Переход к рыночным отношениям в экономике и научно-технический прогресс чрезвычайно ускорили темпы внедрения во все сферы социально-экономической жизни российского общества последних достижений в области информационных технологий. Достижение Россией высоких результатов в экономике и социальной области 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 общественного труда.
Большинство проблем, возникающих перед финансовыми менеджерами верхнего уровня, и, в первую очередь, проблемы принятия эффективных инвестиционных решений на фондовых, товарных и финансовых рынках, являются по самой своей природе плохо структурированными и, как следствие, не приспособленными для решения стандартными методами. Одной из основных таких проблем является задача повышения эффективности управления портфелем ценных бумаг. Это перманентная проблемная задача любого коммерческого банка, работающего на рынке ценных бумаг. В процессе решения этой задачи менеджеры вынуждены учитывать большое количество противоречивых и неоднозначных данных, важность которых невозможно оценить объективно. Во всех подобных ситуациях принимаемые решения носят весьма субъективный характер и, как все интуитивные решения, не могут быть корректно объяснены.
Необходимость финансового анализа в коммерческих банках сегодня не вызывает сомнений. Практически в любом 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 банка. 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 банке При этом простейшие подсистемы анализа являются желательным, но необязательным придатком [10].
В таких условиях остро встает необходимость разработки методики применения наиболее эффективных технологий управления портфелем ценных бумаг на российском рынке.
Игнорирование проблем управления портфелем ценных бумаг банка и отсутствие системы, позволяющей такое управление поддерживать, приводят к ухудшению качества управления, что в конечном счете отрицательно сказывается на финансовых результатах работы банка. Немало банков в период получения сверхприбылей начинали реализацию дорогостоящих проектов, исходя из текущей ситуации и не затрудняя себя попытками просчитать варианты развития в будущем. Результатом явился длинный список разорившихся банков.
Традиционный финансовый анализ заключается в расчете одного или нескольких показателей и в последующем их рассмотрении. Но, сводя все многообразие банковских операций к нескольким интегрированным показателям, не всегда можно оценить ситуацию в конкретный момент времени. Существует риск упустить некоторые важные детали.
В еще большей степени эти замечания относятся к прогнозированию на основе экономических показателей. Российские банки в настоящее время 4 работают в условиях нестабильной внешней среды, и построение даже краткосрочных прогнозов затруднено. Поэтому одним из путей дальнейшего совершенствования финансового анализа и прогнозирования является использование инструментов, позволяющих строить модели на основе большого количества разнообразных входных данных (то есть позволяющих устанавливать зависимость между входными данными и прогнозируемой величиной).
Одновременно с развитием новых теоретических подходов для создания адекватной модели 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-хнейросетевых технологий.
Начало исследованиям 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 управления портфелем ценных бумаг на российском рынке. Все публикации (подавляющее большинство из них — в периодической печати) сводятся к описанию возможностей нейронных сетей и их потенциальных преимуществ перед другими компьютерными технологиями. Причем все выводы в этих работах сделаны на основе результатов применения нейросетей на западных рынках. Большинство работ являются рекламными материалами фирм, продающих в России нейронные сети. [13, 20, 26, 28, 37, 45].
Все это определило тему настоящего исследования, в центре которого находятся проблемы совершенствования управления портфелем ценных бумаг коммерческого банка с помощью нейросетевых компьютерных технологий.
Цель и задачи исследования
Целью исследования является разработка методики управления портфелем ценных бумаг на базе нейронных компьютерных технологий.
В соответствии с поставленной целью в работе решаются следующие задачи:
• Исследование проблемы современного российского рынка ценных бумаг и роли операций с ценными бумагами в активных операциях коммерческих банков в России.
• Проведение сравнительного анализа существующих технологий управления портфелем ценных бумаг коммерческого банка.
• Выявление проблем, возникающих при управлении портфелем ценных бумаг коммерческого банка.
• Изучение проблемы прогнозирования на рынке ценных бумаг.
• Классификация технологий интеллектуального анализа данных в бизнесе и финансах.
• Проведение анализа существующих нейросетевых компьютерных информационных технологий в финансовой сфере, возможности их применения на российском рынке ценных бумаг.
• Разработка методики создания на базе нейронных компьютерных технологий прогнозирующей системы для управления портфелем ценных бумаг.
• Формирование критериев выбора программного обеспечения для создания прогнозирующей системы с использованием нейросетевых компьютерных технологий для управления портфелем ценных бумаг.
• Создание и внедрение системы прогнозирования для управления портфелем ценных бумаг коммерческого банка.
• Проведение оценки эффективности созданной системы прогнозирования для управления портфелем ценных бумаг коммерческого банка.
Объект и предмет исследования. Объектом исследования является рынок ценных бумаг Российской федерации. Предметом исследования выступает задача управления портфелем ценных бумаг коммерческого банка.
Метод исследования. Для проведения научного исследования использовались как методы эмпирического исследования, такие как сравнение, эксперимент, так и методы научного исследования: анализ, синтез, моделирование, метод статистического анализа, метод экспертных оценок. Кроме того, работа опирается на новейшие разработки в области использования нейросетевых компьютерных технологий на финансовых рынках. Особое внимание уделено опыту применения нейросетевых компьютерных технологий на западных финансовых рынках.
Научная новизна исследования состоит в достижении следующих результатов:
• классифицированы существующие интеллектуальные компьютерные технологии, используемые на финансовых рынках;
• определена возможность использования нейронных компьютерных технологий для управления портфелем ценных бумаг на российском рынке;
• разработана методика создания прогнозирующей системы с использованием нейросетевых компьютерных технологий для управления портфелем ценных бумаг коммерческого банка- 7.
• сформированы критерии выбора программного обеспечения для создания прогнозирующей системы с использованием нейросетевых компьютерных технологий для управления портфелем ценных бумаг.
Практическая ценность. Практическая ценность работы заключается в том, что созданная система управления портфелем ценных бумаг может быть использована в реальной практике как инструмент выработки решений при управлении портфелем ценных бумаг коммерческого банка, а так же любого другого участника рынка ценных бумаг.
Управление портфелем ценных бумаг с использованием созданной системы позволяет существенно увеличить эффективность управления портфелем по сравнению со среднерыночными показателями.
Реализация и апробация работы. Разработанная система управления портфелем ценных бумаг внедрена и используется в практической деятельности в фондовом отделе акционерного коммерческого Промышленно-торгового банка.
Структура работы. Диссертация состоит из введения, трех глав, заключения и списка литературы.
Основные результаты данной работы заключаются в следующем:
1. В диссертационной работе исследованы проблемы современного российского рынка ценных бумаг. Показана важная роль операций с ценными бумагами в активных операциях коммерческих банков в России и выявлена проблема эффективного управления портфелем ценных бумаг коммерческого банка.
2. Анализ проблем, возникающих при управлении портфелем ценных бумаг коммерческого банка позволил определить, что необходимым условием успешного управления портфелем является получение качественного прогноза динамики цен активов, составляющих портфель.
3. На основе изучения проблемы прогнозирования на рынке ценных бумаг сделан вывод о принципиальной возможности получения прогноза динамики цен, вопреки положениям теории эффективного рынка.
4. Рассмотрены существующие технологии прогнозирования при управлении портфелем ценных бумаг коммерческого банка.
5. Обоснована возможность и необходимость использования нейросетевых компьютерных технологий для моделирования процесса принятия управленческого решения при управлении портфелем ценных бумаг.
6. Произведена классификация современных технологий интеллектуального анализа данных в бизнесе и финансах.
7. В работе проанализированы существующие на сегодняшний день нейросетевые компьютерные информационные технологии в финансовой сфере, и показана возможность их успешного применения на российском рынке ценных бумаг.
8. Разработана методика создания на базе нейронных компьютерных технологий прогнозирующей системы для управления портфелем ценных бумаг.
9. Сформированы критерии выбора программного обеспечения для создания прогнозирующей системы с использованием нейросетевых компьютерных технологий для управления портфелем ценных бумаг.
10. На основе разработанной методики реализована информационная система управления портфелем ценных бумаг.
11. Созданная на базе нейросетевой компьютерной технологии система прогнозирования внедрена и успешно используется при управлении портфелем ценных бумаг Промышленно-торгового банка.
12. Проведена оценка эффективности внедрения и практического применения созданной системы прогнозирования, которая подтвердила ее экономическую эффективность.
Список работ, опубликованных по теме диссертации:
1. Зайченко Д. Н. Технический анализ на рынке ценных бумаг. /Материалы научной конференции молодых ученых и студентов ГАУ «Реформы в России и проблемы управления — 97», вып. З — М.: ГАУ, 1997.
2. Зайченко Д. Н. Информационное обеспечение российского фондового рынка. /Материалы научной конференции молодых ученых и студентов ГАУ «Реформы в России и проблемы управления — 98», вып. З — М.: ГАУ, 1998.
3. Зайченко Д. Н. Применение нейронных сетей в финансовой деятельности. /Тезисы докладов 7-го всероссийского студенческого семинара «Проблемы управления», вып.1 — М.: ГУУ, 1999.
Заключение
.
Повышение эффективности управления портфелем облигаций является перманентной задачей для всех профессиональных участников рынка ценных бумаг, в том числе и для банков, как наиболее активных его участников. Причем основной проблемой при управлении портфелем является получение качественного прогноза изменения цен на облигации. Сама возможность такого прогнозирования до сих пор подвергается сомнению (теория эффективного рынка). Однако на основе проанализированных материалов можно выдвинуть гипотезу о том, что финансовый рынок в целом и рынок облигаций в частности не являются полностью эффективными и существует возможность делать как минимум краткосрочные прогнозы изменения цен на них.
При управлении портфелем ценных бумаг стандартные методы прогнозирования цен облигаций (фундаментальный анализ, технический анализ, статистический анализ) не могут дать желаемых результатов. Для качественного решения поставленной задачи необходимо применение интеллектуальных средств анализа данных. В данной ситуации наиболее эффективным таким средством являются нейронные сети.
Главная трудность продвижения технологии НС в России связана с такой отличительной чертой большинства отечественных предприятий как сравнительно небольшой срок существования. И, как показывает опыт, накопленной информации оказывается недостаточно для выработки на ее основе эффективной стратегии принятия решений с помощью НС. Опасность тут состоит не столько в невозможности обнаружения интересующих взаимосвязей в малочисленных данных и построения моделей на их основе, сколько в получении статистически незначимых моделей и принятии на их основе неверных решений. Если данных мало, а описывающая их модель сложна и включает много степеней свободы, то всегда можно подогнать эту модель под данные, даже если это целиком случайные числа. Тот факт, что метод отлично работает, когда нужно объяснить то, что было в прошлом, но совершенно непригоден для принятия решений «на будущее», рождает сомнения в способности НС решать реальные задачи из сферы бизнеса и финансов. Таким образом, главная проблема применения НС для Россииэто немногочисленность анализируемых данных, а одно из главных требований к этим системам — наличие жесткого контроля статистической значимости получаемых результатов.
Другой отличительной чертой российской экономики, как на макроуровне, так и на уровне отдельных предприятий, является ее нестабильностькроме того, она подвержена и действию многочисленных, неожиданно возникающих факторов. В то время как на Западе предприятия в основном работают в рамках уже устоявшейся законодательной базы, в сложившихся структурах товарных, финансовых и информационных потоков, российские предприятия вынуждены подстраиваться под постоянно меняющиеся правила игры. Это же касается российских финансовых рынков, где примерно раз в полгода происходит существенная корректировка правил работы. Итак, исследователь должен обязательно контролировать и анализировать результаты, получаемые НС. Это нужно, чтобы гарантировать учет всех влияющих на решение факторов.
В России естественные проблемы переходного периода в экономике (отсутствие статистических данных за длительный период времени, частая изменчивость нормативной базы, нестабильность экономики) не позволяли с должным успехом использовать нейронные сети для управления портфелем ценных бумаг. В настоящее же время на рынке облигаций накоплена достаточная статистическая база, практически сформирована и регулирующая нормативная база. Это открывает возможность применения нейронных технологий для управления портфелем ценных бумаг на российском рынке.
Полученные результаты подтверждают, что нейросетевые прогнозирующие системы являются эффективным инструментом анализа и прогнозирования поведения финансовых рынков, в том числе и для задач управления портфелем ценных бумаг. Можно ожидать, что в недалеком будущем, реализованные на их основе системы анализа и прогноза займут достойное место в составе аналитических отделов крупнейших российских банков и информационных АСУ корпораций.
Использование нейронных сетей во всех областях человеческой деятельности, в том числе в области финансовых приложений, движется по нарастающей. Не следует опасаться, того, что появление столь мощных и эффективных средств перевернет финансовый рынок, или отменит традиционные математические и эконометрические методы технического анализа, или сделает ненужной работу высококлассных экспертов — говорить об этом, преждевременно. В качестве нового эффективного средства для решения самых различных задач нейронные сети используются теми людьми, которые их понимают, которые в них нуждаются и которым они помогают решать многие профессиональные проблемы. Не обязательно насаждать нейронные сети, или пытаться доказать их неэффективность путем выделения присущих им особенностей и недостатков — нужно просто относиться к ним как к неизбежному следствию развития вычислительной математики, информационных технологий и современной элементной базы.
Есть все основания полагать, что компьютерные технологии и системы подобные той, которая была описана выше, в ближайшее время станут таким же обычным и необходимым инструментом в российской финансовой и банковской сферах, как, скажем, компьютерные программы учета ценных бумаг. И дело здесь не только (и может быть даже не столько) в быстрой возможности получения прибыли, сколько в необходимости сбора.
163 полноценной статистики для анализа рынков и моделирования поведения трейдера на рынке для достоверной оценки выбранной торговой стратегии. Кроме того, после появления российских ценных бумаг на мировых рынках ценных бумаг, выход крупных российских инвесторов на мировые фьючерсные и опционные рынки является по-видимому делом весьма недалекого будущего.
И, наконец, последнее, но весьма немаловажное обстоятельство — это появление спроса на подобные технологии со стороны частных инвесторов. В России уже начал формироваться круг частных инвесторов, осуществляющих операции как на товарных западных рынках так и на валютных рынках. Этот круг будет расти очень быстро, особенно после того, как стоимость и надежность получения данных в режиме реального времени будут приближаться к западным стандартам. Приход на рынок достаточно большого числа непрофессиональных игроков будет означать конечно, резкое оживление спроса на достаточно продвинутые торговые системы, позволяющие как моделировать рынок, так и принимать решения в режиме реальных торгов.
Развитие НС вызвало немало энтузиазма и критики. Некоторые сравнительные исследования оказались оптимистичными, другие пессимистичными. Выбор лучшей технологии должен диктоваться природой задачи. Нужно пытаться понять возможности, предпосылки и область применения различных подходов и максимально использовать их дополнительные преимущества для дальнейшего развития интеллектуальных систем. Подобные усилия могут привести к комплексному подходу, который объединяет НС с другими технологиями для существенного прорыва в решении актуальных проблем. Взаимодействие и совместные работы исследователей в области НС и других дисциплин позволят не только избежать повторений, но и (что более важно) стимулируют и придают новые качества развитию отдельных направлений.
