розглянуто роботу елементів СППР, використання кожної з підсистем в різних ситуаціях. Рекомендовано використання даної СППР в інвестиційних фірмах, які займаються діяльністю на фондовому ринку.

Розділ 3: “Реалізація СППР фінансового аналізу на фондовому ринку” присвячено безпосередньо розробці СППР фінансового аналізу на фондовому ринку

На основі проведених досліджень було запропоновано створення системи на базі нейронних мереж та генетичних алгоритмів. Було запропоновано варіант програмного та апаратного забезпечення для створення системи. Розглянуто варіанти розміщення елементів системи на автоматизованих робочих місцях інвестиційної компанії.

Запропоновано вирішення проблеми зберігання моделей середовища в базі моделей, а також зберігання варіантів рішень, які приймались в тій чи інший ситуації.

В процесі розробки системи було розроблено її інформаційну модель та детально досліджені компоненти системи. Запропоновано методику розміщення інформації, яка використовується системою.

В процесі проектування системи було розглянуто варіанти проведення прогнозів на основі існуючих даних, було побудовано графіки та отримані результати досліджень. Було детально наведено процес навчання нейромереж та отримання результатів їх роботи на основі існуючих історичних даних.

Основним поняттям при роботі з аналізованим в роботі видом вхідної інформації є “вікно” (“глибина занурення”), тобто та кількість періодів часу, що потрапляє в “образ”, сформований на вході мережі. При роботі з годинною динамікою курсів вікно розміром n буде означати, що дослідника цікавить динаміка курсу за останні n часів. Щоб нейрона мережа працювала з “образами” такого вікна, при проектуванні архітектури мережі необхідно виділити n вхідних нейронів.

Суть методу формування вхідних образів полягає в такому. Припустимо, що дані кожного з образів лежать у діапазоні [Min-Max], тоді найбільше простим засобом нормування буде

Після такого перетворення кожний “образ”, що складається з n послідовних цін, нормується так, що всі значення “образу” лежать в інтервалі від 0 до 1.

Приведена практична реалізація генетичного алгоритму в системі підтримки прийняття рішень фінансового аналізу.

Приведено основні операції, які виконує генетичний алгоритм. Це три основні операції: репродукція, кроссовер та мутація. В нашому випадку маємо деякий капітал К, який потрібно розподілити між деякими цінними паперами з метою отримання максимального прибутку через визначений термін.

Для кожного з цінних паперів розраховується функція прибутковості. Звичайно для кожного з видів цінних паперів формули розрахунку прибутковості будуть різні. Приведемо їх:

Ефективність інвестицій в акцію виражається відносною величиною:

, де

r - прибутковість m акції;

Po - ціна купівлі акції;

P1 - ціна продажу;

d - дивіденди, отримані за час володіння акцією.

Середню ринкову прибутковість акцій (rm) визначають за формулою:

, де

rm - середня ринкова прибутковість акцій;

ri - прибутковість і акцій;

n - кількість всіх акцій на ринку;

Xi - питома вага і-х акцій.

Розрахунки показника середньої ринкової прибутковості проводять по акціях найпопулярніших компаній. Наприклад в США це індекс NASDAQ або Dow Jones.

Ефективність вкладання коштів в облігації визначається прибутковістю даного цінного паперу.

Поточна прибутковість im характеризує відсоток за рік на вкладений капітал, що виплачується:

, де

g - норма прибутковості по купонах;

N - номінальна вартість облігації;

P - ринкова вартість облігації.

Повна прибутковість облігації враховує всі джерела прибутку. Показник повної прибутковості вимірюють відсотковою ставкою, яка називається ставкою розміщення. Вартість облігації дорівнює сумі сучасної вартості її ануїтетів (приведеній сумі щорічних виплат відсоткових платежів) і сучасної вартості її номіналу:

, де

Р - ринкова вартість облігації

N - номінальна вартість облігації;

g - купонна ставка;

і - кредитний відсоток, що пропонується банками в момент продажу облігації;

n - час від моменту придбання до моменту погашення облігації;

а - ануїтет облігації.

Існують також так звані дисконтні облігації, для яких прибутком є різниця між ціною погашення (номіналом) та ціною придбання. В цьому випадку показник прибутковості дорівнює:

, де

Рk - курс облігації;

n - термін від моменту придбання до моменту викупу.

По кожному з цінних паперів (“гену”), який входить в портфель (“індивідуум”) генетичного алгоритму, розраховується прибутковість (“хромосома”) і береться кількість цінних паперів випадковим чином. В даній задачі цільовою функцією є сумарний прибуток від інвестицій, а параметрами, що підлягають керуванню - кількість вкладень в кожний з проектів.

Була проведена оцінка використання системи підтримки прийняття рішень фінансового аналізу в інвестиційній компанії, доведені її переваги та корисність використання в умовах невизначеності фондового ринку. Розроблена система показала добрі характеристики при роботі з курсами цінних паперів та було прийнято ряд правильних рішень щодо інвестування.

Наведено перелік інформаційних масивів, які будуть використовуватись в СППР, описано інтерфейс користувача, наведено приклади результуючих рекомендацій системи.

Створювана СППР дозволяє реалізовувати слідуючи функції:

- технічний аналіз фондового ринку на основі індексів та визначення тренду;

- технічний аналіз окремою галузі;

- технічний аналіз акцій окремого емітенту, та надання рекомендацій щодо купівлі/ продажу на короткостроковому етапі;

- фундаментальний аналіз фондового ринку з урахуванням ВВП;

- фундаментальний аналіз акцій на основі звітів емітента в Комісію по цінних паперах.

Створювана система підтримки прийняття рішень є досить оригінальною та включає в себе практично всі основні операції, які виконуються в торговці цінними паперами. Використання сучасної обчислювальної техніки та програмного забезпечення дозволяє досить швидко та з незначними затратами створити подібну систему, яка в умовах українського ринку є необхідною, так як дає можливість значно підвисити продуктивність праці робітників, які займаються аналітикою на фондовому ринку, а швидкість виконання розрахункових операцій на 100%. Це дає змогу для використання робочого часу більш ефективним способом, зменшує потребу в працівниках, які займаються суто розрахунковими операціями. Якщо система дає більш 60% правильних рекомендацій, вона може окупитись у протязі 10 угод.

Використання досить потужної обчислювальної техніки пов'язано з великим обсягом розрахунків, які проводять фінансові аналітики. Велика кількість графічної інформації потребує придбання комп'ютерної техніки з потужними графічними можливостями. Наявність високошвидкісного модему необхідна у зв'язку з потребою одержувати великий обсяг інформації з ПФТС та серверів з інформацією про фондовий ринок. Використання 32 бітної мережі дозволить швидко обмінюватись інформацією між АРМами.

Доведено необхідність використання створеної системи в інвестиційних фірмах, рекомендовано варіанти її застосування в умовах невизначеності. Наявність якостей системи, які вигідно відрізняють її від існуючих на даний момент на українському ринку, універсальність, функціональна повнота та зручність у використанні роблять її досить привабливою для використання в невеликих фірмах - торговцях, які роблять інвестиції в цінні папери. У фірмі “Трансат-брок” фрагменти системи використовуються досить вдало, кількість правильних рекомендацій по технічному аналізу перевищує 61.34 %, що досить добре для нової системи. Фрагмент фундаментального аналізу дозволяє представити досить вірогідний про підприємства, які надали звітність. Всі випробування показали, що система є досить перспективною та підлягає подальшому удосконаленню.

ВИСНОВКИ

У дисертації наведене теоретичне узагальнення і нове вирішення наукової задачі, що виявляється у розробці теоретично обгрунтованої і практично застосовуваної концепції, яка дозволяє на основі нейронних мереж та генетичних алгоритмів створити систему підтримки прийняття рішень фінансового аналізу на фондовому ринку та застосувати її для ефективної роботи на ринку цінних паперів.

Основні наукові і практичні результати, що їх отримано в дисертації зводяться до наступного:

1. Формування цивілізованого фондового ринку на Україні супроводжуються змінами у технології роботи, формі організації праці та змінами в організації інформаційної системи в інвестиційних організаціях. Розвиток фондового ринку у напрямку організованого та регулярного, на якому постійно відбувається робота з фондовими інструментами, примусив звернути увагу на такі системи, які дозволяють допомогти прийняти ефективне рішення щодо інвестування в ті чи інші цінні папери. Але подібних систем на Україні ще досить мало. В дисертаційній роботі розробляється саме така система, яка допоможе ефективно працювати інвестору на фондовому ринку та отримувати високий рівень прибутку.

2. На даному етапі практично всі інвестиційний фірми мають певну кількість автоматизованих робочих місць. Це пов'язано з великим обсягом документів, який обертається в таких компаніях, а також необхідністю виходу в електронні торгові системи. Тому комплекс задач вирішується на базі автоматизованих робочих місць різних відділів фірми-торгівця цінними паперами. Інформаційна система використовує дані всіх підрозділів компанії.

3. Використання комп'ютерної техніки дає змогу зменшити ризиковість операцій з цінними паперами та зробити роботу всіх відділів більш продуктивною та ефективною. Рішення комплексу задач за допомогою комп'ютерної техніки зменшує час, необхідний для прийняття рішення, що в свою чергу дає змогу діяти на фондовому ринку більш продуктивно. В дисертаційній роботі розглянуті існуючі комп'ютерні системи, виявлені їх переваги та недоліки. Зроблено всебічний аналіз використання даних програмних засобів на фондовому ринку України.

4. При практично повній відсутності подібних систем на українському фондовому ринку створювана система стане дуже необхідною для багатьох посередників, як великих, так і дрібних. Це пов'язано з відносною простотою системи, складність якої заключається лише в проведенні відповідних математичних розрахунків при побудові показників. Це робить систему досить дешевою як в придбанні, так і в експлуатуванні. Сучасні програмні засоби дозволяють створити таку систему у максимально короткі терміни та з мінімальними витратами.

5. Створений в дисертаційній роботі комплекс задач реалізує повноцінно всі аспекти фінансового аналізу, що в свою чергу дає можливість використовувати систему універсально у всіх аспектах фінансових інвестицій.

6. Фінансові інвестиції використовуються дуже часто для отримання додаткового прибутку для організації. Прийняття рішень щодо ефективності фінансових інвестицій дуже важливе для роботи на ринку цінних паперів, і тому створення системи підтримки прийняття рішень фінансового аналізу є необхідним для учасників вітчизняного фондового ринку.

7. Використання нейронних мереж у всіх галузях людської діяльності, у тому числі в області фінансових додатків, рухається по наростаючій. З впевненістю можна думати, що поява настільки потужного й ефективного інструмента не переверне фінансовий ринок, і не “скасує” традиційні математичні і економетричні методи технічного аналізу, або зробить непотрібну роботу висококласних експертів. У якості нового ефективного засобу для рішення самих різноманітних задач нейроні мережі приходять і використовуються тими людьми, що їх розуміють, і яким вони допомагають вирішувати багато фахових проблем

8. Статична нелінійна система може бути навчена так, щоб виконувати аналіз фондових ринків і прогнозувати курси цінних паперів. У половині з описаних у роботі досвідів були отримані результати, на основі яких розроблені прибуткові стратегії торгівлі. Можна зробити висновок, що робота зі створення власної автоматизованої системи прогнозування має перспективи і може бути продовжена.

Проте, потрібно враховувати той факт, що хоча нейромережі та генетичні алгоритми і є механізмом, спроможним вирішити широкий клас задач, але правила керування цим механізмом поки що знаходяться на рівні догадок і евристичних розумінь. Таким чином, перед тим, як описані в роботі методики можна буде використовувати для торгівлі на реальному ринку, необхідно провести додаткові дослідження.

9. Розроблена в дисертаційній роботі система підтримки прийняття рішень фінансового аналізу на фондовому ринку досить універсальна і застосовувалась для роботи з цінними паперами у фірмі, яка є ліцензованим торговцем цінними паперами “Трансат-брок”. Створена демонстраційна версія системи показала досить непогані результати при роботи з цінними паперами, по яких проводяться регулярні торги. Також результати дисертаційної роботи використовувались на підприємстві ДП “Розрахунково-борговий центр” Благодійного фонду “Професіонал”, яке займається фінансовими операціями на фондовому ринку через уповноважених ліцензованих торговців цінними паперами. За допомогою системи також були отримані непогані результати.

ПУБЛІКАЦІЇ ЗА ТЕМОЮ ДИСЕРТАЦІЇЇ В НАУКОВИХ ФАХОВИХ ВИДАННЯХ

1. Курков М.С. Фінансовий аналіз за допомогою інформаційних систем // Економіка та підприємництво: Збірник наукових праць молодих учених та аспірантів. - К.: КНЕУ, 2000. - Вип. 4. - С.268-273.- 0.37 друк. арк.

2. Курков М.С. Використання нейромережевих технологій при створенні підтримки прийняття рішень // Моделювання та інформаційні системи в економіці: Міжвідомчий науковий збірник. - К.: КНЕУ, 2000.- Вип. 64.- С.143-149. - 0.36 друк. арк.

3. Курков М.С. Генетичні алгоритми в системах підтримки прийняття рішень для фінансового аналізу на фондовому ринку // Моделювання та інформаційні системи в економіці: Міжвідомчий науковий збірник. - К.: КНЕУ, 2001.- Вип. 65.- С.177-182. - 0.24 друк. арк.

4. Ситник В.Ф., Курков М.С. Системи підтримки прийняття рішень фінансового аналізу на базі алгоритмів нечіткої логіки та нейромереж // Вчені записки: Науковий збірник. -К.: КНЕУ, 2001.- Вип. 3.- С.319-324 (Особистий внесок здобувача - Розробка схеми СППР.- 0.12 друк. арк. ). - 0.34 друк. арк.

5. Курков М.С. Математичні аспекти створення і навчання нейронної мережі СППР фінансового аналізу // Моделювання та інформаційні системи в економіці: Міжвідомчий науковий збірник. - К.: КНЕУ, 2001.- Вип. 66.- С.73-79. - 0.36 друк. арк.

АНОТАЦІЯ

Курков М.С. Засоби фінансового моделювання та підтримки прийняття рішень на фондовому ринку. - Рукопис.

Дисертація на здобуття наукового ступеня кандидата економічних наук за спеціальністю 08.03.02 - економіко-математичне моделювання. - Київський національний економічний університет. Київ, 2001.

Дисертацію присвячено розвитку систем підтримки прийняття рішень, які застосовуються для проведення фінансового аналізу на фондових ринках. Запропоновано науково обгрунтована методика застосування в системі підтримки прийняття рішень алгоритмів нечіткої логіки. Описана теорія нейромереж та генетичних алгоритмів, а також наведені приклади їх роботи в різних комп'ютерних системах. Розроблено принципи створення елементів системи на базі нейромереж та генетичних алгоритмів. Приведені приклади роботи окремих елементів системи підтримки прийняття рішень, та досліджене її використання в фінансовому аналізі. Проведене дослідження існуючих систем та зроблений їх детальний аналіз. Створена модель системи підтримки прийняття рішень, а також розроблена інформаційна система для застосування в інвестиційних підрозділах компаній. Запропоновано оригінальну модель системи підтримки прийняття рішень, яка включає різні підсистеми здійснення технічного і фундаментального аналізу. Розроблена технологія впровадження системи в існуючу структуру інвестиційної фірми. Доведена економічна ефективність системи підтримки прийняття рішень фінансового аналізу у випадку її застосування в інвестиційних фірмах.

Ключові слова: система підтримки прийняття рішень, нейромережа, генетичний алгоритм, фінансовий аналіз, інформаційна система, фондовий ринок, нечітка логіка.

АННОТАЦИЯ

Курков М.С. Средства финансового моделирования и поддержки принятия решений на фондовом рынке. - Рукопись.

Диссертация на соискание ученой степени кандидата экономических наук по специальности 08.03.02 - экономико-математическое моделирование. - Киевский национальный экономический университет. Киев, 2001.

Диссертация посвящена развитию систем поддержки принятия решений, которые применяются для проведения финансового анализа на фондовых рынках. Предложена научно обоснованная методика применения в системе поддержки принятия решений алгоритмов нечеткой логики.

Описана теория нейросетей и генетических алгоритмов, а также приведены примеры их работы в различных компьютерных системах. Разработаны принципы создания элементов системы на базе нейросетей и генетических алгоритмов. Проведено исследование существующих систем и сделан их детальный анализ. Создана модель системы поддержки принятия решений, а также разработана информационная система для применения в инвестиционных подразделениях компаний. Доказана экономическая эффективность системы поддержки принятия решений финансового анализа в случае ее применения в инвестиционных фирмах.

В процессе исследований выявлены недостатки существующих систем зарубежного и отечественного производства. К ним относятся: дороговизна, сложность адаптации к фондовому рынку Украины, несовершенные алгоритмы проведения расчетов. В процессе создания системы поддержки принятия решений сделана попытка устранения недостатков существующих систем.

На данном этапе практически все инвестиционные фирмы имеют определенное количество автоматизированных рабочих мест. Это связано с большим объемом документов, которые оборачивается в таких компаниях, а также необходимостью выхода в электронные торговые системы. Поэтому комплекс задач решается на базе автоматизированных рабочих мест различных отделов фирмы-торговца ценными бумагами. Информационная система использует данные всех подразделений компании.

Использование компьютерной техники дает возможность уменьшить риск операций с ценными бумагами и сделать роботу всех отделов больше продуктивной и эффективной. Решение комплекса задач с помощью компьютерной техники уменьшает время, необходимый для принятия решения, что в свою очередь дает возможность действовать на фондовом рынке более интенсивно. В диссертационной работе рассмотрены существующие компьютерные системы, выявлены их преимущества и недостатки. Проведен всесторонний анализ использования данных программных способов на фондовом рынке Украины.

При практически полном отсутствии подобных систем на украинском фондовом рынке создаваемая система станет необходимой для многих посредников, как больших, так и мелких. Это связано с относительной простотой системы, сложность которой заключается лишь в проведении соответствующих математических расчетов при построении показателей, что делает систему достаточно дешевой как в приобретении, так и в эксплуатации. Современные программные средства позволяют создать такую систему в максимально короткие сроки и с минимальными затратами.

Разработана модель системы поддержки принятия решений, которая включает в себя две подсистемы - фундаментального анализа и технического анализа. Технический анализ используется при работе с ценными бумагами, которые постоянно обращаются на организованном рынке, и имеют реальные постоянные котировки.

Для создания модуля технического анализа используются генетические алгоритмы, которые позволяют эффективно находить оптимальный вариант формирования портфеля ценных бумаг.

Для ценных бумаг, которые редко появляются на рынке, используется аппарат нейронных сетей. Создается нейронная сеть, которая содержит информацию об различных эмитентах, обучается и осуществляет процесс формирования рекомендаций относительно инвестирования.

Для внедрения системы поддержки принятия решений в подразделения инвестиционной фирмы был разработан комплекс программно-аппаратных средств. Предложена информационная система на базе ряда АРМов, базирующихся во всех подразделениях компании. Разработан процесс сбора и обработки информации в системе поддержки решений финансового анализа на фондовом рынке.

Доказана экономическая эффективность системы, целесообразность ее использования в инвестиционных фирмах.

Ключевые слова: система поддержки принятия решений, нейросеть, генетический алгоритм, финансовый анализ, информационная система, фондовый рынок, нечеткая логика.

ANNOTATION

Kurkov M.S. Tools of financial simulation and decision support at the stock market.- Manuscript.

Thesis of competition of a scientific degree of the candidate of economic sciences on a specialty 08.03.02 - economic-mathematical modelling. - Kyiv National Economic University. Kyiv, 2001.

The thesis is devoted to development of decision support systems, which are applied for realization of the financial analysis at the stock markets. The scientifically reasonable technique of using in a decision support system of algorithms of fuzzy logic is offered. The theory neural networks and genetic algorithms is described and also indicated examples of their work in various computer systems. The principles of creation of elements of a system on the basis of neural networks and genetic algorithms are developed. The research of existing systems is conducted and their in-depth study is made. The model of a decision support system is created and also developed information system for application in investment departments of the companies. The economic efficiency of a decision support system of the financial analysis is proved in case of it using at the investment firms.

Key words: a decision support system, neural network, genetic algorithm, financial analysis, information system, stock market, fuzzy logic.

Размещено на Allbest.ru

...

Подобные документы

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.