Крыловецкий А.Л.

Рассматривается возможность реализации нейросетевого подхода для моделирования инвестиционной деятельности фондовых рынков

 

TO A QUESTION OF MODELLING OF INVESTMENT ACTIVITY OF THE STOCK MARKETS

 

Krilovezkii A.

Realisation possibility of neiroweb approach for modelling of investment activity of the stock markets is considered

 

Ключевые слова: моде инвестиционной деятельности, нейросетевой подход, фондовый рынок, модели нейронов.

 

Разрыв между финансовыми и реальными активами в очередной раз спровоцировал развитие мирового экономического кризиса, сопровождающегося падением промышленного производства. В этих условиях возрастает актуальность различных направлений проведения антикризисной политики, включая административные и финансовые механизмы. Эти механизмы на всех уровнях (макро-, мезо- и микроэкономического уровне) подразумевают, в том числе, реализацию адаптивных мероприятий, позволяющих гибко приспосабливаться к объективно складывающимся внешним условиям. Антикризисное управление экономическими системами во многом определяется моделями инвестиционной деятельности.

Преодоление кризисных явлений в отечественной и мировой экономике во многом связано не просто с активизацией инвестиционной деятельности экономических систем, а в рациональном сочетании различных инструментов инвестиционной деятельности, в том числе на фондовых рынках как организованной части финансового рынка.

Сам факт появления мирового экономического кризиса в 2008 году, который многие специалисты рассматривают как один из самых крупных в мировой истории, означает, что существующие инструменты предвосхищения кризисных ситуаций, включая моделирование инвестиционной деятельности экономических систем, не разработаны в достаточной степени для эффективного практического применения.

Следует признать, что недостаточная эффективность существующих моделей инвестиционной деятельности экономических систем во многом связана с тем, что они были разработаны до формирования современных особенностей развития экономики, основными из которых являются следующие.

Во-первых, научно-техническая революция в сфере информатизации общества усилила неравномерность экономического развития, связанную с увеличением разрывов в скорости и полноте обеспечения полезной информацией экономических систем, с одной стороны, и ростом разбросов в достоверности используемой информации, с другой стороны. Именно последнее обстоятельство привело к увеличению финансовых сделок на фондовых рынках, не обеспеченных реальными активами.

Во-вторых, глобализация мировой экономики, связанная, в том числе, с увеличением прозрачности границ государств для движения товаров и капиталов, привела к увеличению связанности всех рынков, в результате чего кризис неплатежей на рынке ипотечного кредитования недвижимости в США выступил катализатором мирового экономического кризиса 2008-2009 годов.

В-третьих, ориентация мировой экономики на инновационное развитие, предопределенная высокой насыщенностью рынка товаров и услуг, а значит ужесточением конкурентной борьбы, увеличивает рискованность инвестиционных вложений, которая не была столь существенной проблемой на предыдущих этапах развития общества.

Инвестиции как решающее условие формирования количественной и качественной эволюции экономических систем, во многом предопределяют основные параметры расширенного воспроизводства, как фундамента стабильного развития общества. Это объясняет существенную методологическую значимость исследования причин их неадекватного развития и использования, в числе которых приоритетные позиции принадлежат моделированию инвестиционной деятельности экономических систем.

Таким образом, процессы информатизации, глобализации и инновационной ориентации развития общества актуализируют проблемы поиска и исследования причин и факторов, определяющих эффективное развитие экономических систем, включая локализацию кризисных явлений. Поскольку одним из решающих факторов эффективного развития экономических систем выступают инвестиции, значительная часть которых осуществляется на организованной части финансового рынка, моделирование инвестиционной деятельности фондовых рынков представляется актуальной научной задачей.

В качестве методологического подхода к построению адаптивный моделей инвестиционной деятельности фондовых рынков как экономических систем рассмотрим нейросетевой подход, применимый для широкого круга прикладных задач.

Выбор нейросетевого подхода обусловлен тем, что лежащая в его основе гибридизация методов и моделей обработки информации, образующая новые эффективные инструменты управления, во многом согласуется с тенденциями сближения инвестиционной деятельности макроэкономических и микроэкономических систем, обусловленного глобализацией мировой экономики. В результате чего в динамике подходы к исследованию инвестиционной деятельности различных экономических систем сходятся на мезоэкономическом уровне (рис.1).

 

Рис.1 – Динамика подходы к исследованию инвестиционной деятельности различных экономических систем.

 

Рассмотрим основные этапы построения адаптивных моделей инвестиционной деятельности фондовых рынков как экономических систем на основе нейросетевого подхода. При этом будем исходить из возможностей использования основных преимуществ нейронной сети: параллельность обработки информации, способность к обучению и обобщению данных, реализация сверхбольшой степени интеграции.

Общий алгоритм моделирования инвестиционной деятельности фондовых рынков с использованием нейростевого подхода представлен на рис.2.

 

Рис.2 – Алгоритм моделирования инвестиционной деятельности фондовых рынков с использованием нейростевого подхода.

 

Опишем подробно первый этап алгоритм моделирования инвестиционной деятельности фондовых рынков, предполагающий выбор соответствующих моделей нейронов.

На первом этапе фондовые рынки необходимо описать моделями нейронов, для того, чтобы с помощью методов их обучения сформировать модели инвестиционной деятельности.

В качестве базового варианта модели фондового рынка может быть выбрана модель персептрона МакКаллока-Питса, характеризующаяся собственной стратегией обучения.

Поскольку функция активации фондового рынка, по сути, является непрерывной, необходимо в последующем описать модель персептрона МакКаллока-Питса с помощью нейрона сигмоидального типа, описываемого в зависимости от выбираемого уровня униполярной или биполярной функцией и обладающего свойством дифференцируемости, что позволит отразить различные группы объектов инвестирования.

Формирование дифференцированного набора объектов инвестирования позволяет на следующем этапе для моделирования инвестиционной деятельности фондовых рынков воспользоваться нейроном типа ADALINE (Adaptive linear neuron - адаптивного линейного нейрона) Б. Видроу. Схема нейрона типа ADALINE характеризуется адаптивным способом подбора весовых коэффициентов, что вполне соответствует идеологии формирования условного портфеля инвестиций на фондовой бирже.

Учитывая, что инвестиционная деятельность связана с принятием решений о покупке, либо продаже тех или иных активов, на следующем этапе моделирования инвестиционную деятельность на фондовом рынке можно описать с помощью нейронов типа инстар и оутстар С. Гроссберга как взаимодополняющих элементов. Инстар адаптирует веса сигналов, поступающих на сумматор нейрона (в нашем случае инвестиций поступающих в портфель), а оутстар согласовывает веса выходящих из нейрона связей (в нашем случае активов частично или полностью покидающих портфель инвестиций).

На следующем шаге для оптимизации инвестиционная деятельность фондовых рынков целесообразно воспользоваться модельным описанием с помощью нейрона типа WTA (Winner takes all – победитель получает все). По своей сути модель WTA рассматривает группу конкурирующих между собой нейронов (в нашем случае портфелей инвестиций), на вход которых поступают одни и те же сигналы. В зависимости от фактических значений весовых коэффициентов (долей инвестирования в те или иные активы) суммарные сигналы отдельных нейронов (значения эффективности отдельных портфелей инвестиций) могут отличаться. По результатам сравнения сигналов нейронов победителем признается нейрон, значение выходного сигнала у которого оказалось наибольшим (в нашем случае это оптимальный портфель инвестиций).

Поскольку финансовые активы на фондовом рынке обладают свойствами стандартизованности, обращаемости и серийности, для описания инвестиционной деятельности с их участием на следующем шаге целесообразно воспользоваться моделью нейрона Д.Хебба. Согласно правилу Хебба изменяется пропорционально произведению его входного и выходного сигналов, взвешенного коэффициентом обучения, который можно постоянно наращивать.

Последним шагом первого этапа построения адаптивных моделей инвестиционной деятельности фондового рынка является исследование возможностей использования стохастической модели нейрона. В отличие от всех детерминированных моделей, стохастическая модель, предполагает, что выходное состояние нейрона зависит не только от взвешенной суммы входных сигналов, но и от некоторой случайной переменной. Применительно к инвестиционной деятельности фондового рынка это соответствует случаям нестабильных и кризисных ситуаций в экономике, когда принятие решений наиболее затруднительно.

Рассмотрев, таким образом, вопросы выбора моделей нейронов, описывающих инвестиционную деятельность фондовых рынков, и методов их обучения, можно перейти к вопросу объединения между собой нейронов, образующих систему. В нашем случае эта система - по сути, представляет собой фондовый рынок. В зависимости от способа объединения нейронов будет представлять собой однонаправленную, либо рекуррентную сеть (то есть сеть с обратной связью, в нашем случае придающую устойчивость инвестиционной деятельности фондового рынка).