Заключение

Многочисленные исследования велись в области финансовых прогнозов фодовых рынков и безусловно интерес к этому только возрастает. Распространение и усовершенствование новейших технологий, таких как нейросетевые гибридные систему и торговые роботы приводит к тому , что банки начинают засекречивать информацию и неохотно открывают достигнутые результаты.

Популярность нейронных сетей можно объяснить тем, что они более эффективны, более успешны, выполняют операции в короткие сроки и не оставляют времени осмнениям. Несмотря на большое количество исследований, проведенных в этой области, результаты были не всегда успешны так, как зависят от большого количества действующих факторов.

Модель финансового рынка России с математической точки зрения является очень изменчивой. Это происходит из-за ожидания постепенного сворачивания рынка ценных бумаг и увеличения доли фондового рынка, а также из-за нестабильности политического курса. Исходя из этого, можо сказать, что финансовый рынок в России еще не стабилизирован.

В частности, в России уже успешно функционирует один из первых мощных нейрокомпьютеров для финансового применения. В число организаций, использующих нейронные сети для решения своих задач, уже вошли - Центробанк, МЧС, Налоговая Инспекция, более 30 банков и более 60 финансовых фирм. Некоторые из этих организаций уже опубликовали результаты своей деятельности в области применения нейрокомпьютинга.

В заключение необходимо отметить, что использование нейронных сетей во всех областях человеческой деятельности, в том числе в области финансовых приложений, движется по нарастающей, отчасти по необходимости и из-за широких возможностей для одних, из-за престижности для других и из-за интересных приложений для третьих.

В качестве нового эффективного средства для решения самых различных задач нейронные сети просто приходят - и используются теми людьми, которые их понимают, которые в них нуждаются и которым они помогают решать многие профессиональные проблемы.

Повышение эффективности проведения торговых операций на российском фондовом рынке, безусловно, является перманентной задачей как для профессиональных участников рынка, так и для небольших инвестиционных фирм, коммерческих банков и индивидуальных инвесторов, стремящихся увеличить свой капитал на рынке акций. При этом основной проблемой при осуществлении торговых операций является получение качественного прогноза динамики финансовых инструментов. Сама возможность такого предсказания до сих пор подвергается сомнению (теория эффективного рынка). Однако, на основе проанализированных материалов можно предположить, что финансовый рынок в целом и рынок акций в частности не являются полностью эффективными и существует возможность прогнозирования их цен.

Если крупные инвестиционные компании и банки могут извлекать прибыль от ежедневных операций купли-продажи и получения вознаграждения от своих клиентов в виде комиссии, то для «любителей» рынка стратегии ежедневной игры на рынки зачастую оказываются разорительными из-за высоких накладных расходов и значительной разницы между ценой покупки и продажи на рынке. В связи с этим для небольших инвестиционных фирм, коммерческих банков и индивидуальных инвесторов знание информации о среднесрочных тенденциях в динамике цен финансового инструмента является приоритетным для повышения своих финансовых результатов. Как показано в работе такие тенденции могут быть выявлены с применением нейросетевых методов.

Одной из основных трудностей продвижения нейросетевых технологий на российском фондовом рынке, является отсутствие достаточно продолжительной, доступной и непрерывной истории финансовых инструментов. Так, по большинству «голубых фишек» история торгов доступна лишь с середины 1995-го года, в то время как становление рынка государственного долга было на некоторый период приостановлено. • Тем не менее, короткая история рынка является, с одной стороны, недостатком, а, с другой, некоторым преимуществом при использовании нейросетевых методов, что позволяет обучать нейросетевые архитектуры всем известным значениям финансовых рядов российского финансового рынка, и можно с уверенностью сказать, что применение нейросетевых методов для предсказания динамики российского фондового рынка обосновано.