Journal of Applied Economic Research
ISSN 2712-7435
УДК УДК 330.46
Модель системы поддержки принятия решений на финансовых рынках для предприятий на основе вероятностного анализа и машинного обучения
Синицын Е.В., Толмачев А.В.
Аннотация
Расширение портфеля инструментов для управления финансами предприятия с целью повышения доходности вложений является актуальной задачей. В статье мы обсудили модель системы поддержки принятия торговых решений на финансовых рынках на основе вероятностного анализа и машинного обучения, которая может быть использована для ее решения. Целью работы является разработка и апробация модели системы поддержки принятия решений при совершении торговых операций с биржевыми финансовыми инструментами в рамках процесса управления финансами предприятия. Модель основана на технологиях машинного обучения, обеспечивающих получение больших объемов исходных данных, их первичную обработку, формирование многомерного пространства векторов признаков и его трансформацию. Метод прогнозирования рассмотрен на основе правила Байеса. Полученные байесовские вероятности собраны в гиперкуб, который используется для определения правил принятия торговых решений. Разработанная модель протестирована на исторических данных срочного рынка Московской биржи на примере фьючерса на индекс РТС в качестве основного инструмента для выполнения операций и фьючерса на курс доллара США к рублю в качестве вспомогательного инструмента, используемого для анализа. Для оценки результатов тестирования разработаны количественные метрики, включающие в себя количество и объем прибыльных и убыточных сделок, среднюю прибыль/убыток в расчете на одну сделку. С их помощью проанализирована эффективность и границы применимости разработанной модели. Модель может быть реализована в виде программного HFT-робота, способного обеспечить вероятность получения прибыли, превышающую вероятность потерь. В качестве дальнейших шагов по развитию данной темы могут быть предприняты исследования механизмов формирования векторов признаков с помощью методов интеллектуального анализа данных.
Ключевые слова
модель; система поддержки принятия решений; машинное обучение; прогнозирование временных рядов; вероятностный анализ; метод Байеса.
Список использованной литературы
1. Брейли Р., Майерс С. Принципы корпоративных финансов / пер. с англ. Н. Барышниковой. М. : ЗАО «Олимп-Бизнес», 2008. 1008 c.
2. Шимко П.Д. Международный финансовый менеджмент : учебник и практикум. для бакалавриата и магистратуры. 2-е изд., перераб. и доп. М. : Издательство Юрайт, 2014. 494 с.
3. Чеботарев Ю.А. Торговые роботы на российском фондовом рынке. 2-е изд., перераб. и доп. М. : Смартбук, 2011. 160 с.
4. Yule G. On the method of investigating periodicities in disturbed series // Philosophical Transaction. 1927. Vol. 226A. P. 267–298.
5. Slutsky E. The summation of random causes as the source of cyclical processes // Econometrica. 1925. Vol. 56. P. 105–146.
6. Арженовский С.В., Молчанов И.Н. Статистические методы прогнозирования : учебное пособие. Ростов-н/Д. : Рост. гос. экон. ун-т «РИНХ», 2001. 73 с.
7. Уотшем Т.Дж., Паррамоу К. Количественные методы в финансах / пер. с англ. под ред. М.Р. Ефимовой. М. : Финансы, ЮНИТИ, 1999. 527 с.
8. Box G., Jenkins G.M., Reinsel G. Time Series Analysis: Forecasting and Control. 3rd edition. New Jersey : Prentice Hall, 1994. 614 р.
9. Murphy J. Technical Analysis of the Financial Markets: A Comprehensive Guide to Trading Methods and Applications. New York : Institute of Finance, 1999. 576 р.
10. Мантенья Р.Н., Стенли Х.Ю. Введение в эконофизику. Корреляции и сложность в финансах / пер. с англ. В.И. Гусева, С.В. Малахова, А.И. Митуса под ред. В.Я. Габескирия. М. : ЛИБРОКОМ, 2009. 187 с.
11. Шустер Г. Детерминированный хаос. Введение / пер. с нем. М. : Мир, 1988. 253 с.
12. Безручко Б.П., Смирнов Д.А. Математическое моделирование и хаотические временные ряды. Саратов : ГосУНЦ «Колледж», 2005. 320 с.
13. Балонишников А.М., Балонишникова В.А., Копыльцов А.В. Прогнозирование временных рядов методами Фармера-Сидоровича и Бокса-Дженкинса // Известия Российского государственного педагогического университета им. А.И. Герцена. 2011. № 141. С. 7–16.
14. Григорьев В.П., Козловских А.В., Марьясов Д.А. Исследование математической модели фьючерсных рынков // Рынок ценных бумаг. 2005. № 9(288). С. 38–42.
15. Bishop C. Pattern Recognition and Machine Learning. New York : Springer, 2006. 738 p.
16. Leskovets Y., Radjaraman A., Ulman J. Mining of Massive Datasets. Cambridge University Press, 2011. 457 р.
17. Shen S., Jiang H., Zhang T. Stock Market Forecasting Using Machine Learning Algorithms [Электронный ресурс]. Режим доступа: cs229.stanford.edu/proj2012/ShenJiangZhang-StockMarketForecastingusingMachineLearningAlgorithms.pdf.
18. Miller R.S., Shorter G. High Frequency Trading : Overview of Recent Developments. Washington, DC Congressional Research Service, 2016. 19 р.
19. Вентцель Е.С. Теория вероятностей. М. Наука, 1969. 366 с.
20. Феллер В. Введение в теорию вероятностей и ее приложения. Том 1. М. : Мир, 1964. 484 с.
21. Толмачев А.В., Синицын Е.В., Вероятностный анализ в высокочастотном трейдинге // Российские регионы в фокусе перемен: сборник докладов XI Международной конференции. Екатеринбург : Издательство УМЦ УПИ, 2016. Ч. 1. С. 91–97.
Информация об авторах
Синицын Евгений Валентинович − доктор физико-математических наук, профессор кафедры анализа систем и принятия решений Высшей школы экономики и менеджмента Уральского федерального университета имени первого Президента России Б.Н. Ельцина, г. Екатеринбург, Россия (620002, г. Екатеринбург, ул. Мира, 19); e-mail: sinitsyn_ev@mail.ru.
Толмачев Александр Владимирович − генеральный директор ООО «Датател-Урал», г. Екатеринбург, Россия (620100, г. Екатеринбург, Сибирский тракт, 12б, офис 311); старший преподаватель кафедры анализа систем и принятия решений Высшей школы экономики и менеджмента Уральского федерального университета имени первого Президента России Б.Н. Ельцина, г. Екатеринбург, Россия (620002, г. Екатеринбург, ул. Мира, 19); e-mail: at@idtu.ru.
Для цитирования
Синицын Е.В., Толмачев А.В. Модель системы поддержки принятия решений на финансовых рынках для предприятий на основе вероятностного анализа и машинного обучения // Вестник УрФУ. Серия экономика и управление. 2019. Т. 18, № 3. С. 378–393.
DOI: 10.15826/vestnik.2019.18.3.019.
Информация о статье
дата поступления 2 апреля 2019 г.; дата принятия к печати 26 апреля 2019 г.
DOI: http://dx.doi.org/10.15826/vestnik.2018.17.3.019
Скачать полный текст статьи:
~870 кБ, *.pdf
(Размещен
23.07.2019)
Создано / Изменено: 18 августа 2015 / 20 сентября 2021
© ФГАОУ ВО «УрФУ имени первого Президента России Б.Н. Ельцина»
Увидели ошибку?
выделите фрагмент и нажмите:
Ctrl + Enter
Дизайн портала: Artsofte