1. Методы анализа фондового рынка

Существуют два основных подхода к анализу фондового рынка: технический и фундаментальный. Первый из них базируется на теории Доу, в основе которой лежит аксиома: «Цены учитывают все», и соответственно технический аналитик использует только цены актива и различные индикаторы. Фундаментальный анализ, наоборот, ищет взаимосвязь цен актива, внешних событий и данных типа макроэкономических показателей и финансовой отчетности корпораций и т.д. Но оба метода дают наилучший результат, если применять их вместе. Использование нейросетевых технологий в качестве дополнения дает уникальную возможность объединить эти два метода.Входной информацие для работы сетей могут быть как индикаторы данного временного ряда, так и сведения о поведении других рыночных инструментов, и внешние события. Нейросети активно используют на Западе институциональные инвесторы, работающие с большими портфелями, для которых особенно важны корреляции между различными рынками [1].

Нейросетевые технологии в отличие от человека могут представить оптимальную модель для прогнозирования. Более того, модель адаптируется и изменяется вместе с рынком, что особенно важно для современных высокодинамичных финансовых рынков, в частности российского.

Рассмотрим подробнее фундаментальный анализ, его базой является изучение балансов, отчетов о прибылях и убытках, публикуемых компаниями. Спомощью данного анализа можно выявить недооцененные компании и купить их акции в надежде на то, что цена на них возрастет.

Три уровня фундаментального анализа

• анализ состояния экономики в целом

• отраслевой анализ

• анализ Фирм

Фундаментальный анализ предполагает объединение имитационного моделирования и нейросетевых технологий.

При имитационном моделировании, так же как при экономическом моделировании используются эндогенные и экзогенные переменные. Главным отличием является то, что имитационные модели исследуют изменения факторов в динамике.

Прогнозирование – одна из самых востребованных, но при этом одна из самых сложных задач интеллектуального анализа данных. Проблемы прогнозирования связаны с недостаточным качеством и количеством исходных данных, изменениями среды, в которой протекает процесс, воздействием субъективных факторов. Прогноз всегда осуществляется с некоторой погрешностью, которая зависит от используемой модели прогноза и полноты исходных данных.

Задача прогнозирования в общем случае сводится к получению оценки будущих значений упорядоченных во времени данных на основе анализа уже имеющихся, а также (при необходимости) тенденции изменения влияющих факторов. Прогнозируемой величиной являются значения временного ряда на интервале [T(n+1), T(n+f)], где T(n) – текущий момент времени, а f – интервал прогнозирования. В некоторых случаях нужно спрогнозировать вероятности того, что они будут вести себя тем или иным образом (возрастать, убывать, находиться в некоторых пределах и т.д.). Большинство задач нейросетевого прогнозирования применяется для финансовой и банковской области. Это – краткосрочные и долгосрочные прогнозы тенденций следующих финансовых рынков:

• рынков купонных и бескупонных облигаций,

• фондовых рынков (рынков акций),

• валютных рынков. Сюда же можно отнести прогнозы:

• платежеспособного спроса;

• продаж и выручки;

• рисков кредитования;

• финансирования экономических и инновационных проектов;

• фьючерсных контрактов и ряд других.

Задачей механической системы прогнозирования краткосрочных и долгосрочных тенденций финансовых рынков является анализ некоторого набора факторов с последующим выводом о дальнейшем краткосрочном или долгосрочном поведении прогнозируемой величины. Возможными прогнозируемыми величинами для подобных систем являются доходность и ценовые показатели:

• средневзвешенная цена,

• цены закрытия и открытия,

• максимальная и минимальная цены.

Причем прогнозировать могут как показатели, определенные для целой группы инструментов или некоторого рынка в целом, так и показатели, определенные только для одного инструмента финансового рынка. Целями прогноза являются доходноть облигаций, курс валют, цены акций.

Исходными данными являются различные макроэкономиеские и микроэкономические показатели, данные с торговых площадок, сведения, предоставляемые информационно-торговыми агентствами, экспертные оценки специалистов. Количество влияющих на прогноз факторов зависит от рассматриваемогорыночного инструмента и конкретной рыночной ситуации (временного момента). То есть одни факторы оказывают влияние на все финансовые рынки, другие - только на определенные. Кроме того, влияние факторов на рынки может меняться с течением времени (меняющиеся рыночные тенденции). Так как в определенные моменты времени прослеживается очевидная взаимосвязь между финансовыми рынками и инструментами рынков, целесообразно в качестве исходных данных для прогнозирования одного рынка или его инструментов использовать информацию о тенденциях других рынков. Например, при прогнозировании цены открытия «сегодня» для любых инструментов всех финансовых рынков, этот прогноз сильно зависит от цены закрытия «вчера» и обе эти величины могут выступать как прогнозируемые.

При прогнозировании можно выделить следующие этапы:

1. Сбор и хранение статистических данных,

2. Определение набора влияющих факторов,

3. Выявление зависимости между влияющими факторами и прогнозируемыми величинами.

4. Вычисление интересующей величины в соответствии с определенной функцией, значениями влияющих факторов на прогнозируемый момент и видом прогноза (краткосрочный или долгосрочный).

Отличие прогноза в долгосрочном и краткосрочном периоде отличается в этапах один и четыре. В случае краткосрочного прогноза считается, что все участвующие в нем значительные влияющие факторы на прогнозируемую дату известны и хранятся в базе данных. Горизонт краткосрочного прогноза не превышает 3-4 дня. В случае долгосрочного прогноза считается, что влияющие факторы на прогнозируемую дату неизвестны и должны быть указаны ожидаемые значения и погрешности. Следовательно погрешность прогнозируемой величины увеличивается, что приводит к менее точным результатам.