Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Проблемы финансового моделирования с позиций экономической безопасности. Монография
.pdf
51
финансовую математику и четкие закономерности, симулированные в
современные модели. Быстрое внедрение теории вероятностей и теории игр в
анализ финансовых рынков, с акцентом на поведенческие механизмы,
иррациональность поведения и адаптивность игроков, значительно усложнило
картину. Однако поиск «разумных» и «интуитивных» решений все еще важен в
разработке стратегий.
Теоретически финансовые рынки состоят не столько из автономных
институтов, сколько из прочных связей. Они функционируют как механизм
поддержки индивидуальных игроков в макрофинансовом окружении. На
практике ситуация постоянно меняется. Наблюдаются колебания, которые
условно ограничиваются следующими рамками: от свободно рыночных
процедур до господства институционализма с жесткой асимметрией знаний и от
хаоса к порядку. Эти гипотезы основаны на многих исследованиях и все чаще
становятся важным предметом изучений экофизики – науки, использующей
физические модели и законы для анализа финансового рынка.
Помимо силы сетевых связей, другим важным параметром, по-видимому,
является разнообразие агентов с альтернативными стратегиями, интересами,
объемами деятельности. Поведение таких параметров может быть исследовано
при моделировании с использованием алгоритмов теории игр.
52
ГЛАВА 2. Методология финансового моделирования
2.1. Подходы к финансовому моделированию
Финансовое моделирование – общий термин, который означает различные
математические конструкции, алгоритмические решения, приемы, элементы для
разных пользователей; термин обычно относится к приложениям бухгалтерского
учета и корпоративным финансам, к приложениям количественных финансов
либо оценке эффективности государственного денежно-кредитного и
фискального регулирования. Финансовое моделирование обычно связано с
процессом построения абстрактных представлений реальной или
предполагаемой финансовой ситуации в виде финансовой модели.
Основные направления финансового моделирования
В финансовой сфере существует достаточно большой набор организаций,
занимающихся стандартизацией, созданием финансовой онтологии,
определением свойств и характеристик финансовых рынков с описанием
различных связей. Каждая организация и каждый исследователь рассматривают
и описывают сущностные характеристики финансовой среды, раскрывают связи
и зависимости, составляют схемы взаимодействий и иерархические системы
исходя из поставленных целей и решаемых задач. В целом в каждом случае
описание финансового рынка имеет свои отличительные особенности, которые
связаны со следующим [58]:
- решением задач регулирования и контроля финансового рынка. Для
этого финансовый рынок описывается в основном с позиции вертикальных и
центростремительных связей, что позволяет переходить к решению, во-первых,
проблем налогообложения; во-вторых, денежно-кредитного и финансового
регулирования рынка; в-третьих, контроля за отмыванием денег,
использованием финансовых ресурсов с криминальными целями; в-четвертых,
сбора статистической информации;
- созданием макро-, мезо- и микрофинансовых моделей;
- разработкой финансовых связей между:
- финансовыми учреждениями (FI), а также финансовыми
учреждениями и бизнес-клиентами (B) в различных форматах: B2B (FI2FI; FI2B);
- государством и бизнесом – B2G;
- государством и населением, включая в рамках налогообложения
субсидий, различных вознаграждений − G2P, а также заработной платы в
бюджетных организациях;
- бизнесом и населением:
53
- предприятиями торговли и услуг с населением в части расчетов,
отсрочек платежей за купленные товары и оказанные услуги и т.п. – B2P;
- финансовыми учреждениями c клиентами – B2C.
B2C-конструкции сгруппированы в три основные категории
моделирования процессов, а именно:
− поведенческая категория, связанная с потоком управления.
Поведенческая категория наиболее четко сформулирована. Поэтому она
описывается в терминах (1) функциональных (исполняемые инициативные
действия); (2) событийных (что происходит); (3) поточных (как действия связаны
и маршрутизируются); (4) состояний (позиционных);
− категория данных, связанная с потоком данных;
− организационная категория, которая относится к субъектам процесса
(участниками процесса);
− постановка и выполнение институциональных, рыночных,
государственных задач;
− финансиализация экономики [59] – перестройка хозяйства, в
котором не промышленное производство, сельское хозяйство, торговля и т.п.
определяют развитие финансов и направляют финансы на решение своих задач
(финансы обслуживают хозяйство), а финансы в количественном плане
преобладают над стоимостными характеристиками материального производства
и реальными активами (развитие хозяйства зависимо от финансовых
возможностей общества);
− организация обращения финансовых ресурсов – спекулятивная,
инвестиционная (долгосрочная и среднесрочная), кредитная, расчетноплатежная;
− стабилизация финансовой системы [60];
− создание условий для финансовой безопасности [61];
− волатильность, устойчивость и уровень неопределенности
финансовой среды. В частности, сущностные характеристики рынков
государственных облигаций как наиболее устойчивых и более определенных
рынков, менее устойчивых – акций, дальше деривативов и других финансовых
инструментов (свопов, фьючерсов), валют и таких крайне неустойчивых, как
криптовалюты [62];
− ценообразование финансовых активов. В конечном счете все
сущностные характеристики финансовой среды сфокусированы на цене
финансовых продуктов и услуг, а также процессов. В основе ценообразования
54
финансовых активов находится спрос и предложение финансовых продуктов и
услуг, а также стоимость базовых активов. Поэтому у истоков цепочек
зависимых блоков основной массы финансовых активов находятся стоимостные
характеристики базовых активов (нефтяных фьючерсов – цена нефти,
производных ипотечных бумаг – стоимость недвижимости и т.п.) [63];
- эмоционально-поведенческий настрой финансовой среды.
Финансовая культура и волнообразное изменение поведенческой активности и
позиционирования различных групп населения постоянно оказывают давление
на реализацию финансовых связей и финансовой активности [64].
Подходы к определению понятия «финансовое моделирование»
Существуют различные подходы к определению финансового
моделирования, его задачам и классификации. В отечественное литературе
финансовое моделирование обычно рассматривается в следующих основных
разрезах:
- временном: финансовое моделирование для принятия
стратегических и операционных решений;
- нормативном: финансовые модели, построенные с учетом
нормативно-правовых актов, методик, норм и т.п.;
- объектно-целевом: финансовые модели для различных целей
(оценки инвестиционных проектов, оценки бизнеса, котировки ценных бумаг и
валют, макроэкономического состояния, прогнозирования рынка или ценной
бумаги и т.п.).
При многочисленным методах классификации финансового
моделирования их можно сгруппировать на четырех больших класса:
- модели финансового учета и отчетности;
- модели количественных финансов;
- торговые и клиентские модели;
- модели макроэкономических прогнозов, включая модели финансовых
рынков.
За последнюю треть века модели финансовых рынков получили
значительное развитие, поскольку не только возросло понимание и
теоретическое объяснение основных процессов, но и рынки изменились – возрос
объем, усложнилась структура, изменились внутренние и внешние связи, а также
усложнились и расширились технологические и технико-организационные
приемы работы на рынках. Кроме того, финансовое моделирование обогатилось
за счет адаптации приемов и методов других дисциплин.
55
Учет больших данных при финансовом моделировании
Финансовые рынки представляют собой сложную систему, которая
включает много неопределенностей. Игровые модели предлагают наилучший из
возможных способов оценки широкого диапазона потенциальных результатов и
связанных с ними угроз, а также оценку эффективности выбранных стратегий
рыночными участниками.
Участники финансового рынка находятся в состоянии постоянного
взаимодействия. Финансовые агенты и финансовые рынки, как правило,
адаптивны по своей природе и постоянно развиваются. Их текущее поведение
может зависеть от прошлого. Поэтому историческая статистика во многом
проливает свет на будущее. В последнее время при прогнозировании будущего
состояния финансового рынка, его агентов и цен используют более широкий
круг моделей и алгоритмов. Тем не менее исторические аналогии и анализ
прошлого для предвидения будущего сохраняется как основной прием
прогнозного моделирования рынков. Взаимодействие агентов приводит к
широкому разнообразию сложных взаимодействий. Сложность определяется
нелинейным характером взаимодействий агентов, а поведение таких
нелинейных финансовых рынков может быть хаотичным и непредсказуемым.
Однако основными финансовыми теориями и моделями подразумевается
детерминированность событий и процессов финансовых рынков.
С достаточной вероятностью можно утверждать, что многие
макрофинансовые исследования преимущественно игнорируют проблему
больших данных и редко используют многочисленные микроэкономические
показатели для проверки своих моделей. В любом случае они чаще отрываются
от реальности, чтобы быть полезными для практического применения и, скорее,
представляют собой идеальные картины прошлого, экстраполированные с
определенной корректировкой на будущее. Перспективное их видение основано
на попытках включить прошлый опыт в понимание будущего. В концептуальном
плане с этой целью привлекают различные циклические конструкции и
статистические приемы, основанные на длительных временных рядах. Правда,
заметны попытки разорвать прием, когда в перспективу вкладывают прошлые
тенденции и для решения текущих и будущих проблем полагаются на
накопленный опыт, который пытаются применить даже к непрогнозируемым
нововведениям и событиям. Так, пару лет назад предложили особые приемы для
анализа биржевых цен. В их основе ориентир не на привычную повторяемость
событий, что типично, в частности, для волновой теории Элиота и многих других
традиционных ценовых конструирований (рассчитанных на определенную
56
ритмику), а на особые модели, построенные на базе больших данных, способных
влиять на деформацию цикла. В этом плане растущая цифрация хозяйственных
и социальных индикаторов и макрофинансовых процессов позволяет
превосходить привычные модельные конструкции по своим прогнозным
характеристикам.
Рост объема финансовой информации вполне очевиден и поддается учету.
Переход на большие данные позволяет по-новому оценить корреляцию макро- и
микро-финансовых аналитических приемов. На практике данный процесс во
многом связан с переходом анализа многих финансовых событий в системе
координат «хаос – порядок». При таком подходе задача сводится к поиску
условий циклического перехода от хаоса к порядку и обратно к хаосу и
выяснению, как с помощью больших данных расширяется анализ и понимание
таких переходов. В силу революционных преобразований в финансах основным
трендом является рост случайных событий, которые не всегда укладываются в
привычные рамки рыночного поведения и оказывают шоковое воздействие на
всю систему. Присутствие таких «случайных событий» требует новых подходов
к работе с финансовыми данными.
Изменения в анализе данных
В настоящее время происходит своеобразное соревнование между
традиционным и новым взглядом на макро- и микроуровневые решения и
моделирование. В основе нового находятся большие данные. Однако изучение
данных продолжает происходить преимущественно с позиции устоявшегося
набора данных, а также концепций, методик и моделей, в основе которых нет
места большим данным. Тем не менее набирает силу разработка новых подходов
и концепций, а также моделей, которые учитывают изменения в данных.
Выделяются следующие основные подходы, позволившие учитывать
большие данные в прогнозных макрофинансовых исследованиях:
- Регрессионный и корреляционный анализ. Он использовался при работе с
обычными данными и вполне подходит для работы с большими данными.
Зависимости и причинно-следственные связи всегда интересовали участников
финансового рынка. Большие данные внесли изменения в процедуру
регрессионного анализа. В частности, они позволили перейти к составлению
существенно больших данных в соответствующие уравнения. Регрессионный
анализ основан на статистических методах работы с независимыми
переменными X1, X2,…, Xp при определении их влияния на переменную Y. К
примерам такой работы относится моделирование взаимодействий денежной
массы, процентной ставки и инфляции, или процентной ставки и перемещения
57
денежных средств между кредитным и фондовым рынками. Такой подход имеет
определенные ограничения, поскольку отражает математическую зависимость
переменных и не учитывает их причинно-следственные связи. Для
нивелирования погрешности применяют различные коррекции и оптимизации.
Например, простые корреляции (позволяют устанавливать взаимосвязи между
разными величинами) и автокорреляции (временные изменения событий);
линейные зависимости в рамках мультиколлинеарностного регрессивного
моделирования (сильные корреляционные зависимости между переменными, но
слабый уровень идентификации причин и высокий уровень неопределенности
прогнозов), простое регрессионное моделирование (в частности, для
прогнозирования изменений биржевых цен во времени); перекрестные проверки
моделей с оценкой поведения моделей в условиях различных данных.
Комбинация методов позволяет при переходе на большие данные нивелировать
недостатки отдельных методик и более четко определять перспективу развития
событий;
- Нейроно-сетевые принципы. Переход к использованию нейронного
моделирования позволяет перейти к анализу как общего информационносетевого настроя финансового рынка, так и его составных частей и отдельных
направлений. Данный подход позволяет полнее оптимизировать данные для
последующего их анализа и выделения существенных для управления данных,
то есть приводить большие данные в рамки, позволяющие вести работу с ними
как с обычными данными. Процесс сжатия и оптимизации информации может
быть многоступенчатым – на каждой ступени применяются различные фильтры
и концентраторы, которые постепенно сжимают информацию до приемлемого
для расчетов и моделирования уровня. Среди недостатков данного метода можно
отметить возможность распространения и мультипликации ошибок, поскольку
первичная ошибка может привести к значительным отклонениям как в ходе
сжатия, так и последующего использования и фильтрации информации.
Разработаны и применяют различные компенсаторы ошибок, которые
предназначены для восстановления утраченного сигнала в ходе его сжатия и
передачи. В таких случаях ошибки выявляются, а восстановление происходит
после сжатия в ходе экспертизы (на стадии моделирования). Такой метод
позволяет значительно повысить достоверность результатов моделирования;
- При исследовании больших данных все чаще прибегают к различным
приемам моделирования. Так, ситуационное моделирование позволяет строить
модели, которые описывают поведение финансового рынка, проводят
зеркальное его отражение в моделях с учетом выяснения воздействия на него тех
58
или иных эндогенных (например, финансовых инноваций) и / или экзогенных
(экономической политики) воздействий. Ситуационное моделирование
получило широкое признание не только в макроэкономическом анализе
финансовых процессов, но и при микроэкономическом моделировании
(например, в ходе анализа воздействия нового интерфейса на клиентскую базу
банка). По своей сути ситуационная модель представляет собой логикоматематическое описание ситуаций на рынке, выявление, формализацию и
запись причинно-следственных связей. Существует большой разброс
ситуационных моделей – от описательных логистических финансовых потоков
до цепочек взаимосвязанных банковских услуг и продуктов. Для ситуационного
моделирования используют различные пакеты прикладных математических
программ (например, AnyLogic, MatLab FEM Physics Simulation Toolbox, Nogrid
points, SimScale, Sxulab, Maxima, Scicos и др.);
- Тринитарные модели применяют при решении достаточно сложных задач
–например, при определении взаимосвязи и в то же время автономности
(«саморазвития») инфляции, валютного курса и процентной ставки. В финансы
данные модели пришли из социальной сферы (например, анализ изменения
организационных структур под воздействием человеческой активности).
Особенностью моделей является возможность анализа саморазвития рынка
(самоуправления, самовоспроизведения) и воздействия на него внешних
факторов (управляющего воздействия). Считается, что данные модели
позволяют анализировать процесс оптимизации взаимодействия на рынок
эндогенных и экзогенных факторов. Данные модели позволили перейти от
анализа прямых к более сложным косвенным воздействиям: бинарно-линейного
типа – A → B, устанавливающего связи между отдельными событиями A
(например, изменение базовой ставки) и В (приток или отток капиталов в
страну); более сложного взаимодействия – А → В → С (где С – уровень
экономической активности). В последнем случае показатель В является
транзитным для достижения главного – экономического роста;
- Ассоциативное моделирование ввели в широкую практику поведенческие
финансы. При анализе финансовых процессов используются также приемы
ассоциативной памяти, построенной на нейронных сетях. Примером может
служит финансовый кризис 2008 г., который сразу же вызвал ассоциацию с
Великой депрессией 1929−1933 гг. и привел к целой серии сравнений, что
повысило интерес к сравнительному моделированию [65 3].
Предложен далеко не полный перечень подходов к большим данным, но и
он дает представление о разнообразии и возможных варьированиях в выборе и
59
различиях в результатах анализа. При этом недостаточно наглядны
конкурентные преимущества каждого нового и старого в методиках анализа
данных.
Итак, между различными методами анализа заметно своеобразное
соревнование, которое отражает различия между традиционными взглядами на
макро- и микропроцессы и новыми. В основе первых находится устоявшийся
набор данных и методик, вторых – новые технологии, которые были вызваны
переходом к работе с большими данными. Далеко не всегда новые принципы и
методики побеждают. Но такое типично в переходный период, в рамках которого
происходит не только усвоение нового и за счет этого расширение
технологической и методологической базы, но и отбраковка неустоявшихся
подходов, отсеивание чрезмерно загромождающихся анализ и выборка более
целевых конструкций. Включение новых методик и технологий в макро- и
микро-финансовых наблюдения способно поменять наши представления на
многие хозяйственные процессы и перестроить финансовую науку. Дело в том,
что от выбранных методов анализа во многом зависят результаты – общий
оценочный настрой и концептуальная ориентация финансов.
Переход к сопоставлению двух взглядов (традиционного и нового) в своей
основе связан с диспутом между экономистами о состоянии современного
финансового рынка, соотношении неопределенности и определенности на нем.
Так, в последнее время финансовый рынок принято определять как эффективный
и рациональный и, соответственно, сбалансированный. Достаточно новаторским
стало отношение к нему как к неэффективному и нерациональному, что
позволяет характеризовать его основное состояние как нестабильное.
Инициаторами такого подхода к рынку являются сторонниками гипотезы
Мински, а также отчасти поведенческих финансов и австрийской экономической
школы. В результате наметилось очередное противостояние мейнcтрима и
различных боковых течений в финансовой науке.
Модели учета и прогнозирования финансовой отчетности
Данные модели относятся к традиционным финансовым моделям. В
корпоративных финансах, в бухгалтерском учете и аудите финансовое
моделирование обычно влечет за собой прогнозирование финансовой
отчетности – подготовка подробных специфических моделей, используемых для
целей принятия решений и финансового анализа. Для этого существует целый
ряд моделей и приложений, которые включают следующие основные модели:
- оценка бизнеса, включая модели дисконтированных денежных
потоков;
60
- сценарии развития финансового бизнеса и принятия решений;
- бюджетирование капитала, включая потоки капитала, создаваемые
новым бизнесом;
- расчет стоимости капитала (модели типа WACC – модели, которые
позволяют рассчитывать минимальные доходы компании, необходимые для
сохранения бизнеса);
- анализ финансовой отчетности, включая аудит;
- проектное финансирование;
- прогнозирование денежных потоков и управление движением
активами и пассивами;
- формирование дохода – разнообразные линейные,
детерминированные алгебраические модели, которые неявно используются
большинством бухгалтеров;
- основные проформы бухучета, которые представляет собой отчет
финансовой деятельности компании (исключая «необычные и неповторяющиеся
транзакции»), указывающие, сколько денег компания фактически заработала.
Модели прогнозирования прибылей и убытков, а также движения
денежных средств
Существует большой набор моделей, которые анализируют и
прогнозируют прибыли и убытки финансовых учреждений, а также денежные
потоки. Среди них выделяется особый тип трехфакторных интегрированных
моделей, которые прогнозируют отчет о прибылях и убытках, баланс и движение
денежных средств.
Бухгалтерский учет позволяет понять финансовую отчетность компании в
историческом разрезе и представить ее финансовую структуру.
Прогнозирование же финансовой отчетности позволяет определить действия
банка при различных вариантах (сценариях) и визуализировать, как
операционные решения банка (например, изменение процентной ставки,
маркетинговые подходы к клиентам, изменение требований при выдаче
кредита), решения об инвестировании (открытие дополнительного офиса,
перевод операций в цифровой режим) влияют на конечную прибыль в
определенной перспективе.
Финансовая модель состоит из трех отчетов. Она помогает как инсайдерам
(профессионалам в области развития), так и аутсайдерам (клиентам,
институциональным инвесторам, исследованиям в сфере продажи акций,
инвестиционным банкирам) наблюдать различные виды деятельности банка и
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]