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] [43] [44] [45] [46] [47] [48] [49] [50] [51] [52] [53] [54] [55] [56] [57] [58] [59] [60] [61] [62] [63] [64] [65] [66] [ 67 ] [68] [69] [70] [71] [72] [73] [74] [75] [76] [77] [78] [79] [80] [81] [82] [83] [84] [85] [86] [87] [88] [89] [90]


67

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



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 Соф). 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-



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.

[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] [43] [44] [45] [46] [47] [48] [49] [50] [51] [52] [53] [54] [55] [56] [57] [58] [59] [60] [61] [62] [63] [64] [65] [66] [ 67 ] [68] [69] [70] [71] [72] [73] [74] [75] [76] [77] [78] [79] [80] [81] [82] [83] [84] [85] [86] [87] [88] [89] [90]