<<
>>

8.1. Основные задачи, решаемые программным обеспечением, и используемые при этом методы

Основные задачи, решаемые с помощью того или иного программного обеспечения, ориентированного для оказания помощи инвесторам при осуществлении ими своей деятельности на финансовом рынке, можно представить в виде:

1.

Вспомогательные задачи, связанные с получением, преобразованием и отображением информации от источников данных по состоянию финансового рынка.

2. Анализ и прогнозирование финансового рынка.

2.1. Статистический анализ финансовой информации.

2.2. Технический анализ рыночных процессов.

2.3. Прогнозирование состояния финансового рынка.

3. Выработка рекомендаций по торговле финансовыми инструментами.

4. Оптимизация портфеля финансовых инструментов.

206

5. Извлечение потенциально возможной для финансового рынка прибыли.

Далее рассмотрим более подробно методы решения указанных выше, а также смежных с ними задач.

Статистические методы

С помощью указанных методов инвесторы могут осуществлять всесторонние статистические исследования финансового рынка, осуществлять прогнозирование рыночных процессов и уже на основе этого могут принимать более обоснованные инвестиционные решения.

Число статистических методов, которые могут быть использованы для анализа и прогнозирования финансовой информации огромно.

Так, например, рассматривая имеющиеся данные по финансовому рынку как случайные события, можно использоваться методы проверки статистических гипотез о независимости случайных событий, однородности данных и т. д.

Методы теории оценивания могут быть использованы для оценивания параметров законов распределения по случайным выборкам, могут быть получены эффективные оценки параметров распределения, доверительные интервалы и т. д.

Методы факторного анализа позволяют, например, выявить и исследовать влияние тех или иных макроэкономических факторов на развитие рыночной ситуации и т.

д.

Методы линейного и нелинейного регрессионного анализа позволяют строить линейные и нелинейные модели для оценивания параметров, выявления функциональных зависимостей по статистическим данным, строить тренды и т. д.

Учитывая, что все события на финансовом рынке развиваются в функции времени, для их анализа и прогнозирования могут быть использованы самые разнообразные методы теории случайных процессов. В частности, могут быть использованы методы иденти

207

фикации параметров случайных процессов, методы фильтрации и прогнозирования, а также целый ряд других методов.

Подводя итог сказанному, следует отметить, что для практического использования всех указанных выше, а также других методов от исследователя требуется определенная «математическая культура», которая позволит ему, с одной стороны выбирать методы, адекватные сущности решаемой задачи, а с другой стороны позволит ему правильно интерпретировать и использовать на практике полученные результаты.

Для анализа и исследований финансового рынка могут быть использованы универсальные статистические пакеты типа STADIA, STATISTICA for Windows, Quick STATISTICA, ЭВРИСТА (для исследования временных рядов), а также другие статистические пакеты.

Эволюционное программирование

Основными задачами, решаемыми с помощью метода эволюционного программирования, являются задачи анализа и прогнозирования данных.

Метод эволюционного программирования является сегодня довольно динамично развивающимся направлением исследований [18]. Основная идея этого метода состоит в формировании гипотез о зависимости целевой переменной от других переменных в виде автоматически синтезируемых программ, выраженных на внутреннем языке программирования. Использование универсального языка программирования позволяет выразить практически любую зависимость или алгоритм.

Процесс производства внутренних программ (гипотез) организуется как эволюция в пространстве программ, которая в некотором роде напоминает метод генетических алгоритмов.

Когда система находит гипотезу, описывающую исследуемую зависимость достаточно хорошо, начинается применение разнообразных незначительных модификаций такой программы. Указанная схема модификации программы напоминает в некотором смысле анализ

208

чувствительности решений к вариациям исходных данных. Отбор лучшей дочерней программы осуществляется по критерию повышения точности предсказаний

Наиболее известным вариантом программной реализации эволюционного программирования является пакет «PolyAnalyst» российской фирмы «Мегапьютер».

Генетические алгоритмы

Областью применения указанных алгоритмов является решение комбинаторных задач, а также задач поиска оптимальных вариантов. Результаты решения указанных задач могут использоваться инвестором для оптимизации и поиска вариантов перспективных инвестиций.

В кратком изложении сущность метода можно описать как выбор лучших решений по ранее формализованным критериям. Сам процесс оптимизации напоминает естественную эволюцию - отбор лучших вариантов, скрещивание вариантов и их мутацию.

Однако у метода есть ряд недостатков, в частности, сложность формализации критериев отбора. Кроме того, указанная методика ориентирована, в основном, для класса задач несколько отличающихся от прогноза меняющихся финансовых показателей.

Программная реализация генетических алгоритмов выполнена, например, в следующих пакетах программ:

1) GeneHunter (фирма Ward Systems). Указанный пакет позволяет находить субоптимальные решения нелинейных оптимизационных задач;

2) Evolver for Excel (фирма Palisade Corp). Пакет реализует шесть методов генетической оптимизации и выполнен в виде расширения пакета Excel.

Нейронные сети

Указанный класс методов ориентирован для решения задач прогнозирования данных, поиска скрытых закономерностей, распо

209

знавания ситуаций и т. д., что позволяет инвестору принимать более обоснованные инвестиционные решения.

Нейронные сети - это обобщённое название нескольких групп алгоритмов, обладающих одним ценным свойством - они могут обучаться на примерах, извлекая скрытые закономерности из потока данных.

Обрабатываемые данные могут быть неполны или же заведомо искажены, при этом, если между входными и выходными данными существует какая-то связь, то обученная нейронная сеть способна самостоятельно её выявить. Кроме того, современные нейронные сети обладают рядом дополнительных возможностей: они позволяют оценивать сравнительную важность различных видов входной информации, уменьшать её объем без потери существенных данных, распознавать симптомы приближения критических ситуаций и т. д.

Нейронные сети, таким образом, можно определить как взаимосвязанные алгоритмы, моделирующие с той или иной степенью достоверностью процессы функционирования нейронов, с которыми по существующим на сегодня представлениям связываются процессы функционирования головного мозга человека.

Важно подчеркнуть, что алгоритм принятия решений, реализуемый обученной нейронной сетью, не может быть выражен какой-то конкретной аналитической формулой или же объяснен с помощью какого-то другого, более простого алгоритма. Указанный алгоритм закодирован самой структурой нейронной сети. Вместе с тем по своей внутренней сущности алгоритм принятия решений, реализуемый обученной нейронной сетью - это разновидность статистического метода распознавания образов и прогнозирования.

Модель нейронной сети обычно представляют в виде многослойной сетевой структуру однотипных элементов - нейронов, соединенных между собой и сгруппированных в слои. Среди прочих слоев имеется входной слой, на нейроны которого подаётся информация, а также выходной, с которого снимается результат. При прохождении по сети входные сигналы усиливаются или ослабляются, что определяется весами межнейронных связей.

210

Перед применением нейросеть необходимо «обучить» на примерах, и с помощью коррекции весов межнейронных связей, по известным входным параметрам и результату сеть заставляют выдавать ответ, максимально близкий к правильному ответу.

Применительно к финансовому рынку проблему оценки постоянно изменяющихся внешних условий и, соответственно, степени влияния на рынок тех или иных параметров нейросеть решает самостоятельно в силу самого принципа её работы.

Нейросети (нейросетевые программы) на сегодня существуют в виде программных пакетов для персональных компьютеров.

Наиболее популярными из них являются продукты семейства BrainMaker, распространяемые американской фирмой California Scientific Software.

Из российских разработок можно отметить программный продукт Fortel Trade[17].

Нечёткие системы на базе нечёткой логики

Указанное направление исследований и практических приложений [16] возникло благодаря выполнению трёх основных условий: возникновению новых общественных потребностей; появлению новой методологии (идей и методов их реализации);

возрастанию активности исследователей. Применительно к финансовому рынку её участниками и исследователями осознана та реальность, что взаимосвязи явлений, протекающие на финансовом рынке, порой не укладываются в рамки привычной детерминированной логики, и ряд событий не могут быть оценены или же предсказаны вычислительным путем. Это связано с тем, что почти все наши знания о реальности являются нечёткими (попытки введения различного рода коэффициентов достоверности в различных экспертных системах являются лишь самообманом разработчиков, пытающихся выразить нечёткость своих знаний о предметной области с помощью чётких числовых значений).

211

Программная реализация компьютерных нечётких систем базируется на теории нечётких множеств, предложенной Л. Заде в начале 70-х годов. Теория нечётких множеств помогает проектировать роботы, обладающие осязанием и зрением, обрабатывать аэрофотоснимки и другую информацию, которую ранее мог понимать и обрабатывать только человек, строить эффективные алгоритмы распознавания речи и изображений, наиболее адекватно трактовать события, происходящие на финансовом рынке и т. д.

Программная реализация нечетких систем применительно к финансовому рынку реализована, например, в пакетах программ:

- CubiCalk 2.0 for Windows (фирмы HyperLogic). Это наиболее мощный пакет, реализующий методы нечеткой логики в виде экспертной системы с нечеткими правилами.

- RuleMaker (той же фирмы). Программа автоматического построения нечётких правил для CubiCalk.

- FuzzyAnalizer (фирма Mathematicus Lab.).

Анализатор финансовых данных на основе нечеткой логики.

- FuziCalk фирмы FuziWare. Эго первая электронная таблица на основе нечёткой логики и она позволяет проводить вычисления с неточно известными числами.

Волновой анализ

В рамках указанной методологии могут решаться задачи анализа и прогнозирования курсов финансовых инструментов.

Большую часть пакетов технического анализа составляют программы, базирующиеся на предположении о том, что вся информация о колебаниях цен и их причинах находится в самих колебаниях. Проанализировав лишь изменение цены какого-либо финансового инструмента во времени, можно с определенной долей вероятности предсказать её изменения на протяжении еще какого-то времени.

Существенную часть методов техническою анализа составляют так называемые «осцилляторы» - методы поиска и анализа циклических колебаний. Из курса школьной физики известно, что если

212

на систему не воздействуют внешние силы, то она колеблется со свойственной ей частотой (при отсутствии силы трения), определяемой характеристиками самой системы.

Проводя аналогии с физическими системами, сторонники подобной теории выдвигают гипотезу, что нечто подобное должно происходить и на финансовом рынке. Если, например, на валюту не действуют какие-либо сильные внешние факторы (например, центральный банк страны, которому принадлежит данная валюта, не предпринимает какие-либо действия по её укреплению (ослаблению); отсутствуют экономические кризисы и т. д.), то валюта должна «жить» своей собственной жизнью, определяемой установившимися законами спроса и предложения. В указанной ситуации движение курса конкретной валюты может быть спрогнозировано с той или иной степенью точностью с помощью пакетов технического анализа.

Ещё одной волновой теорией является теория волн Элиота, которая представляет собой довольно стройную концепцию, интегрирующую в себя традиционный технический анализ, психологию толпы и цикличность развития рынка. Ценность теории Элиота состоит в том, что кроме цикличности он вывел численные характеристики циклов, используя последовательность чисел Фибоначчи.

Примером программной реализации волновой теории Элиота применительно к финансовому рынку является пакет ELWAVE.

Технический анализ

Основные решаемые задачи - это анализ и прогнозирование курсов обращающихся на рынке финансовых инструментов и выдача рекомендаций по торговле.

Число методов традиционного технического анализа огромно. Указанный анализ получил наибольшее развитие с началом эпохи всеобщей компьютеризации, когда удалось переложить рутинную работу по построению и анализу графиков, а также вычислению производных характеристик на их основе на компьютеры.

213

Существующий на сегодня традиционный технический анализ, безусловно, небезупречен. Общепринято считать, что он позволяет выявить некоторые эмпирические закономерности в поведении обращающихся на рынке финансовых инструментов, однако какой-либо строгой математической основы он под собой не имеет.

Большинство известных на сегодня методов технического анализа нашло отражение в тех или иных пакетах программного обеспечения. Все указанные пакеты могут отличаться друг от друга не только используемыми методами анализа, но также и пользовательским интерфейсом, режимом работы (on line или end of day), широтой использования базовых методов оценивания финансовой информации и т. д.

Номенклатура программных пакетов, использующих технический анализ, огромно. Среди наиболее известных пакетов можно отметить: MetaStock 6.5, MESA96, SuperCharts и другие.

Современный технический (математический) анализ

Основная решаемая задача - оптимизация портфеля финансовых инструментов по критерию минимизация риска портфеля при заданной его доходности. Выходной результат методологии оптимизации - это выдача рекомендаций по формированию портфеля.

Современный технический анализ финансового рынка берёт свое начало с классической работы Г. Марковица по построению оптимального портфеля ценных бумаг. В качестве математического инструмента решения указанной задачи используются метод нелинейного программирования, где в качестве целевой функции рассматривается риск портфеля, а в качестве ограничений - требуемая доходность портфеля. Искомыми переменными являются пропорциональные доли ценных бумаг, входящих в оптимальный портфель. Указанные пропорциональные доли выбираются исходя из условия обеспечения минимума для целевой функции и при условии выполнения всех ограничений (заданной доходности портфеля).

214

Отметим, что по смыслу задачи переменные, входящие в целевую функцию, и ограничения можно поменять местами. В указанном случае можно формировать оптимальный портфель таким образом, чтобы обеспечить максимум доходности при условии ограничения риска портфеля. В качестве искомых переменных будут выступать также пропорциональные доли финансовых инструментов, формирующих подобный оптимальный портфель.

В качестве программной реализации указанной методологии можно отметить пакет МопеуМакег.

Извлечение потенциально возможной для финансового рынка прибыли

Когда многочисленные разработчики программного обеспечения предлагают свои разработки для инвесторов, они однозначно определяют тот круг задач, который может быть решён с помощью их программного обеспечения.

Типовыми решаемыми задачами могут быть: анализ финансовых инструментов, прогнозирование, распознавание и т. д., при этом для решения соответствующих задач могут использоваться самые разнообразные методы.

Нигде в описании любого программного пакета для финансового рынка нет и намёка на то, какую прибыль (доход) может получить инвестор, если он будет использовать соответствующий пакет в своей инвестиционной деятельности.

Логика разработчиков вполне понятна и объяснима, они дают лишь «инструмент» исследований, а уж как инвестор сможет им распорядиться - это их не интересует. Инвестор может получить как прибыль, так и разориться с помощью используемого им программного обеспечения. Всё это является проблемой инвестора, а не разработчиков программного обеспечения.

Напрямую проблема извлечения прибыли на финансовом рынке как главная решаемая задача была поставлена и решена в отечественном программном продукте ProfitMaker. Разработчики пакета ProfitMaker впервые реализовали «алгоритмическую машину»

215

для синтеза потенциально возможной для финансового рынка прибыли. С одной стороны - это очень заманчиво и привлекательно для пользователей, когда об их прибыли будет «заботиться» программа, а с другой стороны, в рамках указанного подхода на программу одновременно перекладывается и вся ответственность при любых неудачах инвестиционной политики.

Какими конкретно математическими методами решается задача извлечения потенциально возможной для финансового рынка прибыли - это уже чисто технологический вопрос, которым пользователь программы может интересоваться в познавательном для себя плане или вообще не вникать в его суть. Заметим только, что программа решает указанную выше задачу на основе методов кибернетики и, в частности, теории оптимального управления динамическими системами. Сущность указанных методов применительно к финансовому рынку достаточно подробно рассматривалась в разделе 7.

Вопрос же о том, насколько эффективно программа решает задачу максимизации прибыли инвестора на вложенные средства рассматривается в разделе 9 применительно к рынку ценных бумаг и в разделе 10 применительно к рынку FOREX.

В полемическом плане может возникнуть вопрос - а зачем вообще нужно лишать инвестора самостоятельности и вместо него в рамках программы ProfitMaker «думать» о максимизации его прибыли. Ответ на этот вопрос в психологическом плане достаточно трудный, так как он может задеть самолюбие инвесторов. Для разработчиков программы было бы гораздо проще дать конечным пользователям набор методов, попытаться объяснить им их сущность и одновременно переложить всю ответственность за их правильное использование на инвесторов.

Однако истина, которую приходится учитывать при решении вопроса, делать ли программу «открытой» для вмешательства пользователей или же делать её «закрытой» системой, очень проста. Она состоит в том, что для того, чтобы извлекать потенциально возможную для финансового рынка прибыль, надо знать очень многие специальные математические вопросы (см. выше раздел 7).

216

Знание указанных вопросов - это удел профессионалов в области математики и кибернетики и трудно требовать знание подобных вопросов от рядового инвестора или же спекулянта. Указанные соображения явились определяющими для разработчиков программы ProfitMaker, которые сделали её «закрытой» от вмешательства пользователей системой. На долю пользователя в указанной ситуации остаётся лишь одно: следовать рекомендациям программы и тогда только она будет источником его успехов или поражений, или же действовать по собственному разумению и пенять только на себя.

<< | >>
Источник: В. И. Жижилев . Оптимальные стратегии извлечения прибыли на рынке FOREX и рынке ценных бумаг - М.: Финансовый консультант.-280 с. 2002

Еще по теме 8.1. Основные задачи, решаемые программным обеспечением, и используемые при этом методы:

  1. ЗАКЛЮЧЕНИЕ ОСНОВНЫЕ ЦЕЛИ И ЗАДАЧИ, РЕШАЕМЫЕ ПРИ ИСПОЛЬЗОВАНИИ ДЕЛОВОЙ ИГРЫ БИРЖА
  2. 66. ИННОВАЦИОННЫЙ ПРОЕКТ. ЗАДАЧИ, РЕШАЕМЫЕ ПРИ УПРАВЛЕНИИ ИННОВАЦИЯМИ
  3. Основные задачи, решаемые в рамках реализации инвестиционных проектов
  4. ОСНОВНЫЕ ПОНЯТИЯ, ИСПОЛЬЗУЕМЫЕ ПРИ СОСТАВЛЕНИИ ФИНАНСОВОЙ ОТЧЕТНОСТИ
  5. Глава 10 ОСНОВНЫЕ ПОНЯТИЯ, ИСПОЛЬЗУЕМЫЕ ПРИ СОСТАВЛЕНИИ ФИНАНСОВОЙ ОТЧЕТНОСТИ
  6. 8.2. Программные пакеты, используемые на финансовом рынке
  7. Задачи, решаемые аудиторами, и технология аудиторской проверки
  8. Вопрос: Основные показатели, используемые при анализе кредитоспособности заемщика в Республики Казахстан. Система дополнительных коэффициентов
  9. 3.11. Программные продукты, используемые для разработки и анализа бизнес-планов
  10. Проявлять терпение, не прекращая при этом процесса
  11. 7.23. Задача оптимального программного управления, как задача оптимизации в бесконечномерном пространстве
  12. Программное обеспечение (software)
  13. Программное обеспечение
  14. Информационное обеспечение н задачи анализа основных фондов
  15. Программное обеспечение
  16. Тестирование программного обеспечения
  17. 7.I. задачи, основные направления, информационное обеспечение анализа
  18. 20.5. ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ КАЛЕНДАРНОГО ПЛАНИРОВАНИЯ
  19. 7.5. Обслуживание оборудования и программное обеспечение