Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
задания / Диссертация - РАЗРАБОТКА МОДЕЛЕЙ, АЛГОРИТМОВ.docx
Скачиваний:
123
Добавлен:
27.05.2015
Размер:
9.85 Mб
Скачать
    1. Методы и модели для прогнозирования экономических показателей

Для составления прогнозов многие исследование используют метод имитационного моделирования, позволяющий строить модели, описывающие процессы так, как они проходили бы в действительности. Цель имитационного моделирования состоит в разработке симулятора исследуемой предметной области для проведения различных экспериментов. Такую модель можно «проиграть» во времени как для одного испытания, так и заданного их множества. При этом результаты будут определяться случайным характером процессов.

      1. Математическо-статистические методы

Аналитические модели обычно учитывают меньше факторов и требуют некоторых упрощений. Зато результаты расчета по ним отчетливее отражают основные закономерности данной модели. Подобные модели хорошо подходят для задачи поиска оптимальных решений. Часто отдельным классом среди них выделяют эконометрические методы [32].

Статистические модели рынка ценных бумаг не требуют столь грубых допущений и позволяют учесть большое число входных и выходных параметров. Но и этих моделей есть недостатки: громоздкость, большой расход ресурсов, трудность поиска оптимальных решений.

Математические модели описывают рынок с помощью формул. Они оперируют глобальными параметрами, типа общего спроса, общего предложения, анализируют оборот, фундаментальную цену. Они позволяют смотреть на рынок «сверху», управлять сразу всем. Примерами подобных моделей могут быть: теория портфелей со среднем отклонением Марковица, модель оценки основных фондов Шарпа.

Статистические модели используют данные прошлых лет, ищут в них закономерности и пытаются на основе предыдущих наблюдений прогнозировать дальнейшее развитие рынка. Эти же закономерности встречаются и на рынках ценных бумаг (например, числа Фибоначчи). Ещё одним примером могут служить модели волатильности ARCH/GARCH [1].

Также существует группа поведенческих моделей рынка ценных бумаг. В отличие от классических статистических и математических методов моделирования, которые позволяют наблюдать за системой с высоты птичьего полёта, подобные системы позволяют взглянуть на участников рынка «изнутри» системы. В таких системах каждый участник рынка – индивидуум, который самостоятельно принимает решения, базируюсь на своих представлениях о мире, используя свой собственный набор стратегий, имея свои личные желания, планы, страхи, предрасположенности в рамках этой системы. На решение каждого влияют такие параметры как вера в удачу, репутация других трейдеров и просто с каким настроением проснулся человек утром. Каждый отдельный участник никак не может повлиять на цену, но если все агенты, опираюсь на одну и ту же стратегию, примут одинаковое решение в одно и то же время, это в итоге окажет существенное влияние на спрос и предложение, следовательно, на цену акции на рынке.

Характерной особенностью поведенческих моделей является то, что они рассматривают результат поведение групп лиц. Внутри группы все участники принимают одинаковое решение. Однако различные группы могут принять разное решение. Из результата взаимодействия групп и получаются колебания курсов валют и котировок акций. Сама эта идея не является новой – подобные модели рассматривались экономистами ещё со времён появления теории игр. Примерами могут стать миноритарная модель бара Эль-Фарола (выгодно быть в меньшинстве), урновые модели (эффект подражания), модель взаимодействия фундаментальных и шумовых трейдеров, которую предложили Honggang Li и Barkley Rosser [69].