Использование нейронных сетей для финансовых прогнозов

Статистическая оценка показателей. Выявление зависимостей. Эконометрика

Из прикладных программных систем наиболее часто используются:

· средства статистической обработки выборки и временных рядов;

· модели линейной и нелинейной регрессии;

· модели тренда и сезонности;

· специальные эконометрические методы;

· встроенные средства сбора, обработки и представления данных для статистического анализа.

Эконометрика - наука о количественном анализе реальных экономических явлений. Её цель - получение эмпирических выводов экономических закономерностей (в этом качестве - одно из средств контроллинга. Суть метода состоит в фиксации системы связей (уравнений), определяющих взаимосвязи входящих и исходящих переменных.

Модели имеют двоякую ценность: объясняют полученные результаты и служат основой прогнозирования. В качестве исходных данных выступают сценарии развития внешней среды и рассматриваемого объекта (предприятия, подразделения). В комплексной модели прогнозирования используются балансовые уравнения, внешние ограничения (нормативы), выявленные зависимости между экономическими факторами, а также данные о мероприятиях - зафиксированных (договора, сделки) и планируемых.

Нейронная сеть: многослойная (2 - З) сетевая структура, состоящая из однотипных (сравнительно простых) процессорных элементов - нейронов. Нейроны связаны между собой сложной топологией межсоединений и группируются в слои - входной, выходной и промежуточные.

В сетях для прогнозирования нейроны входного слоя воспринимают информацию о параметрах ситуации, а нейроны выходного слоя сигнализируют о возможной реакции на эту ситуацию. Производственной эксплуатации системы предшествует этап настройки - обучения. Сети предъявляется большое количество заранее подготовленных примеров, для каждого из которых известна требуемая реакция сети.

В коммерческом применении нейронные сети представляются в виде программных пакетов, плат-акселераторов для ПЭВМ, нейромикросхем и специализированных нейрокомпьютеров. Для большинства приложений бывает достаточно простого программного пакета.

С помощью нейрокомпьютера решают такие основные финансовые задачи:

· прогнозирование валютного курса (на основе нейросетевых методов обработки временных рядов);

· страхование банковской деятельности;

· прогнозирование банкротств на основе нейросетевой системы распознавания;

· определение курса облигаций и акций предприятий с целью вложения средств в эти предприятия;

· применение нейронных сетей к задачам биржевой деятельности;

· прогнозирование экономической эффективности финансирования инновационных проектов и др.

Наиболее успешным ожидается применение сравнительно простых нейросетей, например, с фиксированными структурами и весами.

6.5.8 Использование нечёткой логики

Здесь функция принадлежности элементов к заданному множеству представляет собой не жёсткий порог (принадлежит – не принадлежит), а плавную зависимость (субъективную вероятность), проходящую все значения от нуля до единицы. Доказано, что любая математическая система может быть аппроксимирована системой, основанной на нечёткой логике.

Нечёткая логика применятся при анализе новых рынков, биржевой игре, оценке политических рейтингов, выборе оптимальной ценовой стратегии и т.п. Из коммерческих систем массового применения наиболее популярен пакет СubiCаlс. Это своего рода экспертная система, в которой пользователь задаёт набор правил типа “если..., то...”, а система на их основе пытается адекватно реагировать на параметры текущей ситуации.