Комплекс моделей і методів, що забезпечують підвищення ефективності, адекватності і точності процесу прийняття рішень у проведенні операцій на валютних і фондових ринках. Ідентифікація схеми торговельних операцій. Модель фільтрації вхідних даних.
Аннотация к работе
Провідну роль у системі валютних ринків відіграє світовий міжбанківський ринок FOREX, що динамічно розвивається з середини 70-х років ХХ століття. У той же час жоден формальний алгоритм не дозволяє це робити досить вірогідно, тому увесь тягар ухвалення рішення при торгівлі на валютному ринку покладено на особу, що приймає рішення (ОПР). Виходом з цієї ситуації може бути використання автоматизованої торговельної системи, або системи підтримки прийняття рішень (СППР), з масштабним залученням економіко-математичних методів і сучасних інформаційних технологій до торгівлі на валютних і фондових ринках. Питання моделювання прийняття рішень у системі валютних ринків досліджуються в ряді робіт вітчизняних і закордонних дослідників, таких, як В.Н. Метою дослідження є розробка комплексу моделей і методів, що забезпечують підвищення ефективності, адекватності і точності процесу прийняття рішень у проведенні операцій на валютних і фондових ринках.У першому розділі Методологічні основи прийняття рішень у системі міжбанківських валютних ринків проведено дослідження сучасного стану системи фондових і валютних ринків, що дозволило зробити висновок про їхні відмінності, як у світовому масштабі, так і в умовах України. Оскільки система "міжбанківський валютний ринок" не є класичною "чорною скринькою" з відомим набором вхідних і вихідних даних, задача прогнозування майбутнього стану характеристик обєкта, що спостерігаються, у цієї системі може бути вирішена лише на базі двох гіпотез: гіпотези повторюваності (у минулому зустрічалися такі ж чи аналогічні зовнішні впливи) і гіпотези адекватності реакції (схожі впливи викликають схожі реакції). Аналіз існуючих СППР на міжбанківських валютних ринках дозволяє сформулювати загальні вимоги до такої системи і розробити концептуальну модель її реалізації (рис.2). Таким чином, проведене дослідження дозволило ідентифікувати сучасний стан світової системи фондових і валютних ринків, сформулювати проблему прогнозування валютного ринку і провести класифікацію основних методів прогнозування, розподілити існуючі методи аналізу і прийняття рішень у системі міжбанківських валютних ринків у три основні групи: економіко-математичне моделювання, технічний аналіз і фундаментальний аналіз, провести аналіз у кожній групі з метою виявлення переваг і недоліків різних підходів до прогнозування, сформулювати основні вимоги до системи прийняття рішень та запропонувати концептуальну модель процесу прийняття рішень у системі МБВР. На вхід експертної системи надходить вектор, що містить значення x,buy(x),sell(x),profit, Diff,Th,Et, де x - позиція, до якої нейронна мережа віднесла поточну ринкову ситуацію; buy(x) - значення елементу x матриці buy; sell(x) - значення елементу x матриці sell; profit - доход, що може бути отриманий при правильно прийнятому рішенні (використовується тільки на стадії тестування нейронної мережі); Diff - різниця значень buy(x) і sell(x), при перевищенні якої системі дозволяється прийняти рішення про купівлю або продаж, якщо воно не суперечить іншим умовам; Th - поріг значення елемента матриці Buy чи Sell, що залишився при порівнянні меншим за іншого, перевищення якого веде до відхилення рішення про проведення операції; Et - еталонне рішення для даної ринковий ситуації (розробляється модулем 1 і використовується тільки на стадії тестування).У дисертаційній роботі на теоретичному і методичному рівнях вирішено актуальну науково-практичну задачу моделювання системи підтримки прийняття рішень на міжбанківських валютних ринках, що дозволяє зробити наступні висновки. Проведений аналіз схеми торгових операцій на ринку і взаємовідношень основних учасників ринку дозволив зробити висновок про те, що в Україні діяльність субєктів на міжнародних валютних ринках краще захищена і регламентована законодавством, що робить їх більш привабливими для вітчизняного інвестора, ніж міжнародні фондові ринки. На підставі аналізу процесу прийняття рішень в системі МБВР зроблено висновок про те, що головним резервом підвищення ефективності прийнятих рішень є вдосконалення прогнозування ринку. Синтезована концептуальна модель прийняття рішень в системі міжбанківських валютних ринків дозволяє поліпшити якість прогнозів і підвищити прибутковість операцій на ринках.
План
Основний зміст дисертаційної роботи
Вывод
У дисертаційній роботі на теоретичному і методичному рівнях вирішено актуальну науково-практичну задачу моделювання системи підтримки прийняття рішень на міжбанківських валютних ринках, що дозволяє зробити наступні висновки.
1. Проведений аналіз схеми торгових операцій на ринку і взаємовідношень основних учасників ринку дозволив зробити висновок про те, що в Україні діяльність субєктів на міжнародних валютних ринках краще захищена і регламентована законодавством, що робить їх більш привабливими для вітчизняного інвестора, ніж міжнародні фондові ринки.
2. На підставі аналізу процесу прийняття рішень в системі МБВР зроблено висновок про те, що головним резервом підвищення ефективності прийнятих рішень є вдосконалення прогнозування ринку.
3. Дослідження існуючих методів прогнозування валютних курсів дозволило обґрунтувати вибір нейронних мереж, генетичних алгоритмів і осциляторних методів для застосування в СППР.
4. Згідно з моделлю формування ринкової ціни, основним напрямком вирішення завдання прогнозування валютних курсів є орієнтація на урахування внутрішніх (технічних) факторів формування ринкового курсу.
5. Синтезована концептуальна модель прийняття рішень в системі міжбанківських валютних ринків дозволяє поліпшити якість прогнозів і підвищити прибутковість операцій на ринках.
6. Застосування осциляторних сигналів для формування вхідних даних нейросітьової моделі прогнозування МБВР дозволяє збільшити ефективність прийняття рішень порівняно із системами, що аналізують необроблені дані.
7. СППР, яку засновано на використанні нейронних мереж, що самоорганізуються, дозволяє забезпечити виконання визначених вимог, таких, як наочність, адаптивність та можливість використання додаткових джерел вхідних даних, що поліпшує точність прогнозу та знижує витрати на впровадження СППР.
8. Вдосконалення методів оцінки ефективності СППР в міжбанківських валютних операціях дозволяє підвищити швидкість та вірогідність пошуку оптимальної конфігурації системи.
9. Синтезована модель фільтрації даних і пошуку оптимальної стратегії прийняття рішень в ринкових операціях, розвязана за допомогою ГА, дозволила вдосконалити методи порівняльного аналізу СППР.
10. Метод генетичного визначення оптимальної для нейросітьового аналізу глибини вибірки біржових даних дозволяє виключити із первісної вибірки дані, що не відповідають поточному тренду і покращити якість навчання нейронної мережі.
11. Аналіз особливостей організаційної структури підрозділу валютообмінних операцій КБ ПРИВАТБАНК, на базі якого проведено впровадження СППР, дозволив синтезувати СППР, сформулювати вимоги до апаратного та програмного забезпечення її функціонування і розробити технологію її впровадження, адаптовану до умов КБ ПРИВАТБАНК. Це дозволило швидко та з найменшими витратами впровадити систему в Маріупольської філії ПРИВАТБАНКУ і отримати річний економічний ефект у розмірі 284 тис. грн.
Список литературы
в монографіях та навчальних посібниках: 1. Лысенко Ю.Г., Минц А.Ю., Стасюк В.Г.. Поиск эффективных решений в экономических задачах. - Донецк: ДОННУ; ООО “Юго-Восток, Лтд”, 2002. - 101 с. (Особистий внесок здобувача: §§1.1., 1.2., 2.2., глава 3, додатки).
2. Лысенко Ю.Г., Иванов Н.Н., Минц А.Ю.. Нейронные сети и генетические алгоритмы, учебное пособие.- Донецк: ДОННУ; ООО “Юго-Восток, Лтд”, 2003. - 230 с. (Особистий внесок здобувача: глави 4,5). у фахових виданнях
1. Минц А.Ю. Синтез нейронных сетей и экспертных систем в задачах прогнозирования. - Модели управления в рыночной экономике; сборник научных трудов; выпуск 4. Общ ред. Лысенко Ю.Г. Донецк: ДОННУ; 2000. С. 264-268.
2. Петренко В.Л., Минц А.Ю.. Использование генетических алгоритмов для сжатия информации. // Экономическая Кибернетика. - 2000. - №5-6. - С. 100-106 (Особистий внесок здобувача: постановка задачі стиснення інформації, розробка алгоритму її рішення, аналіз результатів роботи алгоритму).
3. Филиппов А.В. Минц А.Ю. Генетические алгоритмы в анализе фондовых рынков. // Вестник Донецкого университета.- 2001.- №1.- С. 183-187 (Особистий внесок здобувача: розробка моделі фільтрації даних, розробка алгоритму її реалізації, аналіз результатів).
4. Минц А.Ю. Нейронные сети в определении рейтинга надежности банков. - Новое в экономической кибернетике: (Сб. науч. ст.) Под общ. ред. Ю.Г. Лысенко; Донецкий нац. ун-т.// Модели и методы управления банковской деятельностью. - Донецк: ДОННУ, 2003. - №3. - С. 5-12.
5. Минц А.Ю.. Прогнозирование валютных рынков с использованием самоорганизующихся нейронных сетей. // Вісник СНУ ім. В.Даля. - 2004. №4(74). - С. 184-193. за матеріалами конференцій
1. Минц А.Ю. Ракитский В.И. Автоматизация процессов торговли в системе международных валютных рынков. // Матеріали Всеукраїнської науково-методичної конференції “Економічні проблеми адаптації та розвитку вищої школи, в умовах ринку”. - Алчевськ: ДГМІ. 2003. - с. 82-83 (Особистий внесок здобувача: генетичні та нейросітьові моделі прогнозування ринку).