• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Модели прогнозирования доходности финансовых активов при помощи искусственных нейронных сетей

ФИО студента: Мухамеджанова Мария Раисовна

Руководитель: Польдин Олег Викторович

Кампус/факультет: Факультет экономики НИУ ВШЭ (Нижний Новгород)

Программа: Бакалавриат

Год защиты: 2014

<p>Тема работы актуальна в современном экономическом мире, поскольку основой деятельности всех агентов, осуществляющих инвестиции, является предсказание финансовых рядов. Сама идея инвестиций, заключающаяся во вложении денег в текущий момент с целью получения дохода в будущем, основывается на предсказании будущей экономической ситуации и прогнозировании доходности.</p><p>Целью данной работы является разработка оптимального алгоритма на базе искусственных нейронных сетей (многослойного персептрона) предсказания знака доходности ценных бумаг, обеспечивающего достаточно надёжную среднюю эффективность.</p><p>В соответствии с выбранной целью были поставлены следующие задачи:</p><p>o&nbsp;&nbsp; Ознакомиться с математическим аппаратом искусственных нейронных сетей</p><p>o&nbsp;&nbsp; Выбрать подходящие методы валидации алгоритмов прогнозирования временных рядов</p><p>o&nbsp;&nbsp; Провести исследование различных алгоритмов прогнозирования с использованием реальных данных котировок крупных российских компаний</p><p>o&nbsp;&nbsp; Составить оптимальный алгоритм и провести его валидацию на этих данных</p><p>В данной работе применяются методы численного эксперимента с использованием распространенного языка статистических вычислений GNU R. В качестве источников данных были использованы дневные котировки акций следующих крупных российских компаний нефтегазового сектора: &nbsp;&laquo;Лукойл&raquo;, &laquo;Новатэк&raquo;, &laquo;Сургутнефтегаз&raquo; и &laquo;Роснефть&raquo;. Данные были получены с сайта finam.ru.</p><p>Были рассмотрены искусственные нейронные сети с различными параметрами и различные варианты их применения для прогнозирования временных рядов. В рамках данной работы был&nbsp; предложен способ улучшения эффективности процедуры прогнозирования с помощью ИНС. В результате был получен алгоритм, стабильно предсказывающий знак доходности акций в большей части случаев. Эффективность алгоритма была подтверждена в ходе симуляции покупки-продажи ценных бумаг в соответствии с рекомендациями алгоритма. Максимальная достигнутая норма прибыли составила 32% за полтора года.</p><p>Данное исследование подтверждает перспективность использования алгоритмов, основанных на искусственных нейронных сетях.</p><p>Разработанный алгоритм может быть использован на практике для принятия решений на финансовом рынке.</p>

Выпускные квалификационные работы (ВКР) в НИУ ВШЭ выполняют все студенты в соответствии с университетским Положением и Правилами, определенными каждой образовательной программой.

Аннотации всех ВКР в обязательном порядке публикуются в свободном доступе на корпоративном портале НИУ ВШЭ.

Полный текст ВКР размещается в свободном доступе на портале НИУ ВШЭ только при наличии согласия студента – автора (правообладателя) работы либо, в случае выполнения работы коллективом студентов, при наличии согласия всех соавторов (правообладателей) работы. ВКР после размещения на портале НИУ ВШЭ приобретает статус электронной публикации.

ВКР являются объектами авторских прав, на их использование распространяются ограничения, предусмотренные законодательством Российской Федерации об интеллектуальной собственности.

В случае использования ВКР, в том числе путем цитирования, указание имени автора и источника заимствования обязательно.

Реестр дипломов НИУ ВШЭ