Модели и алгоритмы поддержки принятия решений по управлению краткосрочным инвестиционным портфелем

• Автор: Журавлёва, Юлия Николаевна
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2012
• Место защиты: Сургут
• Количество страниц: 138 с. : ил.

СОДЕРЖАНИЕ
Введение
Глава 1. СОВРЕМЕННОЕ СОСТОЯНИЕ ВОПРОСА МОДЕЛИРОВАНИЯ ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ КРАТКОСРОЧНЫМ ИНВЕСТИЦИОННЫМ ПОРТФЕЛЕМ
1.1. Управление портфелем ценных бумаг
1.2. Процесс принятия решения инвестором по управлению краткосрочным инвестиционным портфелем
1.3. Математические модели и методы поддержки принятия решений в финансовых задачах
1.3.1. Модели оценка риска в финансовых задачах
1.3.2. Прогнозирование доходности в финансовых задачах
1.3.3. Индекс фрактальности и свойства временного ряда
Выводы
Глава 2. МАТЕМАТИЧЕСКИЕ МОДЕЛИ И МЕТОДЫ ПРОГНОЗИРОВАНИЯ ДОХОДНОСТИ
2.1. Анализ исходных данных для построения математических моделей
2.1.1. Российский рынок акций
2.1.2. Российский денежный рынок
2.1.3. Российский рынок облигаций
2.1.4. Международный рынок ценных бумаг
2.1.5. Категории признаков системы, с точки зрения влияния рисков
2.2. Экспертный анализ выбора финансовых показателей российского рынка
2.3. Многофакторная линейная регрессионная модель прогнозирования доходности финансовых инструментов
2.3.1. Методика определения набора независимых переменных для построения многофакторных моделей прогнозирования доходности
2.3.2. Построение линейных многофакторных моделей доходности финансовых инструментов
2.3.3. Ранжирование независимых переменных
2.3.3. Прогнозирование доходности финансовых инструментов с помощью модели линейной многофакторной регрессии
2.4. Нейросетевое моделирование
2.4.1. Модель многослойной сети
2.4.2. Модель многослойной сети обратного распространения
2.4.3. Прогнозирование доходности с использованием аппарата нейронных сетей
2.5. Сравнение качества прогнозов доходности с использованием линейной многофакторной модели и аппарата нейронных сетей

2.6. Фрактальный анализ временных рядов
2.7. Методика определения состояния временного ряда доходности
Выводы
Глава 3. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ОЦЕНКИ РЫНОЧНОГО РИСКА
3.1. Методы оценки рыночного риска
3.1.1. Историческое моделирование
3.1.2. Модель постоянных ковариаций
3.1.3. Имитационное моделирование
3.2. Методы построения и сравнение оценок рыночного риска ценных бумаг
Выводы
Глава 4. АДАПТИВНАЯ ИНТЕГРИРОВАННАЯ МОДЕЛЬ ПРИНЯТИЙ РЕШЕНИЙ ОПТИМИЗАЦИИ КРАТКОСРОЧНОГО ИНВЕСТИЦИОННОГО ПОРТФЕЛЯ. ПРОГРАММНО-АНАЛИТИЧЕСКИЙ КОМПЛЕКС ДЛЯ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЯ ИНВЕСТОРОМ ПО УПРАВЛЕНИЮ КРАТКОСРОЧНЫМ ИНВЕСТИЦИОННЫМ ПОРТФЕЛЕМ
4.1. Постановка задачи
4.2. Модель принятия решений управления портфелем ценных бумаг
4.3. Алгоритм проверки эффективности принятия решения инвестором
4.4. Построение адаптивного алгоритма выбора метода прогноза доходности
4.5. Применение адаптивной интегрированной модели принятий решений оптимизации краткосрочного инвестиционного портфеля
4.6. Программно-аналитический комплекс для поддержки принятия решения инвестором по управлению краткосрочным инвестиционным портфелем
4.6.1. Описание системы
4.6.2. Подсистема ввода данных
4.6.3. Подсистема хранения данных
4.6.4. Подсистема анализа
Выводы
Заключение
Список использованной литературы
Приложение
Приложение
Приложение
Приложение

Введение
Современное состояние теории принятия решений позволяет использовать ее во всех возможных областях человеческой деятельности. Наиболее актуальными являются области исследований, в которых требуется обрабатывать большие объемы информации за короткое время, а также решать нетривиальные задачи, не имеющие алгоритмов решения. Такие задачи, как правило, решаются высококвалифицированными экспертами и специалистами с применением математических методов.
Разработка математических методов решения задач, связанных с прогнозированием состояния рынка ценных бумаг началась в ХХ-м веке.
Рынок ценных бумаг - совокупность экономических отношений между его участниками по поводу выпуска и обращения ценных бумаг. Он является важной составной частью рынка страны. Рынок ценных бумаг с сопутствующей ему системой финансовых институтов - сфера, в которой формируются финансовые источники экономического роста, концентрируются и распределяются инвестиционные ресурсы.
Финансовые рынки США и Западной Европы характеризуются высокой стабильностью. Математическая теория управления рыночным риском, разработанная для этих регионов, построена с учетом этого обстоятельства. Речь идет о моделях Г. Марковица, У. Шарпа и др., совокупность которых составила фундамент «теории оптимального портфеля». Однако ни одна из созданных моделей не обеспечивает инвестору гарантированной (в вероятностном смысле) защиты от случаев резкого изменения поведения фондового рынка. На западных рынках такие случаи редки и стимулов для модернизации теории с учетом «экзотических» обстоятельств нет, хотя условия для этого имеются — созданная в 90-е годы XX столетия специалистами инвестиционного банка J.P. Morgan модель RiskMetrics открывает возможность создания «модернизированных» моделей.

2. Среди математических методов оценки риска в финансовых задачах наиболее эффективным является метод VAR, который позволяет в отличие от других моделей оценки риска:
- оценить риск в терминах возможных потерь, соотнесенных с вероятностями их возникновения;
- измерить риски с учетом различных факторов универсальным образом;
- агрегировать риски отдельных позиций в единую величину для всего портфеля, учитывая при этом информацию о количестве позиций (ограничений на капитал для различных финансовых инструментов), нестабильности на рынке и периоде инвестирования.
3. Среди математических моделей прогнозирования доходности регрессионная модель и нейросетевая обладает рядом преимуществ:
- обладают возможностью выявления закономерностей в отсутствии априорных знаний об их существовании;
- обладают возможностью учета факторов различной природы;
- позволяют строить краткосрочный прогноз.
Анализ литературы показал, что в настоящее время отсутствуют работы, учитывающие влияние на доходность финансовых инструментов множества рыночных факторов, имеющих различную природу: товарные, фондовые, валютные, процентные, классифицированных с точки зрения влияния четырех видов рыночного риска на доходность финансового инструмента.
4. Анализ фрактальных свойств [39, 46, 55] временного ряда доходности позволяет:
- выявить скрытую закономерность в поведении временного ряда доходности;
- построить краткосрочный прогноз поведения доходности.
5. Для разработки качественной методики построения оптимальной структуры краткосрочного инвестиционного портфеля требуется разработать адаптивную интегрированную модель принятия решений, включающую: математическую модель прогнозирования доходности, методику определения состояния временного ряда доходности на основе локальных фрактальных характеристик временного ряда доходностей с учетом ограничения на рыночный риск финансовых инструментов.