Методика оптимизации портфеля ценных бумаг на основании нейросетевого прогнозирования Исполнитель: Воронова М.А. Руководитель: Плющ О.Б.

Актуальность работы обусловлена возможностью использования активно развивающихся нейросетевых методов комплексного анализа рынка по системе показателей, для построения методики оптимизации ПЦБ, адаптирующейся к постоянно изменяющейся рыночной ситуации.

Цель: создание математического аппарата формирования оптимального портфеля ценных бумаг Задачи: изучить современные подходы к формированию портфеля ценных бумаг; предложить подходы к созданию и использованию нейросетевых технологий, адаптивно реагирующих на изменение рыночной ситуации; разработать методику подготовки входных данных для нейросетевого анализа временных рядов; осуществить тестирование реализации алгоритмов формирования портфеля ценных бумаг на эмпирических данных российского рынка ценных бумаг.

Объектом исследования является методика формирования ПЦБ. Предметом исследования в настоящей работе является использование нейросетевых методов мониторинга рыночной конъюнктуры для формирования оптимального портфеля ценных бумаг.

Портфель ценных бумаг это совокупность ценных бумаг, которая выступает целостным объектом управления. Доходность: Риск:

Ряды рыночных котировок содержат резкие всплески и являются шумными. Следовательно, необходимо использование скользящих средних Короткий временной ряд недостаточен для эффективного обучения, а длинный приведет к тому, что сеть обучится тенденциям, уже не свойственным рынку. Оптимально: ряд не менее чем из 60 значений, и период упреждения не более ¼ интервала обучения. Исходные данные необходимо подвергнуть нормировке, т.к. абсолютные значения стоимостей ценных бумаг могут значительно отличаться, в то время как при нормировке значения для разных временных рядов будут приблизительно одинаковы.

Современные методы обучения многослойных искусственных нейронных сетей (ИНС) подразумевают случайное формирование первоначальных значений весовых коэффициентов. В этой связи предсказания сетей, обученных на одной и той же выборке данных, могут отличаться. Этот недостаток можно превратить в достоинство, организовав комитет нейроэкспертов, состоящий из нескольких ИНС.

Оценка эффективности модели Акции ЦБ1ЦБ2ЦБ3ЦБ4ЦБ5ЦБ6ЦБ7 % в портфеле3,079%16,021%25,633%16,023%32,057%1,539%5,646%

Выводы Методы нейросетевого моделирования на сегодняшний день являются одним из наиболее эффективных инструментов оптимизации ПЦБ. Целесообразно использование комитетов нейронных сетей для повышения качества прогнозирования, поскольку результаты такого подхода более устойчивы к неопределенности случайного формирования первоначальных значений весовых коэффициентов связей. Стратегию оптимизации портфеля ценных бумаг целесообразно строить с использованием скользящих средних и волнового анализа при разных интервалах времени.

Спасибо за внимание!