НЕЙРОННЫЕ СЕТИ В ФИНАНСОВОЙ ДЕЯТЕЛЬНОСТИ 13 02

НЕЙРОННЫЕ СЕТИ В ФИНАНСОВОЙ ДЕЯТЕЛЬНОСТИ

13. 02. 2018 Сидорова Н. П. Системы ИИ в экономике 2 Нейронная сеть üПринято считать, что человеческий мозг - это естественная нейронная сеть üНейронная сеть – электронная модель мозга человека. ü Она использует множество простых вычислительных элементов, называемых нейронами, каждый из которых имитирует поведение отдельной клетки человеческого мозга. üНейронные сети – это такой процесс, который отображает зависимость между входной информацией и выходными данными.

13. 02. 2018 Сидорова Н. П. Системы ИИ в экономике 3 Базовая структура нейронной сети

13. 02. 2018 Сидорова Н. П. Системы ИИ в экономике 4 Свойства нейронных сетей • Нейронные сети пытаются создать приемлемые модели из большого количества данных. Они могут распознавать модели, не слишком ясные для людей, и адаптировать их при получении новой информации. • Ключевой характеристикой нейронных сетей является способность к обучению.

13. 02. 2018 Сидорова Н. П. Системы ИИ в экономике 5 Обучение нейронной сети • Программе нейронных сетей сначала дается набор данных, состоящий из многих переменных, связанных с большим количеством случаев, или исходов, в которых результаты известны. • Программа анализирует данные и обрабатывает все корреляции, а затем выбирает набор переменных, которые строго соотнесены с частными известными результатами, как начальная модель. • Эта начальная модель используется, чтобы попробовать предсказать результаты различных случаев, а предсказанные результаты сравниваются с известными (эталонными) результатами

13. 02. 2018 Сидорова Н. П. Системы ИИ в экономике 6 Свойства нейронной сети Достоинства • возможность моделирования и прогнозирования нелинейных процессов • способность работать с неточными данными • быстрое обучение • гибкость адаптации к изменениям внешней среды. Недостатки • неспособность объяснять свои действия • не всегда удастся правильно выбрать архитектуру нейронной сети, необходимую для эффективного решения поставленных задач.

13. 02. 2018 Сидорова Н. П. Системы ИИ в экономике 7 Ограниченность технологии нейронных сетей Технология на основе нейронных сетей является разновидностью статистических методов классификации и прогноза, ориентированных на решение строго ограниченного круга задач.

13. 02. 2018 Сидорова Н. П. Системы ИИ в экономике 8 Сферы применения нейронных сетей Аппроксим ация функций Классифик ация Прогнозир ование НС Управлени е Принятие решений

13. 02. 2018 Сидорова Н. П. Системы ИИ в экономике Нейрокомпьютинг • использование нейрокомпьютеров и нейросетевых алгоритмов для создания нейронных сетей на персональных компьютерах. 9

13. 02. 2018 Сидорова Н. П. Системы ИИ в экономике 10 Применение нейрокомпьютинга • На рынке появляется огромное количество как универсальных нейропакетов, которые зачастую используются для решения задач технического анализа, так и специализированных экспертных систем и нейропакетов для решения многих других, зачастую более сложных и трудно формализуемых задач из финансовой области.

13. 02. 2018 Сидорова Н. П. Системы ИИ в экономике 11 ОСНОВНЫЕ ЗАДАЧИ В ФИНАНСОВОЙ ОБЛАСТИ, РЕШАЕМЫЕ С ПОМОЩЬЮ НЕЙРОКОМПЬЮТЕРОВ • Прогнозирование временных рядов на основе • • • нейросетевых методов обработки (валютный курс, спрос и котировки акций, фьючерсные контракты и др. ) Страховая деятельность банков. Прогнозирование банкротств на основе нейросетевой системы распознавания. Определение курсов облигаций и акций предприятий с целью вложения средств в эти предприятия. Применение нейронных сетей к задачам биржевой деятельности. Прогнозирование экономической эффективности финансирования экономических и инновационных проектов. Предсказание результатов займов.

13. 02. 2018 Сидорова Н. П. Системы ИИ в экономике 12 Применение нейронных сетей • Нейронные сети получили широкое применение в тех областях финансового и инвестиционного менеджмента, где требуется получение оценок и прогнозов, связанных с обработкой больших объемов информации, и принятия решений в минимально короткие интервалы времени (спекулятивные операции на фондовых рынках, краткосрочное прогнозирование курсов, технический анализ и т. д. ).

13. 02. 2018 Сидорова Н. П. Системы ИИ в экономике 13 Прогнозирование временных рядов Временной ряд представляет собой особую форму данных где прошлое значения могут повлиять на будущее значения. Многие финансовые модели основаны на понимании временных рядов, предсказывая функциональность финансового рынков и используя статистические выводы с целью прогнозирования. Зависимость между временными данными в области финансов можно охарактеризовать при помощи тенденций, циклов и нестандартного поведения между данными точек, которые необходимы модели в информационных целях.

13. 02. 2018 Сидорова Н. П. Системы ИИ в экономике Прогнозирование курсов валют и котировок 14 • Прогнозирование кросс-курса валют • Прогнозирование котировок и спроса акций для биржевых спекуляций (не для долгосрочного вложения) • Прогнозирование остатков средств на корреспондентских счетах банка.

13. 02. 2018 Сидорова Н. П. Системы ИИ в экономике 15 Проблематика прогнозирования курсов валют • В настоящее время прогноз курсов иностранных валют определяется экспертизой квалифицированных специалистов в области обмена валют, которые всегда в дефиците. Исследования показывают, что имеется ряд показателей и математических зависимостей, которые дают возможность прогнозирования курса валюты, хотя могут и не относиться к финансовой области непосредственно. • Однако динамическая природа рынков не позволяет выделить единственный (точный) показатель, так как условия рынка со временем меняются и решение задачи возможно при использовании сочетания ряда показателей. • Специалистами Лондонского Ситибанка (Citibank NA London) разработаны коммерческие программы на базе искусственных нейронных сетей для прогнозирования курса валют.

13. 02. 2018 Сидорова Н. П. Системы ИИ в экономике 16 Страховая деятельность банков • оценка риска страхования инвестиций на основе анализа надежности проекта • оценка риска страхования вложенных средств

13. 02. 2018 Сидорова Н. П. Системы ИИ в экономике 17 Прогнозирование банкротств • анализ надежности фирмы с точки зрения возможности ее банкротства с помощью нейросетевой системы распознавания • анализ величины вероятности банкротства фирмы на основе многокритериальной оценки с построением нелинейной модели с помощью нейронных • Анализ банкротств, использующий финансовые соотношения, является весьма важным по нескольким соображениям. Во-первых, управление фирмы может выявлять потенциальные проблемы, которые требуют внимания. Во-вторых, инвесторы используют финансовые соотношения для оценки фирм. Наконец, аудиторы используют их как инструмент в оценке деятельности фирм. Данные используемые для обанкротившихся фирм могут быть взяты из последних финансовых бюллетеней, вышедших перед тем, как фирмы объявили банкротство

13. 02. 2018 Сидорова Н. П. Системы ИИ в экономике 18 Проблематика задачи Анализ банкротств, использующий финансовые соотношения, является весьма важным по нескольким соображениям: • управление фирмы может выявлять потенциальные проблемы, которые требуют внимания • инвесторы используют финансовые соотношения для оценки фирм. • Наконец, аудиторы используют их как инструмент в оценке деятельности фирм. Данные используемые для обанкротившихся фирм могут быть взяты из последних финансовых бюллетеней, вышедших перед тем, как фирмы объявили банкротство

13. 02. 2018 Сидорова Н. П. Системы ИИ в экономике 19 Прогнозирование рынка • Нейронные сети обеспечивают прогнозы рыночных цен и действия. Они могут составлять основу для торговли на рынке в автоматизированной системе. Предварительно обученная сеть является естественным выбором для торговли в реальном времени

13. 02. 2018 Сидорова Н. П. Системы ИИ в экономике 20 Определение курсов облигаций и акций предприятий • выделение долгосрочных и краткосрочных скачков курсовой стоимости акций на основе нелинейной нейросетевой модели • предсказание изменения стоимости акций на основе нейросетевого анализа временных экономических рядов • распознавание ситуаций, когда резкое изменение цены акций является результатом биржевой игры с помощью нейросетевой системы распознавания • определение соотношения котировок и спроса

13. 02. 2018 Сидорова Н. П. Системы ИИ в экономике 21 Проблематика задачи • Прогнозирующая система может состоять из нескольких нейронных сетей, которые обучаются взаимосвязям между различными техническими и экономическими показателями и периодами покупки и продажи акций. • Целью прогноза является выбор наилучшего времени для покупки и продажи акций • Нейросетевой подход хорошие результаты для Токийской фондовой биржи после обучения сети на 15 обучающих шаблонах. Прогноз был успешно определен в 15 случаях из 16.

13. 02. 2018 Сидорова Н. П. Системы ИИ в экономике 22 Примеры применения нейронных сетей üBank of America использует нейронную сеть, чтобы оценить коммерческие заявки на полученные ссуды. üAmerican Express использует нейронную систему, чтобы читать почерк на кредитной карте ü Mellon Bank работает над нейронной системой, которая ускорит распознавание мошеннических подделок кредитных карточек, контролируя такие показатели, как частота использования кредитной карточки и размеры расходов относительно предельного размера кредита.

13. 02. 2018 Сидорова Н. П. Системы ИИ в экономике 23 Нейросетевые пакеты для решения финансовых задач üBrain Maker Pro (California Scientific Software, США) ü семейство А 1 Trilogy фирмы Ward Systems (США). üOWL (Hyper. Logic Co. , США) üИмеется несколько реализаций нейронных сетей в сфере бизнеса в виде надстроек для Excel и Lotus, например Braincel (Palisade Co. , США), Neuralyst (Cheshire Engineering, США), семейство продуктов Excel Neural Package (Neur. OK, Россия) и др.

13. 02. 2018 Сидорова Н. П. Системы ИИ в экономике 24 Пакет Brain Maker Pro • Финансовое прогнозирование • Выполнение различной аналитической обработки информации для того, чтобы находить зависимости между входными и выходными параметрами, оценивать полноту и непротиворечивость данных, анализировать цикличность и т. д. • Пакет имеет интерфейс со многими популярными программами, такими как Excel, LOTUS, DBASE и системой технического анализа Meta. Stock.

13. 02. 2018 Сидорова Н. П. Системы ИИ в экономике 25 AI Trilogy • Является дорогостоящим и мощным нейросетевым пакетом. • Он состоит из трех самостоятельных компонентов: ►инструментальной системы дли разработки нейронной сети - Neuro. Shell, ► библиотеки для разработки приложений Neuro. Windows, ► программы оптимизации с использованием генетических алгоритмов Gene. Huntеr. • По сути, он представляет собой «конструктор» для разработчика. Помимо нейросетевых алгоритмов в системе реализованы возможности обработки текстовых данных, задания правил в явном виде, работы с техническими индикаторами, решения оптимизационных задач с применением генетических алгоритмов и др.

13. 02. 2018 Сидорова Н. П. Системы ИИ в экономике 26 Дополнительные источники • Д. Бестенс, В. Ван ден Берг, Д. Вуд. Нейронные сети и финансовые рынки. М. : ТВП - 2007. • Ширяева В. И. Финансовые рынки. Нейронные сети, хаос и нелинейная динамика. Красанд, 2010 • А. Ежов, С. Шумский. Нейрокомпьютинг и его применения в экономике и бизнесе. Изд-во МИФИ