назад Оглавление вперед


[Старт] [ 1 ] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] [24] [25] [26] [27] [28] [29] [30] [31] [32] [33] [34] [35] [36] [37] [38] [39] [40] [41] [42]


1

менчивых рынков капитала. Поэтому когда нам в полной мере стали ясны потенциальные возможности нейронных сетей, мы почувствовали большое воодушевление. Искусственные нейронные сети, будучи методом, «свободным от моделей» ("model-free"), позволяют нам оценивать доход по финансовым активам или частоту невыполнения обязательств по контрактам, не связывая себя при этом ограничениями, которые налагаются в общепринятых теоретических моделях.

Более того, безмодельный подход позволил нам включать в рассмотрение в качестве потенциальных источников информации такие экзотические переменные, как погода (количество дождливых и солнечных дней), а также качественные переменные, скажем, организационную гибкость. Хотя, на первый взгляд, такие переменные кажутся слишком необычными, по крайней мере, интуитивно понятно, что они могут отвечать за какую-то составляющую дохода по активу или его волатильности. Так, в ходе работы в рамках нашего совместного проекта с Министерством финансов Голландии выявился ряд задач, где погодный фактор является высокозначимой объясняющей переменной.

Наши коллеги в финансовых подразделениях далеко не всегда приветствовали такой либеральный и неструктурный в смысле модели подход к проблеме. Примерно до 1994 года консервативные эко-нометристы отвергали саму идею о том, что нейронные сети могут быть средством моделирования. Сетевые методы подвергались насмешкам из-за того, что они устроены как «черный ящик», а также из-за наличия обучающих параметров, подбор которых производится практически «на глаз». В самом деле, разве профессор X. Уайт не доказал со всей определенностью,* что в задаче прогнозирования дохода по акциям IBM нейронные сети дают худшие результаты, чем модель случайного блуждания?

Позднее выяснилось, что данные по акциям IBM не являются достаточно репрезентативными, и поэтому данный результат ни в коем случае не компрометирует нейронно-сетевые методы. Постепенно сословие эконометристов искренне приняло нейронно-сетевую методологию как универсальное средство функциональной аппроксимации. В настоящее время фирмы-производители таких статистических программных пакетов, как SASe, включают в них нейронно-сетевые модули.

Нам кажется, что сейчас интеллектуальная пыль несколько осела. Наша позиция предельно четкая: нейронные сети- не волшебная

Строго говоря, методов, «свободных от моделей», не существует!

Более формальное доказательство этого факта см. в American Economic Review,

1994.

*Эта знаменитая работа перепечатана в [226] (см. список литературы).,

Д-р Дирк-Эмма Бэстенс Женераль Банк

Брюссельг. J

Д-р Биллем-Макс ван ден Берг Факультет финансов Университет Эразма, Роттердам

Проф. Д. Вуд . Манчестерская Школа Бизнеса, -п

М W.«

a> t If,

:;M лтг • a

палочка, а математический метод. Не будучи панацеей, нейронные сети позволяют, по крайней мере, отчасти, предсказать величину непредвиденного дохода по финансовым активам. В современном мире финансов, когда дневной оборот валютного рынка превышает 1 триллион долларов, улучшение качества прогноза всего на 1% принесет значительную прибыль. Далее, мы считаем, что наибольшую пользу нейронные сети могут принести в задачах обработки качественных данных. Европейская Комиссия включила в программу ESPRIT ряд исследовательских проектов, результаты которых позволили бы учитывать «новости» (мягкие данные) в моделях принятия финансовых решений. Прекрасным полем для дальнейшего развития этого направления может стать финансовый рынок России, уже сейчас играющий заметную роль в мире. Мы искренне надеемся на то, что наша книга будет способствовать лучщему пониманию возможностей нелинейных адаптивных методов, равно как и связанных с ними ловушек.

Мы очень благодарны проф. СВ. Курочкину (Вычислительный центр Российской Академии наук) за его кропотливый труд переводчика. Мы также глубоко признательны д-ру В.И. Хохлову (Математический ин-т им. В.А. Стеклова РАН) и издательству «ТВП» за энтузиазм и поддержку. К нашему великому сожалению, мы не знаем русского языка, и очень надеемся, что такие проекты, как этот, будут усиливать давление на западную систему образования с тем, чтобы ваш прекрасный язык был включен в учебные планы вузов.

Разумеется, все допущенные в книге ошибки остаются на нашей совести.



об авторах

Дирк-Эмма Бэстенс. С 1996 г. занимает должность управляющего по кредитному риску Женераль Банка, Брюссель, Бельгия. Отвечает за оптимизацию портфеля рисковых корпоративных кредитов. Предыдущая должность- ассистент-профессор финансового дела на экономическом факультете Университета Эразма в Роттердаме. Получил степень доктора философии (Ph.D.) в области экономики бизнеса в Манчестерской Школе бизнеса (Великобритания); тема диссертации: «Влияние регулирования рынка на финансовые институты». Изучал юриспруденцию в Католическом Университете г. Лувен и прикладную экономику в Университете Антверпена, где ему было присвоено звание магистра (Master of Science) в области морского права и навигации во внутренних водах.

Преподает курс «Корпоративные финансы и управление риском» в рамках программы MBA/MBI в Роттердамской Школе бизнеса. Публикуется в журналах: Journal of International Securities Market, Neural Network World, European Journal of Finance, European Journal of Operational Research.

Сведения об авторе книги приведены в изданиях «Кто есть кто в мире - 1996» и «Кто есть кто в мире финансов- 1997». Выступал в качестве консультанта по вычислительным методам в области финансов для Министерства финансов Голландии и банка ABN-AMRO.

Виллем-Макс ван ден Берг. Ассоциированный профессор по финансовому делу и инвестициям в Университете Эразма, Роттердам; совместно с банком ABN-AMRO разработал программный пакет для управляющих финансовыми активами, в котором используются теория игр и моделирование. Занимался исследованием возможностей нейронных сетей как инструмента для принятия решений в области финансов. В настоящее время является ответственным исполнителем проекта "АСЕ" («Рабочая среда аналитика») в рамках европейского проекта ESPRIT, где разрабатывает модели торговли в реальном времени, основывающиеся на информации, передаваемой по каналам новостей Рейтер.

Дуглас Буд. Получил степень доктора философии (Ph.D.) в Университете Манчестера после обучения в Бирмингеме, Оксфорде и Массачусет-ском Технологическом институте. Поступил на работу на Экономический факультет Манчестерской Школы бизнеса, где в 1989 г. перешел на кафедру NatWest финансов и банковского дела. В течение многих лет был директором Международного Центра банковского дела и финансовых услуг при Манчестерской Школе бизнеса. Основная область его интересов- прогнозирование в финансах и в бизнесе. Он опубликовал 6 книг по этой теме, в том числе «Прогнозирование решений в бизнесе» и «Международный финансовый бизнес». Является редактором тома «Финансы» Новой Блэку-элловской Энциклопедии менеджмента (1996), в настоящее время занимается вопросами влияния европейской денежной интеграции на характеристики риска и определение цены производных финансовых инструментов и на Европейскую платежную систему (последнему вопросу посвящена публикация «Европейская платежная система», International Payments APACS (ed.), London, 1996).

Предисловие

Повседневная практика финансовых рынков находится в интересном противоречии с академической точкой зрения, согласно которой изменения цен финансовых активов происходят мгновенно, без каких-либо усилий эффективно отражая всю доступную информацию. В действительности же, само существование сотен маркет-мейкеров, трейдеров и фондовых менеджеров, работа которых состоит в том, чтобы делать прибыль, говорит о том, что участники рынка вносят определенный вклад в общую информацию. Более того, так как эта работа стоит дорого, то и объем привнесенной информации должен быть-значительным.

Труднее ответить на вопрос о том, как конкретно на финансовых рынках возникает и используется информация, которая может приносить прибыль. Исследования почти всегда показывают, что никакая устойчивая стратегия торговли не дает постоянной прибыли, и это, во всяком случае, так, если учитывать еще и расходы на совершение сделок. Хорошо известно также, что участники рынка (и весь рынок в целом) могут принимать совершенно различные решения, исходя из сходной или даже неизменной информации. Выход Великобритании из механизма валютных курсов европейской валютной системы (ERM) и октябрьский кризис 1987 г.- примеры ситуаций, когда трудно найти разумную объективную причину того, что данное событие произошло именно тогда, когда произошло, а не месяцем раньше или позже.

События такого рода свидетельствуют о том, что участники рынка в своей работе не ограничиваются линейными состоятельными правилами принятия решений, а имеют в запасе несколько сценариев действий, и то, какой из них пускается в ход, зависит подчас от внешне незаметных признаков.

Один из возможных подходов к многомерным и зачастую нелинейным информационным рядам финансового рынка заключается в том, чтобы по возможности подражать образцам поведения участников рынка, используя такие методы искусственного интеллекта, как экспертные системы или нейронные сети.

На моделирование процессов принятия решений этими методами было потрачено много усилий. Оказалось, однако, что экспертные системы в сложных ситуациях хорошо работают лишь тогда, когда системе присуща внутренняя стационарность (т.е. когда на каждый входной вектор имеется единственный не меняющийся со временем



ответ). Под такое описание в какой-то степени подходят задачи комплексной классификации или распределения кредитов, но оно представляется совершенно неубедительным для финансовых рынков с их непрерывными структурными изменениями. В случае с финансовыми рынками едва ли можно утверждать, что можно достичь полного или хотя бы в определенной степени адекватного знания о данной предметной области, в то время как для экспертных систем с алгоритмами, основанными на правилах, это - обычное требование.

Нейронные сети предлагают совершенно новые многообещающие возможности для банков и других финансовых институтов, которым по роду своей деятельности приходится решать задачи в условиях небольших априорных знаний о среде. Характер финансовых рынков драматическим образом меняется с тех пор, как вследствие ослабления контроля, приватизации и появления новых финансовых инструментов национальные рынки слились в общемировые, а в большинстве секторов рынка возросла свобода финансовых операций. Очевидно, что сами основы управления риском и доходом не могли не претерпеть изменений, коль скоро возможности диверсификации и стратегии защиты от риска изменились до неузнаваемости.

Стационарные линейные модели с большим трудом держатся на плаву в этом бурном море. Напротив, должным образом сконструированные нейронные сети, позволяющие определять по данным не только параметры, но и структуру системы, представляют собой весьма общую схему для описания развивающихся взаимосвязей.

Естественно, что различные области финансового дела вызывают к себе различный интерес. Так, например, одной из сфер применения нейронных сетей для ряда ведущих банков стала проблема изменений позиции доллара США на валютном рынке при большом числе неизменных объективных показателей. Возможности такого применения облегчаются тем, что имеются огромные базы экономических данных, - ведь сложные модели всегда прожорливы в отношении информации.

Котировки облигаций и арбитраж - еще одна область, где задачи расширения и сужения риска, разницы в процентных ставках и ликвидности, глубины и ликвидности рынка являются благоприятным материалом для мощных вычислительных методов.

Еще одной проблемой, значение которой в последнее время возрастает, является моделирование потоков средств между институциональными инвесторами. Падение процентных ставок сыграло решающую роль в повышении привлекательности инвестиционных

фондов открытого типа и индексных фондов, а наличие опционов и фьючерсов на их акции позволяет приобретать их с полной или частичной гарантией. Неудивительно, что волатильность (изменчивость) потоков наличности возросла и стратегии, основанные на правиле «занимай ненадолго, ссужай надолго», сделались более рискованными, а это, в свою очередь, привело к уменьшению денежных потоков через традиционные сберегательные институты. В итоге институты соревнуются за право вложить деньги, и все большее число менеджеров фондов и финансовых посредников имеет дело с международными рынками, в том числе и с такими их секторами, инвестирование в которые еще не так давно выглядело бы очень странно.

Очевидно, что задача оптимизации в условиях, когда число частичных ограничений равновесия бесконечно (например, на фьючерсном и наличном рынке любого товара в любом секторе рынка играют роль перекрестные разности процентных ставок), становится проблемой чрезвычайной сложности, все более выходящей за рамки возможностей любого трейдера.

В таких обстоятельствах трейдеры и, следовательно, любые системы, стремящиеся описать их поведение, в каждый момент времени должны будут сосредоточивать внимание на уменьшении размерности задачи. Хорошо известно такое явление, как ценная бумага повышенного спроса. Как показывают результаты анализа, проведенного Джеймсом Кейплом», весь прирост индекса РТА за последние 32 года был на самом деле достигнут за счет его повышений в течение только 25 месяцев из всего периода. Чем же так отличаются эти месяцы от остальных трехсот шестидесяти? Надо полагать, что линейная модель объяснить все это будет не в состоянии, да и в отношении нелинейной модели вопрос тоже остается открытым.

В любом случае приведенные далее результаты ряда независимых исследований подтверждают априорное предположение о том, что во временных рядах финансовых показателей присутствуют существенные нелинейности, и что нейронные сети - са.ми по себе или вместе с другими методами - могут сильно помочь в их распознавании.

Когда речь идет о финансовом секторе, можно с уверенностью утверждать, что первые результаты, полученные при применении нейронных сетей, являются весьма обнадеживающими, и исследования в этой области нужно развивать. Как это уже было с экспертными системами, может потребоваться несколько лет, прежде чем финансовые институты достаточно уверятся в возможностях нейронных сетей и станут использовать их на полную мощность. Финансовый мир очень сильно изменился за последнее десятилетие, и любые

1Санди Тайме, 27 февраля 1994 г., с. 314

[Старт] [ 1 ] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] [24] [25] [26] [27] [28] [29] [30] [31] [32] [33] [34] [35] [36] [37] [38] [39] [40] [41] [42]