Фінансова сфера

Будь-яка задача, зв'язана з маніпулюванням фінансовими інструментами, наприклад, валюта або цінні папери – зв’язані з ризиком і потребують ретельного розрахунку і прогнозування. Для відповіді на наступні питання постає потреба у використанні ШНМ. Як зміняться завтра котирування основних валют? Чи поверне кредит зовні успішна фірма? Як підібрати прибутковий і разом з тим надійний "портфель інвестора"? Ці і сотні інших питань доводиться щодня вирішувати аналітичним відділам фінансових (та й не тільки фінансових) компаній, залучаючи усі види аналітичних інструментів. Не випадково четверту частину ринку нейромережних продуктів складають фінансові додатки.

Задача прогнозування ціни деякого нафтопродукту (наприклад, ціну тони продукту). Припустимо, що ціна цього нафтопродукту залежить від таких параметрів, як вартість сирої нафти в порівнянних одиницях (тобто вартість видобутку тони нафти), вартість переробки нафти, що тече курс валюти, а також - від поточної ціни двох інших нафтопродуктів (які можна вважати базовими).

Наприклад, фірма Richard Borst, що торгує нерухомістю, застосовує гранично дешевий нейропакет для уточнення оцінки будинків, що виставляються на продаж, і квартир. Впровадження нейропакета (вартістю усього $300!) збільшило оборот фірми в Нью-Йорку і Пенсільванії на 6%.

Консультативна фірма George Pugh спеціалізується на оцінці фінансового стану різних фірм по замовленнях банків і кредитних компаній. Після установки і настроювання нейропакета вартістю $1500, фірма домоглася практично 100% збігу своїх попередніх оцінок з результатами наступних детальних аудиторських перевірок.

Розглянемо ШНМ, що моделює короткострокове прогнозування ціни деякого товару. Структуру моделі введемо в такий спосіб.

Нехай вхідними даними будуть наступні:

• поточне значення курсу долара стосовно гривні;

• попит на даний товар у попередній день (щодо розрахункового);

• обсяг продажів товару в попередній (до розрахункового) день;

• ціна товару в попередній (до розрахункового) день;

• попереднє стосовно розрахункового дня значення курсу долара до рубаю;

• попит на даний товар два дні назад;

• обсяг продажів товару три дні назад;

У якості вихідних даних візьмемо: прогноз (оцінку) зміни ціни товару - значення збільшення, що рекомендується, ціни товару, яке потрібно установити продавцеві на черговий (завтрашній) торговельний день.

На наступних рисунках приведені залежності вхідних параметрів взяті в навчальних вибірках. Навчальні вибірки були розраховані на 25 днів.

Рис.20.1. Збільшення курсу валюти.	Рис. 20.2. Попит на товар.
Рис.20. 3. Обсяг продажів.	Рис.20. 4. Ціна товару.

На підставі введених параметрів була побудована нейронна мережа для розрахунку нової ціни товару. Тут виявилося достатнім побудувати одношарову мережу, що дала надійну якість розрахунку.

Розглянемо задачу прогнозування ціни деякого нафтопродукту (будемо при цьому розглядати ціну якоїсь одиниці продукту - нехай, наприклад, ціну тони продукту). Припустимо, що ціна цього нафтопродукту залежить від таких параметрів, як вартість сирої нафти в відносних одиницях (тобто вартість видобутку тони нафти), вартість переробки нафти, курсу валюти, а також - від поточної ціни двох інших нафтопродуктів (які можна вважати базовими).

Структуру моделі задамо настуним чином. Параметри: d1 - вартість нафти (тони нафти), d2 - вартість переробки нафти (тони нафти), d3 - курс валюти, d4 - вартість нафтопродукту 0 (однієї тони), d5 - вартість нафтопродукту 1 (однієї тони), d6 - вартість нафтопродукту 2 (однієї тони). Будемо вважати, що пара­метр d6 є обумовленим.

Навчальні вибірки в цій моделі характеризувалися дуже великими діапазо­нами значень параметрів. Відповідні приклади приведені нижче на рис. . У зв'язку з цією обставиною при тренуванні мережі виявилося необхідним введення декількох (до 5-и) шарів у мережу.

Рис. 20.5. Ціна сирої нафти.

Рис.20.6. Вартість переробки нафти

Зазначена особливість вихідних параметрів привела до деякого зниження точності тренування мережі і точності остаточного розрахунку. Однак, мережа виявилася досить надійною і виконувала правильні обчислення з прийнятним рівнем точності. оводить про його ефективність.