Разработка моделей, алгоритмов и программных средств для повышения качества прогнозов биржевых показателей с применением мультиагентного подхода




Скачать 245.69 Kb.
НазваниеРазработка моделей, алгоритмов и программных средств для повышения качества прогнозов биржевых показателей с применением мультиагентного подхода
страница1/2
Дата публикации15.06.2013
Размер245.69 Kb.
ТипАвтореферат
www.lit-yaz.ru > Экономика > Автореферат
  1   2

На правах рукописи


ФЕДЕРЯКОВ АЛЕКСАНДР СЕРГЕЕВИЧ
РАЗРАБОТКА МОДЕЛЕЙ, АЛГОРИТМОВ И ПРОГРАММНЫХ СРЕДСТВ ДЛЯ ПОВЫШЕНИЯ КАЧЕСТВА ПРОГНОЗОВ БИРЖЕВЫХ ПОКАЗАТЕЛЕЙ

С ПРИМЕНЕНИЕМ МУЛЬТИАГЕНТНОГО ПОДХОДА

Специальность 05.13.10 –
Управление в социальных и экономических системах
АВТОРЕФЕРАТ

диссертации на соискание ученой степени

кандидата технических наук

Москва – 2011

Работа выполнена в Российском новом университете.


Научный руководитель:

доктор технических наук, профессор

Романов Виктор Петрович


Официальные оппоненты:


доктор физико-математических наук, профессор

Петров Игорь Борисович
доктор технических наук, доцент

Разинкин Константин Александрович



Ведущая организация:


Институт проблем управления имени
В.А. Трапезникова Российской Академии наук


Защита состоится «хх» хххх 2011 г. в 16:00 часов на заседании Диссертационного совета ДМ 521.019.01 при Российском новом университете по адресу: 105005, г. Москва, ул. Радио, д.22.
С диссертацией можно ознакомиться в библиотеке Российского нового университета.
Автореферат разослан « » ххх 2011г.





Ученый секретарь диссертационного совета

кандидат физ-мат. наук, доцент Растягаев Д.В.
^ ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. Рынок ценных бумаг является незаменимым инструментом, позволяющим производить инвестиции в ценные бумаги и оценивать стоимость активов. Даже в период кризиса трудно преуменьшить его значение для экономики страны и мира, ведь акционерами различных компаний являются десятки миллионов жителей планеты.

Активную роль на рынке ценных бумаг играют банки и инвестиционные компании. Для них очень важна проблема прогнозирования цен на рынке ценных бумаг, особенно в период кризисов, когда возрастает волатильность и увеличиваются риски. Улучшить качество прогнозов можно при помощи методов и алгоритмов, учитывающих фундаментальные показатели компаний-эмитентов, технические индикаторы, постоянно поступающие новости, настроения других трейдеров; также перспективным направлением является применение мультиагентных систем и сценарного подхода. Применение этих методов позволит повысить качество принимаемых банками решений, что укрепит их положение на рынке. А это основа развития экономики страны.

^ Степень разработанности проблемы. Существует ряд инструментов, призванных помочь инвесторам исследовать рыночные процессы и принимать решения о сделках на рынке ценных бумаг. Некоторые облегчают проведение технического и фундаментального анализа, некоторые работают в режиме советчиков, некоторые являются полноценными торговыми роботами, которые самостоятельно проводят операции покупки-продажи ценных бумаг.

Одним из подходов к совершенствованию систем поддержки принятия решений для трейдеров является применение технологии мультиагентного моделирования. Программные агенты могут имитировать действия реальных трейдеров, проводя операции на виртуальном рынке ценных бумаг. Такая социально-экономическая система позволяет повысить точность прогнозов биржевых показателей и улучшить качество управления инвестиционными активами.

Этим вопросом занимались, начиная с конца 80-х годов, LeBaron B., Palmer R., Cohen, Maier, Kim, Markowitz, Beltratti, Margarita, Marengo, Tordjman, Rieck, Giansante S., Yue W., Marchesi M., Raberto M. и другие. В последнее время этим вопросом заинтересовались и российские исследователи: Романов В.П., Воронцов К.В. Несмотря на значительное количество работ по данной тематике, реальных проектов, использующих мультиагентный подход для моделирования рынка, очень мало. Разработки, на которые ссылаются авторы статей и книг, либо неопубликованы, либо опубликованы без исходного кода, либо имеют существенные архитектурные ограничения, не позволяющие дальше их развивать.

^ Целью исследования является повышение эффективности управления инвестициями в ценные бумаги за счёт повышения точности прогнозов экономических показателей и улучшения качества принимаемых инвесторами решений. В рамках работы не ставится цель разработки нового торгового робота или советчика; целью является создание системы поддержки принятия решений, позволяющей прогнозировать целый комплекс экономических показателей рынка ценных бумаг.

В соответствии с поставленной целью в работе были определены и решались следующие задачи:

  1. Проведён анализ теории и практики управления биржевыми активами. На его основе разработан набор требований к новому, более совершенному инструменту для прогнозирования экономических показателей бирж и поддержки принятия инвестиционных решений.

  2. Разработана новая мультиагентная математическая модель рынка ценных бумаг (далее – виртуальный рынок FIMAS), система обработки транзакций, новостная система, система управления активами, новые стратегии для трейдеров и других агентов.

  3. Используя среду программирования Borland Developer Studio 2010 и CASE-средство ModelMaker спроектировано и реализовано программное средство, позволяющее управлять сложной социально-экономической системой – виртуальным рынком ценных бумаг.

  4. Разработана система критериев для оценки степени соответствия виртуального и реального рынков, а также методология проведения экспериментов над виртуальным рынком. Выполнена серия экспериментов над виртуальным рынком с целью определения степени его соответствия реальному рынку и пригодности для решения практических задач повышения качества управления инвестиционными активами.

  5. Выполнена интеграция программного комплекса в систему поддержки принятия решений двух организаций. Проведена оценка точности прогнозов биржевых показателей программного комплекса по набору статистических критериев.

  6. Изучены другие варианты практического применения программного комплекса для повышения качества управления (автоматизация биржевого надзора, расчет экономического эффекта от инвестиционных решений), а также перспективы для дальнейших исследований и разработок.

^ Объектом исследования является рынок ценных бумаг и закономерности, которые проявляются на нём.

Предмет исследования – разработанные автором модель виртуального рынка ценных бумаг, программный комплекс и система поддержки принятия решений «FIMAS».

^ Теоретической основой исследования послужили труды российских и зарубежных специалистов по виртуальным рынкам ценных бумаг, а также книги, статьи и тезисы конференций по экономической теории, финансам, рынкам ценных бумаг, мультиагентным системам.

^ Методы исследования. В работе применялись методы системного, экономико-статистического, фрактального анализа, модальной логики, теории вероятностей, математической статистики, теории графов, теории принятия оптимальных решений, теории проектирования сложных информационных систем.

^ Информационной базой обоснования концептуальных положений исследования явились статистические данные по итогам работы различных рынков ценных бумаг, эмпирические данные, материалы периодических изданий. Для обработки информации использовались общенаучные приёмы анализа, обобщения и сравнения, системный подход, абстрактно-логический, экономико-статистический и расчётно-конструктивный методы.

^ Научная новизна

  • Научная новизна концепции системы поддержки принятия решений состоит в следующем:

    • Исследование возможностей применения мультиагентных систем при проектировании системы поддержки принятия решений для трейдеров.

    • Нацеленность на обеспечение комплексности прогнозов биржевых показателей – не только цен акций, но также объёма торгов, доходов трейдеров, капитализации рынка и др.

    • Применение сценарного подхода при прогнозировании биржевых показателей.

  • Научная новизна математической модели, алгоритмов и программной архитектуры состоит в следующем:

    • Расширена номенклатура торговых стратегий, разработано шесть новых, ранее не встречавшихся, стратегий для трейдеров. Агенты сохраняют историю своих сделок, могут самообучаться и по мере приобретения опыта переходить на более оптимальные стратегии принятия решений.

    • Разработана новая новостная модель, учитывающая эффект затухания новостей с течением времени.

    • Впервые реализован механизм обработки поступающих ордеров в режиме реального времени в рамках мультиагентной системы.

    • Значительно расширена иерархия классов, что позволило реалистичнее моделировать взаимодействие агентов между собой и с внешней средой.

^ Практическая значимость

  • Впервые мультиагентный программный комплекс данного класса был использован как инструмент поддержки принятия решений. Это подтверждено двумя актами о внедрении от компаний, которые являются участниками рынка ценных бумаг. Получена высокая точность прогнозов в среднесрочном периоде, что позволяет экспертам принимать более взвешенные решения.

  • Возможность практического применения разработок в целях повышения качества управления в других областях: расчет экономического эффекта от инвестиционных решений, обучение персонала стратегиям работы на рынках ценных бумаг, в качестве инструмента для определения и предотвращения инсайдерских операций на рынке.

  • Исходный код ядра программы открыт для публичного ознакомления и использования. Это является ценным материалом для специалистов, которые хотели бы продолжить работу в данном направлении, так как большинство подобных программных комплексов опубликованы без исходного кода.

  • Разработанный программный комплекс используется в Российском экономическом университете им. Г.В. Плеханова при проведении занятий по дисциплине «Когнитивная бизнес-аналитика».

На защиту выносятся

  • Разработанная автором модель сложной социально-экономической системы – рынка ценных бумаг; алгоритмы принятия решений агентами, новостная система.

  • Архитектура программного средства, позволяющего управлять виртуальным рынком и моделировать динамику биржевых показателей.

  • Принципы работы системы поддержки принятия решений для трейдеров на основе мультиагентных систем.

^ Апробация работы. Основные результаты диссертационного исследования были представлены на четырёх научных конференциях: «Ситуационные центры: модели, технологии, опыт практической реализации» (Москва, 2006; Москва, 2007) и «Computational Finance and its Applications» (Лондон, 2006; Кадиз, 2008).

Материалы диссертационного исследования отражены в восьми публикациях (3 статьи в иностранных журналах, 5 в российских, 3 из которых входят в список ВАК) общим объёмом около 6 п.л.

Разработанный программный комплекс внедрён в систему поддержки принятия решений для трейдеров в ООО «ТК Фотон» и ООО «Таулинк», что подтверждают соответствующие акты о внедрении.

^ Объем и структура работы. Поставленная в работе цель позволила сформировать следующую структуру исследования. Диссертация состоит из введения, трех глав, выводов, списка литературы и приложений. Диссертация содержит 217 страниц основного машинописного текста, 65 рисунков, 13 таблиц, 41 приложений. Библиография включает 89 наименований, из них 40 иностранных источника.

^ ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы исследования, степень ее разработанности, формируются цели и задачи диссертационной работы, приводятся положения научной новизны, теоретической и практической значимости результатов исследования.

Первая глава посвящена анализу существующих средств прогнозирования экономических показателей бирж.

Описаны модели и алгоритмы оценки стоимости ценных бумаг, управления активами и инвестициями. Проанализированы основные положения различных теорий функционирования рынка ценных бумаг: теория эффективного рынка, теория случайных блужданий, теория хаоса и адаптивного рынка. Проведён анализ применимости каждой из них для решения задач исследования.

Рассмотрены различные подходы к моделированию рынка ценных бумаг и прогнозированию экономических показателей. Приведён обзор моделей рынка ценных бумаг, использующих мультиагентный подход: Santa Fe, GASM, MoTor, A.T.O.M, Altreva adaptive modeler. Проанализированы возможности программных реализаций этих моделей. Сформированы требования к функциональности проектируемого программного комплекса и системы поддержки принятия решений.

Идея заключается в применении мультиагентного подхода для повышения точности прогнозов биржевых показателей. В рамках этого подхода разработана новая имитационная модель рынка ценных бумаг: виртуальный мир FIMAS. Этот мир населяется виртуальными агентами: трейдерами, брокерами, биржей, компаниями. Взаимодействуя между собой, они совершают сделки на бирже, в результате чего мы может наблюдать те же явления и закономерности, что и на реальных рынках. Результаты таких симуляций можно использовать для повышения качества управления инвестициями в ценные бумаги.

Во второй главе подробно рассматриваются вопросы, связанные с разработкой архитектуры виртуального рынка, программного комплекса, управляющего процессами на виртуальном рынке, и системы поддержки принятия решений.

В начале главы представлена разработанная автором математическая модель виртуального рынка FIMAS. Обозначим понятие «виртуальный мир» буквой . Состояние мира в момент определяется состоянием населяющих его агентов . Каждую итерацию под влиянием новостей это состояние меняется на :



()

где – состояние виртуального мира в предыдущий момент времени;

– совокупность новостей и событий, произошедших за i-ую

итерацию.

Для описания сферы деятельности компаний и классификации новостей была предложена двухуровневая система классификаторов. Для любой компании существует набор классификаторов , с которыми она связана с коэффициентам .

Новость – это событие, которое произошло в определённый момент времени внутри модели или во внешней среде. Каждая новость характеризуется силой и временем возникновения . Она связана с совокупностью агентов c коэффициентами , где – количество связей этой новости с конкретными агентами. Также новость связана с совокупностью классификаторов c коэффициентами , где – количество связей этой новости с конкретными классификаторами.

Если за период произошло внешних событий, то они повлияли на компанию с силой , а новостной фон в момент за период может быть рассчитан по формуле



()

где – совокупное влияние j-ой новости на компанию ;

– скорость затухания новости;

– время, необходимое для полного затухания новости.

Агенты точно не знают, как новости повлияют котировки ценных бумаг компаний, но они могут строить предположения на этот счёт, руководствуясь своей стратегией принятия решений.

Существует ряд статистических показателей, характеризующих любой рынок. Например, отношение капитализации рынка к среднегодовому объёму торгов. Для виртуального рынка обозначим их как , для реального рынка как . Зададим критерий адекватности модели как функцию от динамики двух показателей и уровня значимости :



()

Примером может служить критерий Колмогорова, применимый к распределениям цен акций за определённый период времени. Или утверждение, что отношение капитализации рынка к среднегодовому объёму торгов должно быть в пределах определенного диапазона, границы которого зависят от .

Соответственно, задача исследования будет заключаться в оптимизации начальных параметров симуляции и сценария с целью минимизации уровня значимости , соответствуя набору введённых критериев .

В разработанной автором модели FIMAS в роли агентов выступают экономические субъекты: трейдеры, брокеры, биржа, компании. Роль задаёт последовательность принятия решений экономическим субъектом. Непосредственно алгоритм принятия решений по каждому неоднозначному вопросу определяется стратегией принятия решений. Например, для роли трейдера были разработаны алгоритмы 10 различных стратегий, включая стратегии для маркет-мейкера, новичка, фундаментального трейдера, крупного инвестора, новостного трейдера, инсайдера.

Понятие стратегии принятия решений является новым для моделей подобного класса. Ранее каждый агент был привязан только к одному алгоритму принятия решений, и часто в качестве такого алгоритма использовался алгоритм «безрассудного трейдера» (zero intelligence trader).

Трейдеры могут либо использовать только одну фиксированную стратегию, либо применять рейтинговую систему и эволюционные алгоритмы для выбора наиболее оптимальной стратегии. Каждая стратегия определяет набор сигналов, в соответствии с которыми трейдер решает, продавать ли ему акции или покупать. Например, для стратегии фундаментального трейдера используется следующий алгоритм:

Обязательные условия для покупки ценных бумаг типа T:









Цена покупки и количество:





Обязательные условия для продажи ценных бумаг типа T:







Цена продажи и количество:



Если , то , иначе если , то , иначе .

Обозначения:

– фундаментальная цена ценной бумаги (цена, которую трейдер считает справедливой для этой бумаги).

– минимальное отношение между фундаментальной и реальной ценой, при котором трейдер сочтёт бумагу инвестиционно-привлекательной.

, – текущий бид и аск (цена покупки и продажи бумаги на бирже).

– лимит-цена нового ордера.

– псевдослучайное число в интервале (равномерное распределение).

– склонность трейдера к риску, по умолчанию от 0% до 30%.

– количество ценных бумаг компании T в портфеле трейдера.

– количество ценных бумаг компании T для ордера на общую сумму по текущей среднерыночной цене.

– количество открытых позиций у трейдера.

– стоимость комиссии брокера на сумму транзакции .

– размер денежных средств трейдера на счету брокера.

– текущее значение виртуального времени.

– минимальное время ожидания перед продажей любой акции.

– время открытия позиции (покупки ценных бумаг).

Далее в диссертации представлены ключевые аспекты построения мультиагентных программных комплексов. Рассмотрены критерии выбора языка описания знаний, архитектуры агентов, агентской платформы и языка программирования. Подробно рассмотрена архитектура разработанного автором программного комплекса.

Мультиагентные модели рынка ценных бумаг прошли путь от простого переноса математических моделей до создания объектно-ориентированных систем с множеством внутренних связей. Например, модель GASM состоит из 18 классов и нескольких вспомогательных структур. Однако эксперименты в рамках диссертационной работы показали, что этого недостаточно, чтобы разработать адекватную модель рынка при всей сложности его внутренних и внешних связей. В предложенной программной архитектуре более 150 классов, что позволило значительно расширить возможности виртуальной биржи.

Программное решение FIMAS разработано в среде Borland Developer Studio 2010 на языке программирования Delphi. UML диаграммы спроектированы в CASE-средстве ModelMaker.

Далее в работе представлена предложенная автором архитектура системы поддержки принятия решений, разработанная на основе рассмотренной ранее мультиагентной модели. К программному комплексу, добавлено три подключаемых модуля (рис. 1):

gif_1

Рис. . Архитектура системы поддержки принятия решений
  1   2

Добавить документ в свой блог или на сайт

Похожие:

Разработка моделей, алгоритмов и программных средств для повышения качества прогнозов биржевых показателей с применением мультиагентного подхода iconПо контролю качества лекарственных средств Методическое указание для студентов V курса
Цель: Закрепление теоретических знаний и практических навыков по организации и проведению контроля качества лекарственных средств...

Разработка моделей, алгоритмов и программных средств для повышения качества прогнозов биржевых показателей с применением мультиагентного подхода iconИспользование предметно-ориентированных языков для повышения продуктивности...
В статье проводится обзор и анализ описанных в литературе методик применения предметно-ориентированного подхода, выявляются их общие...

Разработка моделей, алгоритмов и программных средств для повышения качества прогнозов биржевых показателей с применением мультиагентного подхода iconОтчет об использовании результатов апробации моделей проведения процедур...
Низкий процент выполнения заданий по разделам : работа с информацией, арифметические действия (составить арифметическую модель предложенной...

Разработка моделей, алгоритмов и программных средств для повышения качества прогнозов биржевых показателей с применением мультиагентного подхода iconПеречень учебников и программных произведений приобретённых на 2012-2013...
На основании решения педагогического совета №5 от 21. 03. 2012 года, в целях упорядочения расходования средств модернизации на закупку...

Разработка моделей, алгоритмов и программных средств для повышения качества прогнозов биржевых показателей с применением мультиагентного подхода iconСинтез алгоритмов и моделей аналого-цифровых преобразований в системах...
Работа выполнена в Пензенской государственной технологической академии на кафедре «Информационные технологии и системы»

Разработка моделей, алгоритмов и программных средств для повышения качества прогнозов биржевых показателей с применением мультиагентного подхода iconПрограммные средства икт, которые я использую для осуществления своей...
Это рациональный способ повышения эффективности и интенсификации обучения и самообучения, повышения качества образования

Разработка моделей, алгоритмов и программных средств для повышения качества прогнозов биржевых показателей с применением мультиагентного подхода iconПеречень программных средств используемых в Ваверской сш
Русский язык. Начальная школа. 2-3 классы. Занимательная грамматика (для детей с нарушением слуха)

Разработка моделей, алгоритмов и программных средств для повышения качества прогнозов биржевых показателей с применением мультиагентного подхода icon1. Анализ организационно-технических показателей деятельности ООО «Оптима»
...

Разработка моделей, алгоритмов и программных средств для повышения качества прогнозов биржевых показателей с применением мультиагентного подхода iconШтриховое кодирование
Одним из средств повышения качества продукции за счет применения информационных технологий является использование штрихового кодирования...

Разработка моделей, алгоритмов и программных средств для повышения качества прогнозов биржевых показателей с применением мультиагентного подхода iconСоздание инновационных моделей организации повышения квалификации...
Новые модели и механизмы организации повышения квалификации педагогических и управленческих кадров в сфере образования



Образовательный материал



При копировании материала укажите ссылку © 2013
контакты
www.lit-yaz.ru
главная страница