Введение

Современная экономика немыслима без информации. Тысячи предприятий, миллионы налогоплательщиков, триллионы рублей, биржевые котировки, реестры акционеров - все эти информационные потоки необходимо оценить, обработать, сделать необходимые выводы, принять правильное решение.

Современный специалист - экономист должен уметь принимать обоснованные решения. Для этого наряду с традиционными знаниями, такими как основы менеджмента, основы внешнеэкономической деятельности, банковское дело, административное управление, налогообложение он должен владеть информацией по построению информационных систем.

Интеллектуальные технологии – один из последних этапов развития аналитических технологий. Аналитическими технологиями называют методики, которые на основе каких-либо моделей, алгоритмов, математических теорем позволяют по известным данным оценить значения неизвестных характеристик и параметров. Простейший пример аналитической технологии - теорема Пифагора, которая позволяет по длинам сторон прямоугольного треугольника определить длину его третьей стороны. Другим примером являются способы, с помощью которых обрабатывает информацию человеческий мозг.

Аналитические технологии нужны в первую очередь людям, принимающим важные решения - руководителям, аналитикам, экспертам, консультантам. Доход компании в большой степени определяется качеством этих решений – точностью прогнозов, оптимальностью выбранных стратегий. Наиболее распространены аналитические технологии, используемые для решения следующих задач: для прогнозирования курсов валют, цен на сырье, спроса, дохода компании, уровня безработицы, числа страховых случаев, и т.д.

Как правило, для реальных задач бизнеса и производства не существует четких алгоритмов решения. Раньше руководители и эксперты решали такие задачи только на основе личного опыта. С помощью современных аналитических технологий строятся системы, позволяющие существенно повысить эффективность решений.

Искусственный интеллект является сейчас “горячей точкой” научных исследований. В этой точке, как в фокусе, сконцентрированы наибольшие усилия кибернетиков, лингвистов, психологов, философов, математиков и инженеров. Именно здесь решаются многие коренные вопросы, связанные с путями развития научной мысли, с воздействием достижений в области вычислительной техники и роботики на жизнь будущих поколений людей. Здесь возникают и получают права гражданства новые методы научных междисциплинарных исследований. Здесь формируется новый взгляд на роль тех или иных научных результатов и возникает то, что можно было бы назвать философским осмыслением этих результатов.

Цель курсовой работы заключается в исследовании понятия системы искусственного интеллекта, прогнозирования на основе нейронных сетей в финансах и бизнесе, рассмотрение примеров применения нейронных сетей на практике:

Задача состоит в анализе достоинств и недостатков каждой нейронной технологии в зависимости от параметров внедрения.

Переход к рыночным отношениям в экономике и научно-технический прогресс чрезвычайно ускорили темпы внедрения во все сферы социально-экономической жизни российского общества последних научных разработок в области информационных технологий. Достижение Россией высоких результатов в экономике и завоевание места полноправного партнера в мировой экономической системе в значительной степени зависит от того, каковы будут масштабы использования современных информационных технологий во всех аспектах человеческой деятельности, а также от того, какую роль будут играть эти технологии в повышении эффективности экономических взаимоотношений.

Большинство проблем, возникающих перед инвесторами, и, в первую очередь, проблемы принятия эффективных решений на фондовых, денежных и товарных рынках, являются по самой своей природе плохо структурированными и, как следствие, для их использования не могут быть использованы стандартные методы. Одной из таких проблем является проблема определения момента и характера управленческого решения при осуществлении среднесрочных торговых операций с акциями. Ее решение является перманентной задачей каждой инвестиционной компании или коммерческого банка, работающего на рынке ценных бумаг не только со средствами клиентов, но и осуществляющего торговые операции с использованием собственных средств. В процессе решения этой задачи менеджеры вынуждены учитывать большое количество противоречивых и неоднозначных данных, важность которых невозможно оценить объективно. Во всех подобных случаях принимаемые решения носят весьма субъективный характер и, как все интуитивные решения, не могут быть корректно объяснены.

Необходимость анализа фондового рынка у профессиональных инвестиционных институтов рынка сегодня не вызывает сомнений. Практически в любой инвестиционной компании и коммерческом банке есть своя аналитическая служба. Но работники этих служб являются во многом первопроходцами. Финансовые рынки в России еще не завершили своего формирования, и аналитикам приходится работать в условиях, когда собственный опыт не всегда помогает. Большинство универсальных методик, особенно зарубежных, нуждается в адаптации к российским условиям и к требованиям конкретного субъекта рынка. Зачастую и уровень подготовленности аналитиков накладывает ограничения на выбор методики. Отечественные производители программного обеспечения в большей степени нацелены на автоматизацию бухгалтерского учета и операционной работы в инвестиционных компаниях и банках. При этом простейшие подсистемы анализа являются желательным, но необязательным придатком.

В таких условиях остро встает необходимость разработки методик применения наиболее эффективных технологий принятия управленческих решений по торговым операциям на российском рынке ценных бумаг.

Игнорирование проблем прогнозирования поведения фондового рынка и отсутствие систем, способных осуществлять подобное прогнозирование, приводят к ухудшению качества управления, что в конечном итоге отрицательно сказывается на финансовых результатах работы инвестиционного института.

Многообразие методов анализа фондового рынка позволяет аналитику использовать все их множество для более обоснованного прогнозирования, но при этом всегда ставит перед проблемой выбора правильного решения. Поэтому одним из путей дальнейшего совершенствования анализа рынка ценных бумаг является разработка методов, сочетающих в себе знания различных областей анализа.

Одновременно с развитием теоретических подходов для создания адекватных моделей поведения рынка, в западных странах и США происходило активное внедрение новых интеллектуальных компьютерных технологий в практику принятия финансовых и инвестиционных решений: вначале в виде экспертных систем и баз знаний, а затем с конца 80-х — нейросетевых технологий.

Начало исследования методов обработки информации, называемых сегодня нейросетевыми, было положено несколько десятилетий назад. С течением времени интерес к нейросетевым технологиям то ослабевал, то вновь возрождался. Такое непостоянство напрямую связано с практическими результатами проводимых исследований.

На российском финансовом рынке нейросетевые компьютерные технологии появились всего несколько лет назад. Изучение литературы за этот период показало, что ни в одном из источников не содержится подробного описания (с указанием достигнутых результатов) эффективного применения нейросетевых компьютерных технологий для прогнозирования динамики фондового рынка в среднесрочной перспективе. Большинство публикаций (подавляющее большинство из них — в периодической печати) сводится к описанию возможностей нейронных сетей и их потенциальных преимуществ перед другими компьютерными технологиями. Причем большая часть выводов в этих работах сделана на основе результатов применения нейросетей на западных рынках.

На сегодняшний день возможности нейросетевых технологий используются во многих отраслях науки, начиная от медицины и астрономии, заканчивая информатикой и экономикой. Между тем далеко не все потенциальные возможности нейросетевых методов изучены, но одними из их свойств являются возможности распознавания и классификации образов, работы с большими массивами зашумленных данных, аппроксимация и выявление неочевидных зависимостей в данных финансовых временных рядов. На основе этих свойств нейросетевых архитектур можно сделать вывод о значительном преимуществе их использования для анализа и прогнозирования динамик финансовых рядов, в частности фондового рынка.

Актуальность отмеченных вопросов теории, их недостаточная разработанность, высокая практическая значимость обусловили выбор темы, предопределили объект, предмет, цель и задачи диссертационной работы. Объектом исследования выступает российский рынок акций. Предметом исследования являются нейрокомпьютерные технологии и их использование для прогнозирования динамики фондового рынка.

Цель исследования — разработка методик среднесрочного прогнозирования характера поведения цен закрытия акций в среднесрочной перспективе (1-6 календарных месяцев) на базе нейронных компьютерных технологий.

В соответствии с поставленной целью в работе решаются следующие задачи: исследование развития и современного состояния российского рынка ценных бумаг и определение возможностей прогнозирования его динамики; проведение сравнительного анализа использующихся методов оценки и прогнозирования рынка акций; классификация основных технологий интеллектуального анализа данных в бизнесе и финансах; определение особенностей нейросетевых структур и выбор наиболее эффективных алгоритмов их обучения; анализ применения существующих нейросетевых технологий в финансовой сфере как на зарубежных рынках, так и в российской практике; выделение основных подходов к применению нейросетевых технологий для прогнозирования динамики рынка акций; создание нейросетевых архитектур, способных эффективно прогнозировать среднесрочный характер поведения цен закрытия акций российских эмитентов; проведение оценки экономической эффективности внедрения или возможного использования созданных архитектур.

Общетеоретическую и методологическую основу исследования составляют категории, законы, закономерности экономической науки. В работе использованы как методы эмпирического исследования, такие как сравнение, эксперимент, так и традиционные методы научного исследования: анализ и синтез экономических систем, моделирование экономических процессов, системный подход к изучаемым явлениям.

Научная новизна исследования состоит в достижении следующих результатов: обоснована первоочередная необходимость среднесрочного прогнозирования динамики рынка акций для класса «любителей» фондового рынка; выявлены преимущества и недостатки известных методов оценки и прогнозирования фондового рынка в среднесрочной перспективе; определены характерные особенности группы эволюционных методов; в результате классификации подходов к использованию нейросетевых методов для прогнозирования динамики российского фондового рынка предложен новый, комбинированный подход; обосновано выравнивание значений финансового ряда по моменту времени для избежания искажений выходных образов; разработан метод неравномерного разделения окна нейросети, позволяющий учитывать как краткосрочные, так и более длительные тенденции в динамике финансового ряда без увеличения количества входов; разработаны варианты двухфакторных и многофакторной нейросетевых архитектур, способных прогнозировать уровни поддержки и сопротивления и моменты разворотов среднесрочного тренда на рынке ценной бумаги.

Практическая значимость работы заключается в том, что основные положения, выводы, рекомендации, методологические подходы диссертационного исследования могут быть использованы для выработки конкретных рекомендаций по совершенствованию инвестиционного процесса как институциональными, так и индивидуальными инвесторами, в частности, для принятия эффективных решений при осуществлении вышеуказанными субъектами торговых операций на фондовом рынке. Самостоятельное практическое значение имеют: метод прикрепления значений финансовых временных рядов, подаваемых в ИНС, к моменту времени; методика выравнивания значений финансового ряда по моменту времени для избежания искажений выходных образов; метод неравномерного разделения окна нейросети, позволяющий учитывать как краткосрочные, так и более длительные тенденции в динамике финансового ряда без увеличения количества входов.