Прогнозирование доходности на фондовом и валютном рынках на основе моделей искусственных нейронных сетей

Предмет исследования – прогнозирование доходности на фондовых рынках развитых стран и валютном рынке с помощью моделей искусственных нейронных сетей с предварительной обработкой входных данных.

Цель диссертационного исследования – предложить способы прогнозирования доходности на фондовом и валютном рынках развитых стран с помощью моделей искусственных нейронных сетей с предварительной обработкой входных данных, которые соответствуют типичным реакциям лиц, принимающих решения, по критерию роста виртуального инвестиционного портфеля, построенного на основе прогнозов сети.

Основная научная гипотеза. Основными характеристиками способа формирования ожиданий репрезентативным агентом считаются ограниченная рациональность, самообучение, а также формирование субъективно полных картин будущего (self-attribution) на основе сценарной интерпретации прошлой информации. Эти особенности способа принятия инвестиционных решений эффективно имитируются с помощью конкурентных механизмов предварительной обработки входных данных (по сравнению с другими методами обработки, а также методами, не использующими предварительную обработку входных данных) в самоорганизующихся искусственных нейронных сетях Кохонена – Хакена и роевой архитектуры. В результате может быть существенно повышено качество прогнозирования доходности на финансовых рынках развитых стран по критерию роста виртуального инвестиционного портфеля.

Научная новизна диссертации заключается в разработке новых или совершенствовании уже существующих методов прогнозирования доходности финансовых инструментов на фондовом и валютном рынке развитых стран на основе моделей искусственных нейронных сетей, а именно: была установлена связь между качеством прогнозирования фондового рынка с помощью предложенных в работе искусственных нейронных сетей по критерию роста виртуального инвестиционного портфеля и наличием «выбросов» в распределении доходностей; была доказана способность таких моделей фиксировать наиболее существенные движения цен на финансовом рынке.

Практическая значимость работы заключается в том, что были построены работающие прогнозные модели искусственных нейронных сетей с предварительной обработкой входных данных для фондового и валютного рынков развитых стран. Количественно это выражалось в успехе виртуального инвестиционного портфеля, который значительно превосходил рыночную динамику, модель авторегрессии, а также модель искусственной нейронной сети без предварительной обработки входных данных.

Содержание.
Оглавление
Введение
Роль искусственных нейронных сетей в прогнозировании финансовых рынков
Самоорганизация в искусственных нейронных сетях и на финансовых рынках
Принятие решений репрезентативным агентом на основе ограниченной рациональности и самоорганизации: имитация с помощью искусственных нейронных сетей
Основные характеристики, типология и принципы построения искусственных нейронных сетей при прогнозировании финансовых рынков

Инвестиционные решения на фондовом и валютном рынках на основе упрощенной картины мира и контекстной памяти – представление в форме
искусственных нейронных сетей с предварительной обработкой входных данных
Предварительная обработка входных данных искусственными нейронными сетями при прогнозировании финансовых рынков с помощью метода главных компонент и метода независимых компонент
Прогнозирование финансовых рынков с помощью искусственной нейронной сети, обученной по методу Левенберга-Марквардта и использующей снижение размерности входных данных (упрощение картины мира)
Прогнозирование фондового и валютного рынков с помощью искусственной нейронной сети Хакена, использующей предварительную обработку входных данных в виде формирования контекстной памяти

Иллюзия субъективной полноты картины мира, свойственная репрезентативному инвестору, и ее воспроизведение посредством искусственных нейронных сетей, использующих конкурентные механизмы предварительной обработки входных данных
Прогнозирование финансовых рынков с помощью искусственной нейронной сети
Кохонена-Хакена, использующей конкурентную обработку входных данных
Прогнозирование фондового и валютного рынков с помощью роевой архитектуры искусственных нейронных сетей, использующей кластеризацию данных в качестве инструмента предварительной обработки/

Заключение
Библиография
Приложение